《计量经济学》 课程实践报告1
系部：经济与管理系 专业：国际经济与贸易 任课教师：祖辉老师 年级班级： 2013级2班 组员：舒冠、淑琴、梁湘、冬雪
税收收入影响因素分析
1 / 20
. . . .
—基于Eviews模型的经济计量分析
一、意义
1960年以来，中国的经济基本处于高速增长之中。经济增长的高速发展，势必会影响国家财政政策和国家福利水平。而税收作为国家财政收入中最主要的部分对这些政策的实施也会有很大的影响。近些年来，国家的税收也受到多种因素的影响。
经济发展水平决定税收收入水平，税收同时也反作用于经济。要实现经济的持续增长，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求，同时又不至于损害经济的发展。影响未来的需求，我们需要研究影响中国税收收入的主要原因，分析中央和地方税收收入增长的数量规律，从结构上对税收收入的影响做一个很好的了解，对于预测中国税收未来的增长趋势具有重要的作用，对于我国的社会主义现代化建设具有重要意义。
二、研究综述
影响税收收入的因素有很多，如经济发展水平、税收制度的设计、政府职能围等。卫刚认为，影响税收增长的因素是多元的，主要有经济增长、税制结构、税收征管水平和价格因素；玉栋认为，影响税收收入增长的因素主要有经济增长、物价、税收政策调整和税收征管等几个方面；安体富认为，税收收入主要受价格、经济结构的变动、经济效应的变动、税收政策、财税制度、税收征管和税款虚收的影响 。以上学者都说明税收收入的影响因素是多方面的，同时都认为经济因
2 / 20
. . . .
素的重要性，但他们多集中于对税收收入影响因素的全面分析，因而对经济性影响因素分析得不够详细。
而郭庆旺认为，税收收入的经济增长弹性是1.536，经济增长对税收增长的贡献十分明显。 国家税务总局科研所的研究结论为：在正常的经济运行状况下，经济税源提供的收入应占税收总额的70%～80%或以上；而最为直接的、显著的影响税收增长的因素是经济增长和物价水平，而且物价水平对税收收入增长的影响强于GDP的影响。胡才君认为GDP与税收收入负相关，进出口总额、全国城乡储蓄存款年末余额、财政支出总量与税收收 入正相关。而欧阳若澜认为，GDP、财政支出和商品零售价格指数3个三个指标与税收收入存在 正相关关系。鑫又认为影响我国税收增长的主要因素是财政支出和商品价格水平。
以上文献对影响税收收入经济性因素的一个或几个方面进行了分析，而且由于数据选取不同和分析问题的角度不同，得出的结果在揭示各经济性影响因素对税收收入的影响的程度方面还存在争议：在影响税收收入的经济性因素中各个因素对税收收入增长的贡献率是多少？占多少比重？因此，本文将重点研究影响税收收入的经济性因素，对其进行细分并进行相应的实证研究。根据前人的理论分析和数据的可得性等，本文从实证的角度，选取税收收入、GDP、财政支出、商品零售价格指数和进出口总额5个指标做多元回归模型，并采用计量分析工具对影响因素进行分析。
三、实证分析
3 / 20
. . . .
1、指标的选取：
根据可操作性和科学性的原则,以与上文对税收收入的定性分析,选取税收收入为被解释变量，在模型中用“Y”表示;选取国生产总值、财政支出、商品零售价格指数、进出口总额为解释变量，在模型中用分别用“ X1”“X2”“X3”“X4”表示;原始数据主要来源于中国统计年鉴,数据采集的时间跨度为1960-2014年。
2、模型的设定与数据的选取： （1）模型设定：
研究影响中国税收未来增长的主要原因，需要考虑以下几个方面的容：
A、对固定资产投资资金来源的衡量，用什么数据来表现呢？我们选用中国税收收入作为被解释变量（y）分析影响中国税收未来增长的主要原因。
B、数据性质的选择。考虑到截面数据受到制约，时间序列数据更加合理，所以本项目选择了1960年到2014年的时间序列数据来建立模型。
C、影响因素的分析。从宏观经济看，经济整体增长是税收增长的基本源泉，所以经济整体增长是影响中国税收未来增长的主要原因的主要影响因素，所以选用国生产总值（GDP）作为经济整体增长水平的代表。除此之外，根据经济理论，还有众多因素会影响中国税收未来增长的主要原因：
4 / 20
. . . .
首先，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了要求，因此对预算支出所表现的公共财政的需求（即财政支出）对当年的税收收入可能会产生影响，但是其数据获得比较困难，因为公共财政的需求与财政支出关系密切，所以选择财政支出作为其代表。
其次，物价水平。居民的收入水平、消费水平与物价水平有一定的关系，我们选择商品零售价格指数作为物价水平的代表。
再次，进出口总额。进出口的收入水平与税收收入存在一定的联系，关系到关税收入，所以我们选择进出口总额来作为解释变量。
因此，准备将“国生产总值（X1）”、“财政支出（X2）”“商品零售价格指数（X3）”、“进出口总额（X4）”作为解释变量建立模型。
D、模型形式的设计 我们将方程形式设定为二次型
Y=β0+β1X1+β2X2+β3X3+β4X4+u 然后将影响因素以某种方式引入模型。
（2）数据：
对税收收入影响因素的模型分析 单位：亿元 注：表中数据均来自《中国统计年鉴》
5 / 20
. . . .
年份1960196119621963196419651966196719681969197019711972197319741975197619771978197919801981198219831984198519861987198819891990199119921993199419951996199719981999200020012002200320042005200620072008200920102011201220132014税收收入（亿元）Y国内生产总值（亿元）X1财政支出（亿元）X2230.651457.50643.68158.761220.90356.09162.071151.20294.88164.311236.40332.05182.001455.50393.79204.301717.20459.97221.961873.10537.65196.631780.30439.84191.561730.20357.84235.441945.80525.86281.202261.30649.41312.562435.30723.17317.022530.20765.86348.952733.40808.78360.402803.70790.25402.773013.10820.88407.962961.50806.20468.273221.10843.53519.283650.201122.09537.824067.701281.79571.704551.601228.83629.894898.101138.41700.025333.001229.98775.595975.301409.52947.357226.301701.022040.799039.902004.252090.7310308.802204.912140.3612102.202262.182390.4715101.102491.212727.4017090.302823.782821.8618774.303083.592990.1721895.503386.623296.9127068.303742.204225.3035524.304642.305126.8848459.605792.626038.0461129.806823.726909.8471572.307937.558234.0479429.509233.569262.8084883.7010798.1810682.5890187.7013187.6712581.5199776.3015886.5015301.38110270.4018902.5817636.45121220.0022053.1520017.31136564.6024649.9524165.68160714.4028486.8928778.54185895.8033930.2834804.35217656.6040422.7345621.97268019.4049781.3554223.79316751.7062592.6659521.59345629.2076299.9373210.79408903.0089874.1689738.39484123.50109247.79100614.28534123.50125952.97110530.70588018.80140212.10119158.05636138.70151661.54商品零售价格指数（%）X3进出口总额（亿元）X4103.10128.40116.2090.70103.8080.9094.1085.7096.3097.5097.30118.4099.70127.1099.30112.20100.10108.5098.90107.0099.80112.9099.30120.9099.80146.90100.60220.50100.50292.20100.20290.40100.30264.10102.00272.50100.70355.00102.00454.60106.00570.00102.40735.30101.90771.30101.50860.10102.801201.00108.802066.70106.002580.40107.303084.20118.503821.80117.804155.90102.105560.10102.907225.80105.409115.60113.2011271.00121.7020381.90114.8023499.90106.1024133.80100.8026967.2097.4026849.7097.0029896.3098.5039273.2099.2042183.6098.7051378.2099.9070483.50102.8095539.10100.80116921.80101.00140974.00103.80166863.70105.90179921.4798.80150648.66103.10201722.15104.90236401.95102.00244160.20101.40258168.90101.00264334.49 3、实证分析：
将方程形式设定为二次型 Y=β0+β1X1+β2X2+β3X3+β4X4+u （1）、多重共线性
EVIEWS的最小二乘估计结果为
Dependent Variable: Y Method: Least Squares Date: 11/03/15 Time: 21:06 Sample: 1960 2014
6 / 20
. . . .
Included observations: 55
Variable
C X1 X2 X3 X4
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient -3423.792 -0.001967 0.686652 32.48411 0.061793
Std. Error t-Statistic Prob. 1285.933 0.007001 0.020934 12.43558 0.006747
-2.662498 -0.281029 32.80123 2.612191 9.158655
0.0104 0.7798 0.0000 0.0118 0.0000 16116.57 29942.14 15.43642 15.61890 15.50699 1.506966
0.999720 Mean dependent var 0.999697 S.D. dependent var
Akaike info
521.1390 criterion
13579295 Schwarz criterion
Hannan-Quinn
-419.5015 criter.
44552.34 Durbin-Watson stat 0.000000
经济意义检验：从回归的结果可以看出，财政支出（X2）、商品零售价格指数（X3）、进出口总额（X4）符号均为正，符合经济意义。 国生产总值（X1）符号为负，不符合经济意义。所以存在某种干扰。
统计推断检验。该模型R^2=0.999720,修正的R^2=0.999697，可决系数很高，拟合优度较好，F检验值=44552.34，明显显著。但是当a=0.05时，t a/2(n-k-1)= t a/2(55-4-1)= t 0.025(50)=2.009, x1的系数t检验不显著。
X1 X2 X3 X4
X1 1.000000 0.994288 -0.074125 0.987209
X2 0.994288 1.000000 -0.080662 0.972683
X3 -0.074125 -0.080662 1.000000 -0.068631
X4 0.987209 0.972683 -0.068631 1.000000
由相关系数表可以看出，各解释变量之间除了x3之外的相关系数较高，证实确实存在严重的多重共线性。
7 / 20
. . . .
修正多重共线性：
运用OLS方法逐一求Y对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。
Dependent Variable: Y Method: Least Squares Date: 11/03/15 Time: 21:20 Sample: 1960 2014
Included observations: 55
Variable
C X1
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient -1579.503 0.183999
Std. Error t-Statistic Prob. 391.7915 0.002092
-4.031490 87.95127
0.0002 0.0000 16116.57 29942.14 18.51620 18.58919 18.54442 0.076503
0.993195 Mean dependent var 0.993067 S.D. dependent var
Akaike info
2493.187 criterion
3.29E+08 Schwarz criterion
Hannan-Quinn
-507.1954 criter.
7735.426 Durbin-Watson stat 0.000000
Dependent Variable: Y Method: Least Squares Date: 11/03/15 Time: 21:21 Sample: 1960 2014
Included observations: 55
Variable
C X2
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
Coefficient
214.5864 0.802371
Std. Error t-Statistic Prob. 187.4265 0.004470
1.144910 179.4844
0.2574 0.0000 16116.57 29942.14 17.09477 17.16776 17.12300
0.998357 Mean dependent var 0.998326 S.D. dependent var
Akaike info
1224.887 criterion
79518466 Schwarz criterion -468.1062 Hannan-Quinn
8 / 20
. . . . criter.
F-statistic Prob(F-statistic)
32214.66 Durbin-Watson stat 0.000000
Coefficient
55391.21 -380.9575
0.849558
Dependent Variable: Y Method: Least Squares Date: 11/03/15 Time: 21:21 Sample: 1960 2014
Included observations: 55
Variable
C X3
R-squared
Std. Error t-Statistic Prob. 73901.59 715.7482
0.749527 -0.532251
0.4569 0.5968
16116.57 29942.14 23.50097 23.57396 23.52920 0.027353
0.005317 Mean dependent var -0.013451 S.D. dependent var
Akaike info
30142.85 criterion
4.82E+10 Schwarz criterion
Hannan-Quinn
-644.2766 criter.
0.283291 Durbin-Watson stat 0.596777
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Dependent Variable: Y Method: Least Squares
Date: 11/03/15 Time: 21:21 Sample: 1960 2014
Included observations: 55
Variable
C X4
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient -915.0621 0.379660
Std. Error t-Statistic Prob. 932.0995 0.010499
-0.981721 36.16017
0.3307 0.0000 16116.57 29942.14 20.26094 20.33394 20.28917 0.287228 0.961045 Mean dependent var 0.960310 S.D. dependent var
Akaike info
5965.148 criterion
1.89E+09 Schwarz criterion
Hannan-Quinn
-555.1759 criter.
1307.558 Durbin-Watson stat 0.000000 9 / 20
. . . .
其中加入x2的方程修正的R^2最大，其方程为： Y=214.5864+ 0.802371X2 (1.144910) (179.4844)
修正的R^2= 0.998326 SE=79518466 F=32214.66 所以，以x2为基础，顺次加入其他的自变量逐步回归：
当a=0.05时，t a/2(n-k-1)= t a/2(55-4-1)= t 0.025(50)=2.009
Y= -314.8053 +0.583638X2 + 0.050579X1
-2.11601419.932197.513019
修正的R^2=0.999182 S E= 138129403 F= 32986.08 应为x1的引入改进了修正的R^2和F值且其他回归参数的t检验在统计上仍然显著，所以保留x1，方程为：
Y= -314.8053 +0.583638X2 + 0.050579X1 继续：
Y = -3588.465 + 0.586619X2 + 0.049981X1+ 31.73905X3
-1.72249720.273907.5168711.575298
修正的R^2=0.999205 S E= 36360185 F= 22618.10 式中X3不显著，删去。 继续：
Y =-73.73216 + 0.683414X2 + -0.001258X1+ 0.061678X4
-0.74070730.98268-0.1703508.660592
修正的R^2= 0.999662 S E= 15432613 F= 53312.68 X4虽然显著，但是它的引入影响了其他回归参数的估计值的数值，
10 / 20
. . . .
使得随机项和x1的回归参数通不过t检验，所以删去x4 所以：
Y= -314.8053 +0.583638X2 + 0.050579X1
-2.116014 19.93219 7.513019
修正的R^2=0.999182 S E= 138129403 F= 32986.08 最小二乘估计为：
Dependent Variable: Y Method: Least Squares Date: 11/04/15 Time: 14:42 Sample: 1960 2014
Included observations: 55
Variable
C X1 X2
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient -314.8053 0.050579 0.583638
Std. Error t-Statistic Prob. 148.7728 0.006732 0.029281
-2.116014 7.513019 19.93219
0.0392 0.0000 0.0000 16116.57 29942.14 16.39613 16.50562 16.43847 1.089983
0.999212 Mean dependent var 0.999182 S.D. dependent var
Akaike info
856.3047 criterion
38129403 Schwarz criterion
Hannan-Quinn
-447.8936 criter.
32986.08 Durbin-Watson stat 0.000000
（2）、自相关（序列相关） 令e=resid
Dependent Variable: E Method: Least Squares Date: 11/04/15 Time: 14:49 Sample (adjusted): 1961 2014
Included observations: 54 after adjustments
11 / 20
. . . .
Variable
C X1 X2 T1^2 E(-1)
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient
327.0372 0.030170 -0.111193 -0.995064 0.437682
Std. Error t-Statistic Prob.
202.7418 0.012040 0.044899 0.417083 0.128433
1.613073 2.505824 -2.476508 -2.385772 3.407857
0.1132 0.0156 0.0168 0.0210 0.0013
0.293946 Mean dependent var -1.778895 0.236309 S.D. dependent var
Akaike info
741.1349 criterion
26914768 Schwarz criterion
Hannan-Quinn
-430.8411 criter.
5.099957 Durbin-Watson stat 0.001623
16.21329 1.521476 16.14226 16.32643 848.0834
LM检验=54*R^2=15.873084>X^2(1)=3.84。然后查看e(-1)的t检验=3.407857>t(50)=2.009，所以，存在一阶自相关。 继续：
Dependent Variable: E Method: Least Squares Date: 11/04/15 Time: 15:08 Sample (adjusted): 1962 2014
Included observations: 53 after adjustments
Variable
C X1 X2 T1^2 E(-1) E(-2)
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
Coefficient
352.3572 0.025720 -0.091524 -0.971890 0.525389 -0.256421
Std. Error t-Statistic Prob.
208.2823 0.012330 0.046308 0.422199 0.136755 0.146405
1.691729 2.085913 -1.976403 -2.301968 3.841818 -1.751454
0.0973 0.0424 0.0540 0.0258 0.0004 0.0864
0.337121 Mean dependent var -5.661248 0.266602 S.D. dependent var
Akaike info
732.8223 criterion
25240341 Schwarz criterion -421.6558 Hannan-Quinn
16.13795 16.36101 16.22373 855.7146
12 / 20
. . . . criter.
F-statistic Prob(F-statistic)
4.780575 Durbin-Watson stat 0.001298
1.530441
LM检验=54*R^2= 17.867413>X^2(2)=5.99。然后查看e(-1)e(-2)的t检验，经查表可知e(-2)t值不满足条件，所以，不存在二阶自相关，即存在一阶自相关。 自相关的修正： 使用迭代法修正得到：
Dependent Variable: Y Method: Least Squares Date: 11/04/15 Time: 15:14 Sample (adjusted): 1961 2014
Included observations: 54 after adjustments Convergence achieved after 11 iterations
Variable
C X1 X2 T1^2 AR(1)
R-squared
Coefficient
2544.366 0.188935 0.093108 -5.740727 0.914267
Std. Error t-Statistic Prob. 2273.439 0.015200 0.054435 1.700883 0.064746
1.119171 12.43009 1.710435 -3.375144 14.12073
0.2685 0.0000 0.0935 0.0015 0.0000
16410.75 30142.96 15.48515 15.66932 15.55618 1.146070
0.999710 Mean dependent var 0.999687 S.D. dependent var
Akaike info
533.5896 criterion
13951177 Schwarz criterion
Hannan-Quinn
-413.0991 criter.
42271.44 Durbin-Watson stat 0.000000
.91
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Inverted AR Roots
DW=1.146070，查表得出上限为1.724，下限为DW=1.146070<1.414，所以存在正相关。
13 / 20
. . . .
再次修正自相关 使用迭代法修正得到：
Dependent Variable: Y Method: Least Squares Date: 11/04/15 Time: 15:19 Sample (adjusted): 1962 2014
Included observations: 53 after adjustments Convergence achieved after 10 iterations
Variable
Coefficient
Std. Error t-Statistic Prob.
C 1521.278 934.5887 1.627751 0.1103 X1 0.210832 0.011914 17.69633 0.0000 X2 -0.005867 0.047559 -0.123370 0.9023 T1^2 -5.303406 1.080340 -4.909015 0.0000 AR(1) 1.442772 0.128320 11.24356 0.0000 AR(2)
-0.576584
0.129935
-4.437493
0.0001 R-squared 0.999786 Mean dependent var 16717.40 Adjusted R-squared 0.999763 S.D. dependent var
30346.26 Akaike info
S.E. of regression 466.9039 criterion
15.23639 Sum squared resid 10245966 Schwarz criterion
15.45945 Hannan-Quinn
Log likelihood -397.7645 criter.
15.32217 F-statistic 43923.39 Durbin-Watson stat 1.883360 Prob(F-statistic) 0.000000
Inverted AR Roots
.72+.24i .72-.24i
DW=1.883360，查表得出上限为1.768，下限为1.374，因为DW=1.883360<2.232，所以不存在自相关。 所以，本文模型估计的结果为：
y=1521.278+0.210832x1+-0.005867x2 1.62775117.69633-0.123370
R^2=0.999786 DW=1.883360 F=43923.39
14 / 20
1.768 < . . . .
（3）、异方差 White检验
Y=β0+β1x1+β2X2+u
δ^2=α0+α1x1+α2x2+α3(x1)^2+α4(x2)^2+α5(x1*x2)+ε
Dependent Variable: E Method: Least Squares Date: 10/14/15 Time: 15:19 Sample: 1960 2014
Included observations: 55
Variable
C X1 X2 (X1)^2 (X2)^2 X1*X2
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient
127420.1 -70.84427 292.6836 0.002310 0.037546 -0.018626
Std. Error t-Statistic Prob. 222588.7 39.79185 208.0605 0.000817 0.015881 0.007244
0.572447 -1.780371 1.406723 2.829409 2.364282 -2.571283
0.5696 0.0812 0.1658 0.0067 0.0221 0.0132 693261.9 1724521. 30.93554 31.15452 31.02022 2.686561
0.560929 Mean dependent var 0.516126 S.D. dependent var
Akaike info
1199595. criterion
7.05E+13 Schwarz criterion
Hannan-Quinn
-844.7272 criter.
12.51985 Durbin-Watson stat 0.000000
从表中可以看出，nR^2=55*0.560929=30.8511由white检验知，在a=0.05下，查表得知
χ^2 (5)= 11.07，因为nR^2=30.8511 >
χ^2 (5)= 11.07，所以拒绝原假设，说明模型中的随机误差存在异方差。
15 / 20
. . . .
修正异方差：
使用w=1/abs（resid）作为权数，得出：
Dependent Variable: Y Method: Least Squares Date: 11/04/15 Time: 15:28 Sample: 1960 2014
Included observations: 55
Weighting series: 1/ABS(RESID)
Variable
Coefficient
Std. Error t-Statistic Prob.
C -312.8970 6.083272 -51.43563 0.0000 X1 0.051379 0.001756 29.26106 0.0000 X2 0.579503
0.008802
65.84011 0.0000
Weighted Statistics
R-squared
0.999754 Mean dependent var 3107.385
Adjusted R-squared 0.999744 S.D. dependent var
5593.490 Akaike info
S.E. of regression 97.82912 criterion
12.05732 Sum squared resid 497667.9 Schwarz criterion
12.16681 Hannan-Quinn
Log likelihood -328.5764 criter.
12.09966 F-statistic 105637.8 Durbin-Watson stat 0.656664 Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared 0.999211 Mean dependent var 16116.57 Adjusted R-squared 0.999181 S.D. dependent var 29942.14 S.E. of regression 856.8133 Sum squared resid 38174711 Durbin-Watson stat
1.079339
估计的结果为： y
=-312.8970
+0.051379x1
+
（-51.43563） （29.26106） (65.84011) R^2=0.999754 DW=0.656664 F=105637.8 再次做怀特检验：
16 / 20
0.579503x2
. . . .
Dependent Variable: E Method: Least Squares Date: 11/04/15 Time: 15:34 Sample: 1960 2014
Included observations: 55 Weighting series: 1/ABS(RESID)
Variable
C X1 X2 X1^2 X2^2 X1*X2
R-squared
Coefficient
119.8746 0.021442 -0.178276 -5.07E-07 -1.41E-05 5.63E-06
Std. Error t-Statistic Prob. 31.15437 0.003928 0.039257 1.87E-07 3.74E-06 1.65E-06
3.847763 5.458249 -4.541285 -2.709659 -3.774633 3.412431
0.0003 0.0000 0.0000 0.0093 0.0004 0.0013
26.71224 91.44191 11.64782 11.86680 11.73251 0.702770
Weighted Statistics
0.394156 Mean dependent var 0.332335 S.D. dependent var
Akaike info
77.76088 criterion
296291.0 Schwarz criterion
Hannan-Quinn
-314.3151 criter.
6.375776 Durbin-Watson stat 0.000124
Unweighted Statistics
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat
0.379217 Mean dependent var -1.41E-12 0.315872 S.D. dependent var 695.0273 Sum squared resid 0.964671
840.2976 23670088
从表中可以看出，nR^2=55*0.394156=21.67858,由white检验知，在a=0.05下，查表得知X^2 (5)= 11.0705，因为nR^2=21.67858>X^2 (5)= 11.0705，所以拒绝原假设，说明模型中的随机误差存在异方差。 继续修正：
使用w=1/（resid）^2作为权数，得出：
17 / 20
. . . .
Dependent Variable: Y Method: Least Squares Date: 11/04/15 Time: 15:39 Sample: 1960 2014
Included observations: 55 Weighting series: 1/(RESID)^2
Variable
Coefficient
Std. Error t-Statistic Prob.
C -291.4435 0.512662 -568.4902 0.0000 X1 0.056905 0.000157 361.7232 0.0000 X2 0.537500
0.000901
596.4775 0.0000
Weighted Statistics
R-squared
1.000000 Mean dependent var 20011.12
Adjusted R-squared 1.000000 S.D. dependent var
146874.0 Akaike info
S.E. of regression 2.481680 criterion
4.708750 Sum squared resid 320.2543 Schwarz criterion
4.818241 Hannan-Quinn
Log likelihood -126.4906 criter.
4.751091 F-statistic 2.56E+09 Durbin-Watson stat 1.307016 Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared 0.998561 Mean dependent var 16116.57 Adjusted R-squared 0.998506 S.D. dependent var 29942.14 S.E. of regression 1157.354 Sum squared resid 69652391 Durbin-Watson stat
0.559704
估计的结果为： y
=-291.4435
+0.056905x1
+
（-568.4902） （361.7232） (596.4775) R^2=1.000000 DW=1.307016 F=2.56E+09 从以上结果可看出存在自相关。 同上自相关的修正，最终得
18 / 20
0.537500x2
. . . .
Dependent Variable: E Method: Least Squares Date: 11/04/15 Time: 15:51 Sample (adjusted): 1962 2014
Included observations: 53 after adjustments Convergence achieved after 9 iterations
Variable
C X1 X2 T1^2 AR(1) AR(2)
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Inverted AR Roots
Coefficient
1836.078 0.160253 -0.589505 -5.303394 1.442774 -0.576585
Std. Error t-Statistic Prob. 934.5748 0.011914 0.047559 1.080326 0.128320 0.129935
1.964613 13.45086 -12.39536 -4.909067 11.24359 -4.437506
0.0554 0.0000 0.0000 0.0000 0.0000 0.0001
0.730914 Mean dependent var -5.661248 0.702287 S.D. dependent var
Akaike info
466.9039 criterion
10245966 Schwarz criterion
Hannan-Quinn
-397.7645 criter.
25.53302 Durbin-Watson stat 0.000000
.72+.24i .72-.24i
15.32217 1.883363 15.23639 15.45945 855.7146
所以，本文模型估计的最终结果为： y
=1836.078
+0.160253x1
+
-0.589505x2
1.96461313.45086-12.39536
R^2=0.730914 DW=1.883363 F=25.53302
四、结论和对策
1、国生产总值对税收收入存在显著影响，财政支出对税收收入确实存在影响。
2、1960-2014年间，中国税收收入和国生产总值均呈现大幅增长。总的来看，中国税收收入与经济总量不断增加，但二者变化率的波动
19 / 20
. . . .
性较大。它们之间的这种相关性既可以表现为正相关，也可以表现为负相关，关键要处理好税收收入增长与经济发展之间的关系，在税收收入与国民产出最大化之间做出权衡，根本途径是提高税收弹性系数，增强税收的适应性。长期来看，我们应根据税收增长对社会福利水平的影响而对其合理性进行评价，要在科学的税收收入占比、税收收入增长速度前提下，确保国民经济平稳快速发展。
3、在长期中，GDP的增长能带动税收收入的增长，税收收入对经济发展也有积极作用。合理的税收收入必然会影响到企业理性的生产、投资行为，最终将导致社会总产品的不断增加。从中国的实际情况来看，宏观税负水平对国民经济发展起到了积极的促进作用，说明我国的宏观税负水平是合理的、有效的，近期不存在大幅降低宏观税负水平的政策空间。因此，中国经济要实现又好又快发展，必须正确认识税收收入与经济增长之间的关系，从作用机制上把握宏观税负与经济增长之间的关系，使税收收入规模、比例保持在一个合理的围之。同时，又要科学判断税收收入对GDP作用的时滞和效果，适时施以其他政策手段，更有效地调节宏观经济运行。
我国政府应根据国、国际经济形势对宏观经济政策进行适时的调整，在积极财政政策的实施过程中，应充分考虑经济形势的变化和不同税收主体的承受能力，在深化财税体制改革中保持宏观税负水平的相对稳定，使税收的经济调节作用得以有效发挥。
20 / 20
因篇幅问题不能全部显示，请点此查看更多更全内容