四川省税收收入预测模型探讨及实证分析
摘要
税收从其诞生之日起，就关系到国家机器的正常运行，涉及到百姓的利益，是国家生存之本、社会发展之根。历代统治者无一例外都十分重视税收的征收及其作用，而税收的预测和计划则成为政府关心的焦点问题。在市场经济条件下，由于税收来源于经济，优秀的税收计划方法必须将税收与经济发展直接联系起来，科学的税收预测则是科学的税收计划的前提。因此，本文采用计量经济学和时间序列的方法对四川省税收收入预测模型进行探讨和实证分析，其分析对规范政府预算，进行税收计划，合理安排财政收支具有一定的参考价值；试图为国家税务总局制定符合各地区实际情况的科学的税收计划提供参考依据，以促进各地区经济更加健康和协调的发展。
本文在回顾了国内外大量关于税收收入预测、协整分析、误差矫正模型、因果关系分析、VAR分析及逐步回归方面研究成果的基础上，紧紧围绕税收与经济的关系分析这个主线，建立四川省税收收入预测模型。全文采用实证分析为主，定性分析为辅的方法，从多个角度，比较系统深入的分析了四川省税收收入与经济的关系。在此基础上建立了三个税收收入预测模型，并用历史数据对模型进行实证检验。最后用组合预测方法对2004年四川省税收收入进行预测，在定性基础上加以调整得到的预测值为270亿元左右。
本文的主要内容分为五部分。
第一章为导论。从税收的产生和发展，论及税收计划和税收预测的分析目的和意义。长期以来，我国税收计划都是采用基数法，这种方法割裂了税收与经济之间的直接联系。需要有新的税收计划方法克服这种弊端，因此有必要对税收与经济的关系进行实证分析，建立税收收入预测模型。综述与文章内容相关的大量国内外研究成果可知，目前我国对税收收入预测的研究还不够深入化和系统化。
第二章是税收收入的VAR预测模型。第一节阐述分析税收收入总
量与经济总量的关系，可以界定为分析税收收入与GDP之间的关系的理论依据。第二节深入分析了税收收入与GDP之间的关系，并建立预测模型。协整关系检验证明，他们之间不存在长期稳定的协整关系；Grange因果关系检验证明，他们之间存在税收收入对GDP的单向因果关系。最后建立了税收收入VAR预测模型，它不以严格的经济理论作为前提，也没有任何约束条件。模型中含有税收收入和GDP的滞后六期变量，相关统计量显示VAR预测模型拟和效果较好。第三节运用四川省历年的税收收入数据和GDP数据对模型进行实证检验。检验结果证明，VAR模型的预测精度较高。第四节的协整检验证明了税收收入与各次产业产值之间不存在长期稳定的协整关系，即四川省税收收入与产业结构之间不协调。
第三章是税收收入的ECM预测模型。第一节阐述了理论上税收收入增长与GDP增长一致性。第二节深入分析了税收收入对数与GDP对数之间的关系。协整关系检验证明，他们之间存在长期稳定的关系，并且得到的四川省税收弹性平均为0.6114。随后建立了误差矫正模型，相关统计量显示模型拟和效果较好。通过对其变形得到预测模型，自变量含有当期GDP、上期GDP和上期税收收入。第三节的实证检验结果表明，除了税收政策变动的年度，ECM预测模型的预测精度较好。由于模型对政策的敏感性，可以将模型用于事后检验，分解在税收发生异常值的年度正常因素和突发因素分别对税收收入造成的影响。
第四章是税收收入的逐步回归预测模型。第一节简单阐述了除了GDP外，居民消费、固定资产投资、物价指数等也是影响税收收入的重要因素。第二节采用逐步回归法，逐一引入了对四川省税收收入影响最大的四个宏观经济指标，建立了多元线性回归模型。模型中含有的自变量为：GDP、全社会消费品零售总额、居民人均消费水平、物价指数以及政策因素。通过对回归残差序列进行的正态性检验和异方差检验可知，模型的拟和效果较好。第三节的实证检验表明模型的预测精度较高，效果较稳定。
第五章是文章的结论部分。用组合预测方法对四川省2004年税收收入进行预测。考虑到2004年经济增长速度与往年相比将有较大
提高，税制改革也即将推出，这两方面都会对税收收入产生很大影响。有必要对模型预测效果进行定性调整。得到的2004年四川省税收收入预测值为270亿元左右。
本文的特色在于三个方面：
第一是用新的方法对税收收入预测模型进行探讨和实证分析。本文所采用的分析方法在国外被广泛的用于宏观经济、金融市场、外汇市场等领域，国内也有学者对税收收入预测模型做了大量的研究，但将这些方法直接用于分析和预测税收收入的却不多见。本文用上述方法深入分析了税收与经济的关系，建立了三个税收收入预测模型，并用历史数据对预测模型的效果进行实证检验。
第二是立足于四川省的具体经济发展进行分析。税收来源于经济，科学的税收计划应与经济发展状况相吻合。我国幅员辽阔，各地区之间的经济发展很不平衡，但各省市结合当地的经济发展状况进行税收预测和税收计划的研究却不多见。目前在可查阅的文献范围中，几乎还没有发现对四川省的税收收入预测采用现代计量经济学和时间序列方法进行实证研究的。本文正是针对这一研究空白，从四川省的实际省情出发，结合国家西部大开发战略对四?
From the birth of the revenue, it has been highly important for the state. So the rulers of the past dynasties attached great importance to the collection of the revenue and focused on the plan and forecasting of it. Under the market economy, revenue stems from the whole economy. So the outstanding revenue plans must connect the revenue with the economic development .And forecasting the revenue with scientific approach is vital to effective revenue plan. The thesis adopts econometrics and time series tools to analyze the revenue forecasting model of Sichuan province. It has certain reference value to standardize government budget, to assign revenue rationally, to arrange expenditures and to make the revenue and economy growth inter dynamically grow.
First, the author reviews some papers about the revenue forecasting model, such as Cointegration Analysis, Error Correction Model, Granger causality test, VAR model, stepwise regression and combination forecasting. This thesis analyses the impact of the macroeconomic variables on the revenue in Sichuan Province from different aspects systematically, then set up three revenue forecasting model, by the way of quantitative analysis as the basic and the qualitative as the supplement. At last, the author tests the models by using practical data and forecast the revenue of Sichuan Province in 2004 by using combination forecasting.
The whole thesis is divided into 5 chapters:
Chapter 1 is the preface. The first part discusses the background and the purposes of the whole thesis. The second part studies some papers about the research of revenue forecasting model, Cointegration Analysis, Error Correction Model, Granger causality test, VAR model and so on. The third part introduces the methods and the structure of the thesis.
Chapter 2 carries on the analysis of the VAR revenue forecasting model of Sichuan Province. Part 1 introduces the theory of choosing GDP as the main variable, and where the data from and how to adjust it. Part 2 is the main body of this chapter, deeply analyzes the cointegration and
Granger causality relationship between revenue and GDP. The result indicates that there has no long-term cointegration relationship between the two variables, and the revenue is the Granger causality of GDP, but GDP is not the Granger causality of revenue. The establishment of the VAR model is not based on the cointegration relationship and economic theory. Parameters tell us that the model is properly fitted. Part 3 uses the historical data to test the precision of the VAR model, which shows that the model gives good forecasts. Part 4 uses Unit root and Cointegration test approaches to analyze the long-term behavior among the revenue, the first industry GDP, the second industry GDP and the third industry GDP. The result indicates that there has no long-term cointegration relationship among them.
Chapter 3 carries out the ECM revenue forecasting model of Sichuan Province. The first part introduces the economic theory of the relationship between the logarithm of revenue and the logarithm of GDP, the coefficient of liner regression is the revenue elasticity coefficient. It also introduces the source and adjustment of data. In the second part, Cointegration test proves that there has long-term cointegration relationship between the logarithm of revenue and the logarithm of GDP, and the revenue elasticity coefficient is 0.6114.Then we set up the ECM model based on the cointegration relationship. In part 3, we use the historical data to do quantitative test. Result indicates that the model has good forecast except the year when revenue policy was modified. In another word, the model is sensitive to the policy and not steady enough.
Chapter 4 analyzes the stepwise regression revenue forecasting model of Sichuan Province. Part 1 introduces the economic theory of choosing the macroeconomic variable, and the source and adjustment of data. Part 2 adopts the method of stepwise regression through important variables flow into the model one by one. The normality assumption test an
本文在回顾了国内外大量关于税收收入预测、协整分析、误差矫正模型、因果关系分析、VAR分析及逐步回归方面研究成果的基础上，紧紧围绕税收与经济的关系分析这个主线，建立四川省税收收入预测模型。全文采用实证分析为主，定性分析为辅的方法，从多个角度，比较系统深入的分析了四川省税收收入与经济的关系。在此基础上建立了三个税收收入预测模型，并用历史数据对模型进行实证检验。最后用组合预测方法对2004年四川省税收收入进行预测，在定性基础上加以调整得到的预测值为270亿元左右。
本文的主要内容分为五部分。
第一章为导论。从税收的产生和发展，论及税收计划和税收预测的分析目的和意义。长期以来，我国税收计划都是采用基数法，这种方法割裂了税收与经济之间的直接联系。需要有新的税收计划方法克服这种弊端，因此有必要对税收与经济的关系进行实证分析，建立税收收入预测模型。综述与文章内容相关的大量国内外研究成果可知，目前我国对税收收入预测的研究还不够深入化和系统化。
第二章是税收收入的VAR预测模型。第一节阐述分析税收收入总
量与经济总量的关系，可以界定为分析税收收入与GDP之间的关系的理论依据。第二节深入分析了税收收入与GDP之间的关系，并建立预测模型。协整关系检验证明，他们之间不存在长期稳定的协整关系；Grange因果关系检验证明，他们之间存在税收收入对GDP的单向因果关系。最后建立了税收收入VAR预测模型，它不以严格的经济理论作为前提，也没有任何约束条件。模型中含有税收收入和GDP的滞后六期变量，相关统计量显示VAR预测模型拟和效果较好。第三节运用四川省历年的税收收入数据和GDP数据对模型进行实证检验。检验结果证明，VAR模型的预测精度较高。第四节的协整检验证明了税收收入与各次产业产值之间不存在长期稳定的协整关系，即四川省税收收入与产业结构之间不协调。
第三章是税收收入的ECM预测模型。第一节阐述了理论上税收收入增长与GDP增长一致性。第二节深入分析了税收收入对数与GDP对数之间的关系。协整关系检验证明，他们之间存在长期稳定的关系，并且得到的四川省税收弹性平均为0.6114。随后建立了误差矫正模型，相关统计量显示模型拟和效果较好。通过对其变形得到预测模型，自变量含有当期GDP、上期GDP和上期税收收入。第三节的实证检验结果表明，除了税收政策变动的年度，ECM预测模型的预测精度较好。由于模型对政策的敏感性，可以将模型用于事后检验，分解在税收发生异常值的年度正常因素和突发因素分别对税收收入造成的影响。
第四章是税收收入的逐步回归预测模型。第一节简单阐述了除了GDP外，居民消费、固定资产投资、物价指数等也是影响税收收入的重要因素。第二节采用逐步回归法，逐一引入了对四川省税收收入影响最大的四个宏观经济指标，建立了多元线性回归模型。模型中含有的自变量为：GDP、全社会消费品零售总额、居民人均消费水平、物价指数以及政策因素。通过对回归残差序列进行的正态性检验和异方差检验可知，模型的拟和效果较好。第三节的实证检验表明模型的预测精度较高，效果较稳定。
第五章是文章的结论部分。用组合预测方法对四川省2004年税收收入进行预测。考虑到2004年经济增长速度与往年相比将有较大
提高，税制改革也即将推出，这两方面都会对税收收入产生很大影响。有必要对模型预测效果进行定性调整。得到的2004年四川省税收收入预测值为270亿元左右。
本文的特色在于三个方面：
第一是用新的方法对税收收入预测模型进行探讨和实证分析。本文所采用的分析方法在国外被广泛的用于宏观经济、金融市场、外汇市场等领域，国内也有学者对税收收入预测模型做了大量的研究，但将这些方法直接用于分析和预测税收收入的却不多见。本文用上述方法深入分析了税收与经济的关系，建立了三个税收收入预测模型，并用历史数据对预测模型的效果进行实证检验。
第二是立足于四川省的具体经济发展进行分析。税收来源于经济，科学的税收计划应与经济发展状况相吻合。我国幅员辽阔，各地区之间的经济发展很不平衡，但各省市结合当地的经济发展状况进行税收预测和税收计划的研究却不多见。目前在可查阅的文献范围中，几乎还没有发现对四川省的税收收入预测采用现代计量经济学和时间序列方法进行实证研究的。本文正是针对这一研究空白，从四川省的实际省情出发，结合国家西部大开发战略对四?
From the birth of the revenue, it has been highly important for the state. So the rulers of the past dynasties attached great importance to the collection of the revenue and focused on the plan and forecasting of it. Under the market economy, revenue stems from the whole economy. So the outstanding revenue plans must connect the revenue with the economic development .And forecasting the revenue with scientific approach is vital to effective revenue plan. The thesis adopts econometrics and time series tools to analyze the revenue forecasting model of Sichuan province. It has certain reference value to standardize government budget, to assign revenue rationally, to arrange expenditures and to make the revenue and economy growth inter dynamically grow.
First, the author reviews some papers about the revenue forecasting model, such as Cointegration Analysis, Error Correction Model, Granger causality test, VAR model, stepwise regression and combination forecasting. This thesis analyses the impact of the macroeconomic variables on the revenue in Sichuan Province from different aspects systematically, then set up three revenue forecasting model, by the way of quantitative analysis as the basic and the qualitative as the supplement. At last, the author tests the models by using practical data and forecast the revenue of Sichuan Province in 2004 by using combination forecasting.
The whole thesis is divided into 5 chapters:
Chapter 1 is the preface. The first part discusses the background and the purposes of the whole thesis. The second part studies some papers about the research of revenue forecasting model, Cointegration Analysis, Error Correction Model, Granger causality test, VAR model and so on. The third part introduces the methods and the structure of the thesis.
Chapter 2 carries on the analysis of the VAR revenue forecasting model of Sichuan Province. Part 1 introduces the theory of choosing GDP as the main variable, and where the data from and how to adjust it. Part 2 is the main body of this chapter, deeply analyzes the cointegration and
Granger causality relationship between revenue and GDP. The result indicates that there has no long-term cointegration relationship between the two variables, and the revenue is the Granger causality of GDP, but GDP is not the Granger causality of revenue. The establishment of the VAR model is not based on the cointegration relationship and economic theory. Parameters tell us that the model is properly fitted. Part 3 uses the historical data to test the precision of the VAR model, which shows that the model gives good forecasts. Part 4 uses Unit root and Cointegration test approaches to analyze the long-term behavior among the revenue, the first industry GDP, the second industry GDP and the third industry GDP. The result indicates that there has no long-term cointegration relationship among them.
Chapter 3 carries out the ECM revenue forecasting model of Sichuan Province. The first part introduces the economic theory of the relationship between the logarithm of revenue and the logarithm of GDP, the coefficient of liner regression is the revenue elasticity coefficient. It also introduces the source and adjustment of data. In the second part, Cointegration test proves that there has long-term cointegration relationship between the logarithm of revenue and the logarithm of GDP, and the revenue elasticity coefficient is 0.6114.Then we set up the ECM model based on the cointegration relationship. In part 3, we use the historical data to do quantitative test. Result indicates that the model has good forecast except the year when revenue policy was modified. In another word, the model is sensitive to the policy and not steady enough.
Chapter 4 analyzes the stepwise regression revenue forecasting model of Sichuan Province. Part 1 introduces the economic theory of choosing the macroeconomic variable, and the source and adjustment of data. Part 2 adopts the method of stepwise regression through important variables flow into the model one by one. The normality assumption test an
引文
[1]L?f.M?rten and Lyhagen.Johan. Forecasting performance of seasonal cointegration models. International Journal of Forecasting，Jan-Mar2002, Vol. 18 Issue 1, p31
[2]L?f.M?rten and Lyhagen.Johan. On forecasting cointegrated seasonal time series. International Journal of Forecasting，Oct-Dec2001, Vol. 17 Issue 4, p607
[3]Pétursson.Thórarinn, G. Wage formation and employment in a cointegrated VAR model. Econometrics Journal，Dec2001, Vol. 4 Issue 2, p191, 19p
[4]Nieh.Chien-Chung. The effect of the Asian financial crisis on the relationships among open macroeconomic factors for Asian countries. Applied Economics，3/1/2002, Vol. 34 Issue 4, p491
[5]Krolzig.Hans-Martin, Marcellino.Massimiliano, Izon.Grayham.E. A Markov–switching vector equilibrium correction model of the UK labour market. Empirical Economics，2002, Vol. 27 Issue 2, p233
[6]Ansotegui.Carmen and Esteban.María Victoria. Cointegration for market forecast in the Spanish stock market. Applied Economics， 5/10/2002, Vol. 34 Issue 7, p843
[7]Anderson.Richard G.Hoffman.Dennis L and Rasche.Robert H. A vector error-correction forecasting model of the US economy. Journal of Macroeconomics，Dec2002, Vol. 24 Issue 4, p569
[8]Schumacher.Christian. Forecasting Trend Output in the Euro Area. Journal of Forecasting; Dec2002, Vol. 21 Issue 8, p543
[9]Climent.Francisco F and Meneu.Vicente. Has 1997 Asian crisis increased information flows between international markets. International Review of Economics & Finance，2003, Vol. 12 Issue 1,
p111
[10]Sartore.Domenico Trevisan.Lucia and Trova.Michele. US dollar/Euro exchange rate: a monthly econometric model for forecasting. European Journal of Finance; Dec2002, Vol. 8 Issue 4, p480
[11]Jamaleh.Asmara. Explaining and forecasting the euro/dollar exchange rate through a non-linear threshold model. European Journal of Finance; Dec2002, Vol. 8 Issue 4, p422
[12]Hwang.Jae-Kwang. Dynamic Forecasting of Sticky-Price Monetary Exchange Rate Model. Atlantic Economic Journal，Mar2003, Vol. 31 Issue 1, p103
[13]Frantzen.D. The Causality between R&D and Productivity in Manufacturing: an international disaggregate panel data study. International Review of Applied Economics; Apr2003, Vol. 17 Issue 2, p125
[14]Albertson. Kevin Aylen. Jonathan . Forecasting the behavior of manufacturing inventory. International Journal of Forecasting; Apr-Jun2003, Vol. 19 Issue 2, p299
[15]Joseph. Nathan Lael . Predicting returns in U.S. financial sector indices. International Journal of Forecasting; Jul2003, Vol. 19 Issue 3, p351
[16]Andrew C Worthington Helen Higgs. Comovements in UK regional property markets: a multivariate cointegration analysis. Journal of Property Investment & Finance; 2003, Vol. 21 Issue 4, p326
[17]Jiang.James, J Zhong.Maosen Klein.Gary and Chen.H.G. Nonstationary Brand Variables in Category Management: A Cointegration Perspective. Decision Sciences，Winter2004, Vol. 35 Issue 1, p101
[18]Kaufmann.Robert K. The Mechanisms for Autonomous Energy Efficiency Increases: A Cointegration Analysis of the US Energy/GDP Ration. Energy Journal，2004, Vol. 25 Issue 1, p63
[19]Balaguer. Jacint and Cantavella-Jordá. Manuel. Structural change in exports and economic growth: cointegration and causality analysis for Spain (1961-2000). Applied Economics; 3/20/2004, Vol. 36 Issue 5, p473
[20]王伟. 中国税收宏观调控的数理分析与实证研究. 北京：中国农业大学博士论文，2002
[21]余雁刚. 中国税收制度变迁研究. 厦门: 厦门大学博士论文，2002
[22]格林. 计量经济分析（第四版）.北京: 清华大学出版社，2001
[23]汉密尔顿. 时间序列分析. 北京: 中国社会科学出版社，1999
[24]张晓峒. 计量经济分析. 北京: 经济科学出版社，2000
[25]陆懋祖. 高等时间序列经济计量学. 上海: 上海人民出版社，1999
[26]居余马. 线性代数. 北京: 清华大学出版社，1995
[27]史代敏. 中国股票市场波动与效率研究. 成都: 西南财经大学出版社，2003
[28]庞皓, 李南成. 计量经济学. 成都: 西南财经大学出版社，2001
[29]古扎拉蒂. 计量经济学. 北京: 中国人民大学出版社，2000
[30]唐小我. 经济预测与决策新方法及其应用研究. 成都: 电子科技大学出版社，1997
[31]徐国祥. 统计预测和决策. 上海: 上海财经大学出版社，1998
[32]江之源. 经济预测方法与模型. 成都: 西南财经大学出版社，1999
[33]叶楠叶. 税收——文明的影子. 北京: 中国税务出版社，2001
[34]曾国祥. 税收学. 北京: 中国税务出版社，2000
[35]国家税务总局. 中国税制（2003）. 北京: 中国税务出版社，2003
[36]中国税务学会学术研究委员会. 税收负担与深化税制改革. 北京:中国税务出版社，2002
[37]钱晟. 税收负担的经济分析. 北京: 中国人民大学出版社，2000
[38]王陆进. 发展税收研究——我国经济发展中的税收理论与政策. 北京: 中国财政经济出版社，1998
[39]安体富, 杨文利, 石恩祥. 税收负担研究. 北京: 中国财政经济出版社，1999
[40]王道树. 转轨经济中的税收政策. 北京: 人民出版社，1999
[41]邓力平. 经济全球化、WTO与现代税收发展. 北京: 中国税务出版社，2000
[42]张伟. 中国税收与GDP的分配. 北京: 人民出版社，1999
[43]中国税务学会. 2002年全国税收理论研讨会文集. 北京: 中国税务出版社，2003
[44]夏代川. 2003四川重要经济问题实证研究. 成都: 四川人民出版社，2003
[45]四川经济比较研究课题组. 四川经济比较研究. 成都: 四川科学出版社，2002
[46]四川省经济信息中心. 2004年四川经济展望. 成都: 四川人民出版社，2003
[47]四川省地方税务局. 地方税收法规选编（2002年）. 2003
[48]四川省地方税务局. 西部打开发、下岗职工再就业、科技进步税收优惠政策选编. 2002
[49]四川省统计局.四川统计年鉴. 北京:中国统计出版社，1989--2003
[50]刘新利. 税收分析概论. 北京: 中国税务出版社，1999
[51]张俊伦. 税收预测模型的拟和与分析. 数理统计与管理, 1999年1月
[52]王乃静, 李国锋. 协整理论在税收预测中的应用研究. 山东经济, 2002年11月
[53]程毛林. 我国税收增长的影响因素和预测分析. 扬州大学税务学院学报, 1998年第2期
[54]田永青, 杨斌, 朱仲英. 基于RBF神经网络建立税务预测模型的研究. 计算机工程, 2002年5月
[55]张俊伦. 税收与经济结构调整的适应性分析. 统计研究, 2000年3期
[56]张俊伦. GDP税收要素比重对税收收入的影响分析. 审计与经济研究, 2003年第9期
[57]全国人大常委会预算工作委员会参阅件2003年12月24日
[58]唐小我, 曹长修, 金德运. 组合预测加权系数向量的进一步研究.预测, 1994年第2期
[59]杨桂元, 唐小我. 提高组合预测模型精度的方法探讨. 预测, 1997年第1期
[60]唐小我, 曾勇. 组合预测误差矫正模型的应用分析. 管理科学学报, 2002年12月
[61]马永开, 唐小我. 两种组合预测优化模型的分析和比较. 电子科技大学学报
[62]邓成墚, 夏大松. 线性组合预测在税收管理中的应用. 运筹与管理. 1994年第3-4期
[63]钱晟，陆凌波. 中国税收增长的理论分析和实证研究——中国1992－2002年税收增长个案分析. 中央财经大学学报，2003年第9期
[64]李丽,丁凡. 试论税收弹性与宏观税负的数量关系. 深圳大学学报(理工版),2001年12月
[2]L?f.M?rten and Lyhagen.Johan. On forecasting cointegrated seasonal time series. International Journal of Forecasting，Oct-Dec2001, Vol. 17 Issue 4, p607
[3]Pétursson.Thórarinn, G. Wage formation and employment in a cointegrated VAR model. Econometrics Journal，Dec2001, Vol. 4 Issue 2, p191, 19p
[4]Nieh.Chien-Chung. The effect of the Asian financial crisis on the relationships among open macroeconomic factors for Asian countries. Applied Economics，3/1/2002, Vol. 34 Issue 4, p491
[5]Krolzig.Hans-Martin, Marcellino.Massimiliano, Izon.Grayham.E. A Markov–switching vector equilibrium correction model of the UK labour market. Empirical Economics，2002, Vol. 27 Issue 2, p233
[6]Ansotegui.Carmen and Esteban.María Victoria. Cointegration for market forecast in the Spanish stock market. Applied Economics， 5/10/2002, Vol. 34 Issue 7, p843
[7]Anderson.Richard G.Hoffman.Dennis L and Rasche.Robert H. A vector error-correction forecasting model of the US economy. Journal of Macroeconomics，Dec2002, Vol. 24 Issue 4, p569
[8]Schumacher.Christian. Forecasting Trend Output in the Euro Area. Journal of Forecasting; Dec2002, Vol. 21 Issue 8, p543
[9]Climent.Francisco F and Meneu.Vicente. Has 1997 Asian crisis increased information flows between international markets. International Review of Economics & Finance，2003, Vol. 12 Issue 1,
p111
[10]Sartore.Domenico Trevisan.Lucia and Trova.Michele. US dollar/Euro exchange rate: a monthly econometric model for forecasting. European Journal of Finance; Dec2002, Vol. 8 Issue 4, p480
[11]Jamaleh.Asmara. Explaining and forecasting the euro/dollar exchange rate through a non-linear threshold model. European Journal of Finance; Dec2002, Vol. 8 Issue 4, p422
[12]Hwang.Jae-Kwang. Dynamic Forecasting of Sticky-Price Monetary Exchange Rate Model. Atlantic Economic Journal，Mar2003, Vol. 31 Issue 1, p103
[13]Frantzen.D. The Causality between R&D and Productivity in Manufacturing: an international disaggregate panel data study. International Review of Applied Economics; Apr2003, Vol. 17 Issue 2, p125
[14]Albertson. Kevin Aylen. Jonathan . Forecasting the behavior of manufacturing inventory. International Journal of Forecasting; Apr-Jun2003, Vol. 19 Issue 2, p299
[15]Joseph. Nathan Lael . Predicting returns in U.S. financial sector indices. International Journal of Forecasting; Jul2003, Vol. 19 Issue 3, p351
[16]Andrew C Worthington Helen Higgs. Comovements in UK regional property markets: a multivariate cointegration analysis. Journal of Property Investment & Finance; 2003, Vol. 21 Issue 4, p326
[17]Jiang.James, J Zhong.Maosen Klein.Gary and Chen.H.G. Nonstationary Brand Variables in Category Management: A Cointegration Perspective. Decision Sciences，Winter2004, Vol. 35 Issue 1, p101
[18]Kaufmann.Robert K. The Mechanisms for Autonomous Energy Efficiency Increases: A Cointegration Analysis of the US Energy/GDP Ration. Energy Journal，2004, Vol. 25 Issue 1, p63
[19]Balaguer. Jacint and Cantavella-Jordá. Manuel. Structural change in exports and economic growth: cointegration and causality analysis for Spain (1961-2000). Applied Economics; 3/20/2004, Vol. 36 Issue 5, p473
[20]王伟. 中国税收宏观调控的数理分析与实证研究. 北京：中国农业大学博士论文，2002
[21]余雁刚. 中国税收制度变迁研究. 厦门: 厦门大学博士论文，2002
[22]格林. 计量经济分析（第四版）.北京: 清华大学出版社，2001
[23]汉密尔顿. 时间序列分析. 北京: 中国社会科学出版社，1999
[24]张晓峒. 计量经济分析. 北京: 经济科学出版社，2000
[25]陆懋祖. 高等时间序列经济计量学. 上海: 上海人民出版社，1999
[26]居余马. 线性代数. 北京: 清华大学出版社，1995
[27]史代敏. 中国股票市场波动与效率研究. 成都: 西南财经大学出版社，2003
[28]庞皓, 李南成. 计量经济学. 成都: 西南财经大学出版社，2001
[29]古扎拉蒂. 计量经济学. 北京: 中国人民大学出版社，2000
[30]唐小我. 经济预测与决策新方法及其应用研究. 成都: 电子科技大学出版社，1997
[31]徐国祥. 统计预测和决策. 上海: 上海财经大学出版社，1998
[32]江之源. 经济预测方法与模型. 成都: 西南财经大学出版社，1999
[33]叶楠叶. 税收——文明的影子. 北京: 中国税务出版社，2001
[34]曾国祥. 税收学. 北京: 中国税务出版社，2000
[35]国家税务总局. 中国税制（2003）. 北京: 中国税务出版社，2003
[36]中国税务学会学术研究委员会. 税收负担与深化税制改革. 北京:中国税务出版社，2002
[37]钱晟. 税收负担的经济分析. 北京: 中国人民大学出版社，2000
[38]王陆进. 发展税收研究——我国经济发展中的税收理论与政策. 北京: 中国财政经济出版社，1998
[39]安体富, 杨文利, 石恩祥. 税收负担研究. 北京: 中国财政经济出版社，1999
[40]王道树. 转轨经济中的税收政策. 北京: 人民出版社，1999
[41]邓力平. 经济全球化、WTO与现代税收发展. 北京: 中国税务出版社，2000
[42]张伟. 中国税收与GDP的分配. 北京: 人民出版社，1999
[43]中国税务学会. 2002年全国税收理论研讨会文集. 北京: 中国税务出版社，2003
[44]夏代川. 2003四川重要经济问题实证研究. 成都: 四川人民出版社，2003
[45]四川经济比较研究课题组. 四川经济比较研究. 成都: 四川科学出版社，2002
[46]四川省经济信息中心. 2004年四川经济展望. 成都: 四川人民出版社，2003
[47]四川省地方税务局. 地方税收法规选编（2002年）. 2003
[48]四川省地方税务局. 西部打开发、下岗职工再就业、科技进步税收优惠政策选编. 2002
[49]四川省统计局.四川统计年鉴. 北京:中国统计出版社，1989--2003
[50]刘新利. 税收分析概论. 北京: 中国税务出版社，1999
[51]张俊伦. 税收预测模型的拟和与分析. 数理统计与管理, 1999年1月
[52]王乃静, 李国锋. 协整理论在税收预测中的应用研究. 山东经济, 2002年11月
[53]程毛林. 我国税收增长的影响因素和预测分析. 扬州大学税务学院学报, 1998年第2期
[54]田永青, 杨斌, 朱仲英. 基于RBF神经网络建立税务预测模型的研究. 计算机工程, 2002年5月
[55]张俊伦. 税收与经济结构调整的适应性分析. 统计研究, 2000年3期
[56]张俊伦. GDP税收要素比重对税收收入的影响分析. 审计与经济研究, 2003年第9期
[57]全国人大常委会预算工作委员会参阅件2003年12月24日
[58]唐小我, 曹长修, 金德运. 组合预测加权系数向量的进一步研究.预测, 1994年第2期
[59]杨桂元, 唐小我. 提高组合预测模型精度的方法探讨. 预测, 1997年第1期
[60]唐小我, 曾勇. 组合预测误差矫正模型的应用分析. 管理科学学报, 2002年12月
[61]马永开, 唐小我. 两种组合预测优化模型的分析和比较. 电子科技大学学报
[62]邓成墚, 夏大松. 线性组合预测在税收管理中的应用. 运筹与管理. 1994年第3-4期
[63]钱晟，陆凌波. 中国税收增长的理论分析和实证研究——中国1992－2002年税收增长个案分析. 中央财经大学学报，2003年第9期
[64]李丽,丁凡. 试论税收弹性与宏观税负的数量关系. 深圳大学学报(理工版),2001年12月