判别分析法应用于稽查选案工作的可行性研究.doc

莈芃袈衿膈蒈袄袈芀莁螀袇莃薇蚆袇肂莀薂袆膅薅袁袅芇莈螆羄荿薃蚂羃聿莆薈羂芁薂薄羁莃蒄袃羁肃蚀蝿羀膅蒃蚅罿芈蚈薁羈莀蒁袀肇肀芄螆肆膂葿蚂肅莄节蚈肅肄薈薄肄膆莀袂肃艿薆螈肂莁荿蚄膁肁薄薀膀膃莇衿腿芅薂螅腿蒈莅螁膈膇蚁蚇螄艿蒄薃螃莂虿袁螃肁蒂螇螂膄蚇蚃袁芆蒀蕿袀莈芃袈衿膈蒈袄袈芀莁螀袇莃薇蚆袇肂莀薂袆膅薅袁袅芇莈螆羄荿薃蚂羃聿莆薈羂芁薂薄羁莃蒄袃羁肃蚀蝿羀膅蒃蚅罿芈蚈薁羈莀蒁袀肇肀芄螆肆膂葿蚂肅莄节蚈肅肄薈薄肄膆莀袂肃艿薆螈肂莁荿蚄膁肁薄薀膀膃莇衿腿芅薂螅腿蒈莅螁膈膇蚁蚇螄艿蒄薃螃莂虿袁螃肁蒂螇螂膄蚇蚃袁芆蒀蕿袀莈芃袈衿膈蒈袄袈芀莁螀袇莃薇蚆袇肂莀薂袆膅薅袁袅芇莈螆羄荿薃蚂羃聿莆薈羂芁薂薄羁莃蒄袃羁肃蚀蝿羀膅蒃蚅罿芈蚈薁羈莀蒁袀肇肀芄螆肆膂葿蚂肅莄节蚈肅肄薈薄肄膆莀袂肃艿薆螈肂莁荿蚄膁肁薄薀膀膃莇衿腿芅薂螅腿蒈莅螁膈膇蚁蚇螄艿蒄薃螃莂虿袁螃肁蒂螇螂膄蚇蚃袁芆蒀蕿袀莈芃袈衿膈蒈袄袈芀莁螀袇莃薇蚆袇肂莀薂袆膅薅袁袅芇莈螆羄荿薃蚂羃聿莆薈 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。从目前的研究文献来看，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王锐.税收不遵从的识别研究.浙江大学博士学位论文.2003年4月。在目前的研究成果中，使用较多的是数理统计中的判别分析法。本文尝试选用目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（2003年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(Discriminant Analysis)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,通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(X1)和花萼宽(X2)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)样品号刚毛鸢尾(G1)变色鸢尾(G2)花萼长(X1)花萼宽(X2)花萼长(X1)花萼宽(X2)15.1 3.573.224.9 36.43.234.7 3.26.93.1495.3 3.75.12.5505.0 3.35.72.8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(X1)和花萼宽(X2)分别为: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)和样本协方差矩阵(记为)如下：, , 应用公式： 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: 因为,所以该新样品属于类别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。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(X1)和花萼宽(X2)换成纳税申报的有关指标,那就可以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他特征信息，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)，便可以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，并通过调查问卷方式确定指标权重，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税收负担率企业税收负担状况X2进销项税比率X3毛利率企业盈利能力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存货周转率企业营运能力X14应收账款比率X15总资产周转率X16资产负债率企业偿债能力X17流动比率X18速动比率X19现金比率（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2005年1月至2006年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2006年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2004年的纳税申报表、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“Use stepwise method”，并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”(Use F value) 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（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，用这种方法可以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达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用的行业类型进入模型的指标判别函数表达式最佳判断点值回判准确率不区分行业类型销售管理费用率、总资产周转率Z=-1.654+19.072 X9+0.258 X15 公式(4-1)0.06171.20%区分行业类型制衣业税收负担率、销售利税率、总资产报酬率、销售管理费用率Z=-0.536-47.005 X1-8.471 X4+8.441 X5+35.519 X9 公式(4-2)0.09585.70%灯饰业成本费用利润率Z=-0.016+9.88 X7 公式(4-3)0.0382.40%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，利用判别分析法可以建立准确率较高的判别函数表达式，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，只要取得其相应的指标值代入上述公式计算出Z值，并与最佳判断点值比较，即可根据结果对该企业所属的分类进行“预测”，如Z值大于最佳判断点值，则该样本归入不诚实企业组，反之，则该样本归入诚实企业组；如两者相等，则需另行判别。三、判别分析法对稽查选案的适用性评价根据以上实证研究结果，笔者认为判别分析法基本适用于目前的税务稽查选案工作，但在具体应用过程中仍有个别问题需要注意。第一，判别分析法在税务稽查选案中的应用是可行和有效的。本文分别对不区分行业类型和区分行业类型后的制衣业、灯饰业建立了各自的判别函数表达式和相应的最佳判断点值，不区分行业类型的判别函数的总体判别准确率在71%左右，细分行业后，制衣业和灯饰业的判别函数准确率均在80%以上，选案准确率均比以往测算的准确率（58%）有较大的提高，因此，这种方法应该是可行的。本文建立的三个判别函数均对诚实企业有较强的识别能力（考虑篇幅问题，文中未有详细列出相关数据），如将其应用于实际选案，则在税务稽查工作中误把诚实纳税企业判别为有问题企业进行检查，导致浪费稽查人力的情况将大为减少。 第二，将判别分析法应用于实际选案时，应区分行业类型分别建立判别函数。如行业中所包括的企业的共同特性越多，则表现在诚实与不诚实两类企业总体上的指标变量的数字特征会越显著，从而应用判别函数的分析会更有效。从上述实证检验结果看，区分行业类型建立的判别函数的判别准确率高于不区分行业类型建立的。第三，在实际应用中，“诚实企业”的样本选取必须准确且有足够的数量。判别分析法的准确率对进入模型的筛选指标和样本库的代表性有较高的要求。不恰当地选择指标或样本库特征与总体特征有偏差的情况都会降低判别分析的准确率。文中选取A类企业作为诚实企业的样本，其中可能混杂个别不诚实申报的企业，从而有可能影响判别函数的判别效果。因此，在今后实际应用中，应尽量搜集能真实反映企业实际经营状况的会计核算资料，以建立起分类更为准确且具有足够数量的样本库，这样才能确保所建立的判别函数具有更高的可靠性。第四，“不诚实企业”样本数据量不足会影响模型建立的准确性。判别分析法主要是利用专家经验选择要分析的变量，并运用统计分析方法提取诚实企业与不诚实企业两类样本的数字特征。当样本量较大且能够反映总体特征时，通过判别分析建立的判别函数就能将那些易受外界干扰或伪装的识别能力较差的指标予以过滤，而保留那些较少受到纳税人或稽查人员关注但识别能力较强的指标，从而有效降低误判率。随着国税部门税收征管手段的逐步改进和日常征管力度的不断加大，近年来税务系统所查处的税务案件数量呈逐年下降趋势，因而从建立判别函数的角度来说，判别分析法应用于实际稽查选案时，“不诚实企业”的样本数据量是不足够的。为此，可考虑将今后日常征管过程中发现其它异常企业（如对一般纳税人进行纳税评估或对企业停歇业检查过程发现的问题企业）的相关数据一并纳入“不诚实企业”的样本，以提高判别模型的准确性。第五，判别分析的指标选取方法有待改进。本文仅选取19个分析指标，这些指标均为企业内部的横向比率指标，具有一定的局限性，如在今后积累了一定年份的数据后，可增加对一些其它年度比较指标或与同行业平均值的差异率等能多方面反映企业经营状态的指标进行分析，力求选出更适合于判别分析的指标体系，进一步提高判别结果的准确性。综上所述，将判别分析法应用于稽查选案是可行的，特别是通过分行业建立判别模型并计算出相应的判别值，这对特定行业企业是否诚实申报的判别将更具可靠性。但是，在实际应用中，判别分析法的运用是有前提的，即必须能够在同一时期内采集足够数量且能准确划分为“诚实企业”和“不诚实企业”的样本数据，这使得判别分析法在稽查选案工作中的应用具有一定的局限性。 膀葿袀螂腿薁蚂肁腿芁袈羇膈莃蚁袃芇蒆袆蝿芆薈虿肈芅芈蒂肄芄蒀蚇羀芃薂薀袆芃节螆螂节莄薈肀芁蒇螄羆莀蕿薇袂荿艿螂螈莈莁薅膇莇薃袀肃莇蚅蚃罿莆莅衿袅羂蒇蚂螁羁薀袇聿肀艿蚀羅肀莂袅袁聿蒄蚈袇肈蚆蒁膆肇莆螆肂肆蒈蕿羈肅薁螅袄肄芀薇螀膄莃螃肈膃蒅薆羄膂薇螁羀