爱华网要：理论分析表明建立税收与财政收入变量选择的合理性,鉴于我国经济体制改革的深入和国家税收改革政策的几次大变动,考察税收变量(TAX)和财政收入(REVE )的历史数据,发现它们都是非平稳时间序列。计量经济学研究表明,经济变量的非平稳性会给回归模型的参数估计带来虚假回归问题，而误差修正模型则可以对此进行很好的修正。为此,我们在进行了TAX和REVE的单整性和协整性检验的基础上,建立了我国税收收入的误差修正模型,结果表明税收政策的影响并没有改变TAX和REVE的协整关系。研究进一步表明转型时期的大多宏观经济变量都是非平稳的,协整理论和误差修正模型的应用为财政预测模型奠定扎实的理论基础。关键词： 时间序列 非平稳性 协整性 误差修正模型 引言：财政赤字最终需要财政盈余来弥补,而税收收入理论上是财政收入的主要组成部分。关于税收和政府支出关系,主要有4种理论假说：一是“税收→支出假说”,如 Friedman(1978)认为税收增长导致支出增长进而引致更多的赤字；Wagner和Buchanan（1977）则认为通过“财政幻觉”的作用，税收收入的增长会引起支出的下降。二是“支出→税收假说”,认为政府先确定支出再通过收入来保证该支出(Barro,1974;Anderson等,1986)。三是“税收—支出相互促进假说”,由于财政收支决策是由同一个主体做出的,政府可能同时改变支出和税收决策(Musgrave，1966；Meltzer和Richard,1981)。四是“税收和支出之间不存在显著的相互促进效应”,因为政府的征税和分配职能是分离的(Wildavsky，1988；Baghestani和Mcnown,1994)。关于财政收入和财政支出之间的实证研究也存在许多争议，多采用协整检验确定财政收入与税收收入之间是否存在长期均衡关系,再根据Granger因果关系检验确定影响的方向，我国对此问题的研究也较多。相反，对于财政收入和税收收入之间的实证研究则显得较少，本文拟用同样的实证方法以1978～2002年我国的财政收入和税收收入数据为样本, 运用Ｅview3.1计量经济学软件进行数据的分析，对我国财政收入和税收收入之间的长期关系进行实证研究,检验我国经济转型时期财政收入与税收收入之间的关系，考察我国的税收体制改革是否影响了二者之间的协整关系。在进行对此问题实证分析时,针对模型的建立,理论研究表明采用TAX=f(REVE)的合理性,但考察样本数据显示（数据来源于中国国家统计局网上资料，分别用REVE和TAX表示我国的名义财政收入和财政支出，为减缓数据波动性，均对其进行对数化处理,并不改变变量的特征，表示为LTAX和LREVE）,我国的财政收入和税收收入从1978年到2002年的数据模式存在较大的不一致性,这与我国经济体制改革的深入、国家税收政策的几次大的改革动作有着明显的关系。如果选择1994年以来的新数据口径,利用灰色系统理论方法建模,出现误差迅速放大特征,同时也不利于整个系统的协调;建立双对数回归模型,但值得怀疑的是能否出现虚假回归问题，因为原始数据图1和取对数后的图2都显示了数据存在长期趋势，并可能具有非平稳性，为此我们根据协整理论,对变量进行了单整性、协整性检验,并建立了相应的误差修正模型。 图1 原始数据图 图2 取对数后的数据图一、 财政收入与税收收入的平稳性、单整性与单位根检验 近些年来的计量经济理论研究都基于如下假设:需要预测的时间序列是由某个随机过程生成的。如果随机过程的随机特性不随时间变化,即过程是平稳的,则可用确定系数方程来将时间序列模型化,且方程的系数可以利用序列的过去数据和传统的回归技术估计得到。这里涉及一个重要概念就是时间序列yt的单整性,若一个时间序列yt必须经过d次差分之后才能变换成一个平稳的、可逆的ARMA时间序列,则称时间序列yt具有d阶单整性,表示为yt～I(d)。显然平稳时间序列应表示为I(0)。赵国庆的《计量经济学》利用模拟技术验证了两个相互独立的I(0)变量的相关系数服从正态分布,两个相互独立的I(1)变量的相关系数服从倒U形分布,两个相互独立的I(2)变量的相关系数服从正U形分布这表明,时间序列的非平稳性将破坏传统回归技术中的正态分布假设,对非平稳时间序列进行回归将导致荒谬的结果,这就是虚假回归问题。所以在建立计量经济模型时,时间序列的平稳性检验就显得十分必要。当然判断并检验一个时间序列是否是平稳的,可以利用时间序列的自相关系数或单位根检验。而这两种检验在Eviews里都是很容易实现的。在Eviews的工作表文件中输入实际观测数据(TAX和REVE)后,将二者分别利用GENR命令进行对数变换后的变量设为LTAX和LREVE这样做的目的在于消除变量中可能存在的异方差性。然后利用view/Correlogram…命令得到如表1所示的1nTAX和1nREVE自相关系数,表明税收变量和经济总量都是非平稳的。AC REVE AC TAX 1 0.886 7 0.178 1 0.880 7 0.1492 0.766 8 0.083 2 0.754 8 0.0803 0.646 9 -0.004 3 0.630 9 0.0094 0.525 10 -0.085 4 0.506 10 -0.0605 0.404 11 -0.153 5 0.383 11 -0.1176 0.285 12 -0.214 6 0.260 12 -0.170表1 也可以利用view下的Unit Root Test…命令,并通过设定Intercept（仅有截距相）、Trend and intercept（既有趋势相和又有截距相）、None（截距相和趋势相都没有）选项和Lagged differences（滞后期）选项,则可以通过对下述三个自回归模型的研究,确证时间序列的单整性及其阶数。 yt=βyt-1+ut yt=μ+βyt-1+ut yt=μ+αt+βyt-1+ut单位根检验的方法通常有DF检验法、PP检验法和ADF检验法(Ａugmented ADF Test)。在此我们采用ADF检验法，结果如下（说明：表2和表3中的c为含有截距相、t为含有趋势相，0为不含趋势相或截距相，1为滞后期）：水平检验结果变量 检验形式 ADF值 1%临界值 5%临界值 10%临界值Lreve （0、0、1） 2.490489 -2.6700 -1.9566 -1.6235（c、0、1） 0.863805 -3.7497 -2.9969 -2.6381（c、t、1） -2.088499 -4.4167 -3.6219 -3.2474Ltax （0、0、1） 3.197554 -2.6700 -1.9566 -1.6235（c、0、1） -0.277317 -3.7497 -2.9969 -2.6381（c、t、1） -2.828414 -4.4167 -3.6219 -3.2474表2由上表可以看出，对LREVE在单位根零假设下作ADF检验时，ADF检验结果的T-统计值均大于1%、5%、10%概率条件下的临界值，因此可以认为 LREVE 是非平稳的。 同理, 对LTAX在单位根零假设下作ADF检验时，ADF检验结果的T-统计值也都大于1%、5%、10%概率条件下的临界值，同样可以表明1nREVE是非平稳的。为此，我们对LREVE和LTAX作一次差分检验，得到如下结果：一阶差分后的ADF检验结果变量 检验形式 ADF值 1%临界值 5%临界值 10%临界值Lreve （0、0、1） -0.777765 -2.6756 -1.9574 -1.6238（c、0、1） -3.030124 -3.7667 -3.0038 -2.6417（c、t、1） -3.714779 -4.4415 -3.6330 -3.2535Ltax （0、0、1） -1.694662 -2.6756 -1.9574 -1.6238（c、0、1） -3.851219 -3.7667 -3.0038 -2.6417（c、t、1） -3.739493 -4.4415 -3.6330 -3.2535 表3由上表可以看出，对LREVE和LTAX进行一次差分后在单位根零假设下作ADF检验时，ADF检验结果中， T-统计值可以大于5%概率条件下的临界值，因此可以认为LREVE 和LTAX一阶差分后是平稳时间序列。 因此可以得出结论，通过进一步的研究检验表明： LTAX～I(1)和LREVE～1(1)。二、 税收收入与财政收入的协整性检验 非平稳时间序列的差分序列通常是平稳的,这也是传统上经常建立差分模型缘由所在。但这种解决问题的方法在差分的同时也把有价值的信息(比如变量的长期关系)平滑掉，因此协整理论也就应运而生。一般地,若yt～I(d),xt～I(d),则zt=(axt+ byt)～I(d′)d′d。当zt的单整阶数d′因此，我们首先对模型变量进行协整性检验,并在此基础上建立税收的误差修正模型。对两个变量的协整关系检验通常可采用Ｅngle Granger二步法和Johansen协整检验法。在这里我们采用的是Johansen协整检验，得到表4：Lags interval: 1 to 2Eigenvalue LikelihoodRatio 5 PercentCritical Value 1 PercentCritical Value HypothesizedNo. of CE(s) 0.626118 29.26424 25.32 30.45 None * 0.292755 7.620334 12.25 16.26 At most 1 表4 从上表结果可以看出，存在一个协整关系。由Cointegration Test还得到的以下结果（表5）并据此可以写出协整方程。Normalized Cointegrating Coefficients: 1 Cointegrating Equation(s)REVE LTAX @TREND(79) C 1.000000 0.679022 -0.274008 -9.931833 (0.28858) (0.05067) Log likelihood 69.17181 表5三、 建立误差修正模型（VEC）Granger定理表明,如果非平稳变量之间存在协整关系,则必然可以建立误差修正模型。在误差修正模型中,各个差分项反映了变量短期波动的影响。被解释变量的波动可以分为两部分:一部分是短期波动,一部分是长期均衡。误差修正模型比普通的单方程模型更全面地反映了变量间的短期和长期的关系。对税收收入和财政收入可以建立如下误差修正模型:Error Correction: D(LREVE) D(LTAX)CointEq1 -0.000800 0.176065 (0.01964) (0.05550)(-0.04074) (3.17235)D(LREVE(-1)) 1.049388 2.128660 (0.25293) (0.71478) (4.14888) (2.97806)D(LREVE(-2)) -0.271252 0.876014 (0.34045) (0.96210)(-0.79675) (0.91052)D(LTAX(-1)) -0.203942 -0.549019 (0.07796) (0.22032)(-2.61593) (-2.49195)D(LTAX(-2)) -0.037786 -0.332457 (0.09418) (0.26614)(-0.40124) (-1.24920)C 0.066967 -0.068144 (0.02705) (0.07644) (2.47576) (-0.89147) 表6由上表看出，修正因子为-0.000800，这说明我们对LREVE的短期调整是可行的。可以建立模型方程如下：D(LREVE) = A(1,1)*(B(1,1)*LREVE(-1) + B(1,2)*LTAX(-1) + B(1,3)) + C(1,1)*D(LREVE(-1)) + C(1,2)*D(LREVE(-2)) + C(1,3)*D(LTAX(-1)) + C(1,4)*D(LTAX(-2)) + C(1,5)在模型方程中带入上表中的各系数后得到：D(LREVE) = - 0.0008000190093*( LREVE(-1) - 1.553362288*LTAX(-1) + 4.275796037 ) + 1.049388092*D(LREVE(-1)) - 0.2712524765*D(LREVE(-2)) - 0.2039416462*D(LTAX(-1)) - 0.03778645457*D(LTAX(-2)) + 0.06696671386集体检验结果为（表7）： Determinant Residual Covariance 9.40E-06 Log Likelihood 64.88678 Akaike Information Criteria -4.626071 Schwarz Criteria -3.931771 由表7中的AIC和SC结果看，修正结果还可以。
四、进行格兰杰（Ｇranger）因果关系检验如果变量Ｘ有助于预测Ｙ,即根据Ｙ的过去值对Ｙ进行自回归时,如果再加上Ｘ的过去值,能够显著地增强回归的解释能力,则称Ｘ是Ｙ的Ｇranger因,否则称为非Ｇranger因。以上面的协整检验告诉我们变量之间存在长期均衡关系,但是否构成因果关系,还需要进一步检验。根据协整关系检验结果,由于我国的LREVE 、LTAX均为I(1)过程并具有协整关系,故可对其进行Granger因果关系检验，为了更清楚的说明问题，在检验时分别选择了滞后期为1、2、3、4的情况。零假设 Obs F-Statistic ProbabilityLags：1LTAX does not Granger Cause LREVE 24 0.01489 0.90405LREVE does not Granger Cause LTAX 1.33836 0.26031Lags：2LTAX does not Granger Cause LREVE 23 3.00681 0.07470LREVE does not Granger Cause LTAX 8.13957 0.00304Lags：3LTAX does not Granger Cause LREVE 22 1.67477 0.21493LREVE does not Granger Cause LTAX 5.31954 0.01069Lags: 4LTAX does not Granger Cause LREVE 21 1.60258 0.23690LREVE does not Granger Cause LTAX 3.39713 0.04453 表8由上表Ｇranger因果关系检验结果显示,LTAX是LREVE的非Ｇranger因,LREVE在滞后期大于1的条件下是LTAX的Ｇranger因。五、结论与政策含义第一,根据Ｇranger因果关系检验,1978～2002年,我国的税收收入是财政收入的非Ｇranger因,税收收入增长未能引起财政收入的显著增长这与我国自改革开放以来，非税收收入在财政收入中的所占比重有所上升，在一些地方费税不清、费挤占税的现象严重等不无关系。历史表明：我国政府收入主要由两部分组成，即以税收为主的预算内财政收入和以政府各部门的收费为主的预算外收入，目前据保守估计，各种游离于财政预算之外的非规范性政府收费与财政预算内收入之比大约为3：2。政府收费有以下特征（1）费强税弱。收费都是由直接管制企业的权威部门征收，他们利用手中的权力，甚至采取土办法强制征收，因此，收费强于税收。（2）费先税后。在征收顺序上费是经营者一开始就开始征收，而税是做生意后征收，税收实际上滞后于收费。（3）收费的随意性。收费多是从部门利益出发，无论是收费项目、时间、数量、用途都具有很大的随意性。由于收费的提成高，有积极性，水手无法相比。（4）费挤税。由于税和费的交纳者相同，都是参与GDP再分配，在一定经济发展水平和社会承受能力下，税费是此消彼长的关系，收费必然挤税。 第二,根据协整检验,尽管我国的财政收入和税收都具备不平稳性,但我国的财政收入和税收之间具备长期均衡的协整关系,就长期而言,我国的财政收入和税收收入之间具有统计上的高度相关性。经济决定税收,税收影响经济，经济增长产出增加,可以促进税收收入的增长;相反,如果财政对基础产业基础设施投入不足,形成瓶颈制约,又会进一步阻碍经济的发展第三、从误差修正模型来看,短期内我国的财政收入和税收收入之间存在显著的短期动态调整机制,由于误差项的存在,可以自动地实现我国的财政收入和税收收入之间的长期均衡关系。实证结果显示,我国的财政收入和税收收入之间具备长期均衡的协整关系和短期动态调整机制,但不存在Ｇranger因果关系,说明我国的财政收支之间虽然具有显著的正相关性,但不存在显著的相互促进效应。所以,需要在继续研究如何增加我国财政收入的同时,注重提高税收收入，防止非税收收入对税收的挤占现象，以实现我国财政收入结构的合理化,并促进税费改革的进一步深化。
