计量经济学结课论文_影响新疆财政收入增长因素实证分析

影响新疆财政收入增长因素实证分析 目 录 TOC \o "1-2" \h \z \u 1、引言 1 2、财政收入影响因素的定量分析 1 2.1 变量选择 1 2.2数据说明 1 3、模型的建立 2 3.1模型说明 2 3.2模型数据说明 2 3.3 模型建立 3 3.4、回归模型 3 4、模型检验 3 4.1、经济检验 3 4.2 拟合优度检验 4 4.3变量的显著性检验( t检验) 4 4.4 方程的显著性检验( F检验) 4 5、 多重共线性检验及其修正 4 5.1多重共线性检验 4 5.2多重共线性的修正 4 6、异方差检验及其修正 5 6.1异方差检验 5 6.2异方差性的修正 8 7、自相关检验 10 7.1、检验 10 7.2、修正 10 8、结论与对策 11 8.1结论 11 8.2对策 11 影响新疆财政收入增长因素实证分析 摘要：影响财政收入的因素很多，比如税收收入，第一产业、第二产业、第三产业的产值，固定资产投资，从业人员数，税收体制等等。。本文针对新疆财政收入影响因素建立了 计量经济模型， 并利用 E - v i e ws软件对收集到的数据进行相关、 回归以及多重共线性分析， 建立财政收入影响因素的模型， 分析了影响财政收入主要因素及其影响程度， 并提出相关政策建议。 关键字 财政收入 影响因素 实证分析 1、引言 财政作为一个地区政府的活动， 是政府职能的具体体现， 主要有资源配置、 收入再分配和宏观经济调控三大职能。 财政收入是政府部门的公共收入。 是国民收入分配中用于保证政府行使其公共职能、 实施公共政策以及提供公共服务的资金需求。财政收入的增长情况关系着一个国家经济的发展和社会的进步。因此， 研究财政收入的增长就显得尤为必要。 财政收入的主要来源是各项税收收入， 此外还有政府其他收入和基金收入等。 同时， 一个国家财政收入的规模还要受到经济规模等诸多因素的影响。因此我们以财政收入为因变量，国内生产总值（本文把他分为一二三产产值）、从业人员数、固定资产投资 5个经济指标为自变量 ， 利用软件进行回归分析， 建立财政收入影响因素模型，分析影响新疆维吾尔自治区财政收入的主要因素，为如何合理有效的制定新疆维吾尔自治区的财政收入计划提供一些政策建议。 2、财政收入影响因素的定量分析 2.1 变量选择 研究财政收入的影响因素离不开一些基本的经济变量。 大多数相关的研究文献中都把总税收、 国内生产总值这两个指标作为影响财政收入的基本因素， 还有一些文献中也提出了其他一些变量， 比如从业人员数、固定资产投资等。影响财政收入的因素众多复杂， 但是因为找不到相关新疆维吾尔自治区税收收入的数据，本文从国内生产总值（一二三产产值）、从业人员数、固定资产投资五方面进行分析。 2.2数据说明 （1）、财政收入：是指政府为履行其职能、实施公共政策和提供公共物品与服务需要而抽泣的一切资金的总和。财政收入 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 现为政府部门在一定时期内（一般为一个财政年度）所取得的货币收入。财政收入是衡量一国政府财力的重要指标，政府在社会经济活动中提供公共物品和服务的范围和数量，在很大程度上决定于财政收入的充裕状况。财政就是为了满足社会公共需要，弥补市场失灵，以国家为主体参与的社会产品分配活动。它既是政府的集中性分配活动，又是国家进行宏观调控的重要工具。 （2）、国内生产总值：是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。 在这里，本文把他分为一二三产产值三部分。 （3）、固定资产投资：是建造和购置固定资产的经济活动，即固定资产再生产活动。固定资产再生产过程包括固定资产更新（局部和全部更新）、改建、扩建、新建等活动。 （4）从业人员数：人口中参加经济活动的人口数。不包括从事家务劳动人口、就学人口、长期患病不能工作人口、年老或退休人口等。 3、模型的建立 3.1模型说明 财政收入一般由以下几部分构成: 税收收入、国有企业上缴的利润收入、债务收入以及费用等其他收入，其中税收收入是财政收入的主要来源。同时，财政收入还受到经济规模、从业人员数、固定资产投资等诸多因素的影响，这里可以用国内生产总值的变化来说明除税收以外的其他因素的变动对财政收入的影响。但是，国因为找不到相关新疆维吾尔自治区税收收入的数据，本文将从国内生产总值（一二三产产值）、从业人员数、固定资产投资五方面进行分析。 3.2模型数据说明 本文研究的数据来自《新疆统计年鉴（2009）》。采集数据的区间为1978-2008年。 附：1978-2008年新疆维吾尔自治区财政收入及相关数据表（表3.1） 表3.1 1978-2008年新疆维吾尔自治区财政收入及相关数据表 年份 财政收入 第一产业产值 第二产业产值 第三产业产值 固定资产投资 从业人员数 亿元（y） 亿元（x1） 亿元（x2） 亿元（x3） 亿元（x4） 万人（x5） 1978 7.14 13.97 18.35 6.75 13.00 491.25 1979 5.49 16.32 21.43 7.88 13.83 498.8 1980 4.03 21.53 21.44 10.27 20.47 506.35 1981 1.65 25.18 22.39 11.84 18.40 518.242 1982 4.38 28.11 23.35 13.78 24.74 530.134 1983 5.63 32.84 29.10 16.61 27.79 542.026 1984 7.22 36.68 31.65 21.42 33.73 553.918 1985 8.47 42.89 40.50 28.85 44.48 565.81 1986 10.20 46.00 45.63 37.41 48.47 576.188 1987 11.58 56.18 50.30 42.02 51.25 586.566 1988 15.46 72.27 66.02 54.43 68.41 596.944 1989 19.46 78.01 73.83 65.45 75.07 607.322 1990 21.78 104.09 83.18 74.17 88.78 617.7 1991 26.45 111.86 107.99 116.06 124.93 629.36 1992 26.07 114.50 147.64 140.17 170.03 641.02 1993 35.13 126.85 205.07 163.33 248.44 652.68 1994 28.70 187.69 249.11 225.52 285.48 664.34 1995 38.28 240.71 283.97 290.17 333.34 676 1996 48.31 249.31 313.70 337.92 387.85 684 1997 54.52 279.73 385.37 374.75 446.81 715.4 1998 65.39 291.05 395.75 420.15 519.77 680.92 1999 71.31 268.51 420.48 474.18 534.65 694.34 2000 79.07 288.18 537.58 537.80 610.38 672.5 2001 95.09 288.12 573.91 629.57 706.00 685.38 2002 116.47 305.00 603.15 704.50 813.02 701.49 2003 128.22 412.90 719.54 753.91 1002.13 721.27 2004 155.70 446.13 914.47 848.49 1161.52 744.49 2005 180.32 510.00 1164.80 929.34 1352.28 791.62 2006 219.46 527.80 1459.30 1058.16 1567.05 811.75 2007 285.86 628.72 1647.55 1246.89 1850.84 830.42 2008 361.05 691.10 2086.74 1425.57 2259.97 847.58 数据来源：《新疆统计年鉴（2009）》 从表中可以看出新疆财政收入整体趋势是不断增加的，但在1994年有一个明显的低谷，其原因是1994年建立了分税体制，形成了一个符合市场经济基本要求的现代财政税收体制。且在1994年以后，新疆财政收入增长速度明显加快，财政收入额不断增加，说明分税体制改革促进了新疆财政收入的增长。 3.3 模型建立 以财政收入为被解释变量，一二三产产值、从业人员数、固定资产投资作为解释变量建立线性回归模型： Yi=β0+β1X1i+β2X2i +β3X3i+β4X4i+β5X5i +ui 其中， Yi —— 表示新疆财政收入 X1i—— 表示新疆第一产业总产值 X2i——表示新疆第二产业总产值 X3i——表示新疆第三产业总产值 X4i—— 表示新疆第固定资产投资 X5i——表示新疆从业人员数 β0、β1、β2、β3、β4、β5——表示待定系数 ui —— 表示随机误差项 3.4、回归模型 利用eviews软件，对1978-2008年新疆财政收入、一二三产产值、固定资产投、从业人员数资数据，用OLS法回归可得如下结果（表3.2）： 表3.2 OLS回归结果 Dependent Variable: Y Method: Least Squares Date: 06/20/10 Time: 17:48 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob.   C -26.13115 30.57361 -0.854696 0.4008 X1 -0.167577 0.068804 -2.435581 0.0223 X2 0.049959 0.038400 1.301023 0.2051 X3 -0.030441 0.039451 -0.771612 0.4476 X4 0.167029 0.054427 3.068831 0.0051 X5 0.062654 0.058373 1.073346 0.2934 R-squared 0.994512     Mean dependent var 68.96419 Adjusted R-squared 0.993415     S.D. dependent var 88.69990 S.E. of regression 7.198032     Akaike info criterion 6.957478 Sum squared resid 1295.291     Schwarz criterion 7.235024 Log likelihood -101.8409     F-statistic 906.1084 Durbin-Watson stat 1.160340     Prob(F-statistic) 0.000000 Y = -26.1312 - 0.1676*X1 + 0.0500*X2 - 0.0304*X3 + 0.1670*X4 + 0.0626*X5 -0.855 -2.436 1.301 -0.772 3.069 1.073 R2 = 0.9945 = 0.9934 F = 906.1084 n = 31 4、模型检验 4.1、经济检验 按照一般的经济理论，财政收入和第一产业总产值、第二产业总产值、第三产业总产值、固定资产投资、从业人员数呈正相关关系，所以β1至β5 应该均为正值, 上面模型得到的β2、β4、β5都为正，这符合经济理论。但是β1，β3却为负，与经济理论相悖，从这方面来看这个回归模型不符合现实。为了更进一步的检验此模型的真实性，下边将进行多重共线性检验。 4.2 拟合优度检验 从上面的回归结果, 可决系数R2 = 0.9945, 修正的可决系数0.9934，模型的拟合程度很高。即新疆的财政收入可以很好的被第一产业总产值、第二产业总产值、第三产业总产值、固定资产投资、从业人员数来解释。 4.3变量的显著性检验( t检验) 第一产业总产值、第二产业总产值、第三产业总产值、固定资产投资、从业人员数的t统计量的值分别为-2.436 、1.301、 -0.772、3.069、1.073。在显著性水平为0.05时，t（31-6）=2.06，可见在0.05的显著性水平下，第一产业总产值、固定资产投资对财政收入的影响是显著的，但是第二产业总产值、第三产业总产值、从业人员数对财政收入的影响是不显著的。 4.4 方程的显著性检验( F检验) 模型的F值为906.1084， 在给定显著水平为0.05的情况下, F(5, 26) = 2.59，所以拒绝方程不显著的假设, 回归方程显著。 由上述检验可以看出回归模型存在很多问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 ，下面将进行具体的分析。 5、 多重共线性检验及其修正 5.1多重共线性检验 从回归结果的系数以及t值我们可以看出模型可能存在多重共线性，下面我们计算出解释变量的相关系数。解释变量的相关系数矩阵如下： 表5.1 相关系数矩阵表 Y X1 X2 X3 X4 X5 Y 1 0.953979697078746 0.995520944028236 0.974571651625981 0.99326230852957 0.87580438282272 X1 0.953979697078746 1 0.963542517498509 0.987183696082804 0.977246900442915 0.958228215027127 X2 0.995520944028236 0.963542517498509 1 0.978323829414758 0.995683000987835 0.889637501911002 X3 0.974571651625981 0.987183696082804 0.978323829414758 1 0.991142661604306 0.923388781844748 X4 0.99326230852957 0.977246900442915 0.995683000987835 0.991142661604306 1 0.903575301296532 X5 0.87580438282272 0.958228215027127 0.889637501911002 0.923388781844748 0.903575301296532 1 由各相关系数值可知, 解释变量之间都高度相关，说明模型存在多重共线形。 5.2多重共线性的修正 采用逐步回归法，来检验并解决多重共线性问题。分别作y对x1、x2、x3、x4、x5的一元回归，结果如表5.2 表5.2 一元回归结果 变量 X1 X2 X3 X4 X5 参数估计值 0.4368 0.1661 0.212634 0.147027 0.791331 T统计量 17.1318 56.70587 23.42164 46.15568 9.771454 R2 0.91 0.991062 0.94979 0.98657 0.767033 可绝系数 0.906976 0.990754 0.948059 0.986107 0.759 其中，以加入x2的方程可绝系数最大，以x2为基础，顺次加入x1、x3、x4、x5。结果如表5.3 表5.3 加入新变量回归结果 X1 X2 X3 X4 X5 X6 可绝系数 X2、x1 -0.033564 -1.122046 0.177884 16.32069 0.990836 X2、x3 0.163704 11.37782 0.003204 0.170309 0.991071 X2、x4 0.126783 4.05869 0.035033 1.264144 0.990941 X2、x5 0.173111 27.23725 -0.042669 -1.239729 0.990922 查表得t0.025（28）=2.048 经比较，加入x3的方程可绝系数改进最大，但t检验不显著，加入x1、x4、x5的方程的可绝系数改进不大且t检验不显著，所以应剔除x1、x3、x4、x5，只保留X2。 因此，加入X2的方程的回归结果如表5.4： 表5.4 OLS回归结果 Dependent Variable: Y Method: Least Squares Date: 06/20/10 Time: 19:01 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob.   C 0.684491 1.948468 0.351297 0.7279 X2 0.166101 0.002929 56.70587 0.0000 R-squared 0.991062     Mean dependent var 68.96419 Adjusted R-squared 0.990754     S.D. dependent var 88.69990 S.E. of regression 8.529158     Akaike info criterion 7.187199 Sum squared resid 2109.650     Schwarz criterion 7.279715 Log likelihood -109.4016     F-statistic 3215.556 Durbin-Watson stat 1.252799     Prob(F-statistic) 0.000000 回归模型为： Y = 0.684491 + 0.166101*X2 0.351297 56.70587 R2 = 0.991062 = 0.997054 F = 3215.556 n = 31 6、异方差检验及其修正 6.1异方差检验 1、绘制e2对x2的散点图 结果如图6.1 图6.1 e2对x2的散点图 由图6.1可看出e2对x2的散点图主要分布在图中的左下三角形部分。大致可看出e2随x2的变动而呈增大的趋势，应此，模型可能存在异方差。 2、Goldfeld-Quanadt检验 首先对x2按递增排序。由于n=31，中间1/4约7个观察值，构建两个子样本为1978-1989、1997-2008,然后用OLS方法得以下结果：（表6.2、表6.3） 表6.2 OLS回归结果 Dependent Variable: Y Method: Least Squares Date: 06/20/10 Time: 19:17 Sample: 1978 1989 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob.   C -1.272077 1.099809 -1.156635 0.2743 X2 0.261211 0.026798 9.747536 0.0000 R-squared 0.904775     Mean dependent var 8.392500 Adjusted R-squared 0.895253     S.D. dependent var 5.094245 S.E. of regression 1.648738     Akaike info criterion 3.988909 Sum squared resid 27.18336     Schwarz criterion 4.069727 Log likelihood -21.93345     F-statistic 95.01447 Durbin-Watson stat 1.005482     Prob(F-statistic) 0.000002 表6.3 OLS回归结果 Dependent Variable: Y Method: Least Squares Date: 06/20/10 Time: 19:19 Sample: 1997 2008 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob.   C -3.040997 7.111768 -0.427601 0.6780 X2 0.169494 0.006737 25.15974 0.0000 R-squared 0.984448     Mean dependent var 151.0383 Adjusted R-squared 0.982893     S.D. dependent var 95.76286 S.E. of regression 12.52517     Akaike info criterion 8.044370 Sum squared resid 1568.800     Schwarz criterion 8.125188 Log likelihood -46.26622     F-statistic 633.0125 Durbin-Watson stat 1.477101     Prob(F-statistic) 0.000000 由表6.3、6.3可求得F=1568.800/27.18336=57.712，在α=0.05下，两个回归结果的分子自由度均为10，查F分布表，得临界值F0.05（10，10）=2.98 57.712>2.98,所以拒绝原假设，表明模型存在异方差。 3、White 检验 由表5.4作White检验，得结果如表6.4 表6.4 White 检验结果 White Heteroskedasticity Test: F-statistic 10.70731     Probability 0.000352 Obs*R-squared 13.43435     Probability 0.001210 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/20/10 Time: 19:24 Sample: 1978 2008 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob.   C -1.524750 24.67341 -0.061797 0.9512 X2 0.218927 0.094968 2.305267 0.0288 X2^2 -4.61E-05 5.22E-05 -0.883386 0.3845 R-squared 0.433366     Mean dependent var 68.05321 Adjusted R-squared 0.392892     S.D. dependent var 114.8008 S.E. of regression 89.44951     Akaike info criterion 11.91699 Sum squared resid 224034.0     Schwarz criterion 12.05576 Log likelihood -181.7134     F-statistic 10.70731 Durbin-Watson stat 2.336772     Prob(F-statistic) 0.000352 从表6.4可看出nR2 =13.43435，而查表得临界值Χ2（4）=9.488。因为nR2 =13.43435>Χ2（4）=9.488,所以，表明模型存在异方差。 从上述几种方法检验结果可以看出模型存在异方差性，那么我们将对其进行修正。 6.2异方差性的修正 运用加权最小二乘法估计过程中，我们分别使用权w1=1/x2,w2=1/x2^2,w3=1/sqr(x2)，。经比较发现用权数w2的效果比较好，下面给出权数w1、w2、w3的回归结果（表6.5、6.6、6.7）： 表6.5 用权数w1的结果 Dependent Variable: Y Method: Least Squares Date: 06/20/10 Time: 19:33 Sample: 1978 2008 Included observations: 31 Weighting series: W1 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob.   C 1.499111 0.906453 1.653821 0.1089 X2 0.168750 0.009139 18.46497 0.0000 Weighted Statistics R-squared 0.202936     Mean dependent var 12.92209 Adjusted R-squared 0.175451     S.D. dependent var 3.865752 S.E. of regression 3.510283     Akaike info criterion 5.411611 Sum squared resid 357.3405     Schwarz criterion 5.504126 Log likelihood -81.87997     F-statistic 185.9131 Durbin-Watson stat 0.773689     Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.990334     Mean dependent var 68.96419 Adjusted R-squared 0.990001     S.D. dependent var 88.69990 S.E. of regression 8.869742     Sum squared resid 2281.497 Durbin-Watson stat 1.166162 表6.6 用权数w2的结果 Dependent Variable: Y Method: Least Squares Date: 06/20/10 Time: 19:34 Sample: 1978 2008 Included observations: 31 Weighting series: W2 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob.   C 2.666147 2.581494 1.032792 0.3102 X2 0.118797 0.081715 1.453790 0.1567 Weighted Statistics R-squared 0.807907     Mean dependent var 6.452848 Adjusted R-squared 0.801283     S.D. dependent var 9.103911 S.E. of regression 4.058315     Akaike info criterion 5.701753 Sum squared resid 477.6276     Schwarz criterion 5.794269 Log likelihood -86.37718     F-statistic 3.745287 Durbin-Watson stat 0.869054     Prob(F-statistic) 0.062762 Unweighted Statistics R-squared 0.870626     Mean dependent var 68.96419 Adjusted R-squared 0.866165     S.D. dependent var 88.69990 S.E. of regression 32.44946     Sum squared resid 30536.05 Durbin-Watson stat 0.111925 表6.7 用权数w3的结果 Dependent Variable: Y Method: Least Squares Date: 06/20/10 Time: 19:34 Sample: 1978 2008 Included observations: 31 Weighting series: W3 White Heteroskedasticity-Consistent Standard Errors & Covariance Variable Coefficient Std. Error t-Statistic Prob.   C 1.874382 0.687927 2.724681 0.0108 X2 0.163206 0.004101 39.79670 0.0000 Weighted Statistics R-squared 0.946536     Mean dependent var 28.82503 Adjusted R-squared 0.944692     S.D. dependent var 18.61465 S.E. of regression 4.377727     Akaike info criterion 5.853277 Sum squared resid 555.7702     Schwarz criterion 5.945792 Log likelihood -88.72579     F-statistic 1462.892 Durbin-Watson stat 0.876352     Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.990761     Mean dependent var 68.96419 Adjusted R-squared 0.990442     S.D. dependent var 88.69990 S.E. of regression 8.671573     Sum squared resid 2180.689 Durbin-Watson stat 1.206547 经比较可知，用权数w3的效果最好，其可绝系数为0.944692，且也通过了t检验其修正后的模型为： Y = 1.874382005 + 0.1632062174*X2 2.724681 39.79670 R2= 0.946536，DW=0.876352 ，F=1462.892 可以看出运用加权最小二乘法消除了异方差性后第二产业每增加一亿元财政收入就会相应增加0.1632亿元。虽然这个模型可能还存在某些其他需要进一步解决的问题，但这一估计结果已经比较接近真是情况了。 7、自相关检验 7.1、检验 从以下模型可以看出 Y = 1.874382005 + 0.1632062174*X2 2.724681 39.79670 R2= 0.946536，DW=0.876352 ，F=1462.892，df=29 当α=0.05时，查DW统计表可知dL=1.341，dU=1.483 DW