國家財(cái)政收入的影響因素

1、關(guān)于財(cái)政收入的預(yù)測問題摘要國家的財(cái)政收入是國家的命脈，國家的財(cái)政收入與國民收入、工業(yè)總產(chǎn)值、農(nóng)業(yè)總產(chǎn)值、總?cè)丝凇⒕蜆I(yè)人口、固定資產(chǎn)投資等因素有關(guān)。本文通過對影響財(cái)政收入的六大因素進(jìn)行了深入的分析，構(gòu)建模型，并對2000年的財(cái)政收入進(jìn)行了預(yù)測。第一步，根據(jù)所給的數(shù)據(jù)進(jìn)行了描述性的分析。隨后對數(shù)據(jù)進(jìn)行了回歸分析，剔除了數(shù)據(jù)中的異常點(diǎn)，在此基礎(chǔ)上構(gòu)造了多元線性回歸模型，再通過EXCEL進(jìn)行了數(shù)據(jù)分析,獲得了模型的回歸系數(shù)估計(jì)值。第二步，通過EXCEL進(jìn)行了數(shù)據(jù)分析，對模型進(jìn)行了F-檢驗(yàn)及t-檢驗(yàn)。確定下面所構(gòu)造的模型是可用的。第三步，將所給數(shù)據(jù)1953年-1980年的各項(xiàng)經(jīng)濟(jì)指標(biāo)代入模型，得到預(yù)測值

2、與實(shí)際值的擬合效果較好，預(yù)測較準(zhǔn)確。最后，通過上網(wǎng)搜索，得到了2000年的各項(xiàng)經(jīng)濟(jì)指標(biāo)，將其代入所構(gòu)造的模型中，對2000年的財(cái)政收入進(jìn)行了預(yù)測，并對結(jié)果進(jìn)行了分析。關(guān)鍵字： 財(cái)政收入多元線性回歸模型 EXCEL 回歸分析 一、問題重述國家的財(cái)政收入與國民收入、工業(yè)總產(chǎn)值、農(nóng)業(yè)總產(chǎn)值、總?cè)丝凇⒕蜆I(yè)人口、固定資產(chǎn)投資等因素有關(guān)，根據(jù)所給的1952-1981年的原始數(shù)據(jù)，對這些數(shù)據(jù)進(jìn)行分析，從而構(gòu)造出預(yù)測模型，并利用該模型對2012年的財(cái)政收入做出預(yù)測。二、問題分析由于國家的財(cái)政收入與這6種因素有關(guān)，且所給的數(shù)據(jù)值多且沒有完全的規(guī)律性，但可以看出每組數(shù)據(jù)大體與年份的增長呈正相關(guān)，所以我們對數(shù)據(jù)進(jìn)行

3、了回歸分析，通過構(gòu)造多元線性回歸模型，得出預(yù)測結(jié)果。然而，隨著經(jīng)濟(jì)的不斷發(fā)展，第三產(chǎn)業(yè)在不斷興起，在國家的財(cái)政收入所占比重不斷上升，所以國家的財(cái)政收入不僅與題目所給的因素有關(guān)。但在建立模型時須抓當(dāng)時最關(guān)鍵的因素，所以這是符合規(guī)律的。三、問題假設(shè)1、假設(shè)題目所給的數(shù)據(jù)真實(shí)可信，無錯誤。2、2011年該地區(qū)無重大影響財(cái)政收入的事故和自然災(zāi)害發(fā)生3、假設(shè)財(cái)政收入只與這6種因素有關(guān)，而與其他因素?zé)o關(guān)。4、假設(shè)各因素間互相獨(dú)立。5、假設(shè)所剔除的異常點(diǎn)對模型的建立何所預(yù)測的結(jié)果完全沒有影響。四、符號的定義與說明Y財(cái)政收入X1國民收入X2工業(yè)總產(chǎn)值X3農(nóng)業(yè)總產(chǎn)值X4總?cè)丝赬5就業(yè)人口X6固定資產(chǎn)投資Y1財(cái)政

4、收入的預(yù)測值A(chǔ),b,c,d,e,f,g回歸系數(shù)五、模型的建立與求解1、模型的分析（為什么呢？）通過對數(shù)據(jù)進(jìn)行初步分析。利用EXCEL作出財(cái)政收入與6個因素的散點(diǎn)圖：圖1:X1-Y散點(diǎn)圖圖2：X2-Y散點(diǎn)圖圖3：X3-Y散點(diǎn)圖圖4：X4-Y散點(diǎn)圖圖5：X5-Y散點(diǎn)圖觀察圖5明顯可知，散點(diǎn)圖的最右邊有一個異常點(diǎn)：1981年就業(yè)人口攀升為73280，較之前有大幅度增長，但財(cái)政收入明顯地低于預(yù)測值，為使個別數(shù)據(jù)不致影響整個模型，我們將該異常數(shù)據(jù)去掉。得到下圖5-1：圖5-1：去掉異常點(diǎn)的X5-Y散點(diǎn)圖圖6：X6-Y散點(diǎn)圖2、模型的建立通過對以上的散點(diǎn)圖觀察大體可知，財(cái)政收入Y與X1-6呈線性關(guān)系，所以

5、設(shè)多元線性回歸模型為：3、模型的求解首先，需要剔除掉因?yàn)?981年就業(yè)人口對財(cái)政收入影響異常的特殊點(diǎn)(見圖5-1)，然后利用EXCEL中的數(shù)據(jù)分析的分析工具“回歸”對數(shù)據(jù)進(jìn)行了分析求解，得到多元線性回歸模型的回歸系數(shù)估計(jì)值及置信區(qū)間，并檢驗(yàn)了.結(jié)果見下表1:表1：模型1的計(jì)算結(jié)果參數(shù)參數(shù)估計(jì)值置信區(qū)間g-15.5344-366.5816 335.5127a0.51000.2301 0.7898b-0.0259-0.0769 0.0251c-0.5905-0.9901 -0.1908d0.0113-0.0028 0.0254e-0.0230-0.0492 0.0032f0.3419-0.0387

6、 0.7225R2=0.9840表1顯示，=0.9840指因變量Y（財(cái)政收入）的98.40%可有模型（1）自變量來解釋，且數(shù)值十分接近1，且通過EXCEL分析所給的數(shù)據(jù)做出1953-1980年實(shí)際財(cái)政收入(Y)與預(yù)測值(Y1)的折線擬合圖，見下圖7:圖7可用于模型的檢驗(yàn) 圖7所以模型（1）從整體來看是可以用的。由表1可知，a=0.51,b=-0.0295,c=-0.5905,d=0.0113,e=-0.123,f=0.3419,從而得出多元線性回歸模型為：4、模型的檢驗(yàn)通過EXCEL計(jì)算的出表2dfSSMSFSignificance F回歸分析61329611221601.9225.89531

7、.30729E-18殘差2221581.86980.9938總計(jì)281351193表3標(biāo)準(zhǔn)誤差t StatP-valueIntercept169.2713-0.091770.927709X Variable 10.1349463.7791910.001032X Variable 20.024599-1.05370.303455X Variable 30.192694-3.064290.005679X Variable 40.006821.656020.111913X Variable 50.012646-1.818170.082681X Variable 60.1835151.862930.0

8、75879通過觀察以上兩表可知，F(xiàn)=225.8953，通過F-檢驗(yàn)及t-檢驗(yàn)，可知解釋變量對被解釋變量有顯著的解釋性能力。所以該模型是可以使用的。5、結(jié)果分析上網(wǎng)查閱了2000年的國民收入、工業(yè)總產(chǎn)值、農(nóng)業(yè)總產(chǎn)值、總?cè)丝?、就業(yè)人口、固定資產(chǎn)投資，代入多元線性回歸模型，結(jié)果如下：表2 2000年財(cái)政收入預(yù)測值與實(shí)際值對比數(shù)據(jù)來源自CNKI中國統(tǒng)計(jì)年鑒數(shù)據(jù)庫年份國民收入工業(yè)總產(chǎn)值農(nóng)業(yè)總產(chǎn)值總?cè)丝诰蜆I(yè)人口固定資產(chǎn)投資200098000.575710.6913873.612674372116.7732917.7年份財(cái)政收入（預(yù)測值）財(cái)政收入（實(shí)際值）：Y120007570.207713395.23從表

9、8可以看到，2000年預(yù)測值與實(shí)際值和預(yù)測值都相差較大，原因不一定是模型建立的偏差大，還有可能是其他原因，如在查閱數(shù)據(jù)時，我們就發(fā)現(xiàn)了2000年的工業(yè)總產(chǎn)值數(shù)據(jù)注明了“1990年不變價(jià)格”，而其余數(shù)據(jù)沒有此說明項(xiàng)；且1980年后國家實(shí)行了改革開放的經(jīng)濟(jì)政策，經(jīng)濟(jì)的發(fā)展規(guī)律發(fā)生了很大的變化，用1980年以前的數(shù)據(jù)建立起來的模型去預(yù)測1980年后的一些經(jīng)濟(jì)數(shù)據(jù)自然會有較大的偏差。并且，在固定資產(chǎn)投資一欄，我們查到了非常詳細(xì)的分類，固定資產(chǎn)投資資金來源中國家預(yù)算內(nèi)資金，固定資產(chǎn)投資資金來源中國內(nèi)貸款，固定資產(chǎn)投資資金來源中自籌和其他資金等備注，而題目并未給出，這給我們篩選數(shù)據(jù)帶來了極大的困難?？偟膩?/p>

10、說，模型對于1952-1980年的經(jīng)濟(jì)數(shù)據(jù)來說，依然有一定的參考價(jià)值和預(yù)測價(jià)值，但由于各種方面的原因與因素，對于1990年和2000年預(yù)測值與實(shí)際值的匹配程度是有限。六、模型的評價(jià)·優(yōu)點(diǎn)1、該模型的決定系數(shù)較高，且都是一次項(xiàng)，計(jì)算方便。2、剔除了所給數(shù)據(jù)的異常點(diǎn)，對建立模型和計(jì)算預(yù)測值有很大的幫助。·缺點(diǎn)對1981年之后的數(shù)據(jù)預(yù)測值逐漸產(chǎn)生偏差，只適用于預(yù)測所用數(shù)據(jù)的時間段，有效的預(yù)測時間段較段。七、模型的推廣與改進(jìn)從上文的分析來看，我們認(rèn)為1981年后，由于我國實(shí)行的改革開放取得了顯著地成果，生活水平、物價(jià)、科技、通貨膨脹等因素極大的影響了我們的預(yù)測數(shù)據(jù)，若補(bǔ)充上消費(fèi)水平

11、指數(shù)（CPI）等數(shù)據(jù)，模型的擬合效果應(yīng)該會更準(zhǔn)確，對以后時間段的預(yù)測應(yīng)該會更長，偏差也會更小，八、參考文獻(xiàn)1韓中庚，數(shù)學(xué)建模方法及其應(yīng)用，高等教育出版社，北京，20062姜啟源，謝金星，數(shù)學(xué)模型（第三版），高等教育出版社，北京，20043 John O. Rawlings, SastryG. Pantula, David A. Dickey Applied RegressionAnalysis:A ResearchTool(應(yīng)用回歸分析（英文版）)M.New York,USA:Springer,19984李子奈 計(jì)量經(jīng)濟(jì)學(xué)教程5CNKI中國統(tǒng)計(jì)年鑒數(shù)據(jù)庫ns55/index.aspx九、附錄附

12、錄一：原始數(shù)據(jù)表年份國民收入（億元）工業(yè)總產(chǎn)值(億元)農(nóng)業(yè)總產(chǎn)值（億元）總?cè)丝冢ㄈf人）就業(yè)人口（萬人）固定資產(chǎn)投資（億元）財(cái)政收入(億元)195259834946157482207294418419535864554755879621364892161954707520491602662183297248195573755852961465223289825419568257155566282823018150268195783779857564653237111392861958102812355986599426600256357195911141681509672072617333844

13、419601079187044466207258803805061961757115643465859255901382711962677964461672952511066230196377910465146917226640852661964943125058470499277361293231965115215816327253828670175393196613221911687745422980521246619671249164769776368308141563521968118715656807853431915127303196913722101688806713322520

14、744719701638274776782992344323125641971178031567908522935620355638197218333365789871773585435465819731978368485589211366523746911974199336968919085937369393655197521214254932924213816846269219762052430995593717388344436571977218949259719497439377454723197824755590105896259398565509221979270260651150

15、975424058156489019802791659211949870541896568826198129276862127310007273280496810附錄二：X1-X6的估計(jì)值Coefficients標(biāo)準(zhǔn)誤差t StatP-valueLower 95%Upper 95%下限 95.0%Intercept302.6861392.48130.7712110.449173-513.52340271118.896-513.523X Variable 10.4755390.3053081.5575730.134278-0.1593831371.110462-0.15938X Variable 20.0811370.0541851.49740.14917-0.0315472930.193821-0.03155X Variable 3-0.800350.428155-1.869290.075593-1.6907422760.090051-1.69074X Variable 40.0060450.0150190.4024990