安徽农业大学课程论文（设计）论文题目影响我国税收增长的经济因素分析姓名周涛涛学号 S0902******* 院系研究生学院专业产业经济学中国·合肥二零一零年九月影响我国税收增长的经济因素分析09产业经济学周涛涛 S0902*******摘要：税收是我们国财政收入的基本因素，也影响着我国经济的发展。
税收收入的影响因素是来自于多方面的，本文通过建立数学模型，对影响我国税收增长的经济因素进行定量分析，为运用政策工具对税收结构进行优化提供帮助。
关键词：税收增长经济因素相关系数逐步回归异方差引言经济决定税收，税收有反作用于经济。
要实现经济的持续发展，必须要求与经济紧密关联的税收符合其发展的要求，即政府筹集的税收收入应尽可能的满足其实现职能的需要，同时又不至于损害经济的发展，影响未来的需要。
因此，研究影响税收的增长的经济因素就显得尤为必要，有助于我国制定有效的税收政策，优化税收结构，保持经济的平稳较快发展。
一、定量分析（一）变量的选择影响税收增长的经济因素众多复杂。
通过研究经济理论对税收的解释以及对实践的观察，在模型的被解释变量为税收收入Y(亿元)的前提下，本文选取的影响税收增长的主要经济因素有国内生产总值X1(亿元)、财政支出X2(亿元)、商品零售价格指数X3(%)。
（二）模型的建立1.设计模型根据1981--2007年我国税收及其主要影响因素的统计数据（表1），把模型的形式设定为：Y = β0+β1X1 +β2X2 +β2X3+ε表1 1981-2007年我国税收及其主要影响因素数据表年份税收收入国内生产总值财政支出商品零售价格（亿元）（Y) （亿元）（X1) （亿元）（X2) 指数（%）（X3)1981 629.89 4862.4 1138.41 102.4 1982 700.02 5294.7 1229.98 101.9 1983 755.59 5934.5 1409.52 101.5 1984 947.35 7171 1701.02 102.8 1985 2040.79 8964.4 2004.25 108.8 1986 2090.73 10202.2 2204.91 1061987 2140.36 11962.5 2262.18 107.3 1988 2390.47 14928.3 2491.21 118.5 1989 2727.40 16909.2 2823.78 117.8 1990 2821.86 18547.9 3083.59 102.1 1991 2990.17 21617.8 3386.62 102.9 1992 3296.91 26638.1 3742.20 105.4 1993 4255.30 34634.4 4642.30 113.2 1994 5126.88 46759.4 5792.62 121.7 1995 6038.04 58478.1 6823.72 114.8 1996 6909.82 67884.6 7937.55 106.1 1997 8234.04 74462.6 9233.56 100.8 1998 9262.80 78345.2 10798.18 97.41999 10682.58 82067.5 13187.67 972000 12581.51 89468.1 15886.50 98.52001 15301.38 97314.8 18902.58 99.22002 17636.45 104790.6 22053.15 98.72003 20017.31 116694.5 24649.95 99.92004 24165.68 136584.3 28486.89 102.8 2005 28778.54 182321.7 33930.28 100.8 2006 34804.35 221397.7 40422.73 1012007 45621.97 246637 49781.35 103.8注：数据来源于《中国统计年鉴2008》2．相关系数检验利用Eviews软件中计算出的相关系数矩阵如表2：表2 相关系数矩阵Y X1 X2 X3 Y 1 0.9861994 0.997942075 -0.332589806X1 0.9861994 1 0.987099847 -0.343642955X2 0.9979421 0.9870998 1 -0.362248255X3 -0.3325898 -0.343643 -0.362248255 1 由各相关系数可知，有些变量之间的相关系数比较大，因此，该模型存在多重共线性。
下面，采用逐步回归分析方法，消除多重共线性的影响。
3．逐步回归分析通过以上相关系数检验表明，财政收入（X 2）与税收收入(Y)相关性最强．所以Y=β0+β2X 2+ε作为最基本的模型。
然后将其余变量逐个引入模型作回归。
逐步回归的结果如表3所示：表3 逐步回归汇总表回归方程 X 1 X 2 X 3 2RR 2Y=F(X 2) 0.8710630.995724 0.995888 Y=F(X 2, X 1)0.007622 （0.542972） 0.833050 （11.74586）0.995600 0.995938 Y=F(X 2, X 3)0.881586 （82.18013） 57.39944（2.707891）0.996588 0.996851 Y=F(X 2, X 3, X 1)0.004536（0.358716） 0.858827 （13.34051） 56.67313（2.613182）0.9964600.996868通过以上回归分析，并在此过程中进行经济意义检验和统计检验，虽然从理论和实际经验都可以得知，GDP 对税收收入增长的影响很大，但由于GDP 与财政支出之间存在多重共线性，为了消除这种影响，只有剔除估计参数不显著的GDP 。
所以，模型估计的结果为：Y = -6362.349 + 0.881586 X2 +57.39944X3（2277.093） （0.010727） （21.19710） t=（-2.794066） （82.18013） （2.707891）2R =0.996851 2R =0.996588 F=3798.263 DW=0.859258 （三）.模型的检验（1）经济检验。
主要是检验参数估计值的符号以及数值的大小在经济意义上是否合理。
通过模型可以知道，税收与财政支出、商品物价水平成正相关关系。
这与理论分析和经验判断相一致，经济检验通过。
（2）拟合优度检验。
由可决系数2R =0.996851和修正可决系数2R =0.996588可知，模型对数据的拟合程度比较好。
但是这只能说明列入模型中的解释变量对应变量联合影响程度比较大，并不能说明模型中各个解释变量对应变量的影响程度都显著，因此我们要做t 检验。
（3）回归参数的显著性检验。
从模型估计的结果可以看出，t 的绝对值分别为2.794066、82.18013、2.707891，在显著性水平为0.05的情况下t0.025(24)=2.0639, 财政支出和商品零售价格对被税收的影响都是显著的。
（4）回归方程的显著性检验。
在给定显著水平为0.05的情况下，F(2，24)=3.40，此模型F 值为3798.263，所以拒绝原假设，回归方程显著。
（5）回归方程的异方差性检验。
用Eviews直接进行White检验，结果见表4。
表4 White检验结果F-statistic 8.744098 Probability 0.000221 Obs*R-squared 16.57463 Probability 0.002338 其中，F值为辅助回归模型的F统计量值，其精确分布不能得到，列在表中只是为了比较。
从表4可以看到，检验的伴随概率是0.002338，则拒绝不存在异方差性的假设，模型存在异方差性。
（6）回归方程的自相关性检验。
由于DW=0.859258。
对样本量为27、2个解释变量的模型，在显著性水平为0.05的情况下，查统计表可知，dL=1.02，dU=1.32，模型中0<DW<dL，所以回归模型残差项存在正自相关。
（四）对模型进行修正在运用加权最小二乘法（WLS）消除异方差的过程中，我们分别选用了权数W1i=1/X i，W2i=1/X i^2，W3i=1/sqr(X i)。
经估计检验发现用权数W2i的效果最好。
下面仅给出用权数W2i的结果。
表5 WLS估计法结果Dependent Variable: YMethod: Least SquaresDate: 08/10/09 Time: 22:05Sample: 1981 2007Included observations: 27Weighting series: 1/X2^2Variable Coefficient Std. Error t-Statistic Prob.C -5218.562 1065.717 -4.896763 0.0001X2 0.970963 0.067317 14.42366 0.0000X3 46.16480 10.92040 4.227392 0.0003Weighted StatisticsR-squared 0.967621 Mean dependent var 1545.031Adjusted R-squared 0.964923 S.D. dependent var 1260.092S.E. of regression 236.0017 Akaike info criterion 13.86999Sum squared resid 1336723. Schwarz criterion 14.01398Log likelihood -184.2449 F-statistic 267.4587Durbin-Watson stat 1.699863 Prob(F-statistic) 0.000000Unweighted StatisticsR-squared 0.977753 Mean dependent var 10109.19Adjusted R-squared 0.975899 S.D. dependent var 11606.50S.E. of regression 1801.853 Sum squared resid 77920220Durbin-Watson stat 0.086767修正后模型估计的结果为：Y = -5218.562+0.970963X2 +46.16480X3（1065.717）（0.067317）（10.92040）t=（-4.896763）（14.42366）（4.227392）2R=0.964923 F=267.4587 DW=1.699863R=0.967621 2由此，可以看出运用加权小二乘法消除了异方差性后，参数的t检验均显著，F 检验也显著，而且通过White检验得知P=0.115987, 说明模型不存在异方差性。