期末论文财政收入的影响因素的回归分析

财政收入的影响因素的回归分析指导老师：李世纪姓名：张晓倩学号：100311157班级：10级应数II摘要国家的财政收入是国家的命脉，国家的财政收入与工业总产值，农业总产值，建筑业总产值，社会消费品销售总额，人口数目，受灾面积等有关。本文主要是要来研究影响财政收入的主要因素有哪些，之所以研究这一问题，是因为，财政收入对于国民经济的运行及社会发展具有重要影响。本文主要针对1988~2011年间，我国财政收入的变化及其影响因素进行分析。通过收集我国财政收入、工业总产值、农业总产值、建筑业总产值等数据，进行统计模型的建立，分析七者之间的关系。经过分析，发现工业总产值、农业总产值、建筑业总产值、社会消费品销售总额等对我国财政收入有着重要影响。最后，根据相关分析结果提出了一些个人看法。关键词：多元线性回归分析；财政收入；影响因素III目录绪论.......................................................................Ⅵ1问题的提出.................................................................12多元线性回归分析的原理和模型...............................................12.1一元线性回归模型............................................................................................................12.2多元线性回归分析模型....................................................................................................22.3多元线性回归参数的普通最小二乘估计........................................................................32.4多元线性回归分析回归方程的显著性检验。................................................................42.5相关阵及偏相关系数........................................................................................................53逐步回归...................................................................64对国家财政收入及各项指标做多元线性回归分析和逐步回归分析...................74.1指标的选取.......................................................................................................................74.2结果输出及分析................................................................................................................85结果分析与对策............................................................186结语......................................................................19参考文献...................................................................19IV绪论本文通过对1988到2011年影响财政收入的六大元素以及财政收入的数据做多元线性回归分析，建立回归模型，并对2012年的财政收入进行预测，同时通过对回归系数做显著性检验与逐步回归来分析数据。从国民经济部门结构看，财政收入又表现为来自各经济部门的收入。财政收入的部门构成就是在财政收入中，由来自国民经济各部门的收入所占的不同比例来表现财政收入来源的结构，它体现国民经济各部门与财政收入的关系。我国财政收入主要来自于工业、农业、商业、交通运输和服务业等部门。其中工业和农业对财政收入的影响最大。第一步，根据所给的数据进行了描述性的分析，随后对数据进行了回归分析，剔除了数据中的异常点，在此基础上构造了多元线性回归模型，再通过Excel进行数据分析，获得模型的回归系数估计值。第二步，通过Excel进行了数据分析，对模型进行了F-检验和t-检验，确定下面的所构造的模型是可用的。6543214627.0617.0409.0532.0032.0015.0739.3870xxxxxxy第三步，将所给数据的各项经济指标代入模型，得到预测值与实际值的拟合效果较好，预测较准确。最后，通过上网搜索，得到了2012年的各项经济指标，将其代入模型中，对2012年的财政收入进行预测，并对结果进行分析。11问题的提出财政收入对于国民经济的运行及社会发展具有重要影响。首先，财政收入是一个国家各项收入得以实现的物质保证。一个国家财政收入规模大小往往是衡量其经济实力的重要标志。其次，财政收入是国家对经济实行宏观调控的重要经济杠杆。宏观调控的首要问题是社会总需求与总供给的平衡问题，实现社会总需求与总供给的平衡，包括总量上的平衡和结构上的平衡两个层次的内容。财政收入的杠杆既可通过增收和减收来发挥总量调控作用，也可通过对不同财政资金缴纳者的财政负担大小的调整，来发挥结构调整的作用。此外，财政收入分配也是调整国民收入初次分配格局，实现社会财富公平合理分配的主要工具。在我国，财政收入的主体是税收收入。因此，在税收体制及政策不变的情况下，财政收入会随着经济繁荣而增加，随着经济衰退而下降。我国的财政收入主要包括税收，国有经济收入，债务收入以及其他收入四种形式，因此，财政收入会受到不同因素的影响。从国民经济部门结构看，财政收入又表现为来自各经济部门的收入。财政收入的部门构成就是在财政收入中，由来自国民经济各部门的收入所占的不同比例来表现财政收入来源的结构，它体现国民经济部门与财政收入的关系。我国财政收入主要来自于工业、农业、商业、交通运输和服务业等部门。本文根据1988到2011年中国财政收入的统计年鉴相关数据，利用多元线性回归分析，确定影响我国财政收入主要因素，探讨财政收入对于国民经济的运行及社会发展的重要影响。2多元线性回归分析的原理和模型2.1一元线性回归模型1.普通最小二乘估计(OrdinaryLeastSquareEstimation,简记为OLSE)最小二乘法就是寻找参数β0、β1的估计值使离差平方和达极小niiiniiixyxyQ1210,121010)(min)ˆˆ()ˆ,ˆ(10iixy10ˆˆˆ称为yi的回归拟合值,简称回归值或拟合值iiiyyeˆ称为yi的残差0)ˆˆ(2ˆ0)ˆˆ(2ˆ110111110000niiiiniiixxyQxyQ经整理后,得正规方程组nininiiiiiniiniiyxxxyxn1111201110ˆ)(ˆ)(ˆ)(ˆ2得OLSE为211110)())((ˆˆˆniiiniixxyyxxxyniniiixxxnxxxL11222)()(记niiiniiixyyxnyxyyxxL11))((xxxyLLxy/ˆˆˆ1102.最大似然估计连续型：是样本的联合密度函数：离散型：是样本的联合概率函数。似然函数并不局限于独立同分布的样本似然函数y1,y2,…,yn的为niiinniiixyyfL12102221210})]([21exp{)2()(),,(函数为对数似然：niiixynL121022)]([21)2ln(2ln与最小二乘原理完全相同2.2多元线性回归分析模型1.多元线性回归模型的一般形式设随机变量y与一般变量pxxxx,...,,,321的线性回归模型为ppxxxy...221102)var(0)(E对n组观测数据(xi1,xi2,…,xip;yi),i=1,2,…,n,线性回归模型表示为:3nnppnnnppppxxxyxxxyxxxy2211022222211021112211101写成矩阵的形式为：Xy2.3多元线性回归参数的普通最小二乘估计1.最小二乘估计最小二乘估计要寻找使得,ˆ，，ˆ，ˆ，ˆ210pniippiiiniippiiipxxxyxxxyQp1222110,,,,1222110210)(min)ˆˆˆˆ()ˆ,,ˆ,ˆ,ˆ(2100)ˆˆˆˆ(2ˆ0)ˆˆˆˆ(2ˆ0)ˆˆˆˆ(2ˆ0)ˆˆˆˆ(2ˆ12211012221102221122110111122110000niipippiiipppniiippiiiniiippiiiniippiiixxxxyQxxxxyQxxxxyQxxxyQ经整理后得用矩阵形式表示的正规方程组0βXyX)ˆ(移项得yXβXXˆ1当XX存在时，即得回归参数的最小二乘估计为：yXXXβ-1)(ˆ.2.回归值与残差3.ippiiixxxyˆˆˆˆˆ称22110为回归值yXXXXβXy-1)(ˆˆXXXXH-1)(4称为帽子矩阵，其主对角线元素记为hii，则1)(1phHtrniii此式的证明只需根据迹的性质tr(AB)=tr(BA),因而1)1pptr(I)XXXXtr()XXXtr(Xtr(H)-1-1)()(H)y-(IHyyyyeˆ)()'()')(,cov()())(,)cov((),cov(22HIHIIHIHIYYHIYHIYHIeen得D(ei)=(1-hii)σ2，i=1,2,…,n2112)1()()(得pneDeEniiniiniiepnpnSSEpn12211(1111ˆ)ee是σ2的无偏估计3.回归参数的最大似然估计)(~2nIXNy似然函数为)))Xβ-yXβ-y((21exp()2(2222nnL))Xβ-yXβ-y((21)ln(2)2ln(2ln22nnL等价于使)()'(XyXy达到最小，这又完全与OLSE一样。2.4多元线性回归分析回归方程的显著性检验。1.F检验H0:β1=β2=…=βp=0niiiniiniiyyyyyy121212)ˆ()ˆ()(SST=SSR+SSE)1/(/pnSSEpSSRF当H0成立时服从)1,(pnpF方差来源自由度平方和均方F值P值回归残差总和