[数据挖掘技术支持下小型民营企业纳税评估模型研究] 纳税评估

　　摘要：结合对纳税评估模型理论依据的分析，明确了数据挖掘技术在纳税评估模型中运用的可行性；进而通过构建纳税评估数据仓库、处理数据和构建纳税评估模型等程序，对小型民营企业纳税评估模型进行了优化。数据挖掘技术支持下的小型民营企业纳税评估模型能全面利用纳税人的生产经营数据等涉税信息，做出对纳税人“税收遵从”或“税收不遵从”的科学分类，提高纳税评估对象选定的效率，具有一定的应用价值。
　　关键词：数据挖掘；小型民营企业；纳税评估
　　中图分类号：F276.5文献标识码：A文章编号：1006-723X（2012）12-0055-05
　　2005年，国家税务总局出台了《纳税评估管理办法（试行）》，开始对税源进行科学化与精细化管理，防范税收不遵从行为；2010年，总局又将纳税评估定义为“税务机关利用获取的涉税信息，对纳税人（包括扣缴义务人，下同）纳税申报情况的真实性与合法性进行审核评价，并做出相应处理的税收管理活动”。可见，对纳税评估的研究总是伴随经济活动的发展而演变的，对纳税评估的研究也越来越成为一项处置税收风险、促进纳税遵从的重要手段。
　　近几年来，随着我国国民经济的快速发展，小型民营企业的总体规模得以壮大，对国民经济的贡献日益突出。然而，正是由于小型民营企业规模大、流动性强，税务机关的税务监督始终处于低效率状态，尤其表现在对小型民营企业的纳税评估工作中。在实务中，纳税评估模型的实质就是利用税务机关已经掌握的数据对纳税人进行分类的过程，即根据已经发生的先验数据去推断纳税人可能属于哪种类别，这一过程实际上就是从大量的数据中提取知识的数据挖掘过程。本文正是利用这一特征，利用数据挖掘作为技术支持，对小型民营企业纳税评估模型进行优化研究，对于提高纳税评估效率、促进纳税遵从行为具有重要的理论与现实意义。
　　一、纳税评估模型的理论依据
　　影响纳税遵从决策的因素包括内部因素和外部因素两方面，其中外部因素对于纳税人而言可变性不强，内部因素作为影响纳税人纳税行为动机的关键因素，往往在纳税遵从决策中起主导作用。因此，纳税不遵从行为通常是纳税人在内部因素的驱使下做出的。可见，纳税人的内部因素对于研究纳税遵从行为具有至关重要的作用。
　　作为小型民营企业，一方面受到自身规模和政策的限制，企业的生产经营情况波动较大，直接影响投资人投资回报率的稳定性；另一方面，税收认识的不足和获得不遵从预期收益的侥幸心理往往使他们在陷入经营低谷期时很容易做出纳税不遵从决策，可以说，纳税人的生产经营情况是影响纳税人遵从行为的内在核心因素。沈肇章（2008年）通过对企业特征与纳税行为动机的实证分析，认为企业在不同的生产经营状态下纳税行为动机的表现不同：处于变革期的企业的平均纳税意识比其他类型的企业低；处于成长期的企业对税收征管水平的平均评价比创业期和稳定期的企业低；生产经营过程中处于亏损状态的企业在公平感、安全感、税收征管水平及纳税遵从成本方面的感受明显比处于盈利状态的企业强烈。彭秋容（2010年）通过对纳税遵从行为的分析也表明，税收毕竟是对纳税人财产所有权的一种强制性的转移，且无直接、明显的对等给付，是纳税人的一种“负担”，受纳税痛感与利益最大化的驱使，各类纳税的经济主体从自身利益出发，都希望税负尽可能的低，从而使税后收益最大化，这一心理尤其体现在企业生产经营受到明显冲击的情况下。正是由于这一原因，对小型民营企业生产经营情况的适时监控可以作为预测纳税人税收遵从与否的依据。本文正是从纳税人的生产经营数据出发，通过数据挖掘，分析纳税人“税收遵从”或“税收不遵从”的分类属性，提高纳税评估模型的准确度和纳税评估工作的效率。
　　二、数据挖掘技术在纳税评估模型中
　　运用的可行性分析纳税评估标志着税收征管从粗放式管理向科学化、精细化管理，从监督打击型向监督与服务并重型的转变，从而有效地弥补了税款征收与税务监督之间的脱节，加强了部门、岗位间的工作衔接，提高了整个税务监督工作的效率和质量。然而，传统的纳税评估过程中，纳税评估模型的运用严重影响了纳税评估的科学性和客观性，尤其表现在两方面。一方面，纳税评估工作是一项业务性较强的工作，要求评估人员具备审核、评析、测算等技能，并根据掌握的涉税信息对纳税人展开有效的定性与定量分析，从而挖掘出深层次的潜在问题，但现阶段评估人员的业务素质参差不齐，特别是在对象的选定阶段缺乏科学的模型支持，更多依靠评估人员的主观经验预测，制约纳税评估体系的效率；另一方面，小型民营企业由于规模等自身特点的限制，法律意识淡薄、财务核算不健全、假账与账外账等现象突出，使涉税数据在纳税评估过程中的参考价值不高，严重影响纳税评估的效果。因此，科学的技术支持不仅能提高评估对象选定工作的效率，对于纳税评估总体效果的提升也有积极的意义。
　　数据挖掘技术借助于数据仓库，通过数据源的集成和选择，将大量模糊、随机的数据转变为有序的数据，并通过对目标数据的多次处理和分析，产生知识模式，并最终表现为有价值的信息。纳税评估对象的选定过程本质上就是对纳税人的涉税数据进行分析，进而得到纳税人分类：税收遵从纳税人或者税收不遵从纳税人，整个过程就是一个分类的过程，因此，二者的总体逻辑框架是一致的。此外，纳税评估对象的选定通常是借助于一系列无序的、相互独立的、低抽象层次的业务属性实现的，要想让这些数据实现知识模式并表现为有价值的信息，需要对数据进行泛化、离散化处理等转换过程，而这些依靠数据仓库的集成和选择功能都可以实现，因此，运用数据挖掘技术优化纳税评估模型是完全可行的。
　　三、数据挖掘技术支持下小型民营
　　企业纳税评估模型的构建（一）小型民营企业纳税评估数据仓库的构建
　　纳税评估数据仓库是数据挖掘实现的数据平台，应该包含定性、定量分析过程中涉及的各类涉税数据。由于纳税评估实施的主体是税务机关，而对象却是纳税人，两者之间存在明显的信息不对称，税务机关不可能掌握纳税人的所有信息，因此纳税评估数据仓库只能尽可能而非完全保证数据的全面性。总体上来说，数据仓库中应包涵静态数据和动态数据，且静态数据和动态数据是相互对应的，不能杂乱无序。 　　1.静态数据
　　静态数据是指对分析纳税人税收遵从度起中性作用的所有数据，主要包括纳税人名称、纳税人经营地址、纳税人所属行业类型、纳税人工商业类别、纳税人税款征收方式、纳税人状态、纳税人持续经营时间、纳税人信息统计时间。尽管静态数据对于纳税遵从行为的判定没有明显的作用，但它涉及纳税人的一般常用信息，弥补了比较数据和动态数据的孤立性。
　　2.比较数据
　　比较数据是为了避免因地区、行业差异造成数据信息失真或可比性不足而设置的数据，通常表现为地区和行业的二维信息，信息的设置可按照表1所示的模式进行。
　　YY行业……行业平均XX地区……地区平均其中，“地区”可以设置至省、市、县、乡四级，依据纳税评估主体的级别进行划分，例如，省级税务机关可以按照“市”进行划分；“行业”通常按照生产同类产品或具有相同工艺过程或提供同类劳动服务经济活动类别进行划分，例如饮食行业、机械行业等。
　　3.动态数据
　　动态数据即纳税人在生产经营过程中反映不同时期各种具体行为的数据。根据纳税遵从度动态数据之间的相关性，动态数据又可分为主导动态数据和辅助动态数据。一般情况下，主导动态数据是影响纳税人遵从行为决策的关键。
　　（1）主导动态数据
　　在不考虑纳税人所属行业差异的情况下，可以反映纳税人遵从行为决策的主导动态数据主要包括以下八方面。
　　应税销售额：纳税人在某一期间所有应承担税赋的销售收入；应纳税额：纳税人在某一期间应承担的税赋；销项税额：从纳税申报表对应项目中采集的纳税人销项税额；进项税额：从纳税申报表对应项目中采集的纳税人进项税额；连续零申报月份数：纳税人连续零申报的月份累积数；销售净利率：纳税人净利润与主营业务收入的比值；资产负债率：纳税人负债总额与资产总额的比值；应收账款周转率：纳税人主营业务收入与平均应收账款的比值。
　　（2）辅助动态数据
　　除以上主导动态数据，数据仓库中还应建立相应的辅助动态数据，用以全面反映纳税人的生产经营情况，这些数据至少应包括以下两方面。
　　销售费用：纳税人在某一期间产品销售过程中的支出费用；行业环境变动指数：纳税人在某一期间所处行业环境与上一期间所处行业环境相比的变动情况，应该是反映政策、物价等变化的综合指数，指数大于1表明行业环境变动对于纳税人的生产经营是有利的，小于1则表明对于纳税人不利，等于1表明不存在明显变化。
　　（二）数据选择、转换与预处理
　　来源于纳税评估数据仓库的数据源是各种具体的数值，这些具体的数值不能直接进行数据挖掘，需要先进行数据选择、转换与预处理。
　　1.数据选择
　　数据选择是影响数据挖掘的重要环节。选择的数据太多，影响数据挖掘的效率；选择的数据太少，数据挖掘的表现结果可靠性不足。本文在数据仓库中选择本地区同行业平均税负率、应税销售额、应纳税额、销项税额、进项税额、销售净利率、资产负债率、应收账款周转率和连续零申报月份数作为数据预处理集，总体上涵盖了纳税人所属行业税收负担、纳税人税收负担、盈利能力、偿债能力、运营能力和税收指标，具有一定的全面性和独立性。
　　2.数据转换
　　数据转换是将数据从较低层次抽象至较高层次，使之可用于数据挖掘的数据处理过程。由于独立的数据对于纳税评估而言毫无意义，只有进行相应的对比才能加以分析，因此，本文将数据预处理集进行如下转换，并得到了以下7项业务指标：
　　税负率差异幅度=（纳税人税负率-本地区同行业平均税负率）/本地区同行业平均税负率*100%，（其中，税负率=本期累积应纳税额/本期累计应税销售额*100%）；销售额变动率=（本期应税销售额-上期应税销售额）/上期应税销售额*100%；净项销项税额比较情况=申报表中应抵扣进项税额合计大于销项税额的月份数；零申报异常情况=纳税人连续零申报的月份数；销售净利率变动率=（本期销售净利率变动率-上期销售净利率变动率）/上期销售净利率变动率*100%；资产负债率变动率=（本期资产负债率-上期资产负债率）/上期资产负债率*100%；应收账款周转率=（本期应收账款周转率-上期应收账款周转率）/上期应收账款周转率*100%。
　　3.数据预处理
　　在确定上述指标基础上，需要对业务指标所对应的属性进行定义，包括数据的泛化与离散化两步。
　　税负率差异幅度：税负率差异幅度的业务属性可以取“正常”与“异常”两个值，通常情况下，纳税人税负率低于本地区同行业平均税负率超过30%时，纳税人被认定为纳税不遵从的概率就会大大增加，因此，定义税负率差异幅度小于等于-30%时，税负率差异幅度取“异常”值，其他情况取“正常”值；销售额变动率：纳税人的应税销售额变动幅度在40%区间以内通常为正常情况，因此，销售额变动率处于[-40%，40%]时取“正常”值，否则，取“异常”值；进项销项税额比较情况：申报表中应抵扣进项税额合计大于销项税额的月份数小于等于6时，这一业务属性取“正常”值，大于6时取“异常”值；零申报异常情况：纳税人连续零申报的月份数小于等于12 时，这一业务属性取值为“正常”；大于12时取“异常”值；销售净利率变动率：当销售净利率变动率在[-20%，20%]区间内变动时，取“正常”值，否则，取“异常”值；资产负债率变动率：当纳税人资产负债率变动幅度在[-60%，10%]区间内时，取“正常”值，否则，取“异常”值；应收账款周转率变动率：当纳税人应收账款周转率变动率在[-80%，50%]区间内时，取“正常”值，其他情况取“异常”值。
　　（三）纳税评估模型的构建
　　1.选取训练样本集
　　为了评估模型的准确性，尽量避免纳税评估过程中评估人员的主观经验判断，本文认为应该从已知纳税人的分类属性中挑选训练样本集，以训练样本集的逻辑判断验证测试样本集的分类属性。因此，构建纳税评估模型首先应该选择训练样本集，样本集中的每一个元素都已知其分类属性，且样本中所含元素越多越好，样本集合应包括如表2所示的内容。 　　2.计算两种分类的先验概率
　　对训练样本集中的“分类属性”进行统计，得到分类属性为01的样本总数C_D1和属性为02的样本总数C_D2，并计算“税收遵从”和“税收不遵从”的先验概率
　　P（D1）=C_D1/（C_D1+C_D2），P（D2）=C_D2/（C_D1+C_D2）
　　3.计算业务指标的条件概率
　　以分类属性为界限，再次对训练样本集的业务指标进行样本数统计，得到分类属性D为“纳税遵从”情况下税负率差异幅度Z1“正常”的样本数C_Z1_N1_D1、“异常”样本数C_Z1_N2_D1，分类属性D为“纳税不遵从”情况下税负率差异幅度Z1“正常”的样本数C_Z1_N1_D2、“异常”的样本数C_Z1_N2_D2，并据此得到所有业务指标的相关信息。业务指标的条件概率表如表3所示。
　　表的最后一列业务指标的条件概率P（Z/D）即体现了在样本分类属性发生的情况下，业务指标属性的发生概率。
　　4.测试样本集数据处理
　　测试样本集的数据处理过程就是依据测试样本的业务指标属性确定样本分类属性的过程。这一过程可以通过以下方式实现。
　　（1）确定测试样本中纳税人7项业务指标属性在不同分类属性下的条件概率。首先应确定“税负率差异幅度”、“销售额变动率”、“进项销项税额比较情况”、“零申报异常情况”、“销售净利率变动率”、“资产负债率变动率”、“应收账款周转率变动率”的“正常”与“异常”情况，进而与业务指标条件概率表中的数据进行一一照应，确定样本中纳税人业务指标属性在“税收遵从”和“税收不遵从”两种分类属性下的条件概率。
　　（2）计算纳税人各项业务指标属性的综合条件概率P（Z|D1）和P（Z|D2）。
　　P（Z |D1）=P（Z1|D1）* P（Z2|D1）……* P（Z7|D1）
　　P（Z |D2）=P（Z1|D2）* P（Z2|D2）……* P（Z7|D2）
　　（3）判定测试样本的分类属性
　　测试样本的分类属性依赖于测试样本为“纳税遵从”的概率P（Z_D1）与“纳税不遵从”的概率P（Z_D2）孰高原则，因此，确定P（Z_D1）和P（Z_D2）就成为确定测试样本分类属性的关键。
　　P（Z_D1）= P（Z |D1）*P（D1），P（Z_D2）= P（Z |D2）*P（D2），由于P（Z |D1）、P（Z_D2）、P（D1）、P（D2）都为已知，因此，P（Z_D1）和P（Z_D2）的大小即可确定。若P（Z_D1）>P（Z_D2），纳税人可以认定为“纳税遵从”， 若P（Z_D1）　　在对纳税人的分类属性判定完毕之后，税务机关可挑选“纳税不遵从”对象，利用评估分析、询问核实、评定处理等一系列程序，完成纳税评估工作。
　　结语
　　运用数据挖掘技术优化纳税评估模型的根本目的是将纳税评估的对象选定工作置于科学的逻辑框架下，以提升纳税评估的效率。借助数据挖掘技术，本文将纳税评估模型定位在“税负率差异幅度”、“销售额变动率”、“进项销项税额比较情况”、“零申报异常情况”、“销售净利率变动率”、“资产负债率变动率”、“应收账款周转率变动率”7项业务指标上，利用业务指标的属性判定纳税人的分类属性，具有较强的解释作用和科学性。
　　当然数据挖掘技术仅仅是对纳税评估模型所做的一项尝试和探索，若将其应用到税务机关纳税评估的实际工作中，仍然是一项系统工程。由于篇幅有限，对于7项业务指标的适用性和科学性缺乏实务工作的检验，仅仅给出了数据挖掘技术支持下纳税评估模型的理论思路和框架；随着计算机编程能力的不断发展，如何将纳税评估模型用计算机程序加以实现将是理论运用于实践的关键，这些问题都是有待继续研究和关注的地方。
　　[参考文献][1]OECD， Information Note： Compliance Risk Management Audit Case Selection Systems： Case Study， 2004，（10）.
　　[2]周伍阳，杨招军.“纳税评估”理论基础及其指标体系研究[J].石家庄经济学院学报，2005，（2）.
　　[3]深圳市国家税务局课题组.信息化条件下纳税评估管理模式的构建[J].涉外税务，2006，（3）.
　　[4]沈肇章.基于企业避税行为分析的反避税策略研究[D].广州：暨南大学，2008.
　　[5]彭秋容.纳税遵从研究[D].成都：西南交通大学，2010.
　　[6]王志铭.运用税负率进行纳税评估应注意的问题[J].商业会计，2008，（8）.
　　[7]刘慧平.行业纳税评估模型构建问题研究[J]. 湖南税务高等专科学校学报，2010，（3）.
　　[8]聂建平.浅议我国纳税评估存在的问题[J].大众商务，2009，（6）.
　　The Tax Assessment Model of Small Private Enterprises under the
　　Supporting of Data Mining Technology
　　ZHENG Shu-wang1， LI He-qin2
　　（1. Accounting Research Institute， Liaoning Technical University， Fuxin， 123000， Liaoning；
　　2. Graduate School， Liaoning Technical University， Huludao， 125105， Liaoning， China）
　　Abstract：Combined with the theoretical analysis of tax assessment model， the article defines the feasibility to use data mining technology in tax assessment model， and optimizes the tax assessment model of small private enterprises through construction of tax assessment data warehouse， data processing， model construction and other procedures. The tax assessment model of small private enterprises under the Supporting of Data Mining Technology is of practical value for it is able to divide the taxpayers into two groups considering "tax compliance" and "tax non-compliance" by means of the tax related information like the tax payers production and management， and to improve the efficiency in the selection of the tax assessment subjects.
　　Keywords：data mining； small private enterprises； tax assessment
　　〔责任编辑：黎玫〕

推荐访问:支持下 纳税 民营企业 模型