时间序列课程论文基于ARMAX模型财政收入与税收时间序列分析与预测.docxVIP

《时间序列分析》课程论文基于ARMAX模型的财政收入与税收的时间序列分析与预测班级：学号：姓名：基于ARMAX模型的财政收入与税收的时间序列分析与预测摘要财政收入，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筹集的一切资金的总和，是衡量一国政府财力的重要指标。其中税收收入是国家财政收入的重要组成部分，一般占到财政收入的90％以上，是政府机器的经济基础。本文利用《应用时间序列分析》 的知识通过sas 统计软件对1978-2012年中国财政收入与税收数据进行分析，通过单位根检验，发现两者都是非平稳时间序列，并且存在协整关系，所以拟合了ARIMAX模型。由于残差序列非白噪声，所以对残差序列又进行了进一步的拟合，最后对模型进行预测，做出预测图。关键词: 财政收入与税收 ARIMAX模型 预测一、引言财政与税收关系到国家发展、民生大计。财政收入与税收对社会资源配置、收入分配、国民经济发展、企业经济活动、居民切身利益及政府决策行为都有重大影响。近年来，随着我国经济的持续高速发展和国家财政与税收的大幅度增长，以及我国经济体制改革的不断深化和国家对经济发展宏观调控力度的不断加大，国家也适时出台了一系列有关财政与税收管理的新规定、新政策和新的监管制度。可以看出两者地位越来越重要，作用越来越明显。通过本文的分析，旨在找出两者的关系，为我国财政与税收做出合理的解释，为以后的收入做出合理的预测。二、数据分析（一）、序列平稳性检验1、时序图：图 1 原数据时序图图1中，红色为y（财政收入）序列书序图；黑色为x（税收收入）序列时序图。从时序图中可以看出x序列、y序列均显著非平稳。并且两者都有明显的增加趋势。2、单位根检验：表 1 序列x的单位根检验The ARIMA ProcedureAugmented Dickey-Fuller Unit Root TestsTypeLagsRhoPrRhoTauPrTauFPrFZero Mean05.9920.999916.850.999915.75570.99995.060.9999Sing Mean05.89360.999913.280.9999138.280.00115.71040.99994.720.999912.460.001Trend05.24630.99996.880.999988.910.00115.27190.99993.760.999911.470.001表 2 序列y的单位根检验Augmented Dickey-Fuller Unit Root TestsTypeLagsRhoPrRhoTauPrTauFPrFZero Mean06.28020.999917.990.999916.01590.99995.020.9999Sing Mean06.22760.999914.350.9999157.070.00116.01740.99994.690.999912.190.001Trend05.55330.99997.70.9999104.870.00115.56610.99993.870.999911.550.001单位根检验的原假设H0：序列为非平稳序列，如果 P 0.05，则接受原假设，认为序列非平稳，否者序列为平稳序列。上面的X、Y序列单位根检验过后，P值均大于0.05，所以认为俩序列均为非平稳序列。时序图显示两个序列具有某种同变关系，所以考虑建立ARIMAX模型。二、协整检验多元非平稳序列之间能否建立回归模型，关键在于他们之间是否具有协整关系。所以建模前必须进行协整检验（EG检验）。假设条件：上述假设条件等价于 对回归残差序列进行平稳性检验：图 2 残差的自相关图图3 残差的偏相关图表 3 残差序列单位根检验TypeLagsRhoPrRhoTau PrTauFPrFZero Mean0-10.83160.0168-2.210.02811-3.90140.1668-1.360.15712-5.2240.1072-1.470.1288Single Mean0-10.79980.084-2.160.22422.360.48441-3.94890.5222-1.350.59530.910.83892-5.34540.3736-1.460.53911.070.8002Trend0-11.18480.2932-1.550.78952.260.732211.30710.99870.330.9982.290.726422.54490.99970.570.99912.40.7064由自相关图与偏相关图可以看出回归残差序列为平稳序列。另一方面，单位根检验的原假设H0：回归残差序列为非平稳序列，如果 P 0.05，则接受原假设，认为序列非平稳，否者序列为平稳序列。残差序列单位根检验图显