以下数据主要依据《中国统计年鉴》、《中国税收年鉴》、《中国财政年鉴》和财政部网站公布的公开数据直接获得或计算而得。同时,考虑到我国在1994年进行了税制改革,为了避免回归分析中由于数据序列自身存在转折点而出现问题,故此处选取数据的时间序列的范围从1995年一直到本研究可得的2014年为止。
为了进行实证分析,这里需准备一些无法从统计资料中直接获得的变量数据。譬如解释变量中的资本存量数据,这里根据郭庆旺、贾俊雪（2004）所给出的计算资本存量Kt公式:
其中,δt代表固定资产折旧率,由于其变化幅度相对较小且稳定,本书这里根据所取数据期间内统计年鉴上给出的数值的通常水平,为了便于计算直接取为5%；It表示当年名义投资额,该数据可直接从统计年鉴上获得；pi为固定资产投资价格指数,这里根据历年统计年鉴给出的不变价格计算的GDP数据,进行相应调整计算而得。同时,为了避免模型中出现时间序列数据常遇到的自相关问题,同时也保证后文中回归检验数据的一致性,本书这里最终以Kt的增长率数据ΔK作为随后分析使用的变量。
此外还需要准备的数据是国家财政的生产性支出。这里根据赵志耘、吕冰洋（2005）对生产性支出的窄口径定义,即教育、科学技术和财政基本建设三项支出之和,通过查阅相关年鉴计算得到财政生产性支出序列。此外令φ为政府每一年度的生产性支出占财政支出的比例。
还有一个主要的工作就是计算被解释变量——全要素生产率的序列。计算全要素生产率的方法有很多,而这里选择一种虽然不是最新,但相对稳定成熟的隐性变量法（latent variable approach）来测算。这种方法主要将全要素生产率设为隐性的不可直接观测变量,通过观测方程和状态方程的方法来间接估计出全要素生产率的变化序列。本书根据郭庆旺、贾俊雪（2005）提供的计算方法,以隐性变量法计算全要素生产率。这里首先给出依据经典的C-D生产函数设置的观测方程为:
这里的Lt表示劳动投入,该数据取为统计年鉴中的劳动就业人数。而求解全要素生产率序列的状态方程设置为:
这里全要素生产率序列的自回归系数τ满足｜τ｜＜1,∈t为白噪声。需要注意到这里所取的全要素生产率同样是变化值序列。
为了避免伪回归,需要对时间序列进行单位根与协整检验,这是进行观测方程和状态方程估计的前提。本书使用Eviews6.0软件分别对数据序列lnAt、lnKt和lnLt进行了ADF单位根检验,结果发现它们均为I（1）序列；同时,两两进行的JJ协整检验则拒绝了协整效应的存在。至此,本书已经排除了伪回归影响,可以进行下一步数据估计。本书根据式（3-35）和式（3-36）,在对数据序列进行差分、建立回归方程并进行卡尔曼滤波（Kalman Filter）分解后,以极大似然法估算,就能够通过对隐性变量的预测值得到全要素生产率At的变化值序列。这里由于数据一阶滞后和观测方程的差分处理,但起始数据在软件中可以通过平滑方法得到,因此最终估算的全要素生产率的变化值序列范围自1996年始、至2014年止。
其他解释变量序列均可以从统计资料中直接查阅或经简单计算得到,这里不妨令税收占GDP的比例tburden作为宏观整体税负水平指标,一并作为随后计量分析的参考解释变量。相关数据整理如表3-2所示。
表3-2 部分整理数据一览表
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
