财政收入的多元线性回归模型

我国财政收入的多元线性回归模型

一、影响我国财政收入增长因素的实证分析

研究财政收入的影响因素离不开一些基本的经济变量。回归变量的选择是建立回归模型的一个极为重要的问题。通过经济理论对财政收入的解释以及对实践的观察，对财政收入影响的因素主要有税收、国内生产总值和固定资产投资和社会消费品零售总额和社会总人口，并且在总人口里面考虑了65岁以上的老年化人口数对税收的负面影响。为了考察这一问题，从国家统计局的国家数据里抽选出1995-2014年税收、国内生产总值、固定资产投资总额,社会消费品零售额,社会总人口（包括老年化人口）的数据，利用eviews7.2进行回归分析，建立财政收入影响因素模型，分析影响财政收入的主要因素及其影响程度。

二、模型的设定

1.将财政收入作为被解释变量，用Y表示。税收，GDP，固定资产投资总额、社会消费品零售额、社会总人口作为解释变量，分别用X1，X2，X3，X4，X5表示。

2.数据性质的选择是：时间序列数据

3.模型设定为：y?c??1x1??2x2??3x3??4x4??5x5?u

三、数据收集如表

财政收入（Y）(亿元) 各种税收国生产总（X1）值GDP（亿元） （X2)（亿元） 6038.04 61129.8 6909.82 71572.3 固定资产投资总额（X3）（亿元） 20019.3 22913.5 社会消费品零售总额（X4）（亿元） 271896.1 65岁以上的人口（万人）(百分比) 7510（6.2%） 242842.8 122389 7833 （6.4%） 123626 8085 （6.54%） 社会总人口（X5）(万人) 121121 1995 6242.2 1996 7407.99 1997 8651.14 8234.04 79429.5 24941.1 210307 1998 9875.95 9262.8 84883.7 28406.2 183918.6 124761 8359 （6.7%） 156998.4 125786 8679 1999 11444.08 10682.58 90187.7 29854.7 2000 13395.23 12581.51 99776.3 （6.9%） 32917.73 132678.40 126743 8821 （7.0%） 37213.49 114830.10 127627 9062 （7.1%） 43499.91 93571.60 128453 9377 （7.3%） 55566.61 79145.20 129227 9692 (7.5%) 68352.60 129988 9857 2001 16386.04 15301.38 110270.4 2002 18903.64 17636.45 121002 2003 21715.25 20017.31 136564.6 2004 26396.47 24165.68 160714.4 70477.4 2005 31649.29 28778.54 185895.8 (7.6%) 88773.62 59501.00 130756 10055 (7.7%) 109998.2 52516.30 131448 10419 (8.0%) 137323.94 48135.90 132129 10636 （8.05%） 172828.4 43055.40 132802 10956 （8.2%） 224598.77 39105.70 133450 11307 （8.5%） 251683.77 35647.90 134091 11894 （8.9%） 311485.13 33378.10 134735 12288 （9.1%） 374694.74 31252.90 135404 12714 （9.4%） 2006 38760.2 34804.35 217656.6 2007 51321.78 45621.97 268019.4 2008 61330.35 54223.79 316751.7 2009 68518.3 59521.59 345629.2 2010 83101.51 73210.79 408903 2011 103874.43 89738.39 484123.5 2012 117253.52 100614.28 534123 2013 129209.64 110530.7 588018.8 446294.09 28360.20 136072 13161 （9.7%） 512760.7 23613.80 136782 13755 （10%） 2014 140349.74 119158.05 636138.7 数据来源：国家统计局网 四、参数估计：

用eviews7.2做回归分析。假定模型中随机项满足基本假设，可用OLS（最小二乘估计）法估计其参数。

具体操作：

（1）打开file-new-workfile，设置start date为1995，end date为2014，

在命令框中输入data y x1 x2 x3 x4 x5

在命令框中输入seriesx1??x1?mean(x1)?/@stdev(x1)

series x2??x2?mean(x2)?/@stdev(x2) series x3??x3?mean(x3)?/@stdev(x3) series x4??x4?mean(x4)?/@stdev(x4) series x5??x5?mean(x5)?/@stdev(x5) series y??y?mean(y)?/@stdev(y)

将变量进行标准化得

在命令框中输入ls y c x1 x2 x3 x4 x5即出现回归结果

根据表中的样本数据，模型估计结果为

y??21.844306?1,013271x?0.076408x1^2?0.090072x3?0.025565x4?0.050390x5?u

R2?0.999969 R2?0.999958 F=91397.54 D.W=2.713325