我国财政收入影响因素的逐步回归分析

【摘要】本文运用Eview软件分析工具,运用逐步回归分析方法。

建立我国财政收入影响因素的回归模型,对影响我国财政收入的因素进行回归分析

引入农业增加值,工业增加值,建筑业增加值,总人口,最终消费,受灾面积等多个影响因素,确定影响我国财政收入回归方程,最终分析结果发现,逐步回归分析法所建立的模型有较高的拟合优度。

下载论文网 /3/view—12958875.htm  【关键词】逐步回归分析 财政收入 影响因素   一、研究内容和方法   (一)研究内容   影响我国财政收入的因素有很多,由于研究方法,研究视角的不同,分析结果也会存在一定差异。

通过多方资料搜集,并结合我国经济的实际情况,本文选取了农业增加值(x1),工业增加值(x2),建筑业增加值(x3),总人口(x4),最终消费(x5),受灾面积(x6)六个主要影响因素。

论文数据来源于2015年国家统计年鉴。

(二)研究方法   影响国家财政收入的因素有很多,本文主要就影响国家财政收入的因素进行定量研究,运用逐步回归分析方法来研究影响国家财政收入的因素。

逐步回归的基本思想是将变量逐步地引入到模型,每引入一个解释变量,都要对其进行F检验和T检验。

当引入新的解释变量后,原来引入的解释变量变得不再显著时,则将新引入的解释变量剔除。

以确保每次引入新的变量之前回归方程只包含显著的变量

回归分析是根据各解释变量的最优组合建立回归方程预测被解释变量的发展趋势,需要大量数据作为支撑。

本文运用统计软件Eview进行辅助分析

二、研究过程与分析   (一)计量经济模型的建立   根据对财政收入影响因素的选取,我们可以建立如下回归分析模型:   利用数据和Eviews软件分析,运用最小二乘法,得到模型结果如下:   (2.493493) (—2.849060) (7.742058) (0.969910) (—2.045158) (4.135405)   (—0.692149)   R2=0.999291 F=5403.738   有上述结果可以看出R2=0.999291.说明模型拟合程度非常高。

在给定显著性水平α=0.05的条件下。

t检验的临界值为2.064。

模型结果可知,x3,x4,x6的t值都小于临界值,不能通过t检验。

说明解释变量之间可能存在多重共线性。

由相关系数矩阵可以得出,各个解释变量之间相关系数较高,特别是x1和x2之间相关系数高达0.994919。

说明各解释变量之间存在多重共线性。

(二)逐步回归分析   1.y对各解释变量分别进行一元回归

运用最小二乘法分别求出y对各个解释变量的一元回归方程,如下所示:   对以上一元回归方程进行分析得知,以x3为解释变量的一元回归方程的R2最大,故选取x3作为回归模型的第一个解释变量,形成一元回归模型

2.逐步回归

根据一元回归模型,运用逐步回归分析方法将剩下的五个解释变量分别加入回归模型,形成了以下的二元回归模型,如下所示:   对上述二元回归方程进行分析可知,新加入变量x4后所形成的二元回归模型中的R2最大。

说明该模型拟合程度非常高。

保留解释变量x4,建立以x3,x4为解释变量的二元回归模型

接着,将剩余的解释变量分别加入到x3,x4的二元回归模型中,得到以下四个三元回归模型,如下所示:   对上述三元回归模型分析,同理可得,新加入变量x2后所形成的三元回归模型中的R2最大。

说明该模型拟合程度非常高,故保留解释变量x2,建立以x3,x4,x2为解释变量的三元回归模型

将剩余的解释变量分别加入到x3,x4,x2的三元回归模型中,得到以下三个四元回归模型,如下所示:   同理可得,新加入变量x5后所形成的四元回归模型中的R2最大。

说明该模型拟合程度非常高,符合我国财政收入实际。

保留解释变量x5,建立以x3,x4,x2,x5为解释变量的四元回归模型

将剩余的解释变量分别加入到x3,x4,x2,x5的四元回归模型中,得到以下两个五元回归模型,如下所示:   同理可得,新加入变量x1后所形成的五元回归模型中的R2最大。

说明该模型拟合程度非常高,符合我国财政收入实际。

保留解释变量x1,建立以x3,x4,x2,x5,x1为解释变量的五元回归模型

将剩余的解释变量x6加入到x3,x4,x2,x5,x1的五元回归模型中,得到六元回归模型,即最需要的回归模型,如下所示:   3.逐步回归模型确立。

通过上述逐步回归模型分析,将影响我国财政收入的因素依次加入模型,最终得到通过逐步回归分析我国财政收入与六个影响因素的方程为:   Y=32887.09+0.5925254x3—0.273504x4+0.321920x2+0.344622x5 —0.809875x1—0.035997x6   根据逐步回归得知最终的回归方程如上图所示,实际值与拟合值高度接近如下图所示,最大误差仅为3.3%。

三、结语   以上结果分析采用的是Eviews7.0软件,通过逐步回归分析建立的回归模型具有非常好的拟合效果,最大误差仅为3.3%。

所建模型表明,农业增加值,建筑业增加值,最终消费和工业增加值我国财政收入影响尤为突出。

其中农业增加值影响因子为—0.809875,说明农业增加值财政收入影响尤其显著,且两者之间关系呈反方向变化,即农业总产值的增加对财政收入的增加产生负的影响

我国国情可知,我国农业税早在2006年就已经废除,而财政支出中的农业总支出却在逐年增长。

因此,就出现了以上所分析的农业增加值财政收入的增加产生负的影响

由最终的多元回归模型我们可以看出,建筑业增加值财政收入影响较大。

建筑业增加值每增加一亿元,财政收入就相应增加0.593亿元。

说明我国应加强基础设施建设,大力发展建筑行业,以此推动经济增长。

增加国家财政收入

参考文献   [1]张振强.基于逐步回归分析财政收入模型研究[J].经济研究导刊,2009,05:94—96.   [2]?魏Q啵?李海旺,李武林.基于逐步回归分析的河南粮食产量因素研究[J].河南科学,2013,12:2133—2136.   [3]彭志捌,蒋丽娟,张凤.财政收入逐步回归分析[J].乌鲁木齐职业大学学报,2004,(02):39—41   [4]刘荣.基于逐步回归方法的国家财政收入影响因素分析[J].劳动保障世界(理论版),2012,(05):51—54   [5]佟玉权.我国出境旅游市场影响因素的逐步回归分析[J].市场论坛,2009,(10):70—72.   [6]国家统计局.中国统计年鉴[J].北京:中国统计出版社,1985~2014.

0 次访问