2010 73210。79 408903。00 89874。16 251683。77 103。1 156998。40

2011 89738。39 484123。50 109247。79 311485。13 104。9 183918。60

2012 100614。28 534123。00 125952。97 374694。74 102 210307。00

2013 110530。7 588018。80 140212。1 446294。09 101。4 242842。80

2014 119158。05 636138。70 151661。54 512760。7 101 271896。10

 选取 为因变量， 为自变量，并对其建立相应的回归模型。

（1）计算 与 , , , ,  相关系数矩阵，确定模型。

Correlations各项税收

   y 国内生产总值

x1 财政支出

x2 全社会固定资产投资

x3 商品零售价格指数

x4 社会消费品零售总额

x5

各项税收y Pearson Correlation 1 1。000** 。999** 。992** 。038 。997**

Sig。 (2-tailed) 。000 。000 。000 。872 。000

N 20 20 20 20 20 20

    从相关系数可以看出， 与 , , , 的相关系数均大于 ，说明 与 高度线性相关， 与 的相关系数 ，偏小， ， 是商品零售价格指数，这说明商品零售价格指数对税收收入无显著影响，但是仅凭简单相关系数的大小是不能决定变量的取舍的，在初步建模时还是应该包含 。因此，选用多元线性回归模型是可行的。

（2）建立 关于 , , , , 的线性回归方程。来,自,优.尔:论;文*网www.youerw.com +QQ752018766-

系数a

非标准化系数 标准系数 t Sig。

B 标准 误差 试用版

1 (常量) -14487。372 5392。111 -2。687 影响税收收入的建模分析(3):http://www.youerw.com/jingji/lunwen_87444.html