将这样的回归结果和Granger检验的结果结合起来看，我们发现，在1970-2008年，GDP不是引起税收收入变化的原因，而税收收入是引起GDP变化的原因。通过VAR回归结果我们可以知道，税收总量在第2年时开始对GDP有正影响。从数量上分析，滞后2年税收收入对于GDP的影响为1.1637，即今年多征收1元的税收收入将增加后年GDP的1.1637元。应该说，这个效应还是很大的。当然，从模型的回归系数来看，GDP和税收收入各自对自身也有一定的影响。比如，中国的GDP受到滞后1-2年的GDP的影响非常显着，其中滞后1年也就是去年的GDP对于当年GDP的系数关系为1.5707，滞后2年，即前年的GDP对于当年GDP的系数关系为‐0.5338。也就是说，当年的GDP受到去年GDP的正影响和前年GDP的负影响。这也是本文第6章时利用GDP自身变化规律来推测GDP增长趋势的基础之一。这样的检验结果也是比较符合实际的。长期以来，中国财政是建设财政，当年的税收收入变成财政收入，政府动用财政收入的一部分进行基础设施建设，由于立项、批准、预算、拨款、开工都要花费时间，这些基础设施项目一般一年之内很难开始建设，所以，税收收入对后一年的GDP基本没有多大的影响。一年之后，项目陆续开始动工，建筑安装价值计入GDP，因此税收收入对于GDP的影响反映在第2年以后的年度上。
（2）印度数据分析
首先考虑滞后阶数的选择问题。滞后阶数选择标准显示，根据SC准则滞后1期模型最好，根据FPE、HQ准则滞后2期模型最好，而根据LR、AIC准则滞后4期模型最好。见表3‐11。
表3‐111970-2008年印度数据滞后阶数选择标准LagLogLLRFPEAICSCHQ0‐360.8145NA3459143.20.7322520.8211320.762931‐208.9745277.6502741.998512.2842612.5508912.376302‐202.648910.84390651.676012.1513712.5957512.304773‐202.39380.408247812.839312.3653612.9875012.580124‐194.484911.75037658.426112.1419912.9418812.41811注：表示滞后阶数的选择。
综合考虑样本容量和自由度等问题，如果构建4期模型则因系数过多而缺乏准确度，因此选择2期VAR（2）模型进行VAR估计。模型整体参数见表3‐12。
从模型的整体回归结果来看，虽然有参数未通过T检验，但是整个VAR模型显着，VAR模型的调整拟合优度达到99.86%，整体极大似然比为‐212.6566（见表3‐12），这些都反映了模型良好的拟合特征。因此，该模型能够很好的反映GDP与税收收入总量之间的关系。
表示T 统计量；
表示在95%的置信水平下显着。
从表3‐13中可以看出，印度GDP和滞后1-2年的税收收入间的系数不显着，也就是说今年的GDP不受去年和前年税收收入的影响。而印度的税收收入与滞后1-2年GDP之间的相关系数显着，同时考虑到Granger因果检验的结果，即印度滞后1年的GDP总量与税收收入总量之间不存在显着的因果关系，于是我们只看滞后2年的GDP总量与当年税收收入总量之间的相关系数，滞后2年GDP对于当年税收收入的系数关系为‐0.1661，即今年的GDP增加会导致第2年时税收收入少量地减少。
将这样的回归结果和Granger检验的结果综合起来我们会发现，在印度，税收收入不是引起GDP变化的原因，而GDP却是引起税收收入变化的原因。按照VAR回归的结果，GDP对于第2年的税收总量有微弱的负影响。这也反映出印度税收制度的一大特点——我们在前文中已经提到，印度的GDP增长、经济好转时，往往伴随的是减税政策，这样会导致税收总量在此后第2年时减少。
2.1985-2008年VAR分析
考虑到1984年中国的税收制度发生重大变革，因此有必要对于1985-2008年的数据单独进行VAR分析。
（1）中国数据分析1985-2008年中国GDP和税收收入数据各24个。首先考虑选择滞后阶数，根据滞后阶数选择标准，五个标准均显示建立滞后2期模型最好。
综合考虑样本容量和自由度等问题，选择构建VAR（2）模型进行VAR估计。
从模型的整体回归结果来看，虽然有参数未通过T检验，但是整个VAR模型显着，VAR模型的调整拟合优度达到了99.95%，整体极大似然比为‐156.7183（见表3‐15），这些都反映了模型良好的拟合特征。因此该模型能够很好地反映GDP和税收收入总量之间的关系。
表示在95%的置信水平下显着。
从模型的回归系数来看，中国的GDP总量与前两年的税收收入总量的相关系数都显着，但是综合考虑到Granger因果检验的结果，只有滞后2年的税收收入总量与当年GDP总量间存在因果关系，滞后2年税收收入对于当年GDP的系数关系为2.2868。也就是说，今年的税收收入增长对后年的GDP增长有正影响。而中国税收收入和滞后1-2年的GDP系数并不显着，即今年的GDP对明后年的税收收入不产生明显影响。
这样的回归结果同1970-2008年数据的回归结果相比，滞后税收收入对于GDP的影响性质相同，在量上则更加显着。按照1985-2008年数据VAR回归结果，滞后2年税收收入对于GDP的影响为2.2868，即今年征收1元的税收将增加后年GDP的2.2868元。也就是说，在这段时期内税收收入对GDP的作用效应又放大了。
（2）印度数据分析1985-2008年印度GDP和税收数据各29个。首先考虑滞后阶数选择的问题。滞后阶数选择标准显示，按照LR、FPE、SC和HQ准则选择滞后1期模型最好。
从模型的整体回归结果来看，虽然有参数未通过T检验，但是整个VAR模型显着，VAR模型的调整拟合优度达到99.79%，整体极大似然比为‐140.8393（见表3‐18），这些都反映了模型良好的拟合特征。因此该模型能够很好地反映GDP与税收收入总量之间的关系。
从表3‐19中可以看出，印度的税收收入对于GDP没有显着的系数关系，与此同时，GDP对于税收收入也没有显着的系数关系。因此，在印度1985-2008年这个时间段内，去年的税收收入对于今年的GDP基本没有影响，去年的GDP对于今年的税收收入也基本没有影响。
同对1970-2008年数据的检验结果相比，税收收入对GDP一如既往地没有显着作用，而且在这个时间段，GDP对税收收入的影响也变得不明显了。同时我们也可以看到，印度GDP受到滞后1年GDP的影响非常显着，其系数关系为1.0496；印度税收收入受到滞后1年税收收入的影响也比较显着，其系数关系为1.0889。即今年的GDP和税收收入分别受到去年的GDP和税收收入本身的正影响。这说明在印度，GDP和税收收入更多地是受到自身增长规律的影响，而二者之间的交互影响并不显着。这也是本文第6章时做预测分析的基础。
3.1996-2008年VAR分析
再考虑到从1994年开始，中国税制发生了更为深入的改革，并且印度也于1991年进行了重要的经济改革，于是，为了符合实际，也方便比较，我们将两国1996-2008年时间段的情况再次分离出来，进行VAR分析。
（1）中国数据分析