税收与GDP等主要经济指标的数量关系.docVIP

税收与 GD P等主要经济指标 的数量关 系 *张伦俊内容提要：本文通过建立税收与GDP等主要经济变量之间的时间序列模型和岭回归模型等，讨论了税收与经济指标之间的数量关系。关键词：税收GDP 时间序列模型岭回归模型虽然整体上模型关系成立，涉及面也比较广泛，但其中一些变量的T检验不显著。结合经济意 义，通过逐个剔除，得到了其中四个变量的标准化 回归方程：＾T=-4.56ZX +0.315ZX +2.713ZX +2.513Z 税收与 G D P 等主要经济指标 的数量关 系 * 张伦俊 内容提要：本文通过建立税收与GDP等主要经济变量之间的时间序列模型和 岭回归模型等，讨论了税收与经济指标之间的数量关系。 关键词：税收 GDP 时间序列模型 岭回归模型 虽然整体上模型关系成立，涉及面也比较广 泛，但其中一些变量的T检验不显著。结合经济意 义，通过逐个剔除，得到了其中四个变量的标准化 回归方程： ＾T=-4.56ZX +0.315ZX +2.713ZX +2.513ZX (3) １ ３ ５ ９ 上方程式中，ZXi为相应变量的Xi的标准化。 （3）式比（2）式有着更为简明的经济解释，但GDP 系数为负，有悖与税收关系的实际意义。软件诊断发 现变量之间存在多重共线性，模型仍需进一步改进。 （三） 增长曲线模型 如果时间数列在t值比较大时，指标变量增长较 快，则配合增长曲线模型比较合适。1999年以来税收 收入呈现突破性增长趋势，具有增长型曲线特点。因 此以时间为自变量，拟合得增长曲线模型： 一、一般模型 （一） 简单回归模型 GDP是国民经济的代表性指标，税收与GDP的关 系集中反映了税收与经济的关系。因此，选择GDP作 为模型变量具有独特意义。设税收与GDP之间存在线 性关系，根据1978～2004年的统计资料，可建立两 者之间的简单线性回归方程： TAX=-624.445+0.160 GDP （R2=0.941，F=365.711，SE=1752.2155）(1) 方程线性显著。若将常数项理解为受其他因素的 综合影响，则GDP每增加100亿元，税收收入相应增 加16亿元，但模型估计误差比较大。 （二） 多元回归模型 将税收作因变量，将 GDP(X ）、居民消费总额 1 (X ）、工资总额(X ）、财政支出(X ）、社会消费品零 TAX = e5.9880 + 0.1512x (4) 2 3 4 有关指标：R2=0.9856，F=1720.4524，SE=0.1481， 模型的估计误差明显降低。 售总额(X ）、居民消费价格指数(X ）、固定资产投资 5 6 (X ）、进出口贸易总额(X ）、工业生产总值(X ）、储 7 8 9 蓄(X ）、经济建设费(X ）、行政管理费(X ）、货物和 10 11 12 二、岭回归模型 如何解决模型变量的多重共线性？统计学家认为 岭回归是一个较好办法。 （一） 岭回归的意义 按照普通最小二乘法，多元线性模型y=xt+??之 参数t的估计量为＾t=(x`x)-1x`y。如果存在多重共线 服务净出口(X ）、第二产业增加值(X ）、第三产业增 13 14 加值(X ）、预算外资金收入(X ）等经济指标作自变 15 16 量，并作初步筛选，得到以下多元方程： TAX=339.113-0.243X -1.284 X +0.909 X + 1 3 4 0.615X -16.142X -0.131X +0.306X + 5 6 7 8 0.702X +0.714X -1.347X +0.306X 9 11 12 13 ＾ ? ＾ 性，var(t )=L c ?? 很大，t 不稳定，可能导致在具体 i ii ii i +0.185X (2) 15 * 本文得到国家社会科学基金资助（0 4 B TJ0 0 9 ）。 1 0 《税务研究》200 5 年第 7 期 总第 24 2 期取值上与真值有较大偏差，或出现与实际经济意义不符的正负符号等，此时不宜使用普通最小二乘法。岭 回归方法对此予以改进，其基本思想是对矩阵X/X加 上一个常数矩阵kI(k＞0)，使得x`x＋kI的奇异性有所改善。即可望用＾t(k)=(x`x＋kI)-1x`y作为t的估计。t＾(k)称作回归系数的岭估计，k称作岭迹或岭系 数。确定k的具体方法有岭迹法、方差扩大因子法等。（二） 岭回归模型的建立对上述模型（3 《税务研究》200 5 年第 7 期 总第 24 2 期 取值上与真值有较大偏差，或出现与实际经济意义不 符的正负符号等，此时不宜使用普通最小二乘法。岭 回归方法对此予以改进，其基本思想是对矩阵X/X加 上一个常数矩阵kI(k＞0)，使得x`x＋kI的奇异性 有所改善。即可望用＾t(k)=(x`x＋kI)-