财政收入预测问题
摘要
本文针对财政收入预测问题，建立了回归分析模型、灰色预测模型、阻滞增长模型，并对其模型进行了误差分析，解决了2010-2014年财政收入预测问题。
模型一：为了预测2010年至2014年的财政收入问题，建立了回归分析模型，首先， 画出财政收入与各个因素的残差图，对残差图进行分析，将波动较大的点剔除；其次，将财政收入与各个因素的数据分别进行拟合，判断出财政收入与各个因素之间为线性关系；再次，利用剔除后的数据进行拟合得出财政收入与各个因素之间的关系式：
123450.34940.44310.63220.01330.2112y x x x x x =--++ 最后，将各个因素的数据与时间进行拟合，得出其指数关系并将其带入到以上关系式，预测出未来五年的财政收入，其预测结果如下：
年份
2010 2011 2012 2013 2014 财政收入（亿元） 85189
102274 122759 147314 176742 模型二：为了预测2010年至2014年的财政收入问题，建立了灰色预测模型，首先，选择2005年到2009年的各个因素的值进行处理，进行紧邻均值计算，求出发展灰数和内生控制灰数，从而以求时间响应式，得出不同因素的预测值；其次，将后五年不同因素的预测值代入模型一的关系式（财政收入与各个影响因素的关系式），预测后五年各个因素及财政收入的值如下表所示：
年份 国民收入（亿元）
工业总产值（亿元） 农业总产值（亿元）
总人口（万人）
固定资产投资（亿元） 财政收入（亿元）
2010 404174 183702 41165 134159 237917 858280 2011 471483 210232 46624 134845 286161 104340 2012 550001 240593 52807 135534 344188 126673 2013 641595 275339 59810 136226 413982 153602 2014
748442
315103
67742
136922
497928
186041
模型三：首先，根据全世界经济情况可知，国家经济从低水平到向高度发达国家经济变化的过程中，财政收入的增加将逐渐趋于0，由此可知国家财政收入的增长符合S 型增长曲线，采用S 型曲线对影响国民收入的各因素进行拟合，以求得20010-2014年的各个因素的预测值；其次，结合模型一，得到财政收入的预测值如下：
年份 2010 2011
2012 2013 2014 财政收入（亿元） 70844
78906
87067
95206
103211
最后，把各影响因素与时间的指数表达式，带入到模型一得出的财政收入关系式中，得其财政收入为S 型增长曲线，以此求出我国在2048年进入发达国家，届时各个因素及财政收入值如下表：
年份 国民收入（亿
元）
工业总产值（亿元） 农业总产值（亿元） 总人口（万人） 固定资产投资（亿元） 财政收入（亿元） 2048 1023074
471431
58146
146071
341079 185800
模型四：结合模型一、模型二、模型三得出的结果进行误差分析，最终得到模型二，
灰色预测模型较好。
1.摘要写得不错！2。模型四没有做好，3。附录没有处理好4。整体相对不错！
关键词：回归分析 灰色预测 阻滞增长 财政收入 误差分析 MATLAB
1问题重述
1.1已知信息
财政收入由国民收入、工业总产值、农业总产值、总人口、固定资产投资等因素有关。1978-2009年的原始数据已给定（见附录A）。
1.2问题提出
问题一：构造回归预测模型并由此预测后五年的财政收入；
问题二：构造灰色预测模型，预测出后五年各因素的预测值并带入问题一财政收的预测模型预测后五年的财政收入；
问题三：构造阻滞增长模型，预测出后五年各因素的预测值并带入问题一财政收入的预测模型预测后五年的财政收入，并估计我国何年成为经济发达国家，
届时我国的各项因素值与财政收入值为多少；
问题四：用相对误差和绝对误差相结合的办法对问题一、问题二、问题三进行误差分析，并将问题一、问题二、问题三的财政预测结果进行比较分析,说明
哪个结果更合理，并说明原因。
2模型假设与符号说明
2.1模型假设
1.财政收入受多方面因素的影响，波动较大的数据可以进行剔除；
2.后五年无重大的因素，影响财政收入。
3.题中所给数据来自权威部门公布，真实可信。
2.2符号说明
x：国民收入（元）；
1
x：工业总产值（亿元）；
2
x：农业总产值（亿元）；
3
x：总人口（万人）；
4
x：固定资产投资（亿元）；
5
t：年份的排序序号（1-37）；
y：财政收入（亿元）；
a：发展灰数；
u：内生控制灰数；
3问题分析
3.1问题一的分析
要求出后五年的财政收入就必须要知道各个因素与财政收入的数学关系。=》相关关系
首先，根据已知数据（见附录A）利用MATLAB作出财政收入与各个因素之间的残差图，对残差图进行分析将波动较大数据视为不符合回归模型的点将之剔除；
其次，利用剔除后的数据，画出各个因素和财政收入之间的散点图，根据散点图进行拟合，求出财政收入与各个因素之间的数学关系；利用此关系对各个因素和财政收入进行整体拟合，求出其表达式。
最后，画出各因素和时间的散点图，根据散点图进行拟合求出其表达式，将关系式
代入整体拟合的关系式，用含有时间的表达式替换整体拟合关系式里的各因素，求出时间和财政收入的关系式。
3.1更改后的问题一分析
首先，根据已知数据（见附录A）利用MATLAB作出财政收入与各个因素之间的残差图，对残差图进行分析将波动较大数据视为不符合回归模型的点将之剔除，作出财政收入与各个因素之间的散点图，根据散点图及相关数据进行初步拟合，以求其相关关系。
其次，根据财政收入与各个因素之间相关关系，设出财政收入与其影响因素之间的回归方程，再依据附录A数据进行拟合，以求出其相关系数。
再次，求出判定系数2r以及误差，进行拟合度的判断。
然后，进行假设，检验y与x之间的关系。
最后，根据求得的回归方程对2010-2014年的财政收入进行预测。
3.2问题二的分析
首先，对附录A每个影响财政收入的因素进行数据处理（后五年），作累加，进行紧邻均值计算，以求出发展灰数和内生控制灰数，从而以求时间响应式。
其次，利用时间响应式以求出各个年份的不同影响因素的预测值。
最后，将后五年不同因素的预测值代入问题一得出的关系式（财政收入与各个影响因素的关系式），预测后五年财政的财政收入。
3.3问题三的分析
首先，根据全世界经济情况可知，国家经济从低水平到向高度发达国家经济变化的过程中，财政收入的增加将逐渐趋于0，由此可知国家财政收入的增长符合S型增长曲线，采用S型曲线对影响国民收入的各因素进行拟合，以求得20010-2014年的各个因素的预测值。
其次，结合问题一财政收入的预测模型，对财政收入进行预测。
最后，利用所求的各因素曲线表达式，结合问题一财政收入预测模型，预测我国何时进入发达国家。
3.4问题四的分析
结合前三个问题的误差分析，将问题一预测的财政收入与问题二，问题三的预测结果进行比较，以求哪个模型的预测结果更具有合理性。
4模型的建立与求解
4.1模型一的建立与求解
首先，根据题意，用给定的19978-2009年的原始数据（见附录A），利用MATLAB 编程作出残差图（程序见附录B）如下：
102030
-10000
-8000
-6000-4000-2000
2000
4000
6000
8000
Residual Case Order Plot
R e s i d u a l s
Case Number
102030
-1
-0.8
-0.6
-0.4
-0.2
00.2
0.4
0.6
0.8
1
x 104
Residual Case Order Plot R e s i d u a l s
Case Number
102030
-2
-1.5
-1
-0.5
00.511.52
x 104
Residual Case Order Plot R e s i d u a l s
Case Number
1020
30
-3
-2
-1
1
2
3
45
x 10
4
Residual Case Order Plot R e s i d u a l s
Case Number
102030
-3000
-2000
-1000
1000
2000
3000
4000
Residual Case Order Plot
R e s i d u a l s
Case Number
图1 财政收入与各个因素的残差图
由残差分析可得2009、2008、2007、2002、2001的数据为异常数据，导致财政收入有较大的波动，因此将异常数据剔除。利用剩下的各个因素的数据与财政收入数据用MATLAB 编程画出散点图如下（程序见附录C ）：
123x 10
5
0.511.522.533.54x 10
4
国民收入
财政收入
51015x 10
4
0.511.522.533.54
x 10
4
工业总产值
财政收入
123x 10
4
0.511.522.533.54
x 10
4
农业总产值
财政收入
0.8
1 1.2
1.4x 10
5
00.511.52
2.53
3.54
x 10
4
总人口
财政收入
51015x 10
4
0.5
1
1.5
2
2.5
3
3.5
4
x 10
4
固定资产投资
财政收入
图2 剔除数据后财政收入与各个因素的散点图
由图可见财政收入与各因素之间类似线性关系，为进一步确认其关系，分别进行线性拟合（见附录D ）得其线性相关系数2r 依次为0.9777，0.9777，0.8923，0.5417，0.9967，可见除第四个线性关系较弱外，其余线性关系较强。可用线性关系进行整体拟合。
其次，利用剔除后的数据运用MATLAB 编程进行整体线性拟合(程序见附录E)，得到财政收入与各个因素的数学关系为：
123450.34940.44310.63220.01330.2112y x x x x x =--++ （1） 再次，根据题意运用MATLAB 编程画出时间与各个因素的散点图如下(程序见附录F)：
2040
0.5
1
1.5
2
2.5
3
3.5
x 10
5
时间
国民收入
2040
2
4
6810
12
1416
x 10
4
时间
工业总产值
2040
0.5
1
1.52
2.5
3
3.54
x 10
4
时间
农业总产值
2040
0.951
1.05
1.1
1.15
1.2
1.25
1.3
1.35
x 10
5
时间
总人口
2040
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
x 10
5
时间
固定资产投资
图3 时间与各个因素的散点图
由图可见各因素与时间之间类似指数关系，为进一步确认其关系，分别进行拟合(见附录G)，得其相关系数2r 依次为0.992，0.988，0.979，0.972，0.989，确定其为指数关系。
设bt x ae =利用回归的方法算出x 与t 的方程，需将其转化成线性关系求解，分别对两边取对数即得到ln x 与t 之间的线性回归关系：
ln ln x a bt =+
利用MATLAB 编程（见附录H ）即可求得1ln 7.943
0.153
a b =??=?，且相关系数比较接近于1，
说明回归平方和占总变差平方和的比例较大，回归直线与各观测点较接近，拟合程度较高。进而得到
10.15311a =2815.82815.80.153
t x e b ??????→=?
=?得到指数方程
（t=1,2...） (2) 同理可得：
20.15522a =1247.61247.60.155
t x e b ??????→=?
=?得到指数方程
（t=1,2...） (3) 30.11433
a =1079.21079.20.114t x e
b ??????→=?
=?得到指数方程
（t=1,2...） (4) 40.01144
a =97440.897440.80.011t x e
b ??????→=?
=?得到指数方程
（t=1,2...） (5) 50.18955
a =475.8475.80.189t x e
b ??????→=?
=?得到指数方程
（t=1,2...） (6) 最后，先将2010年到2014年的序号33、34、35、36、37依次分别代入(2)、(3)、
(4)、(5)、(6)得到后五年的各个因素的值（见表一）。
表一 后五年的各个因素的值 年份 国民收入（亿元） 工业总产值(亿元) 农业总产值（亿
元）
总人口
（万人）
固定资产投资（亿元）
2010 376624 177900 41439
138552 201390
2011 511448 242553 52051 141634 293901 2012 596003 283219 58336 143200 355044 2013 694538 330703 65380 144784 428908 2014 809362 386148 73275 146386 518138
再将表二中的数据代入（1）式，得出后五年的财政收入如表二：
表二 2010-2014年财政收入
年份
2010 2011 2012
2013 2014 财政收入（亿元） 85189
102274 122759 147314 176742 误差分析==》格式没有处理好！
用（2）（3）（4）（5）（6）式得出不同影响因素的预测值，然后与其真实值比较求的相对误差如表（见附录M ）,由表可知，大部分相对误差不超过1%，且最大误差不超过3%，说明不同影响财政收入的因素与时间的关系拟合较好。
将1978-2009年的各个因素的值带入（1）式得到一组模型求解所得值与真实值的比较得出两者的相对误差（如表三） 表三 真实财政收入与模型求解所得值的误差
年份 真实财政
收入（亿元）
模型求解所得值（亿元） 相对误差（%） 年份 真实财政收入（亿元）
模型求解所得值（亿元）
相对误差
（%） 1978 1132 1252 9.58 1994 5218 6008 13.15 1979 1146 1189 3.62 1995 6242 6358 1.82 1980 1160 1186 2.19 1996 7408 7124 -3.99 1981 1176 1260 6.67 1997 8651 8422 -2.72 1982 1212 1293 6.26 1998 9876 10018 1.42 1983 1367 1332 -2.63 1999 11444 11374 -0.62 1984 1643 1469 -11.84 2000 13395 13246 -1.12 1985 2005 1773 -13.09 2001 16386 15401 -6.40 1986 2122 1929 -10.01 2002 18904 18171 -4.03 1987 2199 2098 -4.81 2003 21715 22029 1.43 1988 2357 2736 13.85 2004 26396 26087 -1.18 1989 2665 2452 -8.69 2005 31649 31920 0.85 1990 2937 2399 -22.43 2006 38760 38535 -0.58 1991 3149 2941 -7.07 2007 51322 47943 -7.05 1992 3483 3787 8.03 2008 61330 57808 -6.09 1993 4349
4967 12.44 2009 68477 70956
3.49
由表可知误差百分比最大为-22.43%，且误差在10%-20%间的有7年，虽不同影响财
政收入的因素与时间的关系拟合较好，但对财政收入拟合较差，可见回归模型效果不是很好，有待改进。
4.2模型二的建立与求解
首先，通过对附录A 的后五年数据（每个影响财政收入的因素）进行累加处理，做紧邻均值，利用最小二乘法求出发展灰数a 和内生控制灰数u 如下（编程见附录I ）：
0.154173527a u =-??=? （国民收入） 0.13588250
a u =-??=? （工业总产值）
0.12520698a u =-??=? （农业总产值） 0.0051
130451a u =-??
=? （总人口） 0.185
87117
a u =-??
=? （固定资产投资） 其次利用以上得出a ，u 分别求得响应时间式如下：
(1)0.185(0)(1)(1)
?(1)559676470902???(1)(1)()t x
t e x t x t x t ?+=-??+=+-?? （国民收入） (1)0.135(0)(1)(1)
?(1)741068653703???(1)(1)()t x
t e x
t x t x t ?+=-??+=+-?? （工业总产值） (1)0.125(0)(1)(1)
?(1)188004165584???(1)(1)()t x t e x t x t x t ?+=-?
?+=+-?? （农业总产值） (1)0.0051(0)(1)(1)
?(1)2570938325578627???(1)(1)()t x t e x
t x t x t ?+=-?
?+=+-?? （总人口） (1)0.185(0)(1)(1)
?(1)559676470902???(1)(1)()t x
t e x
t x t x t ?+=-??+=+-?? （固定资产投资） 最后，利用响应时间式分别求出2010-2014年国民收入，工业总产值，农业总产值，
总人口，固定资产投资的预测值，具体数值如下表四：
表四 2010-2014年各因素及财政收入预测值
年份 国民收入（亿元）
工业总产值（亿元） 农业总产值（亿元）
总人口（万人）
固定资产投资（亿元） 财政收入（亿元）
2010 404174 183702 41165 134159 237917 858280 2011 471483 210232 46624 134845 286161 104340 2012 550001 240593 52807 135534 344188 126673 2013 641595 275339 59810 136226 413982 153602 2014
748442
315103
67742
136922
497928
186041
误差分析：
根据4.2模型中的响应时间式求得2005-2009年预测值，与其真实值进行比较求的得相对误差如下表：
—
年份 2005 2006 2007 2008 2009 国民收入（亿元）
真实值 184089 213132 259259 302853 343464 预测值 184089 218263 254611 297012 346475 相对误差 0 0.024074 -0.01793 -0.01929 0.008767 工业总产值（亿元）
真实值 87365 103162 124799 146183 156958 预测值 87365 107097 122563 140264 160520 相对误差 0 0.038144 -0.01792 -0.04049 0.022694 农业总产值（亿元）
真实值 22420 24040 28627 34000 35226 预测值 22420 25015 28332 32089 36345 相对误差 0 0.040557 -0.0103 -0.05621 0.031766 总人口 （万人）
真实值
130756
131448 132129 132802 133474
预测值 130756 131445 132124 132799 133477 相对误差 0 -2.3E-05 -3.8E-05 -2.3E-05 2.25E-05 固定资产投资（亿
元）
真实值 88774 109998 137324 172828 194138 预测值 88774 113680 136731 164458 197806 相对误差 0 0.033473 -0.00432 -0.04843 0.018894
由表可知误差百分比最大为5.621%，且只有一个，其余都小于5%，可见灰色预测效果较好。
4.3模型三的建立与求解
我国的国民收入、工业总产值、农业总产值、总人口、固定资产投资在起初增长慢，随着经济的发展增长加快，进入发达国家后其增长缓慢，渐渐趋于平缓，其过程类似S 型增长曲线，下面我们对国民收入1x 与时间t 进行S 型曲线拟合，其余同理可得： 由S 型增长曲线进行配合得：11a bt
k
x e
+=+ （4.1） 两边同时取对数，线性化得：
t 11
1t ln(1)x x a b k k
e a b ++=?+=- （4.2） 并令)1ln(
1
-=x k
Y 4.2式中含有,,a b k 三个未知数，需从数据表中取出三组等距的点代入4.2式（取始点、中间两点平均数、末点）：（1,3645），（16.5,41684.5），（32,343464）得三元方程组：
3645a+b ln()364541684.516.5ln(
)41684.534346432ln()343464k k a b k a b -?
=??
-?
+=??
-?
+=??
解这个三元一次方程组，消去a,b 得：
22021102()()()N N k N N k N k N -=-- 其中0123645,41684.5,343464N N N ===
因此得出关于k 的式子为：
110201*********
220210210(2())(2())k N N N N N N N N N N N N N k N N N N N N =??
-+-+?==?--? 将012566,4338,32074N N N ===代入2k 即为求出的k 值
61.02695810k =? 之后将求出的k 值代入1
k
ln(1)x Y =-（1x 指1978~2009年的国民收入）
2
2
()t Y
tY n b t t
n
-=
-
∑∑∑∑∑其中32n =，a Y tb =-
将上述数据关系式利用MALAB 编程（见附录J ）即可求得 5.9737
0.1626a b =??=-?
将,,a b k 的值代入4.1式可得S 型曲线为：
同理可得： 6
1 5.97370.16261.026958101t x e -?=+ （国民收入与时间的关系）
t
e
x 1648.0016.65
211073033.4-+?= （工业总产值与时间的关系） t e x 137.01349.44
31108362.5-+?=
（农业总产值与时间的关系） t
e
x 0538.05258.05
41104796.1--+?= （总人口与时间的关系） t
e
x 2064.0725.65
5110412.3-+?= （固定资产值与时间的关系）
将54321,,,,x x x x x 带入问题一所求的回归方程：
123450.34940.44310.63220.01330.2112y x x x x x =--++ （4.3）
令t 分别等于33,34,35,36,37（代表2010-2014年），带入（4.3）求出2010-2014年的财政收入（程序见附录k ）
2010-2014年财政收入
年份 2010 2011
2012 2013 2014 财政收入（亿元） 70844
78906
87067
95206
103211
画出国民收入y 与时间t 的图形如下（见附录L ）
10
20
30
40
50
60
70
8090
10000.20.40.60.811.21.41.61.82x 10
5
X: 71
Y: 1.858e+005
t/年份
财政收入（亿元）
由图可知当71t >时，财政收入不在随时间的增加而增加，稳定在510858.1?亿元处， 由此知我国在39年后的2048年步入发达国家行列，届时我国的各项因素值与财政收入值如表：
年份 国民收入（亿
元）
工业总产值（亿元） 农业总产值（亿元） 总人口（万人） 固定资产投资（亿元） 财政收入（亿元） 2048 1023074
471431
58146
146071
341079 185800
误差分析：
国民收入，工业总产值，农业总产值，总人口，固定资产投资，财政收入以及其预测值和相对误差如表：
年份 财政收入 预测财政收入 绝对误差 相对误差（%） 年份 财政收入 预测财政收入 绝对误差 相对误差（%） 1978 1132 1274.6 142.63 12.6 1994
5218 4907.3 -194.07 -5.9 1979 1146 1303.6 157.63 13.7 1995 6242 5837.9 -310.67 -6.4 1980 1160 1337.4 177.39 15.2 1996 7408 6982.8 -404.12 -5.7 1981 1176 1377.7 201.67 17.1 1997 8651 8383.6 -425.16 -3.1 1982 1212 1426.7 214.72 17.7 1998 9876 10087 -267.39 2.1 1983 1367 1487.4 120.36 8.8 1999 11444 12143 210.62 6.1 1984 1643 1563.2 -79.838 -4.8 2000 13395 14606 698.79 9.0 1985 2005 1658.6 -346.42 -17.2 2001 16386 17533 1211.3 7.0 1986 2122 1779.2 -342.82 -16.1 2002 18904 20977 1146.9 10.9 1987 2199 1931.8 -267.18 -12.1 2003 21715 24987 2072.6 15.1 1988 2357 2125 -231.97 -9.8 2004 26396 29603 3271.8 12.1 1989 2665 2369.2 -295.78 -11.1 2005 31649 34851 3207.1 10.1 1990 2937 2677.2 -259.84 -8.8 2006 38760 40736 3201.7 5.1 1991 3149 3064.3 -84.656 -2.6 2007 51322 47241 1975.7 -7.9 1992 3483 3549.5 66.469 1.9 2008 61330 54323 -4081.1 -11.4 1993 4349
4154.9
142.63 -4.4
2009
68477 61913
-7007.0 -9.5
由表可知最大的相对误差为17.7%，且相对误差在5%-10%的较多，由此可见阻滞模型拟合效果较差。
4.4模型四的建立与求解
由问题一误差分析中表三知：回归模型中误差百分比最大为-22.43%，且误差在10%-20%间的有7年，误差波动较大，可见回归模型效果不是很好，有待改进。
由问题二误差分析表格可知误差百分比最大为5.621%，且只有一个，其余都小于5%，误差波动平缓，可见灰色预测效果较好，
由问题三误差分析，最大相对误差为17.7%，且相对误差在5%-10%的较多，误差波动较大，可见阻滞增长模型预测效果较差。
综上所知，对财政收入采用灰色预测效果较好。 4.4自改：模型四的建立与求解 由模型一求得的
5模型的评价与推广
5.1模型的评价
优点
1.建立的模型能与实际紧密联系，并结合实际情况对所提出的问题进行求解，使模型更贴近实际，通用性、推广性较强。
2.模型中数据的不确定影响因素有很多，因此使用灰色预测法、回归分析、人口阻滞模型三种方法求解目标数值，并经过比较选出最为准确的一种方法，使得所得数值更具有准确性和说服力。
3.数据来源据来自权威网站的公开数据，可信度很高。并且数据的处理利用了计算机数学软件，严格地对模型求解，具有科学性。
4.采用的数学模型有成熟的理论基础，具有很强的可靠性。
缺点
1.一些数据中，我们对数据进行了必要的处理，如取整数据、舍弃数据等，这些方法会带来一定误差。
2.社会中的随机性因素较多，使得该模型不能将其准确地反映出来
5.2模型的推广
本文建立的四个模型最终解决了由多个因素决定的财政收入问题，采用了多因素分层次解决问题的方法。因此，本模型还可应用与其他类似的由多因素决定单变量的确定问题，如：工程预算、人口预测、国民生产总值的预测、城市最低生活保障金的确定等，尤其对费率的粗略估算与预测方面的问题，更是简便易行，效果明显。
6参考文献
[1] 姜启源谢金星叶俊主编《数学模型》（第三版）高等教育出版社2003.2
[2] 孙祥徐流美吴清编著《MATLAB7.0基础教程》清华大学出版社2005.5
[3] 吴建国主编《数学建模案例精编》中国水利水电出版社2005.5
[4] 钱小军主编《数量方法》高等教育出版社1999.8
[5] 吴振奎王全文主编《运筹学》中国人民大学出版社2006.2
7附录
附录A
1978-2009年的原始数据
年份国民收入
（亿元）工业总产
值(亿元)
农业总产
值（亿元）
总人口
（万人）
固定资产
投资（亿
元）
财政收入(亿元)
1978 3645 1745 1026 96259 550 1132 1979 4063 1914 1270 97542 564 1146 1980 4546 2192 1372 98705 568 1160 1981 4890 2256 1560 100072 961 1176 1982 5331 2383 1777 101654 1200 1212 1983 5986 2646 1978 103008 1369 1367 1984 7244 3106 2316 104357 1833 1643 1985 9041 3867 2564 105851 2543 2005 1986 10274 4493 2789 107507 3121 2122 1987 12051 5252 3233 109300 3792 2199 1988 15037 6587 3865 111026 4754 2357 1989 17001 7278 4266 112704 4410 2665 1990 18718 7717 5062 114333 4517 2937 1991 21826 9102 5342 115823 5595 3149 1992 26937 11700 5867 117171 8080 3483 1993 35260 16454 6964 118517 13072 4349
1994 48109 22445 9573 119850 17042 5218
1995 59811 28680 12136 121121 20019 6242
1996 70143 33835 14015 122389 22914 7408
1997 78061 37543 14442 123626 24941 8651
1998 83024 39004 14818 124761 28406 9876
1999 88479 41034 14770 125786 29855 11444
2000 98001 45556 14945 126743 32918 13395
2001 108068. 49512 15781 127627 37214 16386
2002 119096 53897 16537 128453 43500 18904
2003 135174 62436 17382 129227 55567 21715
2004 159587 73904 21413 129988 70477 26396
2005 184089 87365 22420 130756 88774 31649
2006 213132 103162 24040 131448 109998 38760
2007 259259 124799 28627 132129 137324 51322
2008 302853 146183 34000 132802 172828 61330
2009 343464 156******** 133474 194138 68477
附录B
function cc()
x=[3645 1745 1026 96259 550 1132
4063 1914 1270 97542 564 1146
4546 2192 1372 98705 568 1160
4890 2256 1560 100072 961 1176
5331 2383 1777 101654 1200 1212
5986 2646 1978 103008 1369 1367
7244 3106 2316 104357 1833 1643
9041 3867 2564 105851 2543 2005
10274 4493 2789 107507 3121 2122
12051 5252 3233 109300 3792 2199
15037 6587 3865 111026 4754 2357
17001 7278 4266 112704 4410 2665
18718 7717 5062 114333 4517 2937
21826 9102 5342 115823 5595 3149
26937 11700 5867 117171 8080 3483
35260 16454 6964 118517 13072 4349
48109 22445 9573 119850 17042 5218
59811 28680 12136 121121 20019 6242
70143 33835 14015 122389 22914 7408
78061 37543 14442 123626 24941 8651
83024 39004 14818 124761 28406 9876
88479 41034 14770 125786 29855 11444
98001 45556 14945 126743 32918 13395
108068. 49512 15781 127627 37214 16386
119096 53897 16537 128453 43500 18904
135174 62436 17382 129227 55567 21715
159587 73904 21413 129988 70477 26396
184089 87365 22420 130756 88774 31649
213132 103162 24040 131448 109998 38760
259259 124799 28627 132129 137324 51322
302853 146183 34000 132802 172828 61330
343464 156958 35226 133474 194138 68477
];%1978-2009年国民收入、工业总产值、农业总产值、总人口、固定资产投资、财政收入的原始数据y=x(:,6);%1978-2009年的财政收入
X1=[ones(32,1),x(:,1)];
X2=[ones(32,1),x(:,2)];
X3=[ones(32,1),x(:,3)];
X4=[ones(32,1),x(:,4)];
X5=[ones(32,1),x(:,5)]; %各个因素列向量前加全1列
[b1,bint,r1,rint1,stats1]=regress(y,X1);
[b2,bint,r2,rint2,stats2]=regress(y,X2);
[b3,bint,r3,rint3,stats3]=regress(y,X3);
[b4,bint,r4,rint4,stats4]=regress(y,X4);
[b5,bint,r5,rint5,stats5]=regress(y,X5);%各个因素与财政收入的线性拟合subplot(1,5,1);
rcoplot(r1,rint1);
subplot(1,5,2);
rcoplot(r2,rint2);
subplot(1,5,3);
rcoplot(r3,rint3);
subplot(1,5,4);
rcoplot(r4,rint4);
subplot(1,5,5);
rcoplot(r5,rint5);%各个因素与财政收入的残差图
附录C
%财政收入y与各个因素的散点图
function yx()
x=[3645 1745 1026 96259 550 1132
4063 1914 1270 97542 564 1146
4546 2192 1372 98705 568 1160
4890 2256 1560 100072 961 1176
5331 2383 1777 101654 1200 1212
5986 2646 1978 103008 1369 1367
7244 3106 2316 104357 1833 1643
9041 3867 2564 105851 2543 2005
10274 4493 2789 107507 3121 2122
12051 5252 3233 109300 3792 2199
15037 6587 3865 111026 4754 2357
17001 7278 4266 112704 4410 2665
18718 7717 5062 114333 4517 2937
21826 9102 5342 115823 5595 3149
26937 11700 5867 117171 8080 3483
35260 16454 6964 118517 13072 4349
48109 22445 9573 119850 17042 5218
59811 28680 12136 121121 20019 6242
70143 33835 14015 122389 22914 7408
78061 37543 14442 123626 24941 8651
83024 39004 14818 124761 28406 9876
88479 41034 14770 125786 29855 11444
98001 45556 14945 126743 32918 13395
108068. 49512 15781 127627 37214 16386
119096 53897 16537 128453 43500 18904
135174 62436 17382 129227 55567 21715
159587 73904 21413 129988 70477 26396
184089 87365 22420 130756 88774 31649
213132 103162 24040 131448 109998 38760
259259 124799 28627 132129 137324 51322
302853 146183 34000 132802 172828 61330 343464 156958 35226 133474 194138 68477 ];
y=x(:,6);
subplot(1,5,1);
plot(x(:,1),y,'*');
xlabel('财政收入');
ylabel('国民收入');
subplot(1,5,2);
plot(x(:,2),y,'*');
xlabel('财政收入');
ylabel('工业总产值');
subplot(1,5,3);
plot(x(:,3),y,'*');
xlabel('财政收入');
ylabel('农业总产值');
subplot(1,5,4);
plot(x(:,4),y,'*');
xlabel('财政收入');
ylabel('总人口');
subplot(1,5,5);
plot(x(:,5),y,'*');
xlabel('财政收入');
ylabel('固定资产投资');
附录D
function xx()
t=[1:32];
x=[3645 1745 1026 96259 550 1132 4063 1914 1270 97542 564 1146 4546 2192 1372 98705 568 1160 4890 2256 1560 100072 961 1176 5331 2383 1777 101654 1200 1212 5986 2646 1978 103008 1369 1367 7244 3106 2316 104357 1833 1643 9041 3867 2564 105851 2543 2005 10274 4493 2789 107507 3121 2122 12051 5252 3233 109300 3792 2199 15037 6587 3865 111026 4754 2357 17001 7278 4266 112704 4410 2665 18718 7717 5062 114333 4517 2937 21826 9102 5342 115823 5595 3149 26937 11700 5867 117171 8080 3483 35260 16454 6964 118517 13072 4349 48109 22445 9573 119850 17042 5218 59811 28680 12136 121121 20019 6242 70143 33835 14015 122389 22914 7408 78061 37543 14442 123626 24941 8651 83024 39004 14818 124761 28406 9876 88479 41034 14770 125786 29855 11444 98001 45556 14945 126743 32918 13395 108068. 49512 15781 127627 37214 16386 119096 53897 16537 128453 43500 18904
135174 62436 17382 129227 55567 21715
159587 73904 21413 129988 70477 26396
184089 87365 22420 130756 88774 31649
213132 103162 24040 131448 109998 38760
259259 124799 28627 132129 137324 51322
302853 146183 34000 132802 172828 61330
343464 156958 35226 133474 194138 68477
];
y=x(:,6);
X1=[ones(32,1),x(:,1)];
X2=[ones(32,1),x(:,2)];
X3=[ones(32,1),x(:,3)];
X4=[ones(32,1),x(:,4)];
X5=[ones(32,1),x(:,5)];
[b1,bint,r,rint,stats1]=regress(y,X1)
[b2,bint,r,rint,stats2]=regress(y,X2)
[b3,bint,r,rint,stats3]=regress(y,X3)
[b4,bint,r,rint,stats4]=regress(y,X4)
[b5,bint,r,rint,stats5]=regress(y,X5)
附录E
function nh()
x=[3645 1745 1026 96259 550
4063 1914 1270 97542 564
4546 2192 1372 98705 568
4890 2256 1560 100072 961
5331 2383 1777 101654 1200
5986 2646 1978 103008 1369
7244 3106 2316 104357 1833
9041 3867 2564 105851 2543
10274 4493 2789 107507 3121
12051 5252 3233 109300 3792
15037 6587 3865 111026 4754
17001 7278 4266 112704 4410
18718 7717 5062 114333 4517
21826 9102 5342 115823 5595
26937 11700 5867 117171 8080
35260 16454 6964 118517 13072
48109 22445 9573 119850 17042
59811 28680 12136 121121 20019
70143 33835 14015 122389 22914
78061 37543 14442 123626 24941
83024 39004 14818 124761 28406
88479 41034 14770 125786 29855
98001 45556 14945 126743 32918
135174 62436 17382 129227 55567
159587 73904 21413 129988 70477
184089 87365 22420 130756 88774
213132 103162 24040 131448 109998
];%剔除后的国民收入、工业总产值、农业总产值、总人口、固定资产投资数据
y=[1132;1146;1160;1176;1212;1367;1643;2005;2122;2199;2357;2665;2937;3149;3483;4349;5218;62 42;7408;8651;9876;11444;13395;21715;26396;31649;38760];
%剔除后的财政收入数据
[b,bint,r,rint,stats]=regress(y,x);%财政收入与各个因素的整体线性拟合
b%财政收入与各个因素的数学关系的系数
bint%系数的置信区间
r%残差
rint%残差的置信区间
stats%检验回归模型的统计量，有三个数值：相关系数r2、F值、与F对应的概率p
附录F
%时间t与各个因素的散点图
function hg()
t=[1:32];
x=[3645 1745 1026 96259 550 1132
4063 1914 1270 97542 564 1146
4546 2192 1372 98705 568 1160
4890 2256 1560 100072 961 1176
5331 2383 1777 101654 1200 1212
5986 2646 1978 103008 1369 1367
7244 3106 2316 104357 1833 1643
9041 3867 2564 105851 2543 2005
10274 4493 2789 107507 3121 2122
12051 5252 3233 109300 3792 2199
15037 6587 3865 111026 4754 2357
17001 7278 4266 112704 4410 2665
18718 7717 5062 114333 4517 2937
21826 9102 5342 115823 5595 3149
26937 11700 5867 117171 8080 3483
35260 16454 6964 118517 13072 4349
48109 22445 9573 119850 17042 5218
59811 28680 12136 121121 20019 6242
70143 33835 14015 122389 22914 7408
78061 37543 14442 123626 24941 8651
83024 39004 14818 124761 28406 9876
88479 41034 14770 125786 29855 11444
98001 45556 14945 126743 32918 13395
108068. 49512 15781 127627 37214 16386
119096 53897 16537 128453 43500 18904
135174 62436 17382 129227 55567 21715
159587 73904 21413 129988 70477 26396
184089 87365 22420 130756 88774 31649
213132 103162 24040 131448 109998 38760
259259 124799 28627 132129 137324 51322
302853 146183 34000 132802 172828 61330
343464 156958 35226 133474 194138 68477
];
y=x(:,6);
X1=[ones(32,1),x(:,1)];
X2=[ones(32,1),x(:,2)];
X3=[ones(32,1),x(:,3)];
X4=[ones(32,1),x(:,4)];
X5=[ones(32,1),x(:,5)];
[b1,bint,r,rint,stats1]=regress(y,X1);
[b2,bint,r,rint,stats2]=regress(y,X2);
[b3,bint,r,rint,stats3]=regress(y,X3);
[b4,bint,r,rint,stats4]=regress(y,X4); [b5,bint,r,rint,stats5]=regress(y,X5); subplot(1,5,1);
plot(t,x(:,1),'*');
xlabel('时间');
ylabel('国民收入');
subplot(1,5,2);
plot(t,x(:,2),'*');
xlabel('时间');
ylabel('工业总产值');
subplot(1,5,3);
plot(t,x(:,3),'*');
xlabel('时间');
ylabel('农业总产值');
subplot(1,5,4);
plot(t,x(:,4),'*');
xlabel('时间');
ylabel('总人口');
subplot(1,5,5);
plot(t,x(:,5),'*');
xlabel('时间');
ylabel('固定资产投资');
附录G
function hg()
format long
x=[3645 1745 1026 96259 550 4063 1914 1270 97542 564 4546 2192 1372 98705 568 4890 2256 1560 100072 961 5331 2383 1777 101654 1200 5986 2646 1978 103008 1369 7244 3106 2316 104357 1833 9041 3867 2564 105851 2543 10274 4493 2789 107507 3121 12051 5252 3233 109300 3792 15037 6587 3865 111026 4754 17001 7278 4266 112704 4410 18718 7717 5062 114333 4517 21826 9102 5342 115823 5595 26937 11700 5867 117171 8080 35260 16454 6964 118517 13072 48109 22445 9573 119850 17042 59811 28680 12136 121121 20019 70143 33835 14015 122389 22914 78061 37543 14442 123626 24941 83024 39004 14818 124761 28406 88479 41034 14770 125786 29855 98001 45556 14945 126743 32918 108068. 49512 15781 127627 37214 119096 53897 16537 128453 43500 135174 62436 17382 129227 55567 159587 73904 21413 129988 70477
184089 87365 22420 130756 88774
213132 103162 24040 131448 109998
259259 124799 28627 132129 137324
302853 146183 34000 132802 172828
343464 156958 35226 133474 194138
]';
X1=log(x(1,:));
X2=log(x(2,:));
X3=log(x(3,:));
X4=log(x(4,:));
X5=log(x(5,:));
t=1:32;
[b1,bin,r,rin,stats1]=regress(X1',[ones(32,1),t']);
[b2,bin,r,rin,stats2]=regress(X2',[ones(32,1),t']);
[b3,bin,r,rin,stats3]=regress(X3',[ones(32,1),t']);
[b4,bin,r,rin,stats4]=regress(X4',[ones(32,1),t']);
[b5,bin,r,rin,stats5]=regress(X5',[ones(32,1),t']);
b1,stats1, b2,stats2, b3,stats3, b4,stats4 , b5,stats5
附录H
%指数关系
function xt()
format long
x=[3645 1745 1026 96259 550
4063 1914 1270 97542 564
4546 2192 1372 98705 568
4890 2256 1560 100072 961
5331 2383 1777 101654 1200
5986 2646 1978 103008 1369
7244 3106 2316 104357 1833
9041 3867 2564 105851 2543
10274 4493 2789 107507 3121
12051 5252 3233 109300 3792
15037 6587 3865 111026 4754
17001 7278 4266 112704 4410
18718 7717 5062 114333 4517
21826 9102 5342 115823 5595
26937 11700 5867 117171 8080
35260 16454 6964 118517 13072
48109 22445 9573 119850 17042
59811 28680 12136 121121 20019
70143 33835 14015 122389 22914
78061 37543 14442 123626 24941
83024 39004 14818 124761 28406
88479 41034 14770 125786 29855
98001 45556 14945 126743 32918
108068. 49512 15781 127627 37214
119096 53897 16537 128453 43500
135174 62436 17382 129227 55567
159587 73904 21413 129988 70477
184089 87365 22420 130756 88774
213132 103162 24040 131448 109998
259259 124799 28627 132129 137324
302853 146183 34000 132802 172828
343464 156958 35226 133474 194138
]';
X1=log(x(1,:));
X2=log(x(2,:));
X3=log(x(3,:));
X4=log(x(4,:));
X5=log(x(5,:));
t=1:32;
[b1,bin,r,rin,stats1]=regress(X1',[ones(32,1),t']);
[b2,bin,r,rin,stats2]=regress(X2',[ones(32,1),t']);
[b3,bin,r,rin,stats3]=regress(X3',[ones(32,1),t']);
[b4,bin,r,rin,stats4]=regress(X4',[ones(32,1),t']);
[b5,bin,r,rin,stats5]=regress(X5',[ones(32,1),t']);
b1,stats1, b2,stats2, b3,stats3, b4,stats4 , b5,stats5
附录I
%灰色预测
function f=huise()
format long
x=[184089 87365 22420 130756 88774
213132 103162 24040 131448 109998
259259 124799 28627 132129 137324
302853 146183 34000 132802 172828
343464 156958 35226 133474 194138
];
for p=1:5
x2=x(:,p);
x1=[];
s=0;
k=1;
z=[];
a=[];
for i=1:5
s=s+x2(i);
x1(k)=s;
k=k+1;
end
z(1)=x1(1);
for j=2:5
z(j)=0.5*(x1(j)+x1(j-1));
end
B=[-z(2),1;-z(3),1;-z(4),1;-z(5),1];
x11=x2(1);
x2(1)=[];
Y=x2;
a=inv(B'*B)*B'*Y
for k1=1:10
xk(k1)=(x11-a(2)/a(1))*exp(-a(1)*(k1-1))+a(2)/a(1);
end
xk1(1)=xk(1);
for h=2:10
xk1(h)=xk(h)-xk(h-1);
xk1'
end
附录J
%此编程同时对五个因素进行拟合，并得出1978-2009年的各因素预测值function zuzhi()
format long
x1=[3645 1745 1026 96259 550
4063 1914 1270 97542 564
4546 2192 1372 98705 568
4890 2256 1560 100072 961
5331 2383 1777 101654 1200
5986 2646 1978 103008 1369
7244 3106 2316 104357 1833
9041 3867 2564 105851 2543
10274 4493 2789 107507 3121
12051 5252 3233 109300 3792
15037 6587 3865 111026 4754
17001 7278 4266 112704 4410
18718 7717 5062 114333 4517
21826 9102 5342 115823 5595
26937 11700 5867 117171 8080
35260 16454 6964 118517 13072
48109 22445 9573 119850 17042
59811 28680 12136 121121 20019
70143 33835 14015 122389 22914
78061 37543 14442 123626 24941
83024 39004 14818 124761 28406
88479 41034 14770 125786 29855
98001 45556 14945 126743 32918
108068. 49512 15781 127627 37214
119096 53897 16537 128453 43500
135174 62436 17382 129227 55567
159587 73904 21413 129988 70477
184089 87365 22420 130756 88774
213132 103162 24040 131448 109998
259259 124799 28627 132129 137324
302853 146183 34000 132802 172828
343464 156958 35226 133474 194138
];
for q=1:5
c=x1(:,q);
d=[c(1),(c(16)+c(17))/2,c(32)];
k=d(2)*(2*d(1)*d(3)-d(2)*(d(1)+d(3)))/(d(1)*d(3)-d(2)^2)%求k值Y=[];
k1=1;
for j=1:32
Y(k1)=log((k-c(j))/c(j)); %求Y=ln（k/x1-1）
k1=k1+1;
end
i1=0;
2017年度财政收入预测及分析 （2017年6月13日） 一、元至五月收入完成情况 元至5月，全区地方财政总收入完成83190万元，占年初计划186450万元的44.6%，增长26%；总税收完成70318万元，占年初计划157150万元的44.8%，增长29.5%；一般公共预算收入完成52281万元，占年初计划119500万元的43.8%，增长14%。分部门：国税部门完成17361万元，占年初计划40000万元的43.4%，增长235.1%；地税部门完成23710万元，占年初计划54000万元的43.9%，下降21.4%；财政部门完成11210万元，占年初计划25500万元的44%，增长6.4%。 二、双过半任务分解落实 二季度，全区一般公共预算收入预计完成65742万元，占年初计划119500万元的55%，增长5%。分部门：国税部门完成22000万元，占年初计划40000万元的55%，增长134.8%；地税部门完成27000万元，占年初计划54000万元的50%，下降20.8%；财政部门完成16742万元，占年初计划25500万元的65.7%，下降12.6%。 三、全年收入任务分解落实 一般公共预算收入完成119500万元，占年初计划119500万元的100%，增长12.3%。分部门：国税部门完成40000万元，占年初计划40000万元的100%，增长
42.7%；地税部门完成54000万元，占年初计划54000万元的100%，下降3.2%；财政部门完成25500万元，占年初计划25500万元的100%，增长13.2%。 四、全年增收因素预测 （一）营改增行业税收增长。一是政策影响，改征增值税链接对税收管控要求严格，行业税负不增但行业规模总额增大，导致税收增长；二是地方项目投资聚集在春节结算开票，导致税收增长。 （二）投资项目促进税收增长。为促进经济发展，我区加快了项目建设步伐，2017年将启动葛洲坝遗址公园、老干部活动中心、泉水大道（西段）、新台东路、5个城乡农贸市场改造、集镇道路、亮化工程及国土综合治理项目等基础设施及工程项目建设，以此增加我区建安营业税及附加税。 （三）汇算清缴成效显著。今年，国税部门及早布署企业所得税汇算清缴工作。一是加大政策宣传。利用国税微信公众平台，QQ群持续宣传小微企业、固定资产加速折旧扩围政策，研发费用加计扣除、股权激励和技术入股等新政，让纳税人及早晓政策，及早备案减免税事项。二是加大培训力度。通过发放资料、集中授课、上门辅导等形式进行汇缴培训，提高汇算申报质量。三是开展汇算清缴分析。国地税部门联合开展了汇算清缴深度分析，加强对重点行业重点项目税收征管，确保应收尽收。 五、存在的主要问题 （一）消化历史包袱沉重。东宝区税收一直处于高位运行
财政学 第一章 1.财政的本义：政府收支及其治理 2.财政活动的最终目标是社会福利最大化 3.政府与市场的关系：市场在资源配置中七决定性作用，政府起主导作用 4.市场失灵及其表现： ①市场垄断②信息不充分不对称 ③外部效应和公共物品④收入分配不公 ⑤经济波动 5.政府干预失效及其表现： ①政府决策失效②寻租行为 ③政府提供信息不及时甚至失真④政府越位和缺位 6.论财政的四种职能 ①资源配置职能 ②收入分配职能 ③经济稳定与发展职能 ④保障社会和谐稳定与实现国家长治久安的职能 第二章 1.财政支出分类 （1）按功能分类：①类：综合反映政府职能活动 ②款：完成政府某项活动的一方面
③项：反映完成某一方面工作所发生的具体事项 （2）按经济分类：①经常性支出②资本性支出③经贷款（3）按与经济活动关系分类： ①购买新支出 ②转移性支出 2.公共物品的提供方式 （1）纯公共物品的提供方式 由政府来提供，而不能由市场来提供 （2）准公共物品的提供方式 政府提供或者市场提供方式，也可以混合提供 3.准公共物品的提供方式 政府提供或者市场提供方式，也可以混合提供 4.财政支出效益分析方法 ①成本效益分析方法 ②最低成本法 第三章 1.财政支出规模：财政对GDP的实际使用和支配的规模 2.瓦格纳法则 随着人均收入的提高，财政支出占GDP的比重也相应的提高。 3.影响财政支出规模的宏观经济因素分析 ①经济因素：经济发展水平、经济体制、经济政策、发展战略 ②政治因素：政局、政体结构、政策干预
③社会因素：人口、就业、医疗、社会救济等等 4.财政支出理论中的经济发展阶段论 ①社会早期，政府投资多，社会发展之后，私人投资增多 ②经济发展中，政府投资数量递增，但占GDP的比重趋于下降 5.阐述我国当前优化财政支出结构应采取的政策和措施 基本依据和方针：全面贯彻落实科学发展观 ①促进社会民生事业建设与经济协调发展 ②突出重点，统筹兼顾 ③大力推进社会参与 第四章 1.行政管理与国防支出的基本属性 是一种资本性支出，和资本性的投资支出同属于购买性的支出 2.教育支出的属性及其提供方式 属性：经常性支出、购买性支出 提供方式：义务教育由政府提供；高层次教育由私人提供或者收费 3.政府介入医疗卫生事业的理由 ①减少贫困是介入的最基本的理由 ②许多医疗物品是公共物品，作用具有外部性 ③疾病的不确定性和保险市场的缺陷 4.国家的科技投入和激励政策 ①完善科技投入机制：建立多元投入体系，增加科研投入 ②税收激励：加大企业自主创新的所得税税前的抵扣机制等等
分析财政收入的影响因素 财政收入是政府实施宏观调控的主要手段，可以有效地调节资源配置，从而促进国家经济的发展，提高人们的生活水平。改革开放以来，随着经济体制的深化和经济的快速增长，我国的财政收入发生了很大的变化，从1989年的2664.9亿元到2008年的61330.35亿元，20年平均每年增长了16.98%。为了研究影响中国财政收入增长的主要原因，分析财政收入的增长规律，预测中国财政收入未来的增长趋势，我们需要建立计量经济模型。 影响财政收入增长的因素有很多，主要有：财政支出、居民可支配收入、社会消费品零售总额、进出口总额、年底就业人数。 一、模型的建立 本模型主要反映的是财政收入与各影响因素的关系。在这里，我们选择“财政收入”作为被解释变量；选择“财政支出”、“城镇居民家庭人均可支配收入”、“农村居民家庭人均可支配收入”、“社会消费品零售总额”、“年底就业人数”、“进出口总额”为模型的解释变量。 从《中国统计年鉴》中收集到以下数据。 年份财政收 入 （亿元） 财政支 出 （亿元） 城镇居民 家庭人均 可支配收 入（元） 农村居民 家庭人均 可支配收 入（元） 社会消费 品零售总 额 (亿元) 年底就 业 人员数 （万人） 进出口总 额 （亿元） 1989 2664.90 2823.78 1260.70 601.50 7074.20 55329 1116.00 1990 2937.10 3083.59 1510.20 686.30 7250.30 64749 5560.10 1991 3149.48 3386.62 1700.60 708.60 8245.70 65491 7225.80 1992 3483.37 3742.20 2026.60 784.00 9704.80 66152 9119.60 1993 4348.95 4642.30 2577.40 921.60 12462.10 66808 11271.00 1994 5218.10 5792.62 3496.20 1221.00 16264.70 67455 20381.90 1995 6242.20 6823.72 4283.00 1577.70 20620.00 68065 23499.90 1996 7407.99 7937.55 4838.90 1926.10 24774.10 68950 24133.80 1997 8651.14 9233.56 5160.30 2090.1 27298.90 69820 26967.20 1998 9875.95 10798.18 5425.10 2162.00 29152.50 70637 26849.70 1999 11444.08 13187.67 5854.02 2210.30 31134.70 71394 29896.20 2000 13395.23 15886.50 6280.00 2253.40 34152.60 72085 39273.20 2001 16386.04 18902.58 6859.60 2366.40 37595.20 73025 42183.60 2002 18903.64 22053.15 7702.80 2475.60 42027.10 73740 51378.20 2003 21715.25 24649.95 8472.20 2622.20 45842.00 74432 70483.50
影响财政收入的主要因素 摘要： 财政收入是一国政府实现政府职能的基本保障，主要有资源配置、收入再分配和宏观经济调控三大职能。财政收入的增长情况关系着一个国家经济的发展和社会的进步。我国财政收入主要受国民经济发展、预算外资金收入、税收收入等因素的影响。本文针对我国财政收入影响因素建立了计量经济模型，并利用E-views软件对收集到的数据进行相关回归分析，排除简单多元回归模型存在的严重多重共线性等问题，建立财政收入影响因素更精确的模型，分析了影响财政收入主要因素及其影响程度，预测我国财政收入增长趋势。
一问题的提出 据《中国之声》报道，2010年中国税收收入预计将达到7.7万亿元，加上非税收入，今年财政收入走入“8万亿”时代已成定局。而一旦实现了这个数字，中国将紧随美国之后成为全球第二大财政收入经济体。中国仅用了3年的时间就超越日本，坐上了世界第二的宝座，这一变动将会对全球经济及政治形势产生巨大的影响。 据统计1978～2008年我国财政收入的规模随着经济的不断增长而增长,由1978 年的1132.26亿元到2008年的61330.35亿元,扩大了近50倍。“十一五”期间，中国财政收入从“十五”末年的3万亿元起步，以年均1万亿元的幅度增长，年度增速数倍于同期GDP。 同时，“中国税负是否过高”引发了全民关注。 为了研究影响中国财政收入增长的主要原因，分析中央财政收入对税收收入的依赖程度，预测中国财政收入未来的增长趋势，需要建立计量经济学模型。 影响中国财政收入增长的因素很多，但据分析主要的因素有： ①经济发展水平。经济发展水平的影响是基础性的。经济发展水平与财政收入是根与叶、源与流的关系。 ②预算外资金收入。预算外收入是指不通过国家预算管理的财政收入。数据显示，1978年，全国预算外收入为347亿元，相当于当年预算内收入的30.6%；而2006年的全国预算外收入总量，已与3.9万亿元的国家财政收入不相上下。预算外收入已成为影响中国财政收入不可或缺的因素。 ③税收收入。税收是社会主义国家参与国民收入分配最主要、最规范的形式,筹集财政收入稳定可靠。中国的税收收入已占到财政收入的95%左右，是财政收入最主要的来源。 ④能源消费总量。未来十年中国能源消费总量将达48亿-53亿吨煤，等于在现有基础上再增加近20亿吨，而从供应端来说，这几乎是不可能的。从能源的角度考虑，中国也必须叫停大量耗费能源的“世界加工厂”模式，这必然对中国经济造成冲击，而由此带来的财政收入的变化问题也值得我们思考。 综上所诉，我们可以从以上几个方面，分析各种因素对中国财政税收增长的具体影响。 二、模型设定 研究财政收入的影响需要考虑以下几个方面： 1、变量的选择 研究财政收入的影响因素离不开一些基本的经济变量。大多数相关的研究文献中都把总税收、国内生产总值这两个指标作为影响财政收入的基本因素,还有一些文献中也提出了其他一些变量,
关于我国财政收入的时间序列分析 摘要：本文以1978年至 2013年我国的财政收入为原始数据，运用EViews软件，在时间序列分析的基础上，对数据进行平稳化、零均值化处理，建立了ARIMA 模型，并对2014年我国的财政收入进行预测，对未来的经济发展趋势做出综合评估。 关键词：财政收入、时间序列分析、ARIMA模型 一、引言 财政收入指国家财政参与社会产品分配所取得的收入，是实现国家职能的财力保证。主要包括：（1）各项税收，如国内增值税、国内消费税、进口货物增值税和消费税、出口货物退增值税和消费税、营业税、企业所得税、个人所得税、资源税、城市维护建设税、房产税、印花税、城镇土地使用税、土地增值税、车船税、船舶吨税、车辆购置税、关税、耕地占用税、契税、烟叶税等。（2）非税收入：包括专项收入、行政事业性收费、罚没收入和其他收入。财政收入按现行分税制财政体制划分为中央本级收入和地方本级收入。财政收入是衡量一国政府财力的重要指标，是财政支出的前提，也是实现国家的职能的财力保证，政府在社会经济活动中提供公共物品和服务的范围和数量，在很大程度上决定于财政收入的充裕状况。 时间序列是一种动态数据处理的统计方法，指同一种现象在不同时间上的相继观察值排列而成的一组数字序列。本文基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，根据国家统计局最新公布的1978年至 2013年我国的财政收入数据为原始
资料并对数据进行平稳化、零均值化处理，以时间序列的自相关函数和偏相关函数为工具，对原始数据的特性进行了分析，建立ARIMA 模型，并对2014年我国的财政收入进行预测，对未来的经济发展趋势做出综合评估。 二、数据处理 表1为我国1978年至2013年财政收入数据，共36个观测，记作序列y。 年份财政收入年份财政收入年份财政收入1978 1132.26 1990 2937.1 2002 18903.64 1979 1146.38 1991 3149.48 2003 21715.25 1980 1159.93 1992 3483.37 2004 26396.47 1981 1175.79 1993 4348.95 2005 31649.29 1982 1212.33 1994 5218.1 2006 38760.2 1983 1366.95 1995 6242.2 2007 51321.78 1984 1642.86 1996 7407.99 2008 61330.35 1985 2004.82 1997 8651.14 2009 68518.3 1986 2122.01 1998 9875.95 2010 83101.51 1987 2199.35 1999 11444.08 2011 103874.43 1988 2357.24 2000 13395.23 2012 117253.52 1989 2664.9 2001 16386.04 2013 129142.9 表1 中国1978年至2013年财政收入数据单位：亿元 运行EViews软件，绘制该序列的折线图，如图 1 所示。从折线图可以看出，该序列有明显的增长趋势,且各观测值并没有围绕其均值上下波动，所以此序列为非平稳性序列，需要通过差分使其平稳化。
数学建模第六次作业 财政收入预测问题：财政收入与国民收入、工业总产值、农业总产值、总人口、就业人口、固定资产投资等因素有关。下表列出了1952-1981年的原始数据，试构造预测模型。
解： 一、问题假设： 财政收入只与题目中提到的6个因素相关。 二、符号说明： 财政收入：y；
国民收入：x1； 工业总产值：x2； 农业总产值：x3； 总人口：x4； 就业人口：x5； 固定资产投资：x6； 回归系数：β0、β1、β2、β3、β4、β5、β6； 随即误差：ε。 三、问题分析、模型建立： 1、由表格中的数据关系得出y与6因素具有以下关系：y=β0+β1x1+β2x2+β3x3+β4x4+β5x5+β6x6+ε. 2、将表格中数据存入Excel中：book1.xls。 在Matlab中运行为： >> A=xlsread('book1.xls'); >> x=[ones(30,1) A(:,2:7)]; >> y=A(:,8);
>> [b,bint,r,rint,starts]=regress(y,x) b = 159.1440 0.4585 -0.0112 -0.5125 0.0008 -0.0028 0.3165 bint = -118.6528 436.9407 0.1781 0.7389 -0.0601 0.0376 -0.9115 -0.1136 -0.0035 0.0051 -0.0058 0.0003
-0.0746 0.7076 r = -11.8891 20.4348 3.4696 15.7104 -10.6809 16.4186 -13.5604 -34.7243 -1.1746 -25.5999 2.0632 16.1006 24.1192 12.9971
财政收入预测问题 摘 要 本文通过对1978年到2009年财政收入进行回归分析，运用灰色预测构造模型对后五年进行预测。 首先，结合题目给定的数据利用回归分析和拟合的方法得出国民收入（1x ）、工业总产值（2x ）、农业总产值（3x ）、总人口（4x ）、固定资产投资（5x ）与财政收入y 之间的多元线性回归方程为 543210.3836x 0.3369x 0.2447x - 0.6895x - 0.3337x y ++= 通过检验得到财政收入与实际收入之间的误差随时间的推移控制在1%以内，所得的数据合格，完全可以用于下一步的计算。 其次，根据五因素在一定时期所在的生产力发展水平相对稳定的情况下，依次抽取后10年、后20年，全部数据用灰色预测的方法利用多元回归方程得到后五年财政收入的值。并对模型进行检验，说明所建模型的可靠性较好。同时，对模型进行了评价与推广。 年份 2 2013 2014 预测财政收入 8625 0 最后，模型进行检验，说明所建模型的可靠性较好。同时，对模型进行了评价与推广。 关键词 财政收入 回归拟合 灰色预测 Matlab
1 问题重述 1.1 背景资料 随着经济全球化的到来，各国经济实力不断加强，财政收入已成为衡量一个国家政府财力的重要指标，政府在社会经济活动中提供公共物品和服务的范围和数量，在很大程度上决定于财政收入的充裕状况。为更好地分配国家财政，对下一步经济发展进行合理的规划，就应该了解财政收入。 1.2 基本条件 1 财政收入由国民收入、工业总产值、农业总产值、总人口和固定资产投资等因素决定。 2 从1978-2009年各项原始数据已经给定（见附录A ）。 1.3 提出问题 构造预测模型并由此预测后五年的财政收入。 2 模型假设与符号说明 2.1 模型假设 1 财政收入受多方面因素的影响，波动较大的数据可以进行剔除。 2 模型中为方便计算，把时间1978年到2009年用1，2，3，4，5……来替换； 2.2 符号说明 a ：发展系数； jc Y ：数据向量； jc B ：数据矩阵； b ：灰色作用量； (0) j x ：原始生成序列； jc ∧ ?：待估参数向量； y ：1978-2009每年的财政收入； (1) j z ：累加生成序列的紧邻均值生成序列； (1) j x ：累加生成序列 j=1,2,3,4,5 分别表示国民收入，工业总产值，农业总产值，总 人口，固定资产投资； )5~1(=i x i ：1978-2009每年的国民收入、工业总产值、农业总产值、总人口和固 定资产投资； )5~1(2=i r i ：通过拟合所得出财政收入与国民收入、工业总产值、农业总产值、总 人口和固定资产投资之间的判定系数。 3 问题分析 要预测后五年的财政收入，就必须明确财政收入与各个因素之间的数学关系。由数学知识可知数学关系仅为线性和非线性两种，所以在确立数学关系时必须明确其关系所属的种类。 首先，为方便计算，可以假设财政收入与各个因素之间的关系为线性关系，通过线性拟合分别得到它们之间的判定系数，然后进行分析，若出现判定系数小于高度相关判
一、案例介绍 财政收入是指一个国家政府凭借政府权力按照有关法律法规在一定时期内取得的各种形式收入的总和，包含税收、企事业收入、国家能源交通重点建设基金收入、债务收入、规费收入、罚没收入等。财政收入高低反映一个国家经济实力的重要标志。 在一定时期内，财政收入规模受到许多因素影响。例如国民生产总值的大小，社会从业人员的多少，税收规模大小、税率高低因素等。本案例选择四个变量作为解释变量，分析其对财政收入的影响程度。某地区18年数据资料如下表，请分析其对财政收入的影响，说明拟合效果，并对未来三年进行预测。 表1-1 财政收入及相关因素的原始数据
二、案例分析 1.请分析其对财政收入的影响，说明拟合效果。 以“财政收入”为y变量，“税收”、“国民生产总值”、“其他收入”、“社会从业人数”为x变量做多变量回归统计分析，如表2-1四个变量的回归统计分析数据表所示，由于置信度取95%，即（α=0.05），而“其他收入”、“社会从业人数”两变量的P 值均大于0.05，说明这两个变量与“财政收入”相关度极低，所以四个变量中只有“税收”、“国民生产总值”对“财政收入”有显著影响。 表2-1 四个变量的回归统计分析数据表 回归统计 Multiple R 0.996601 R Square 0.993213 Adjusted R Square 0.991124 标准误差138.7964 观测值18 方差分析 df SS MS F Significance F 回归分析 4 36648178 9162044 475.5934 6.00459E-14 残差13 250437.8 19264.45 总计17 36898615 Coefficients 标准误差t Stat P-value Intercept 767.9963692 241.2594929 3.18327938 0.007195527 税收（亿元）0.054249138 0.013198424 4.110274052 0.001229258 国民生产总值（亿元）0.368077795 0.135285288 2.720752563 0.017487774 其他收入（亿元） 1.103775041 0.627427253 1.759207995 0.102040001 社会从业人数（万人）-0.003664976 0.006835364 -0.536178634 0.60088982 去除相关度极低的“其他收入”、“社会从业人数”两变量重新做多变量回归统计分析（α=0.05），结果如表2-2两个变量的回归统计分析数据表所示，Adjusted R Square 值为0.99说明“税收”、“国民生产总值”对“财政收入”的相关度极高，拟合效果
国家财政收入的影响因素分析 1．研究背景 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，它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。财政收入的增长情况关系着一个国家经济的发展和社会进步。然而，符合我国当前国情的财政政策到底是什么，如何在保证财政收入的基础上制定出利于中国国民的福利制度，是我们所关心并亟待解决的问题。因此，研究分析影响财政收入的因素，对帮助国家做出正确的经济决策提供了有效的理论基础。 随着经济体制改革的深化和经济的快速增长，中国的财政收入状况发生了很大变化，增长十分快速。许多学者为了研究影响全国财政收入增长的主要原因，分析财政收入的增长规律，预测中国财政的增长趋势，通过建立计量经济模型、回归模型等进行过多次研究。影响财政收入水平的因素可能有很多。例如，税收、国内生产总值、社会固定资产投资、农业增加值、工业增加值、总人口数、税收体制、就业、科学教育发展程度等都可能对财政收入有影响。现针对税收收入、国内生产总值、社会固定资产投资、农业增加值、工业增加值、总人口数等因素对我国财政收入做简单分析。 2．多元线性回归模型的基本理论 2.1设置指标变量 回归分析模型主要是揭示事物间相关变量的数量关系。首先要根据所研究问题的目的设置因变量y，然后再选取与y有统计关系的一些变量作为自变量。 2.2收集、整理统计数据 回归模型的建立是基于回归变量的样本统计数据。当确定好回归模型的变量之后，就要对这些变量收集、整理统计数据。数据的收集是建立经济问题回归模型的重要一环，是一项基础性工作，样本数据的质量如何，对回归模型的水平有至关重要的影响。 2.3建立模型的数学形式 当收集到所设置的变量的数据，就要确定适当的数学形式来描述这些变量之
数学建模培训第一阶段测试 一、根据美国人口从1790年到1990年间的人口数据（如下表），确定人口指数增长模型和Logistic 模型中的待定参数，估计出美国2010年的人口，同时画出拟合效果的图形。 表1 美国人口统计数据 提示： 指数增长模型： rt e x t x 0)(= Logistic 模型：()011m rt m x x t x e x -= ??+- ??? （1）、定义指数模型增长函数：程序如下： function f=curvefit_fun(a,t); f=exp(a(1)*t+a(2)); 建立m 文件运行程序： x=1790:10:1980; y=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76.0 92.0... 106.5 123.2 131.7 150.7 179.3 204.0 226.5]; plot(x,y,'*',x,y);
x=1790:10:1980; y=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76.0 92.0... 106.5 123.2 131.7 150.7 179.3 204.0 226.5]; plot(x,y,'*',x,y); a0=[0.001,1]; a=lsqcurvefit('curvefit_fun',a0,x,y); a1=num2str(a) disp(a1); xi=1790:2:2020; yi=curvefit_fun(a,xi); hold on; plot(xi,yi,'r') x1=2010; y1=curvefit_fun(a,x1) hold off
成绩评定表
课程设计（论文）任务书
摘要 现实世界中，经常出现一些变量，他们相互联系相互依存着，他们之间存在着一定的关系，数理统计中研究变量之间的相互关系的一种有效方法是回归分析。对于一元线性相关关系，用线性方程大致描述变量之间的关系，按最小二乘法求位置参数的估计值，最终求得线性回归方程找到变量之间的关系。这些复杂的步骤在spss中可简单实现。 本文通过运用spss线性回归的方法对我国财政收入和国内生产总值的关系进行回归分析，求解线性回归方程，并通过方差分析和相关系数检验进行显著性检验。了解了影响国内生产总值的因素与其实质关系。 本文利用概率纶与数理统计中的所学的回归分析知识，根据1992~2006年财政收入和生产总值的数据建立数学模型，利用这些数据做出国内生产总值x关于财政收入y的线性回归方程，并SPSS软件对验数据进行分析处理，得出线性回归系数与拟合系数等数据，并用F检验法检验了方法的可行性，同时用分布参数置信区间和假设检验问题，得出了国内生产总值x关于财政收入y的线性关系显著，并进行了深入研究，提出了小样本常用分布参数的置信区间与假设检验的解决方法。 关键词：一元线性回归分析;国内生产总值和财政收入;方差分析
目录 一、设计目的 (1) 二、设计问题 (1) 三、设计原理 (1) 四、设计程序 (2) 五、结果分析 (6) 六、设计总结 (9) 致谢 (10) 参考文献 (11)
财政收入和国家生产总值之间的一元线性 回归分析 一、 设计目的 为了更好的了解概率论与数理统计的知识，熟练掌握概率论与数理统计在实际问题上的应用，并将所学的知识结合SPSS 数据处理软件对数据的处理解决实际问题。本设计是利用方差分析等对财政收入和柜内生产总值进行分析，并利用SPSS 数据处理软件进行求解。 二、设计问题 现有1992~2006年财政收入和生产总值（单位：亿元）的数据，如表 所示，请研究财政收入和国内生产总值之间的线性关系。 年份财政收入年份财政收入19923483.37200013395.2319934348.95200116386.0419945218.10200218903.6419956242.20200321715.2519967407.99200426396.4719978651.14200531649.2919989875.952006 38760.20 1999 11444.08 183867.9210871.0 71176.678973.084402.389677.1 99214.6109655.2120332.7135822.8159878.3国内生产总值国内生产总值26923.535333.948197.960793.7由此我们利用这些数据做出国内生产总值x 关于财政收入y 的线性回归方程。 三、设计原理 在实际问题中，经常会出现两个变量之间的相关关系不是线性的（即直线型），而是非线性的（即曲线型）。设其中有两个变量X 与Y ，我们可以用一个确定函数关系式：y=u(x )大致的描述Y 与X 之间的相关关系，函数u(x )称为Y 关于X 的回归函数，方程y=u(x )成为Y 关于X 的回归方程。 一元线性回归处理的是两个变量x 与y 之间的线性关系，可以设想y 的值由两部分构成：一部分由自变量x 的线性影响所致，表示x 的线性函数a+bx ；另一部分则由众多其他因素，包括随机因素的影响所致，这一部分可以视为随机误差项，记为ε。可得一元线性回归模型y=a+bx+ε 。式中，自变量x 是可以控制的随机变量，成为回归变量；固定的未知参数a ，b 成为回归系数；y 称为响应变量或因
财政收入预测模型研究方案 1、研究目标 本研究旨在建立基于公共财政预算、政府性基金预算、国有资本经营预算和社保基金预算四本预算的政府财政收入预测模型。对四本预算的主要细分款项分别进行模拟分析，建立预测函数，从而形成一套较为客观准确的财政收入预测方法，为完善收入预算编制提供参考，为进一步规范预算构成提供数据决策支持。 2、研究内容 本研究拟从公共财政预算入手，从税收收入、非税收入、债务收入和转移性收入四个方面进行分析研究。其中税收收入的模拟计算是本研究的重点，如何分税种的对税收收入进行模拟预测，是本研究第一阶段的主要内容。本研究将探究影响税收收入的主要因素，确定税收影响因素的作用机理和影响程度，建立各税种模拟预测的方法，从分税种的角度系统地构建税收预测模型体系，客观准确地预测政府税收收入，进而再对其他三本预算进行研究。 通过对国内关于税收收入预测的相关论文进行简单文献调研发现，目前存在多种不同的方法对税收收入预测进行研究，并构建了多种预测模型。例如：采用传统的计量经济模型进行预测，将计量经济学和时间序列方法应用到税收收入预测；将线性模型推广到非线性模型，如三次函数模型、指数增长模型等；将比较流行的数理模型运用到税收预测中，如神经网络模型、马尔科夫预测模型、支持向量机模型等。 其中，大部分税收收入预测文献集中于对总税收收入进行预测，而以分税种预测加和后计算总税收收入的相关文献比较少见。由于增值税、消费税、营业税、企业所得税和个人所得税之和占总税收收入比例较大，其比例具有一定的稳定性，因此本研究在对分税种预测的基础上，考虑用分税种加总占总税收收入比例来进行推算预测。首先运用
国家财政收入的影响因素的评价 及预期收入的预测 【摘要】 国家的财政收入与国民收入、工业总产值、农业总产值、总人口、就业人口、固定资产投资等因素有关。首先，我们根据所给数据，对数据进行描述性分析。之后，我们对数据进行了回归分析，构造了预测模型，并获得了模型的回归系数估计值及其置信区间。 然后，考虑到每个回归系数置信区间包含零点与否的情况，我们对模型进行了改进，并得到了其交互式画面。考虑到数据的时间序列属性，我们对模型进行了自相关性诊断，作出残差散点图，初步判定其大部分点落在1,3象限，随机误差表现出正自相关趋势。但在之后 的D-W检验中，我们计算出了DW值，自相关系数估计值 ?，依照样本容量和回归变量数 目，查阅了D-W分布表，得到检验的临界值d L和d U。在分析DW所在区间时，我们发现模型的自相关状态不能确定。 之后，我们代入所给数据1952年-1980年的各项经济指标，得出的预测值与实际值相当吻合。 最后，我们根据网络上查到的数据，利用该模型对1990年和2000年的财政收入作出预测，并对结果进行了分析。 关键词：MATLAB 财政收入回归模型自相关性诊断自相关系数 D-W检验
一、问题重述 国家的财政收入与国民收入、工业总产值、农业总产值、总人口、就业人口、固定资产投资等因素有关，根据所给数据，对数据进行分析，构造预测模型，并利用该模型对1990年和2000年的财政收入作出预测。 二、问题假设 1.财政收入只与问题重述中提到的6个因素有关； 2.所给数据真实准确，无录入错误。 三、符号说明 y：财政收入； x1：国民收入； x2：工业总产值； x3：农业总产值； x4：总人口； x5：就业人口； x6：固定资产投资； β0，β1，β2，β3，β4，β5，β6：回归系数； ε：随机误差。 四、问题分析、模型的建立与求解 1.问题的分析 首先对数据作初步分析。分别作出财政收入与6个因素的散点图，并用Excel自带的回归分析求出了各自自变量对y的R2（决定系数，越接近1则拟合程度越好）：
第4章财政收入预测分析 教案 一、材料清单 （1）《R语言商务数据分析实战》教材。 （2）配套PPT。 （3）引导性提问。 （4）探究性问题。 （5）拓展性问题。 二、教学目标与基本要求 1.教学目标 主要介绍原始数据的相关性分析、特征的选取、构建灰色预测和支持向量回归预测模型、模型的评价四部分内容。在财政收入相关数据的相关性分析中，采用简单相关系数对数据进行了分析；在特征选取中，运用广泛使用的Lasso回归模型；在模型的构建阶段，针对历史数据首先构建了灰色预测模型，对所选特征的2014年与2015年的值进行预测，然后根据所选特征的原始数据与预测值，建立支持向量回归模型，得到财政收入的最终预测值。 2.基本要求 （1）了解财政收入预测的背景知识，分析步骤和流程。 （2）掌握相关性分析方法与应用。 （3）掌握用Lasso模型特征选取方法。 （1）掌握灰色预测和支持向量回归算法的原理与应用。
三、问题 1.引导性提问 引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。 （1）市财政收入的构成是什么？ （2）影响财政收入的相关因素有哪些？ （3）市财政收入预测的意义在哪里？ 2.探究性问题 探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。 （1）相关性分析的使用场景有哪些？ （2）Lasso回归使用场景有哪些？ （3）为何要提取关键特征？ 3.拓展性问题 拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问题。 （1）除了SVR还有很多回归算法，能否使用其他回归算法解决该需求？ （2）国家数据网有很多类似数据，能否预测某个省的财政收入呢？ 四、主要知识点、重点与难点 1.主要知识点
作业三 组员：陈强（02）刘刚（11）李成飞（08）王锐（19）陈一鹏（03）赵海龙（28） 题目：为了研究浙江省财政预算收入与全省生产总值的关系，由浙江省统计年鉴得到如图1的数据。 图1 浙江省财政预算收入与全省生产总值数据
在已知图中数据的情况下，我们将会解决以下问题： （1） 浙江省财政预算收入与全省生产总值的计量经济模型，估计模型的参 数，检验模型的显著性，用规范的形式写出估计检验结果，并解释所估计参数的经济意义。 （2） 如果2011年全省生产总值为32000亿元，比上一年增长9.0%，利用计 量经济模型对浙江省2011年的财政预算收入做出点预测和区间预测。 （3） 建立浙江省财政预算收入对数与全省生产总值对数的计量经济模型，估 计模型的参数，检验模型的显著性，并解释所估计参数的经济意义。 一、模型的设定 为了解决以上问题，选择”浙江省财政预算收入”(单位：亿元)为被解释变量Y;选择“全省生产总值（亿元）”为解释变量X.。在分析了图1浙江省财政预算收入与全省生产总值的数据关系后，运用计算机软件Eviews 去作计量经济分析。 由图1作Y 与X 的相关图 图2 浙江省财政收入与全省生产总值散点图 从散点图可以看出浙江省财政收入伴随全省上产总值的增加而增加，近似于线性，为分析财政收入与全省生产总值的变动的数量规律性，可以考虑建立如下简单线性回归模型： i t X Y μββ++=21t 二、估计参数 假定所建模型及其中的随机扰动项i μ满足各项古典假设，可以用OLS 法估计其参数。Eiews 软件估计参数的方法如下： 打开Eviews ，file →open →Foreign data as wotkfile →数据 按住ctrl 点击t x y →open →as group →quick →Estimata Equation →输入Y C X →ok 。得图3
应用数理统计国家财政收入的回归分析 院（系）名称 专业名称 学生姓名 任课教师 2013年12月
目录 摘要.............................................................................. 错误!未定义书签。符号说明........................................................................ 错误!未定义书签。1引言............................................................................. 错误!未定义书签。2解决问题的方法和计算结果 (3) 2.1 样本数据的选取与整理 (3) 2.2 模型的建立与分析 (4) 2.3 分析结果 (9) 3 结论 (10) 参考文献 (11)
国家财政收入的多元线性回归模型 摘要：本文以多元线性回归为出发点，选取了我国自1990至2011年间的财政收入为因变量，并初步选取了6个影响因素,进一步利用统计软件SPSS 对以上数据进行了筛选，采用多元逐步线性回归的方法，从而找到了能反映财政收入与各因素之间关系的“最优”回归方程： 5 14242.0068.0348.0890.27809X X X Y +++-= 进而得出结论，国家财政收入与建筑业、工业总产值和人口数具有显著地线性关系。 关键词：多元逐步线性回归；财政收入；SPSS 0符号说明 变 量 符号 财政收入（亿元） Y 工业总产值（亿元） X 1 农业总产值（亿元） X 2 受灾面积（万公顷） X 3 建筑业总产值（亿元） X 4 人口总数（万人） X 5 社会商品销售总额（亿元） X 6 1 引言 改革开放以来，我国的国民经济取得了快速发展，经济上的飞速发展并带动了国家财政收入的飞速增加，国家财政的状况对整个社会的发展影响巨大。政府根据国家的财政收入，通过预算安排，用于环境保护、社会保障以及政府行政管理等，从而不断提高人民的生活水平，早日实现中华民族的伟大复兴。因此，为了更好地制订下一年的财政税收政策，研究影响国家财政收入的主要因素是十分必要的。为了研究影响国家财政收入的因素，我们就很有必要对其财政收入和影响财政收入的因素作必要的认识，进而对他们之间的关系作一下回归，从而通过已
所选题目：基于数据挖掘技术的市财政收入分析预测模型
基于数据挖掘技术的广州市财政收入分析 摘要： 地方财政收入的稳定增长对于地区经济的发展具有重要作用。而财政收入是衡量一国政府财力的重要指标，近几年来,政府公共财政在经济和社会发展中扮演的角色越来越重要。如何调整和优化现有的财政支出和规模结构，服务于地方经济建设的发展,一个重要的表现就是地方财政收入的不断增加。地方财政收入的稳定增加,客观上也会不断推动地方经济的进一步发展。 财政支出作为作为一种重要的经济调控手段，其规模大小和使用方向的不同会造成不同的经济效益，而财政支出对于经济的影响近年来一直是当前数据挖掘的热点，因为政府财政支出的热点不仅反映了财政政策的重点，还能够有效引导私人需求，对经济增长和结构升级又都重要意义。随着我国的经济不断发展，我国的财政支出也在不断的扩张，而广州市作为改革开放的前沿城市，具有较强的经济实力，对国家的经济增长提供了极大的贡献，因此，对广州市这样一个模板城市的财政收入和支出分析对于一个城市的发展具有重要的意义，然而不同时期的财政支出对不同时期的经济发展需求不一样，因此，本文根据广州市进年年来的财政数据做了系统的统计与分析，并对其未来所有支出部门做了预测，有助于我国的财政支出更有效的服务于经济发展 关键词：数据挖掘财政支出促进经济
The thesis title Abstract: A brief description of the abstract The stability of the local fiscal revenue growth plays an important role in the development of regional economy. Fiscal revenue is an important index to measure a country's government financial resources, in recent years, the government public finance in the economic and social development is playing an increasingly important role. How to adjust and optimize the structure of fiscal expenditure and scale of the existing, services in the development of local economic construction, is an important part of the performance of local fiscal revenue increased. The stability of the local fiscal revenue increase, objectively also will continue to promote the further development of local economy.Fiscal spending as a kind of important economic control measures, the size and direction of use of different can lead to different economic benefits, and the effect of fiscal expenditure to economic has always been the hot spot of the current data mining in recent years, because the government fiscal spending hotspot not only reflects the focus of fiscal policy, also can effectively guide the private demand for economic growth and structure upgrade and are of great significanceexpenditure of our country are also constantly, and guangzhou as the forefront of reform and opening up city, with strong economic strength and growth provides a tremendous contribution to the economy of the country, therefore, for the guangzhou city as a template for fiscal revenue and expenditure analysis is of important significance for the development of a city, but in different periods of fiscal expenditure is not the same as the demand for different periods of economic development, therefore, this paper, based on the financialdata of guangzhou into a year to do the statistics and analysis of the system, and the department has made the forecast and the future of all spending, help to China's fiscal spending is more effective in the