ARIMAX多元时间序列模型在国家财政收入预测中的应用

自1978年以来，中国的改革开放政策推动了财政收入的快速增长，并且出现了收入增长超过经济增长的局面。一个国家的财政收入是受多种因素共同影响的，其中国民生产总值是最重要原因之一。本文结合国家财政收入的结构特点，考虑国民生产总值对财政收入影响的前提下，按时间序列方法对国家财政收入建立了ARIMA和ARIMAX模型，并代入了近两年国家财政收入统计数据进行了检验，并对检验结果进行了比较分析。

国家财政收入是政府用于满足经济发展的必要条件[1]，它不仅反映了政府的经济实力，还体现了政府的社会责任感，它既可以用于维护社会稳定，又可以用于促进经济发展，从而确保社会的可持续发展。

财政收入是政府践行其职能的资金保障，是保证国家有效运转的经济基础，因此随着我国经济实力的提升，国家财政收入也进入高速增长阶段。财政通过税收和各种收费等形式来筹集扩大资金，而筹集的资金又以各种形式的政府支出推动国民经济发展。在国家一系列财政活动中，财政收入和财政支出处于核心地位，而财政收入作为财政支出的先决条件更是重中之重。

因此，深入研究国家财政收入未来演变方向，为政府部门合理优化财政预算提供重要依据，这对促进国民经济稳定协调发展有着重要的现实意义。对于财政收入预测研究，国外起步早，美英等国早期采用的预测方法多样主要以时间序列预测模型为主，常用移动平均法以及自回归滑动平均混合模型等[2]。

而国内的研究起步晚早期只是简单的模型，随着经济的高速发展，政府部门的大力推进，在学术界掀起热潮，其研究方法逐渐多样起来，集中在五大类：第一类多元回归模型，毛琴等[3]利用逐步回归得到影响财政收入的显著变量并通过建立多元线性回归模型进行预测与分析。姜昕[4]等通过多元线性回归方法发现税收收入对中国财政收入影响最大。第二类时间序列模型，郑鹏辉等人[5]使用自回归移动平均ARIMA 模型对国家财政收入进行预测，总结得出此模型适合短期预测，长期预测误差会增大。第三类神经网络，随着人工智能兴起，神经网络运用于各个领域，包括金融领域，李伟[6]运用神经网络分别对财政收入和财政支出进行了预测，发现对财政支出的预测度较高。第四类灰色系统预测模型，连强[7]建立多因素灰色模型来预测河南省的财政收入，通过关键因素分析，建议加大公共服务投入促进财务收入。

第五类多模型组合应用，赵海华[8]以及刘茂如等[9]都采用将灰色预测模型与神经网络相结合的方法对安徽省的财政收入进行预测分析，刘茂如等[9]还通过Lasso 回归法筛选出财政收入的主要影响因素。

通过国内研究现状分析可以看出当前很多学者通过多种研究方法对财政收入进行预测分析，筛选各种影响财政收入的关键因素来建立模型，时间序列模型也被广泛应用于此，但大多都采用ARIMA 模型， 但当前研究很少从GDP 这一关键影响入手分析预测， 从两个经济指标的定义可以看出， 一个国家的财政收入情况与国民生产总值有着极大的关联，只有整个社会创造了财富，政府才能获得更多的财政收入。

因此通过加入国内生产总值(GDP)协变量建立更精确的时间序列模型ARIMAX 模型来预测财政收入是十分有必要的。