判别分析法应用于稽查选案工作的可行性研究

资料内容仅供您学习参考，如有不当或者侵权，请联系改正或者删除。判别分析法应用于稽查选案工作的可行性研究中山税务学会 何 璇选案是税务稽查工作的首要环节。选案的准确性有赖于建立一套较科学的资料收集、 统计、 筛选和分析系统 , 以提高案源的分析处理能力 , 减少稽查选案的盲目性和随意性 , 从而降低稽查成本 , 使有限的稽查力量投入到有效的稽查工作中去。从当前的研究文献来看, 稽查选案的技术方法主要包括峰值法、 判别分析法、专家系统法和神经网络法1。在当前的研究成果中 , 使用较多的是数理统计中的判别分析法。本文尝试选用当前研究成果中较多使用的判别分析法, 利用一批已确定偷税和不偷税企业的样本数据 , 针对增值税稽查选案 , 参考王锐 (浙江大学 )的博士学位论文税收不遵从的识别研究 ( 4 月) , 在其研究选取的19 项指标基础上, 尝试分别从不区分行业类型和区分行业类型两种方向 , 应用判别分析法建立企业是否诚实申报的判别函数模型 , 并验证该模型的判别准确率 , 从而分析判别分析法能否实际应用于稽查选案工作。 本文将力求对今后稽查选案工作的开展提供理论支持 , 从而提高选案工作的科学性、 准确性和对纳税人开展检查的公平性。一、 判别分析法简介判别分析 (DiscriminantAnalysis) 是用以判别个体所属类别的一种数理统计方法 , 1936 年由 R.A.Fisher 提出。判别分析的目的是对11 王锐 .税收不遵从的识别研究.浙江大学博士学位论文.4 月资料内容仅供您学习参考，如有不当或者侵权，请联系改正或者删除。已知分类的数据建立由数值指标构成的分类规则, 然后应用该规则对未知分类的样本进行分类。判别分析技术曾经在许多领域得到成功的应用 , 包括对儿童心理测验、手术或药品效果、地理区域的经济差异、决策行为预测等结果的分类。( 一) 利用判别分析法识别偷税的基本思路识别纳税人是否偷税实质上是一个判别问题。根据纳税申报信息和审核结果 ,可将纳税人划分为”诚实申报”类G1 和”不诚实申报”类 G2,经过计算这两类纳税人的有关数字特征,再计算待判样品与”诚实申报”类G1 和”不诚实申报”类G2 的某种”距离”,然后比较待判样品与哪一类的距离最小,就把该样品判归哪一类,从而可从大量的纳税人中挑选出不诚实申报者。下面引用一个植物分类的实例说明判别分析的基本思路。有两种已知的鸢尾花,分别是刚毛鸢尾(G1)和变色鸢尾 (G2), 选择花萼长 (X 1)和花萼宽 (X 2)2 个指标 (即变量 )进行测量 , 每种鸢尾花都测量了 50 株 ,即 n1=50,n2=50。表 1-1 列出了部分数据。表 1-1鸢尾花样品数据 (单位 :cm)刚毛鸢尾 (G1)变色鸢尾 (G2)样品号花萼长 (X 1)花萼宽 (X 2)花萼长 (X 1)花萼宽 (X2)15.13.573.224.936.43.234.73.26.93.1495.33.75.12.5505.03.35.72.8资料内容仅供您学习参考，如有不当或者侵权，请联系改正或者删除。现采集到一株鸢尾花新样品(待判样品 ), 则其变量值即花萼长(X 1)和花萼宽 (X 2)分别为 :XX15.30X 23.21且知道它属于类别G1 和类别 G2 中的两者之一 , 但不知道到底属于哪一类。如何判断待判样品属于哪一类呢?这里采取距离判别法, 其思路是 : 根据两个类别的样本数据,分别计算出各类别的信息特征值, 即样本均值和样本协方差矩阵。然后 , 计算待判样品的变量值与两个类别G1 和 G2 的马氏距离 , 比较待判样品与哪一类的距离最小, 就把待判样品判归哪一类。经计算 , 类别 G1 和类别 G2 的样本均值 (记为 X i )和样本协方差矩阵 (记为 Si )如下 :G1 : X 15.00, S10.2220.0973.430.0970.141G2 : X 25.94, S20.2610.0852.770.0850.261应用公式 :D XGi2( X X i ) T Si1 ( XXi ) i=1,2计算待判样品X 到两个类别G1、 G2 的马氏距离的平方 ,得 :227.63D XG11.66 D XG222因为 D XG1DXG2,因此该新样品属于类别 G1。以上例子实际上是关于两个总体(类别 G1 和类别 G2)的判别问题。为简便起见 ,本例仅选取了两个指标 ,而实际情况中可能涉及多个指标。资料内容仅供您学习参考，如有不当或者侵权，请联系改正或者删除。如果将上例中的”刚毛鸢尾” G1 和”变色鸢尾” G2 分别换成”诚实申报”企业类G1 和”不诚实申报”企业类G2,将2 个指标花萼长(X 1)和花萼宽(X 2)换成纳税申报的有关指标,那就能够将判别分析法应用来识别纳税人是否存在偷税的可能性。税务稽查判别模型正是根据这一思路而建立的。(二)判别分析法包括的两阶段工作第一阶段是分析和解释各组的指标特征之间存在的差异, 并建立判别函数。在这部分工作中, 要处理的是已知分组属性的那些案例。在第一阶段的判别分析中, 用来建立判别函数的数据案例必须是确定的 , 每个案例必须同时具备分组信息和其它特征信息, 以便对这两部分的联系加以归纳。第二阶段所要处理的是未知分组属性的案例, 即以第一阶段的分析结果为依据对这些案例进行判别分组。这相当于根据以往经验来”预测”案例的分组属性。在分组属性能够成为一组明确结果时(如分组代表的是事物发展的不同结果), 便能够作为事实来检验预测的准确性。二、 判别分析法在稽查选案中的实证研究按照以上判别分析法的基本原理, 下面结合税务稽查工作的实际情况 , 对判别分析法应用于税务稽查选案的可行性进行探讨。( 一) 关于选案指标的选取王锐在税收不遵从的识别研究一文中对稽查选案的指标应用判别分析法作了较全面深入的研究, 并经过调查问卷方式确定资料内容仅供您学习参考，如有不当或者侵权，请联系改正或者删除。指标权重 , 从中选取了19 项指标进行判别分析, 并分别从不区分行业类型和区分行业类型进行逐步判别分析, 建立相应的判别模型,经过回判获得了较高的准确率。为验证其选取的指标能否适用于税务稽查选案工作, 本文也沿用其选取的19 项指标进行实证分析。 其具体指标见表2-1:表 2-1待筛选的指标变量指标代码指标名称指标所属类别X1税收负担率X2企业税收负担状况进销项税比率X3毛利率X4销售利税率X5总资产报酬率X6权益净利率X7成本费用利润率X8企业盈利能力销售费用率X9销售管理费用率X10销售财务费用率X11销售成本费用率X12销售成本利润率X13存货周转率X14应收账款比率企业营运能力X15总资产周转率X16资产负债率X17流动比率X18企业偿债能力速动比率X19现金比率资料内容仅供您学习参考，如有不当或者侵权，请联系改正或者删除。( 二) 数据来源及研究方法本文研究所采用的”不诚实企业”和”诚实企业”样本数据共215 个, 主要是中山市1 月至 6 月间经检查确定有偷税行为的企业,此类企业被定义为”不诚实企业”,”诚实企业”则抽选经各征收部门评定为 A 类纳税人的企业 , 它们均为历年信誉优良、按时申报纳税且近年来没有发生过稽查案件的纳税大户。而上述企业的指标数据则来源于它们 的纳税申报表、财务会计报表和中山市国税系统的征管软件系统。为了验证行业细分对判别分析法准确率的影响, 笔者除对样本数据不区分行业类型建立判别函数外, 还对样本数据进行了行业细分 , 并选取了中山市的两大行业:制衣业和灯饰业分别建立判别函数进行测算 , 对三类数据生成的判别函数的准确率进行分析比较 , 以检验行业细分后 , 判别分析的准确率能否有所提高, 从而决定今后是否采用此方法进行稽查选案。本文以 SPSS12.0( 中文版 ) 作为分析工具 , 所运用的是逐步判别分析法” Usestepwisemethod”, 而且指定逐步判别分析中进入模型和移出模型的依据是系统默认的”使用 F 值”(UseFvalue)选项 , 其中, 当待进入模型的识别变量的F 值 3.84, 即对应的概率 P0.10 时 , 该变量才被移出模型。鉴于本次用于实证检验的样本量不大, 因此本文中对使用建立 的 判 别 函数 进 行 判 别 时准 确 度 的 检验 使 用 了 交 互验 证 法资料内容仅供您学习参考，如有不当或者侵权，请联系改正或者删除。( Cross-Validation) 。这是近年来逐渐发展起来的一种非常重要的判别效果验证技术。具体过程是在建立判别函数时依次去掉一例, 然后用建立起来的判别函数对该例进行判别, 用这种方法能够非常有效地避免强影响点的干扰( SPSS12.0提供了交互验证功能) 。( 三) 研究结果表 2-2 分别列出了在不区分行业类型和区分行业类型( 分为制衣业和灯饰业) 两种情况下所建立的各自的判别函数表示式和相应的最佳判断点值, 并列举了各案例的回判准确率的比较结果。表 2-2 诚实企业判别分析的实证结果对比判别函数适最佳判回判准确用的行业类进入模型的指标判别函数表示式断点值率型不区分行业销售管理费用率、总资Z=-1.654+19.072X9+0.258X 15 公式(4-1)0.06171.20%类型产周转率区税收负担率、 销售利税Z=-0.536-47.005X1-8.471X 4+8.44分制衣率、 总资产报酬率、销0.09585.70%行业1X5+35.519X 9 公式 (4-2)售管理费用率业类灯饰成本费用利润率Z=-0.016+9.88X 70.0382.40%公式 (4-3)型业从上表中相关数据的计算结果可见, 应用中山市企业的实际数据 , 利用判别分析法能够建立准确率较高的判别函数表示式, 并可计算出最佳判断点值, 而且两种情况下均取得了较高的回判准确率 ( 均达到70%以上 ) 。由此可见 , 对一户新的未知分类的企业,