本站原创关键词：财政收入；经济增长；ARIMA模型
一、引言
改革开放以来，我国基本建立起市场经济体制，起到了优化配置资源的作用，我国的经济总量和政府收入也迅速增长。这不禁让人产生疑问，同在迅速增长的两者之间是否存在关系呢？理论上，经济增长决定政府财政收入，政府财政收人对经济增长又有反作用。财政收入不仅是维持国家有效运转的经济基础，而且是国家调节经济的有效手段。从微观上讲，政府财政收入随着企业生产产品、进行交易、提供服务和发生其他应税行为的产生而产生；从宏观上讲，政府财政收入是社会总产出的重要组成部分。同时，税制的完善化，既能将纳税人之间的税负平衡，创造公平竞争的市场环境，又能大大地减小资源配置的扭曲程度，使之达到最小化，最终起到促进社会经济效率提高的作用。但现实中经济总量和政府收入又有什么样的关系呢？本文中，我们将通过实证分析，来进行检验。
这篇文章将借国外学者中对预算支出与经济增长的研究成果，首先介绍求和自回归移动平均模型ARIMA（P，d，q）的建模方法及Eviews实现，接着分析20实际50年代至21世纪初中国的预算支出和经济增长变化趋势，并运用协整理论和因果关系检验两种分析方法，按照时间顺序对中国预算支出的经济带动作用进行研究。同时，将ARIMA模型应用于我国财政收入的分析与预测，结果表明ARIMA是一种短期预测精度较高的预测模型。
二、ARIMA模型在预测我国财政收入中的应用
(一)研究目的
财政收入不仅能综合反映国家的经济活动总量，而且一个地区或国家的经济发展水平都能在财政收入上得以体现。定量分析财政收入并做出较为准确的预测则可以为相关部门或企业制定规划、实施措施提供可靠且有效的理论预测参考。(二)ARIMA模型
ARIMA模型（Autoreg ressive Integrate Moving Average），简记为ARIMA（P，d，q）模型。在模型中，预测对象随时间推移而形成的数据序列被视为一个随机序列，并用一定的数学模型来近似描述，一旦被识别就可以从时间序列的过去值和现在值来预测未来值。下面介绍具体的模型：?覬（B）＝LdXt=θ（B）εt①
E（εt）＝0，Var（εt）＝σ2t，E（εtεs）＝0，s≠t
②
E（xtεt）=0，?坌s
因此，LdXt＝■εt，{εt}为零均值白噪声序列。
(三)时间序列分析
1.数据来源——国泰安数据库选取的是中国1950-2010年的财政收入数据，数据来源于国泰君安数据库。
2.数据的处理——eviews6.0
（1）数据的平稳性分析
观察时序图，对我国财政收入进行趋势分析。本文的分析主要选取了我国自1950年至2010年的财政收入数据，并将1950-2008年的数据Xt做出时序图，并用后两年（2009年和2010年）的数据做模型的预测检验。具体如图1所示：
从图1可以看出，我国的财政收入呈现出明显的增长趋势的同时存在异方差，这说明该序列不是平稳序列，所以我们应对该序列进行平稳化处理。
（2）数据平稳化的处理
相关资料表明，可用对时间序列进行取对数处理的方法来消除异方差，此时序列变为logXt，记为Zt。再对Zt一阶差分，以消除趋势性，Zt的时序图如图1右边所示。然后对上述序列利用自相关和偏自相关以及单位根来确定时间序列的平稳性和白噪声。在其自相关图可以看出，只有延迟1、6和10阶的自相关系数大于两倍标准，其他的都在两倍标准差之内，上述实验结果表明该序列具有短期相关性，且X～I（1）。
但是，ADF单位根的检验结果不是很好，说明对数据的仅仅一阶差分不足更有效的置信区间内加强数据的拟合度。所以为使得检验结果中，以0.05的置信区间满足平稳性，对数据进行一阶差分后的以阶自回归过程以消除单位根。具体的ADF检验结果如表1所示。
又由表2的白噪声检验可以看出，该序列为非白噪声序列（延迟6阶、12阶的P值均小于0．05），经查阅相关资料来分析可知该序列为平稳非白噪声序列，所以可以对其进行建模。
（3）建模分析
上述分析表明可以对数据进行模型识别、模型优化和参数估计。由自源于：如何写论文www.808so.com
相关图可知，除延迟1阶、10阶，其他的偏自相关系数都在两倍标准差内，二者都是拖尾的，适合建立模型。经过反复尝试及拟合，建立如下5个模型：ARIMA（1，10），ARIMA（1，6，10），ARIMA[1，1，（6）]，ARIMA[1，1，（6，10）]，ARIMA[1，1，（10）]，其中模型ARIMA[1，1，（6）]比较合适。而且，残差序列的P值基本都大于0.05，不能拒绝残差序列为白噪声的假设。故ARIMA[1，1,（6）]模型对其拟合是合适的，模型结构如下所示：
（1-0.287L）（1-L）log（Xt）=0.04715+（1-0.4652L6）εt
（4）预测检验
现在，利用上述时间序列分析的结果，对2009和2010年的财政收入预测，并将预测值与实际值（在进行时间序列分析前已预留）进行比较，具体如表3所示。
从表3可以看出，预测值和实际值两者之间的差异较小，即模型的预测效果较好，可以用于今后的预测。自考论文www.808so.com
DF检验结果如表1所示。又由表2的白噪声检验可以看出，该序列为非白噪声序列（延迟6阶、12阶的P值均小于0．05），经查阅相关资料来分析可知该序列为平稳非白噪声序列，所以可以对其进行建模。（3）建模分析上述分析表明可以对数据进行模型识别、模型优化和参数估计。由自源于：808论文查重如何写论文www.808so.com相 WWw.808so.com 808论文查重