关于我国影响税收增长因素的实证分析
【摘要】：税收是我国财政收入的重要组成部分，对维持社会稳定和促进经济增长有很大的作用。影
响税收收入的因素来自于很多方面，从国内生产总值，财政支出和物价这三个方面进行研究，得出税收与
三者的关系，为现行政策提供参考。
【关键词】：国内生产总值 财政支出 零售商品物价水平 税收 计量模型 检验
一、问题的提出
改革开放以来，中国经济高速增长，1978-2008 年的 31 年间，国内生产总值从 亿
元增长到 314045 亿元，一跃成为世界第二大经济体。随着经济体制改革的深化和经济的快速增长，
中国的财政收支状况也发生了很大的变化，中央和地方的税收收入 1978 年为 亿元，到 2008
年已增长到 亿元，31 年间平均每年增长 %。税收作为财政收入的重要组成部分，
在国民经济发展中扮演着不可或缺的角色。为了研究影响中国税收增长的主要原因，分析中央和
地方税收收入的增长规律，以及预测中国税收未来的增长趋势，我们需要建立计量经济模型进行
实证分析。而且从进入 21 世纪以来，我国的经济发展面临着巨大的挑战与机遇，在新的经济背景
下，基于知识和信息的产业发展迅速，全球一体化日渐深入，中国已是 WTO 的一员。新形势的
经济发展是经济稳定和协调增长的结果，由于税收具有敛财与调控的重要功能，因而它在现实的
经济发展中至始至终都发挥着非常重要的作用，所以研究影响我国税收收入的主要原因具非常重
要的作用。
二、模型设定
（一）为了具体分析各要素对提高我国税收收入的影响大小，选择能反映我们税收变动情况
的“各项税收收入”为被解释变量（用 Y 表示），选择能影响税收收入的“国内生产总值（用 X1 表
示）”、“财政支出(用 X2 表示)”和“ 商品零售价格指数（用 X3 表示）”为解释变量。
计量经济学模型的设定
lnY= β0+ β1 lnX1+ β2 lnX2 + β3 X3 + ui
（二）确定参数估计值范围
由经济常识知，因为国内生产总值（X1）、财政支出(X2)和商品零售价格指数（X3）的增加均
会带动税收收入的增加，所以国内生产总值（X1）、财政支出(X2)和商品零售价格指数（X3）与税
收收入应为正相关的关系，所以可估计 0＜β1＜1 ,0＜β2＜1, 0＜β3＜1。
表 1 为由《中国统计年鉴》得到的 1990-2009 年的有关数据。
表 1 税收收入模型的时间序列表
税收收入
(Y)
国内生产
总值(X1)
财政支
出(X2)
年份
(单位：亿
元)
(单位：
亿元)
(单位：亿
元)
商品零售
价格指数（X3）
(单位：%)
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999 97
2000
2001
2002
2003
2004
2005
2006 101
2007
2008
2009
资料来源：《中国统计年鉴 2009》；
三、参数估计
模型为：
lnY= β0+ β1 lnX1+ β2 lnX2 + β3 X3 + ui
Y=税收收入 (亿元)
X1=国内生产总值 (亿元)
X2=财政支出 (亿元)
X3=零售商品物价指数 （%）
用 Eviews 估计结果为：
表 2
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 06/12/11 Time: 10:53
Sample: 1990 2009
Included observations: 20
Variable
Coefficien
t Std. Error t-Statistic Prob.
C
LOG(X1)
LOG(X2)
X3
R-squared Mean dependent var
Adjusted R-squared . dependent var
regression Akaike info criterion
Sumsquared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic)
根据表中数据，模型设计的结果为：
()
() () ()
R2=
—
R 2= DW= F= n=20
四、检验及修正
)( 321
XY
（一）经济意义检验
经济意义检验主要检验模型参数估计量在经济意义上的合理性。
所估计的参数 = ， =， =，且 <0, 0＜ ＜1 , 0＜ ＜
1 ， 不符合变量参数中确定的参数范围， 、 符合变量参数中确定的参数范围。模型估计
结果说明，在假定其他变量不变的情况下，当年国内生产总值每增长 1%，平均来说税收收入会
减少 %；在假定其他变量不变的情况下，当年财政支出每增长 1%，平均来说税收收入会
增加 %；在假定其他变量不变的情况下，当年商品零售价格指数上涨 1%，平均来说税收
收入会增加 %。这里与理论分析和经验判断相一致，符合中国现实的国情具有经济意义
应保留， 符号为负不符合经济检验不具有经济意义，应剔除。
（二）统计意义检验
1、拟合优度检验（R2 检验）
拟合优度检验，顾名思义，是检验模型对样本观测值的拟合程度。
从回归估计的结果看模型拟合较好：可绝系数 R2=
—
R 2= ，这说明所建
模型整体上与样本观测值拟合的很好
说明“解释变量” 国内生产总值 财政支出 商品零售价格指数
对“被解释变量” 税收收入的绝大部分差异作了解释。
2、F 检验
假设 ： =0， =0， =0 ： （j=1,2,3）不全为零
给定显著性水平α=，在 F 分布表中查出自由度为 F(k=3,n-k-1=16)的临界值 (3,16）＝
，由表 2 中得到 F＝＞ （3，16）＝，应拒绝原假设 ： =0， =0，
=0 ，接受 ： （j=1,2,3）不全为零说明回归方程显著，即表明模型的线性关系在 95%的置
信水平下成立，即列入模型的解释变量“解释变量” 国内生产总值 财政支出
商品零售价格指数 联合起来确实对“被解释变量” 税收收入有显著影响。
3、t 检验
分别针对 ： =0， =0， =0 ，给定显著性水平α＝，查 t 分布表的自由度为 n-k-1
＝16 的临界值 ＝。由表 2 中的数据可得，与 、 、 、 对应的 t 统计量分
1
2
3
1
2
3
1
2
3
1X
1X 2X 3X
Y
0H 1 2 3 1H j
0H 1 2 3
1H j
1X 2X
3X Y
0H 1 2 3
)16( 0
1
2
3
别为()()() ()其绝对值不全大于 ＝，这
说明在显著水平α＝ 下，只有 能拒绝 ： =0， =0， =0 ，也就是说，当在其他
解释变量不变的情况下，各个解释变量“国内生产总值（X1）”、“财政支出(X2)”和“ 商品零售价格指
数（X3）”分别对被解释变量“各项税收收入（Y）”不全都有显著影响，这可能是由于多重共线性或
自相关性的影响。
（三）计量经济意义检验
1、多重共线性检验
让 lnY 分别对 lnX1、lnX2、X3 做回归。
(1)将 lnY 与 lnX1 做回归得到结果如表 3：
表 3
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 06/12/11 Time: 19:53
Sample: 1990 2009
Included observations: 20
Variable Coefficient
Std.
Error t-Statistic Prob.
C
47
LOG(X1)
10
R-squared Mean dependent var
AdjustedR-squared . dependent var
regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic)
R2= .=
(2)将 lnY 与 lnX2 做回归得到结果如表 4：
)16(
2 0H 1 2 3
())(
1XY
表 4
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 06/12/11 Time: 20:05
Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C
LOG(X2)
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic)
() ()
R2= .=
(3)将 lnY 与 X3 做回归得到结果如表 5：
表 5
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 06/12/11 Time: 20:07
Sample: 1990 2009
Included observations: 20
XY
Variable Coefficient Std. Error t-Statistic Prob.
C
X3
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic)
() ()
R2= .=
计算各解释变量的相关系数，选择 lnX1、lnX2 、X3 的数据，得到相关系数矩阵如表 6：
表6 相关系数表
LOG(X1) LOG(X2) X3
LOG(X1)
LOG(X2)
X3
可见财政支出对税收收入的影响最大，与经验相符合，因此选（2）得出的回归形式为初始的
回归模型。
逐步回归
将 lnY 与 lnX1、lnX2 做回归得到下表 7：
表 7
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 06/12/11 Time: 20:11
Sample: 1990 2009
Included observations: 20
Variable
Coefficie
nt
Std.
Error t-Statistic Prob.
3)( XY
C
LOG(X1)
LOG(X2)
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic)
将 lnY 与 lnX1、X3 做回归得到下表 8：
表 8
Dependent Variable: LOG(Y)
Method: Least Squares
Date: 06/12/11 Time: 22:57
Sample: 1990 2009
Included observations: 20
Variable Coefficient
Std.
Error t-Statistic Prob.
C
LOG(X2)
X3
R-squared Mean dependent var
Adjusted R-squared . dependent var
regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic)
将其他解释变量分别倒入上述初始回归模型，寻找最佳回归方程表 9
C lnx2 Lnx1 x3
讨论：
第一步，在初始模型中引入 X1，模型修正的拟合优度反而略有下降，同时 X1 的参数未能通
过 t 检验，参数符号与经济意义相符。
第二步，去掉 X1，引入 X3，拟合优度提高，且参数符号与经济意义相符，变量也通过了 t
检验，.检验也表明不存在 1 阶序列相关性。因此最终的税收收入函数应以
Y=f(x2,x3)为最优，拟合结果如下:
() () ()
R2=
(2)异方差检验
①怀特检验 利用怀特检验法检验模型是否存在异方差。
残差相关图 表 10
32
Y
Y=f(x2)
t 值
Y=f(x2,x
1)
t 值
Y=f(x2,x
3)
t 值
表 11
White Heteroskedasticity Test:
F-statistic Probability
.00
.04
.08
.12
90 92 94 96 98 00 02 04 06 08
LOG(Y) Residuals
.00
.02
.04
.06
.08
.00 .04 .08
RESID(-1)
R
E
S
ID
Obs*R-squared Probability
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/12/11 Time: 23:33
Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C
LOG(X2)
(LOG(X2))^2
X3
X3^2
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic)
表12
White Heteroskedasticity Test:
F-statistic
1 Probability
0
Obs*R-squared
0 Probability
7
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/12/11 Time: 23:54
Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C
LOG(X2)
(LOG(X2))^2
(LOG(X2))*X
3
X3
X3^2
R-squared Mean dependent var
Adjusted
R-squared . dependent var
. of
regression Akaike info criterion
Sum squared
resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watso
n stat Prob(F-statistic)
记 为对原始模型进行普通最小二乘回归的道德残差平方项，将其与 X2 、X3 及其平方
项与交叉项做辅助回归，得
（） （） （） （） （）
（）R2=
怀特统计量 nR2=20*=，该值小于 5%显著性水平下，自由度为 5 的 分布的相应
临界值 =，因此，不拒绝同方差的原假设。
去掉交叉项后的辅助回归结果为
（） （） （） （）
（）R2=
怀特统计量 nR2=20*=，该值小于 5%显著性水平下，自由度为 5 的 分布的
2~
te
2
3x()
2)(l2)lnx(
2~ ）（te
2
2
2
33
2
22
2 )x(-)(l)lnx(~ te
2
相应临界值 =，因此，不拒绝同方差的原假设。
①拉格朗日乘数检验
表13
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
117 Probability
10
Obs*R-squared
950 Probability
34
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 06/13/11 Time: 01:00
Presample missing value lagged residuals set to zero.
Variable
Coeffi
cient
Std.
Error
t-Stati
stic Prob.
C
63
489
426
LOG(X2)
202
480
7779
X3
293
468
9347
RESID(-1)
15
085
511
R-squared
97
Mean dependent
var
-
16
Adjusted
R-squared
66
. dependent
var
69
. of regression
26
Akaike info
criterion
736
Sum squared
resid
73 Schwarz criterion
589
Log likelihood
36 F-statistic
06
Durbin-Watson
stat
24 Prob(F-statistic)
58
2
含 1 阶滞后残差项的辅助回归为
() () () ()
R2=
于是，LM=19*=，该值大于显著性水平自由度为 1 的 分布的相应临界值
=，由此判断原模型存在 1 阶序列相关性。
表14
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
355 Probability
Obs*R-squared
294 Probability
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 06/13/11 Time: 01:14
Presample missing value lagged residuals set to zero.
Variable
Coefficie
nt
Std.
Error
t-Statis
tic Prob.
C
27
32
LOG(X2)
5
00
815
X3
6
10
462
RESID(-1)
57
78
RESID(-2)
2
12
731
R-squared Mean dependent var
-
16
Adjusted
R-squared . dependent var
69
. of Akaike info
2
1
22 ~-)X(~ tt ee
2
2
regression criterion 540
Sum squared
resid Schwarz criterion
606
Log likelihood F-statistic
77
Durbin-Watson
stat Prob(F-statistic)
66
含 2 阶滞后残差项的辅助回归为
（） （） （） （） （）
R2=
于是，LM=18*=，该值小于显著性水平自由度为 2 的 分布的相应临界值
=，仍说明原模型不存在序列相关性，表明并不存在 2 阶序列想关性结合 1 阶滞后残差
项的辅助回归情况，可判断存在 1 阶序列相关性。
表15
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
69 Probability
83
Obs*R-squared
28 Probability
28
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 06/13/11 Time: 10:18
Presample missing value lagged residuals set to zero.
Variable
Coeffic
ient
Std.
Error
t-Statis
tic Prob.
C
81
067
37
LOG(X2)
31
352
151
X3
2
2
2
1
22 ~-~-)X(~ ttt eee
2
2
590 492 82
RESID(-1)
40
868
96
RESID(-2)
16
501
375
RESID(-3)
20
085
454
R-squared
86
Mean dependent
var
-
16
Adjusted
R-squared
74
. dependent
var
69
. of
regression
59
Akaike info
criterion
925
Sum squared
resid
10 Schwarz criterion
205
Log likelihood
25 F-statistic
42
Durbin-Watson
stat
04 Prob(F-statistic)
03
含 3 阶滞后残差项的辅助回归为
（） （） （） （） （ ）
（）
R2=
于是，LM=17*=，该值小于显著性水平自由度为 3 的 分布的相应临界值
=，仍说明原模型不存在序列相关性，表明并不存在 3 阶序列想关性，结合 1 阶滞后残
差项的辅助回归情况，可判断存在 1 阶序列相关性。
(3)运用广义差分法进行自相关的处理
在 eviews 软件包，1 阶广义差分的估计结果为
Dependent Variable: LOG(Y)
Method: Least Squares
2
3-
2
2-
2
1-
22 ~-~-~~ tttt eeee ）（）（
2
2
Date: 06/13/11 Time: 11:22
Sample (adjusted): 1991 2009
Included observations: 19 after adjustments
Convergence achieved after 6 iterations
Variable
Coeffi
cient
Std.
Error
t-Statis
tic Prob.
C
388
24
020
LOG(X2)
41
63
76
X3
88
78
38
AR(1)
19
26
29
R-squared
38
Mean dependent
var
97
Adjusted
R-squared
86 . dependent var
93
. of
regression
67
Akaike info
criterion
628
Sum squared
resid
39 Schwarz criterion
798
Log likelihood
46 F-statistic
84
Durbin-Watson
stat
16 Prob(F-statistic)
00
Inverted AR
Roots .46
（） （） （） （）
式中，AR（1）前的参数值即为随机扰动项的1阶序列相关系数。在5%的显著性水平下，
=DL<.<DU=,无法判断经广义差分变换后的模型是否已不存在的序列相关性。
Breusch-Godfrey Serial Correlation LM Test:
(1) 32t
Y
F-statistic
17 Probability
Obs*R-squared
50 Probability
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 06/13/11 Time: 11:38
Presample missing value lagged residuals set to zero.
Variable
Coeffic
ient
Std.
Error
t-Statisti
c Prob.
C
63
489
6
LOG(X2)
02
480
9
X3
93
468
7
RESID(-1)
15
085
1
R-squared
97
Mean dependent
var -16
Adjusted
R-squared
66 . dependent var
. of regression
26
Akaike info
criterion
6
Sum squared
resid
73 Schwarz criterion
9
Log likelihood
36 F-statistic
Durbin-Watson
stat
24 Prob(F-statistic)
但拉格朗日检验值为 n*R2=17*=,小于显著性水平为 5%，自由度为 1 的 分布
的相应临界值 =，表明模型干扰项已不存在自相关性。模型的回归方程为：
【AR(1)= 】
2
2
32t
Y
（） （） （） （）
R2= F= .=
四、结论及政策建议
模型估计结果表明，在假定其他变量不变的情况下，在假定其他变量不变的情况下，当年财
政支出每增长 1 亿元，税收收入会增长 亿元；在假定其他变量不变的情况下，当年商品
零售价格指数上涨一个百分点，税收收入就会增长 亿元。这与理论分析和经验判断相一
致。
这些数据表明，GDP，财政支出，以及商品零售价格指数确实影响着我国的税收收入。税
收作为社会生产力发展到一定阶段的产物，必然随着社会的发展而扩大。税收是国家参与一部分
社会产品或国民收入分配与再分配所进行的经济活动，因此税收从一定程度上决定了国家的健康
稳定发展，我国目前正处于经济体制转型期，市场机制还不完善，宏观方面，需要政府进行积极
的宏观调控，实现产业结构调整，以及财政支出政策的改进。另外，我国应实行结构性减税，结
合推进税制改革，用减税、退税或抵免的方式减轻税收负担，促进企业投资和居民消费，实行积
极财政政策，促进国民经济稳健发展，从而对税收形成良性的影响。【结论】我国的社会主义制
度善不完善，各方面还需要政府实施一定的宏观政策，履行宏观调控的职能，职能的有效实施得
益于充足的财政力量，而税收是为政府财政收入的最主要途径。从上面可以看出，经济的健康发
展是保证源源不断的税收收入的基础。所以政府必要履行好调控职能，保证经济的稳定发展。通
过税收取得财政收入——用财政收入调控好经济发展，这是一个矛盾的运动过程。所以政府要做
好第二个环节，建议如下：
1． 完善经济体制改革，完善市场经济，这是经济健康发展的基础。
2． 转变政府职能，合理安排好财政支出。
参考文献：
[1]庞浩。计量经济学[M].北京：科学出版社，2007.
[2]王国清。马跷。程谦[M].北京：高等教育出版社，2009.
[3]刘新利。宏观经济均衡中的税收负担和税收收入决定因素[J].税务研究，2010.
[4]宋鹏源。关于税收收入与经济发展的关系研究[J].财税纵横，2008，（5） .
[5]樊丽明，张斌。经济增长与税收收入的关联分析[J].论坛，2009.
[6]《中国统计年鉴 2009》
[7《中国统计年鉴 2010》
[8 中华人民共和国国家统计局网
