eviews多元线性回归案例分析

中国税收增长的分析 一、研究的目的要求 改革开放以来,随着经济体制的改革深化和经济的快速增长,中国的财政收支状况发生了很大的变化,中央和地方的税收收入1978年为519.28亿元到2002年已增长到17636.45亿元25年间增长了33倍。为了研究中国税收收入增长的主要原因,分析中央和地方税收收入的增长规律,预测中国税收未来的增长趋势,需要建立计量经济学模型。 影响中国税收收入增长的因素很多,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。(2)公共财政的需求,税收收入是财政的主体,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,因此对预算指出所表现的公共财政的需求对当年的税收收入可能有一定的影响。(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DGP等指标和和经营者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。税制改革对税收会产生影响,特别是1985年税收陡增215.42%。但是第二次税制改革对税收的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。 二、模型设定

为了反映中国税收增长的全貌,选择包括中央和地方税收的‘国家财政收入’中的“各项税收”(简称“税收收入”)作为被解释变量,以放映国家税收的增长;选择“国内生产总值(GDP)”作为经济整体增长水平的代表;选择中央和地方“财政支出”作为公共财政需求的代表;选择“商品零售物价指数”作为物价水平的代表。由于税制改革难以量化,而且1985年以后财税体制改革对税收增长影响不是很大,可暂不考虑。所以解释变量设定为可观测“国内生产总值(GDP)”、“财政支出”、“商品零售物价指数” 从《中国统计年鉴》收集到以下数据

财政收入(亿元) 国内生产总值(亿元) 财政支出(亿元) 商品零售价格指数(%)

年份 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996

Y

X2 X3 X4

519.28 537.82 571.7 629.89 700.02 775.59 947.35 2040.79 2090.73 2140.36 2390.47 2727.4 2821.86 2990.17 3296.91 4255.3 5126.88 6038.04 6909.82 3624.1 4038.2 4517.8 4862.4 5294.7 5934.5 7171 8964.4 10202.2 11962.5 14928.3 16909.2 18547.9 21617.8 26638.1 34636.4 46759.4 58478.1 67884.6 1122.09 1281.79 1228.83 1138.41 1229.98 1409.52 1701.02 2004.25 2204.91 2262.18 2491.21 2823.78 3083.59 3386.62 3742.2 4642.3 5792.62 6823.72 7937.55 100.7 102 106 102.4 101.9 101.5 102.8 108.8 106 107.3 118.5 117.8 102.1 102.9 105.4 113.2 121.7 114.8 106.1

1997 1998 1999 2000 2001 2002 8234.04 9262.8 10682.58 12581.51 15301.38 17636.45

设定线性回归模型为:

74462.6 78345.2 82067.5 89468.1 97314.8 104790.6 9233.56 10798.18 13187.67 15886.5 18902.58 22053.15 100.8 97.4 97 98.5 99.2 98.7

Yi=β0+β2X2+β3X3+β4X4+μ三、参数估计

利用eviews软件可以得到 Y关于X2的散点图:

可以看出Y和X2成线性相关关系

20000

1600012000Y800040000020000400006000080000100000X2 Y关于X3的散点图:

可以看出Y和X3成线性相关关系

200001600012000Y8000400000500010000150002000025000X3 Y关于X1的散点图:

200001600012000Y80004000095100105110X4115120125

Dependent Variable: Y Method: Least Squares Date: 12/01/09 Time: 13:16 Sample: 1978 2002 Included observations: 25

Variable C X2 X3 X4

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient -2582.755 0.022067 0.702104 23.98506

Std. Error 940.6119 0.005577 0.033236 8.738296

t-Statistic -2.745825 3.956633 21.12474 2.744821

Prob. 0.0121 0.0007 0.0000 0.0121 4848.366 4870.971 14.13511 14.33013 2717.254 0.000000

0.997430 Mean dependent var 0.997063 S.D. dependent var 263.9591 Akaike info criterion 1463163. Schwarz criterion -172.6889 F-statistic 0.948521 Prob(F-statistic)

模型估计的结果为:

Yi=-2582.755+0.022067X2+0.702104X3+23.98506X4 (940.6119) (0.0056) (0.0332) (8.7383) t={-2.7458} {3.9567} {21.1247} {2.7449} R2=0.997 R2=0.997 F=2717.254 df=21

联系客服:779662525#qq.com(#替换为@) 苏ICP备20003344号-4