关于税收收入增长的影响因素的实证分析内容摘要:
一国的经济增长是以其财政收入的增长为前提的,而财政收入的增长又离不开税收。本文采用我国自1990年至2009年的税收收入的主要因素的相关统计数据进行的实证分析。选取的自变量有国内生产总值,财政支出、商品零售价格指数和城镇居民家庭人均可支配收入。然后,在收集了相关数据之后,通过建立多元线性回归模型,利用EVIEWS软件对模型进行了参数估计和检验,并加以修正。最后得出结论是财政支出和零售商品物价水平对我国税收收入有很大影响。
关键词:税收收入国内生产总值财政支出商品零售价格指数城镇居民家庭人均可支配收入参数估计和检验思考
导论: 税收是我国财政收入的基本因素,也影响着我国经济的发展。经济是税收的源泉,经济决定税收,而税收又反作用于经济,这是税收与经济的一般原理。这几年来,中国税收收入的快速增长甚至“超速增长”引起了人们的广泛关注。科学地对税收增长进行因素分析和预测分析非常重要,对研究我国税收增长规律,制定经济政策有着重要意义。
影响税收收入的因素有很多,但据分析主要的因素可能有:①从宏观经济看,经济整体增长是税收增长的基本源泉,而国内生产总值是反映经济增长的一个重要指标。②公共财政的需求,税收收入是财政收入的主体,社会经济的发展和社会保障的完善等都对公共财政提出要求,因此对预算支出所表现的公共财政的需求对当年的税收收入可能会有一定影响。③物价水平。我国的税制结构以流转税为主,以现行价格计算的GDP等指标和经营者的收入水平都与物价水平有关。④税收政策因素。我国自1978年以来经历了两次大的税制改革,一次是1984-1985年的国有企业利改税,另一次是1994年的全国范围内的新税
制改革。税制改革对税收增长速度的影响不是非常大。因此,可以从以上几个方面,分析各种因素对中国税收增长的具体影响。
为了全面反映中国税收增长的全貌,我们选用“国家财政收入“中的各项税收”(即税收收入)作为被解释变量,反映税收的增长;选择“国内生产总值”(即GDP )作为经济整体增长水平的代表;选择“财政支出”作为公共财政需求的代表;选择“商品零售价格指数”作为物价水平的代表;选择城镇居民家庭人均可支配收入作为税收政策因素的代表。另外,由于财税体制的改革难以量化,而且从数据上看,1985年以后财税体制改革对税收增长影响不是很大,在此暂不考虑税制改革对税收增长的影响
模型设定:
为了具体分析各要素对提高我国税收收入的影响大小,选择能反映我们税收变动情况的“各项税收收入”为被解释变量,选择能影响税收收入的“国内生产总值”、“财政支出”、“ 商品零售价格指数”和“城镇居民家庭人均可支配收入”为解释变量。设定了一下经济学模型:
μβββββ+++++=443322110X X X X Y
Y=税收收入(亿元)
1X =国内生产总值(亿元) =2X 财政支出(亿元)
=3X 商品零售价格指数(亿元)
=4X 城镇居民家庭人均可支配收入(亿元)
表1是由《中国统计年鉴》得到的1990到2009的相关数据 表1 税收收入时间序列表
资料来源《中国统计年鉴2010》
参数估计
利用Eviews 软件,做LnY 对、()1X Ln 、()2X Ln 、()3X Ln 、()4X Ln 的回归,回归结果如下(表2)
表 2
Dependent Variable: LOG(Y) Method: Least Squares Date: 12/03/11 Time: 09:08 Sample: 1990 2009 Included observations: 20
Variable
Coefficient
Std. Error t-Statistic Prob.
C LOG(X1) LOG(X2) LOG(X3) LOG(X4)
R-squared
Mean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat
Prob(F-statistic)
根据表中数据,模型回归分析的结果为:
=Y Ln ?+()1X Ln +()2X Ln +()3X Ln ()4X Ln ()() () () () =2R 2R = .= F=
模型的检验及修正
(一) 经济意义检验:
从上表可以看出,所作的参数估计1?β=,2?β=,=3
?β,且0<1?β<1,0<2?β<1,0<3?β<1,均符合变量参数的确定范围,而4β的符号为负,不符合经济意义,但是根据经验,怀疑可能是存在多重共线性,要看多重共线性检验的结果才能确定。
这里与理论分析和经验判断是一致的。 (二)统计意义检验
1、拟合优度检验(2R 检验)
可决系数=2R ,2R =,这说明所建模型整体上对样本数据拟合很好,即解释变量“国内生产总值(1X )”、“财政支出(2X )”和“零售价格指数(3X )”被解释变量“各项税收收入(Y )”的绝大部分差异作了解释。
2、F 检验
针对H 0:1?β=2?β=3
?β=0,给定显著性水平α=,在F 分布表中查出自由度为k -1
=3和n -k =16的临界值F α(3,16)=,由表2中得到F =>F α(3,17)=,
应拒绝原假设H 0:3210????ββββ===,说明回归方程显著,即列入模型的解释变量“国内生产总值(1X )”、“财政支出(2X )”和“ 商品零售价格指数(3X )”联合起来确实对被解释变量“各项税收收入(Y )”有显著影响 3、t 检验
分别针对0H :j β=0(j =0,1,2,3),给定显著性水平α=,查t 分布
表的自由度为n -k =16的临界值()k n -2
t α=。由表2中的数据可得,与0
?β、1?β、2?β、3
?β对应的t 统计量分别为、、、,其绝对值不全大于()k n -2
t α=,这说明在显著水平α=下,只有2?β、3?β能拒绝0H :j β=0,也就是说,当在其他解释变量不变的情况下,各个解释变量“国内生产总值(1X )”、“财政支出(2X )”和“ 商品零售价格指数(3X )”分别对被解释变量“各项税收收入(Y )”不全都有显著影响,这可能是由于多重共线性或自相关性的影响。 (三)计量经济检验 1、多重共线性检验
①用普通最小二乘法估计模型
=Y Ln ?+()1X Ln +()2X Ln +()3X Ln ()() () () () ()4X Ln
=2R 2R = .= F =
由于2R 较大且接近于1,而且F=>()15405.0,
F =,故认为税收收入与上述变量间总体线性关系显著。
②检验简单相关系数, ()1X Ln ,()2X Ln ,()3X Ln ,()4X Ln 的相关系数如下表所示
由表中数据发现()1X Ln ,()2X Ln ,()4X Ln 之间存在高度相关性。
③找出最简单的回归形式 让LnY 分别对()1X Ln 、()2X Ln 、()3X Ln 、()4X Ln 做回归如下: 将LnY 与()1X Ln 做回归得到结果如表3:
Dependent Variable: LOG(Y) Method: Least Squares Date: 12/03/11 Time: 09:09 Sample: 1990 2009 Included observations: 20
Variable Coefficient
Std. Error t-Statistic Prob.
C LOG(X1)
R-squared
Mean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat
Prob(F-statistic)
将LnY 与()2X Ln 做回归得到结果如表4:
表 4
Dependent Variable: LOG(Y) Method: Least Squares Date: 12/03/11 Time: 09:14 Sample: 1990 2009 Included observations: 20
Variable
Coefficient
Std. Error t-Statistic Prob.
C
LOG(X2)
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic)
将LnY与()3X
Ln做回归得到结果如表5:
表 5
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 12/03/11 Time: 09:15
Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C
LOG(X3)
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic)
Ln做回归得到结果如表6:
将LnY与()4X
表 6
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 12/03/11 Time: 09:16
Sample: 1990 2009
Included observations: 20
Variable Coefficient
Std. Error t-Statistic Prob.
C LOG(X4)
R-squared
Mean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
回归结果如下:
⑴ Y Ln ?= + ()1
X Ln ()()
2R = .=
⑵ Y Ln ?= + ()2
X Ln ()()
2R = .= ⑶
Y Ln ?= - ()3X Ln
()()
2R = .=
⑷Y Ln ?= + ()4X Ln ()()
2R = .=
可见税收收入受财政支出的影响最大,选择⑵为初始的回归模型。 ④逐步回归
将其他解释变量分别倒入上述初始回归模型,以寻找最佳回归方程(如下表)
讨论:
第一步,在初始模型中分别引入1X ,3X ,4X ,发现引入1X 和4X 之后,模型拟合优度反而略有下降, 引入3X ,模型拟合优度提高,且变量也通过了T 检验; 第二步,在引入3X 的基础上,引入1X ,发现引入1X 时模型拟合优度下降,同时X1的参数未能通过T 检验;
第三步,去掉1X ,引入4X ,你拟合优度有所下降,且4X 的参数也未能通过T 检验。
第二步与第三步表明,1X 与4X 是多余的,因此,最终的税收收入函数应以
Y=F(2X ,3X )为解释变脸的回归结果
新模型估计结果如下
Y Ln ?= + ()2X Ln + ()3X Ln ()() ()
2R = .= F = ()RSS e i ∑2= 2、异方差检验: ①图示法检验:
模型普通最小二乘法得到的残差平方和2
~i e 与()2X Ln ,
()3X Ln 的散点图如下所示
.000
.001.002.003.004.005.006.007.0088.0
8.5
9.0
9.510.010.511.011.5LOG(X2)
E ^2
②利用G-Q 检验法检验模型是否存在异方差性:
将原始数据按2X 排成升序,去掉中间的4个数据,得到两个容量为8的子样本,对两个子样本分别做最小二乘回归,具体如下:
将时间定义为1990——1997,然后对LnY ,C, ()2X Ln ,()3X Ln 用OLS 法求得下列结果
Dependent Variable: LOG(Y) Method: Least Squares Date: 12/07/11 Time: 17:18 Sample: 1 8
Included observations: 8
Variable Coefficient
Std. Error t-Statistic Prob.
C LOG(X2) LOG(X3)
R-squared
Mean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat
Prob(F-statistic)
子样本1:Y Ln ?=-0006791 + ()2X Ln +(X3)
2R = 1RSS =
将时间定义为2002——2009,然后对LnY ,C, ()2X Ln ,()3X Ln 用OLS 法求得下
列结果
Dependent Variable: LOG(Y) Method: Least Squares Date: 12/07/11 Time: 17:22 Sample: 13 20
Included observations: 8
Variable Coefficient
Std. Error t-Statistic Prob.
C LOG(X2) LOG(X3)
R-squared
Mean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
子样本2:Y Ln ?= + ()2X Ln +()3X Ln
2R = 2RSS =
计算F 统计量:F =2RSS /1RSS ==
在5%的显著性水平下,自由度为(6,6)的F 分布的临界值为,由 2RSS /1RSS =<,因此接受0H ,表明模型不存在异方差性。
③再采用怀特检验。记i e
2~为对原始模型进行普通最小二乘回归得到的残差
平房项,将其与1X 与2X 及其平房项作辅助回归,得到
White Heteroskedasticity Test:
F-statistic
Probability Obs*R-squared
Probability
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 12/04/11 Time: 20:56 Sample: 1990 2009 Included observations: 20
Variable Coefficient
Std. Error t-Statistic Prob.
C LOG(X2) (LOG(X2))^2 LOG(X3) (LOG(X3))^2
R-squared
Mean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat
Prob(F-statistic)
Y Ln ?= - ()2X Ln +()22LnX ()3X Ln ()() () () +()2
3LnX
()
2R =
显然解释变量及其平方项没有通过T 检验,且怀特统计量2nR =20×=,该值小于自由度为4,的2χ分布的临界值,因此,在5的显著性水平下,接受同方差假设,即圆模型不存在异方差。 3、序列相关性检验:
①图示法检验:
从残差项t e ~与时间t 以及t e ~与1
~ t e 的关系图如下。
从趋势图看,曲线与X 轴有六个交点,大部分点位于X 轴两侧,模型可能存在序列相关,且为政序列相关;从散点图看,大部分点位于一三象限,结论同上。模型是否确实存在正序列相关,有待进一部检验。
②D-W 检验
从模型设定来看,没有违背D-W 检验的假设条件,因此可以用D-W 检验模型是否存在自相关。作如下回归结果
Dependent Variable: LOG(Y) Method: Least Squares Date: 12/07/11 Time: 16:06 Sample: 1990 2009 Included observations: 20
Variable Coefficient
Std. Error t-Statistic Prob.
C LOG(X2) LOG(X3)
R-squared
Mean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
根据表中估计的结果,有.=,给定的显著性水平α=,查 Durbin-Watson 表,n=20,k=3,得l d =,u d =
因为.统计量为0<.= 那么现在就有一个问题,序列相关是纯序列相关,还是由于模型设定有偏误而导致的虚假序列相关。 由于时间序列容易出现伪回归现象,再此,Y,1X 与2X 都是时间序列,而且他们确实表现出共同的变动趋势,因此有理由怀疑是较高的2R 部分是由这一共同的变化趋势带来的。为了排除时间序列模型中这种随时间变动而具有的的共同变化趋势的影响,解决方案是在模型中引入时间趋势项,在将这种影响分离出来。在此,我引入的时间变量为T(T=1,2,……20)以平方的形式出现,回归结果变化为 Dependent Variable: LOG(Y) Method: Least Squares Date: 12/07/11 Time: 21:31 Sample: 1990 2009 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. C LOG(X2) LOG(X3) LOG(T^2) R-squared Mean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) 会回函数变化为: Y Ln ?= + ()2X Ln +()3X Ln ()2T Ln 2R = =2R F = .= 这里.值较高,且l d <.= 下面对上式进行序列相关性的拉格朗日乘数检验。含一阶滞后残差项的辅助回归为 =t e ~ - ()2 X Ln ()3X Ln +()2T Ln +1~-t e () ( ) () () () 2R = =2R F = .= 于是,LM=19×=,该值小于显著性水平为5%,自由度为1的2χ分布的临界值为 ()1205.0χ=,因此判断元模型不存在一阶序列相关性。 确定模型 Y Ln ?= + ()2 X Ln +()3X Ln ()2T Ln 由于模型的回归结果,t 统计量以及F 统计量均显著,且不存在计量经济学问题,因此最后定型为此。 模型的应用分析 这些数据表明,财政支出,以及商品零售价格指数确实影响着我国的税收收入。财政对税收的影响是显著正相关的,这很容易理解,因为经济是收入的来源,只有提高产出,才有可能提高。这也说明国家财政支出增加,税收也会增加。而且其系数为,远远高于商品零售价格的影响力。究其原因应该是:国家为了拉动经济增长,常常实施扩张性的财产政策,从而使经济的到发展,各项税收也就自然而然的有所增加,进而提高了税收总收入。零售商品物价指数对税收收入是正相关的。这很明显,物价指数升高,意味着物价上涨,物价上涨各个销售商的收入总额也就会变大,这样需要缴纳的各项税赋也就变大,从而,国家的税收收入就会明显地提高。 政策建议 税收作为社会生产力发展到一定阶段的产物,必然随着社会的发展而扩大。税收是国家参与一部分社会产品或国民收入分配与再分配所进行的经济活动,因此税收从一定程度上决定了国家的健康稳定发展,我国目前正处于经济体制转型期,市场机制还不完善,宏观方面,需要政府进行积极的宏观调控,实现产业结构调整,以及财政支出政策的改进。另外,我国应实行结构性减税,结合推进税制改革,用减税、退税或抵免的方式减轻税收负担,促进企业投资和居民消费,实行积极财政政策,促进国民经济稳健发展,从而对税收形成良性的影响。 但是,鉴于水平有限,文中难免出现一些错误。另外还存在一些我们难以解决的问题,请老师多多包涵!