纳税风险评估方案及对策

纳税风险评估方案及对策摘要纳税企业存在偷税漏税的可能，而且企业申报的数据通常不完整，再加上纳税指标的繁杂以及企业申报的虚假内容，这些都给发现疑点纳税企业增加了难度。本文旨在通过数学建模的方法对零售类型企业申报表进行分析，找出其中可能偷税漏税即需要进行税收风险控制的企业。针对问题一，根据正常纳税企业的四个特征，得出企业可能偷税漏税的标准，模型一通过计算主营业收入与销售总额的差值判定利润表中的主营业收入与申报表中的销售总额是否一致，模型二通过计算销项税额和销售额的比值进一步筛选出存在偷税漏税可能的零售企业，模型三和模型四通过建立多元线性回归模型和灰色关联度模型，分别依据营业，管理费用与销售额有正常比例和销项税额，实际抵扣税额与资产负债变化同步的两个条件对企业申报数据作线性和关联性检验。综合以上四个模型，最终得出最有可能偷税漏税的614家企业。针对问题二，仍然以正常企业的四个特征作为风险指标，建立风险评价模型确定具有偷税漏税行为的企业。通过建立层次分析模型，以各个风险指标所对应的数据的完整度和各个指标在实际情况中的重要性为依据，对各个指标进行赋权，评价矩阵通过了一致性检验，四个风险指标的权重依次为0.565，0.262，0.118和0.055.本文着重分析了具有代表性的包括数据完整，较完整，不完整企业在内的50家企业进行分析，得到与问题一相一致的结果，再次说明了模型的可行性。针对问题三，沿用问题二中的风险评价模型，采用11年的企业申报数据。通过对11年企业四项指标进行评分，最终取得分60分以下的企业作为下一年需要进行风险控制的企业，评价的结论是需要对517家零售企业进行风险控制。针对问题四，在综合考虑了模型结论和各个影响因素的前提下，试着提出了一些合理化的建议和意见，就企业偷税漏税行为和纳税风险控制等方面提出了几点建议和对策。本文采用多元线性回归模型和灰色关联度模型，使各企业的纳税风险与各级风险指标相关联，合理选择主要指标而忽略次要指标，使模型得以简化，并可借助不同指标对影响企业纳税风险的不同方面及不同因素进行分析；对于企业申报表中某些主要数据存在而对纳税风险影响不大的数据缺失的企业，仍能对该企业的纳税风险进行评估，因此本文建立的评价模型具有较广的适用范围；另外，对各企业的纳税风险评估结果进行量化及评定分级，使结果更加清晰、更有说服力。关键词：多元线性回归模型 灰色关联度模型 风险评价模型30一、问题重述纳税评估是指税务机关通过掌握各类内、外部信息资料，运用科学的技术手段和方法，对纳税人和扣缴义务人在规定期限内履行申报纳税义务状况进行的综合评价的管理行为，是强化税源管理的重要工作方法。企业偷税漏税最直接的特征为将申报表中的应纳税额减小。而应纳税额的计算又与很多其他的量有关，所以企业很可能在其他指标上做手脚，从而达到偷税漏税的目的。作为没有偷税漏税的正常零售业类型的企业，其报表主要指标应有如下特征：利润表中的主营业务收入应与申报表中销售额总计一致；销项税额与销售额之比在一定范围内；营业费用、管理费用与销售额有正常的比例；销项税额，实际抵扣税额与资产负债表中的应付账款、货币资金变化同步。企业偷税漏税的方法有很多种，在数据完整的情况下，如果企业的数据不符合上述特征，那企业就有偷税漏税的可能。由于所给数据不够完整，而且企业的指标很多，不同的表内企业也有不同，纳税人自行申报的表资料中的信息存在失实和虚假内容，导致很难发现隐藏的疑点纳税人。附件给出了某城市部分零售业的税务报表和资产情况报表，请根据所给数据建立数学模型，完成以下任务:1)判断哪些企业可能在增值税征收方面可能存在偷税漏税行为;2)给出风险指标，借此可以用来判断企业是否存在偷税漏税行为;3)根据上一年度的数据资料，需要对哪些企业进行税收风险控制;4)根据你的模型结果，给相关税务机关建议和对策。二、问题分析在实际中，相关税务机关人员普遍通过稽查账目的方法对偷税漏税行为进行监管。但根据本问题中所给的附表以及对附表内数据进行计算分析的要求，需要建立相应的数学模型对企业可能存在的偷税漏税行为以及需要对哪些企业采取纳税风险控制进行量化和评估测。问题一中，大多数企业都存在漏报数据的情况，在寻找可能偷税漏税的企业时，重点在于漏报数据的企业即申报数据均为空白的企业是最有可能偷税漏税的。正常纳税的企业存在主营业收入与销售额平衡，销项税额与销售额之比在一定范围内，营业，管理费用与销售额呈正常比例，销项税额，实际抵扣税额与资产负债变化同步的四个特征。根据四个特征，可以确立企业正常纳税的四个条件。利用四个条件逐步筛选出可能偷税漏税的企业，由于数据的缺失，不能要求企业完全满足四个条件，本文得出的是四个条件均不满足的企业才是最有可能偷税漏税的企业。条件一和条件二可以用简单的计算来确立，条件三可以建立多元线性函数，若数据不满足线性关系，则视为不通过检验，条件四符合灰色关联度的概念。问题二中，确立评判企业是否偷税漏税的风险指标和模型时，可以借用第一问的指标。风险评价模型采用简单的线性模型比较实用，比较客观对各指标进行赋权需要用到层次分析法。由于数据量过大，考虑筛选出具有代表性的50家企业进行单独分析，并利用问题一的结果对模型的评价效果进行检验。问题三中，需要通过11年的数据确定12年需要进行风险控制的企业。直接采用第二问的模型对11年的申报企业进行评分，评分低于60分的企业视为很有可能偷税漏税的企业，需要进行风险控制。三、模型假设1、 假设纳税风险受本文选取的主要指标影响，而不考虑其他次要指标的影响2、 假设题目中所有企业税收标准统一3、 假设附表中所给数据准确可靠4、 企业漏报数据为故意行为5、 正常企业的四个特征具有足够代表性6、 企业申报金额过小时视为漏报四、定义与符号说明销售总额实际抵扣税额销项税额营业费用管理费用主营业收入第项风险指标企业第项风险指标的得分销项税额和资产负债的关联度实际抵扣税额和资产负债的关联度纳税风险二级指标权重矩阵纳税风险控制综合权重矩阵d2纳税风险综合评价结果五、模型的建立与求解5.1问题一：基于检验量和检验指标的偷税漏税行为的判断分析由于企业填写数据的不完整性，如果严格按照四个条件进行筛选，不符合客观实际.假设企业四个条件均不满足或者与条件有关的数据大部分未填写，则可以认为该企业很有可能偷税漏税.下面采用企业四年申报的数据，根据四个条件建立数学模型对08年最有可能偷税漏税的企业进行逐步确定.首先，为了计算方便，将申报表中存在字母或特殊字符的识别号进行处理，将识别号中的分别用数字代替，对表中的空白部分用代替.针对问题一，根据没有偷税漏税的零售企业的主要特征，建立没有偷税漏税的四个条件:一. 利润表中的主营业务收入与申报表中的销售总额一致；二. 销项税额与销售额之比在一定范围内；三. 营业费用、管理费用与销售额有正常的比例；四. 销项税额，实际抵扣税额与资产负债表中的应付账款、货币资金变化同步。5.1.1特征1的计算及检验模型I1. 将08年申报表中的总销售额与利润表中的主营业收入一一进行比对，总计有家企业，685家在申报表的总销售额项和主营业收入项中均出现，672家均填写了数据.672家中有402家企业的总销售额与主营业收入相等，270家企业总销售额与主营业收入不一致.加上未填写完整数据的企业，可能偷税漏税的企业总共有1213家.以下给出，通过模型一检验的企业的识别号，详细见附录一:表1报表指标不满足特征1举例0910.001569.007764.005316.008898.004031.004173.000691.001249.001290.008650.009506.006744.009829.000125.000600.006661.007656.006800.000103.007438.007534.007606.007657.008430.006191.001020.007210.001206.004742.004996.005040.003900.007728.009489.000572.003987.000870.002649.004459.006305.000036.008646.007089.003618.001883.005095.003523.009509.001591.005240.005389.00模型II2. 在申报表中给出了两种不同的税率:和.所以正常情况下的销项税额与销售额的比值应该介于和之间，另外应税劳务的存在，两者的比值与税率可能有所偏差，但是应税劳务占销售额的比重很小，故假设其有的偏差。最终销项税额与销售额的比值应该介于和之间。经过比对，1564家申报企业中有758家通过模型二的检验，806家企业存在偷税漏税的可能，下面给出部分可能偷税漏税的企业识别号，详细见附录二：表2报表指标不满足特征2举例7161730014654004590780921457395X4795737214652025158729241457351X14643577143088227711606X432X8517402158004274899629321346417858102748124X4326941765181186478X284X模型III若营业费用，管理费用与销售额存在正常比例，那么三者之间应当呈某种线性关系，如果单单拿其中两种数据作分析，可能会忽略管理费用与营业费用间的内在联系，实际证明效果也不太理想，所以采用多元线性回归模型是一个有价值的选择。假设营业费用，管理费用与销售额存在线性关系，建立多元线性回归模型：3. 和由数据估计，为随机误差。模型求解之后得到：表3回归系数回归系数回归系数估计值回归系数置信区间由此得:在残差图显示的红色的坏值所对应的营业费用，管理费用与销售额没有呈正常的比例。经过计算，总计1614家企业，685家申报了营业费用，管理费用与销售额的完整数据，927家未申报完整数据。在具有完整数据的企业中，有27家营业费用，管理费用，与销售额没有呈正常比例，总计有956家企业未通过模型三检验，可能偷税漏税。以下给出未通过检验的具有完整数据的27家企业的识别号：表4报表指标不满足特征3举例207063566169378626101663774482340082767004390672110249916324960639405856690601837395721091279358361103807248模型IV本文通过建立灰色关联度模型，判定企业的销项税额，实际抵扣税额与资产负债表中的应付账款，货币资金的变化是否同步。关联度的概念：对于两个系统或系统中两个因素之间，随时间或不同对象而变化的关联性大小的程度，成为关联度。在系统发展过程中，若两个因素的变化具有一致性，则两个的关联程度就高，反之，则低。灰色关联分析方法是根据因素之间发展趋势的相似或相异程度，做为衡量两个因素关联程度的一种方法。由此可见，采用灰色关联度模型可以对问题作很好的分析。在进行灰色关联度分析之间，由于各项数据存在数量级上的差异，故先对数据进行归一化处理：设为一数据序列，则：4.所得的新序列中的每一个值都处在区间中。设为参考序列为比较序列，则比较序列相对于参考序列的灰色关联度为：5. 其中：6.根据经验，取时，关联度大于或等于即满足要求。第一步：企业销项税额与应付账款，货币资金变化的关联度检验：根据以上公式，结合08，09，10，11四年的数据，分别计算出销项税额与应付账款和货币资金的灰色关联度，再取平均值，即得到销项税额与两者的最终关联度。部分见下表，详细见附录三： 表5纳税人识别号关联度65180.7056890.5654340.7273000.7229240.6012490.6572110.6613390.7114650.6889580.69第二步企业实际抵扣税额与应付账款，货币资金变化的关联度检验：根据以上公式，结合08，09，10，11四年的数据，分别计算出实际抵扣税额与应付账款和货币资金的灰色关联度，再取平均值，即得到销项税额与两者的最终关联度。部分见下表，详细见附录四：表6纳税人识别号关联度65180.7056890.5654340.7273000.7229240.6012490.6572110.6613390.7114650.6889580.69据的企业共有573家，但是在申报的企业中，一些企业申报的数据不完整或者虚假，导致无法作关联度分析，对由上述结果可知，四年均申报了销项税额，实际抵扣税额，应付账款和货币基金四项数于这类企业均纳入怀疑名单。实际可作销项税额与资产负债关联度的企业178家，实际可作抵扣税额与资产负债关联度的企业172家。在第一步中，通过关联度检验即关联度的企业152家，第二步中通过关联度检验的企业124家。通过任意一关联度检验的企业164家，所以未通过模型四检验的企业未1614家。综合以上四个条件的数学模型分析结果，取未通过模型检验企业集合的交集，即没有通过任意一模型检验的企业，这类企业是偷税漏税可能性最大的企业，总计614家企业有偷税漏税的嫌疑.下面是部分有漏税嫌疑的企业识别号，详细见附录五:表7报表指标不满足特征4举例2875923103857938876915062039691284335667661866424201608865711498676869018720351161574688977987165.2问题二：分析评估可能偷税漏税的企业指标问题一中，利用了四个判断条件分析了08年中最有可能存在偷税漏税行为的企业，针对问题二，仍然采用问题一中的四个条件作为确立风险指标的依据，并由此构建风险评价模型，对存在偷税漏税行为的企业进行判定。5.2.1建立风险评价模型：第一步确立风险评价指标:销售额与主营业收入的差值的绝对值:销项税额与销售额之比:销售额与销售额的估计值的差值的绝对值:销项税额与资产负债的灰色关联度和实际抵扣税额与资产负债的灰色关联度的最大值第二步对企业的每项风险指标进行评分7.8.9. 10. 第三步设置各项指标在模型中的权重实际问题中进行决策的方法有很多，如熵权法，主成分分析法，TOPSIS法，层次分析法等等。层次分析法是对一些较为复杂，较为模糊的问题作出决策的简易方法，它特别适用于那些难于完全定量分析的问题。他是美国运筹学家T.L.Saaty教授于上世纪70年代初期提出的一种简便、灵活而又实用的多准则决策方法。本文通过建立层次分析模型给四个风险指标赋予权重。层次分析模型：构造判断矩阵层次结构反映了因素之间的关系，但准则层中的各准则在目标衡量中所占的比重并不一定相同，在决策者的心目中，它们各占有一定的比例。标度含义135792，4，6，8倒数表示两个因素相比，具有相同重要性表示两个因素相比，前者比后者稍重要表示两个因素相比，前者比后者明显重要表示两个因素相比，前者比后者强烈重要表示两个因素相比，前者比后者极端重要表示上述相邻判断的中间值若因素与因素的重要性之比为，那么因素与因素重要性之比为由问题一中的分析可知，四个条件所对应的数据完整度有较大的差异，根据数据的完整度以及实际经验可以给出各个指标的标度。判断矩阵:5.2.2一致性检验其中是矩阵的最大特征根，.查找相应的平均随机一致性指标.对，Saaty给出了的值，如下表所示：000.580.91.121.241.321.411.45取计算一致性比例:时，认为判断矩阵的一致性是可以接受的，否则应对判断矩阵作适当修正.算得，通过一致性检验.1. 各指标权重指标权重0.5650.2620.1180.055得:总评分由上述模型，本文抽取了08年中数据完整，数据较完整，数据不完整的三种典型申报企业共50家企业进行评分，所得部分结果如下：表八纳税人识别号76701587651875465689最终得分93.86.87.85.92.纳税人识别号54347538730029241465最终得分94.88.95.85.93.纳税人识别号45286436946653124643最终得分59.84.93.86.83.纳税人识别号88909838707888893637最终得分91.89.85.84.81.纳税人识别号1355748835176227078X最终得分84.87.93.96.86.纳税人识别号995533631126165X6078最终得分93.89.96.93.87.纳税人识别号94534459714995061264最终得分87.83.82.92.81.纳税人识别号05731464421514304274最终得分84.79.83.86.84.纳税人识别号9378315271073186025X最终得分82.83.56.57.82.纳税人识别号77118441012836119263最终得分29.27.33.27.29.60分以下的企业被判定为具有偷税漏税行为的企业，评分结果与问题一中的结果吻合，说明模型是可行的。5.3问题三：根据问题二中所建立的风险评价模型，通过对11年各个申报企业存在的偷税漏税风险进行评价打分，可以清晰地辨别出需要进行风险控制的企业，下面给出部分企业的得分情况，详细见附录六：表九纳税人识别号总得分纳税人识别号总得分纳税人识别号总得分479530.1933092940158736.672727.179433.149928.377728.63040136853.509726.70369.77110487233.2798030620178900189027480169136.38840908731.379555.52390381027.1556051242.7538095950508705.4问题四：结合所得结论给相关税务机关的建议和对策在经济全球化浪潮的推动下，中国经济凭借有利的优势和努力创新得以持续高速发展。强大的经济实力和发展潜力使得中国在各个领域均取得了举世瞩目的成就。在我国国内市场竞争也日趋激烈，企业的经营方式和经营环境也越来越复杂，部分企业通过偷税漏税的方式获取利益的现象随处可见，在中小企业中偷税漏税的情况甚至十分普遍。相对于其他企业而言，偷税漏税行为造成了不公平竞争，影响了他人利益；对于企业本身，偷税漏税是违法行为，一旦被相关部门查处将会受到严厉的处罚，使企业利益受到严重损害。因此，发现并查处涉及偷税漏税的企业对于维护国家利益、促进社会繁荣稳定起着至关重要的作用。本文通过建立多个有效模型并结合所给出的数据，在对企业经营情况进行量化分析的基础上，分别评估测定了企业存在偷税漏税行为的可能性和进行了企业纳税风险评估预测，就企业偷税漏税行为和纳税风险控制等方面提出了几点建议和对策：1、设计最优纳税策划方案。政府可以采用基于企业报表的预先综合评价机制，对纳税方案进行系统设计，再通过综合评价体系定量分析出各个可疑企业偷税漏税的评价结果，将高于某特定值的企业逐个列出，作为重点怀疑对象，从而缩小排查范围。2、针对企业纳税风险的控制，进行纳税制度内部控制和流程设计。建立纳税内部控制制度，建立企业经济行为纳税评估、正确的纳税申报、企业纳税风险检查，完善检查流程。3、建议建立合理的综合评价模型，通过对主营业务收入变动率等十多个影响企业纳税风险的主要量化指标进行计算分析，得到综合评价结果。建立科学的预警制度，对纳税风险较大的企业予以重点关注或警告，从而减少因偷税漏税给国家及企业双方带来的损失。4、建立税收政策和评估制度。税务机关应督促社会各企业及时、合法上缴税金，避免偷税漏税行为。应树立并培养企业的诚信意识，减少因合理避税而导致的企业纳税风险的增加。鼓励各企业通过对本单位账目的自查，避免因税务机关例行查账而引发的一系列问题。5、通过社会监督，利用媒体影响力提高企业群体的法律意识，如增强媒体对依法纳税的宣传，使各企业最终做到自觉维护国家利益和保持商业的良性运转。另外，增强税务机关的执法力度，捍卫法律的权威性，提高企业依法守法的自觉性。六、模型评价优点：1.采用灰色关联度模型，有效准确分析了企业销项税额，实际抵扣税额与资产负债的同步程度；2.采用层次分析法，比较客观地给出了各个指标的权值；3.风险评价模型能够较准确地找出偷税漏税企业。缺点:1.问题一和问题二只重点分析了08年的企业偷税漏税情况；2.对序列号作了部分改动；3.所选评价风险指标的条件有限，只用了题目中给出的四个条件。模型改进和推广：增加几个重要的评价条件，从而避免造成某一公司缺一两项主要数据对该公司的得分影响很大的情况。查阅相关资料可知，企业纳税评估的一级指标有四个，它们是：所得税税收负担率，所得税贡献率，主营业务收入变动率，主营业务利润税收负担率。我们可以把这四项指标加入到风险评价模型中，以提高评价的正确性。七、参考文献1徐国琼.多元线性回归模型预测重庆市用水量2010第四期-维普资讯网2李旭宏李玉明顾正华杨文东.基于层次分析法和熵权法的区域物流发展竞争态势分析2004第三期3任玉忠董新光王志国.基于灰色关联分析的参考作物腾发量影响因素分析2010第12期4周开利.MATLAB基础及其应用教程M.北京:北京大学出版社，170-171，2007.5汪小银，周保平.数学建模与数学实验M.北京:科学出版社，1-6，2010.八、附录附录一：09101569776453168134339588984031417306919626974912491290865095061889223367449829012506000832092066617656680001036915705374387534760676572508811684306191102072103974787312064742499650406883171039007728948905724576888939870870264944598770937863050036864670891465149936181883509535239087651895091591524053892070004584994654674106760219034966010669221901907320193594496373532257959365996304390608152032947005708014736917834995812191223707964881767072780334077211691663458346633543788320790442046903905153218008241106414743310059605737273735399773603670604414541462147089691017984343234462790979260750703087763899912906970531539055713363343588309899661274887621941009692890279888909412742631524309308559934215427414306391934573727538543460244493068013470140933427428963393058436335658968454569457771493954416467905733585663982136563870512019218301110779644066695152345033796086065529722107301863874745660561365939274115557041741251773186429980020933143928027203749944919453454664184574444311896477654936589411922114172747277115454021145679621355385114518820526056792964506929602308399840104037244726317629221352391526241501893575152136655833284688440183133595998353997962600234369819605204306061695291112659071361885993631185128736291631427893496943891968526302566177979351942923997767175450203495616016315654508043991390045671417175353373192499415546793702578839406844681302591566634900058984036207476297710715847216983870784167667801817865901718291697118600821011606926205944306234790867767029322204683010596309729905203696147941128576142825904521720633461169940964362776594330196733916331713792741903703577附录二：8077779310703532934X682X63877287722690949827666X063765857834X49136408057360326007722417770111040X8047567246382771357901513649460214852747768079290024853800052624756876700566834315662616691X14991100804493452544690114566939772X74602536676830622700768263911291128775468243850116301259594340397579610085211240946156387376531903804826888054342721787309529002862X75386966281X094445721037910964123777959X315256383171657395699581233671979221975539748403178X2136462255030697674913256398578X2698912901736943060055954612389984579363022194111227738582971361729X029305825291929860447118262071639520316936706852149X608X30187517137768444215416946132929646813374127410X1789262X9582688945284170353397783658679026072166643X810X6477657131280127246001504078615X2887841566904566824660881622300420343702118X42441497169X1074410141734201133158623318787X41648339351978906812L39544434745144115611L3575407169363689496XL35083722528430051945L341X2535515449261566L76672988735926691515L71495993919280806877L680889587613790X430XL865084417734770776670607124X5907739043237953878X100464363372369628464066819X90172790345068578646147X881987677141465X635613654443239X6915521301672590101423732442068201160219233793692194903200366845629783158969773122136642735969771489764300026618530439111470686X6804633557926455146273768576566745550776105936656687145945744036218332945927069146829980201X16513602383361281428199X152052023622943160920920060894537278632251570859636344590520145X728008326160697X03447434776973607175265700457426770X48967124264900297194602939978338990399201884473637352890935619300603K3727288287402070L9178594401897609213XL8443573338847596520XL42735661523973692742L13755602579576291918212226832452573663098433182X3702229256643899691294661026223363652180203987701514211061422802130053125860209X4399143X1782526761122049035072501141523255712014565405727210492678661812450063116544481189894382661297490367442421074331910110118793056630824091991X9489173X3152256X278X391X9686675X1628394526592631773638277792271363244010772815067688643361992219000779389412614811571081390013479068L0824066X3847531668135363023486396430776497667620021851052753156X7107349601464042L820062664852012X9271L0910457643181494660159539741391X093845771181126663523610817X4569053108676170096946914278506978835653941017984227424451765266762101725739145774120385007444825579296415559231249X9097685229720475351190317534471723081102L75827080687076202972451122462593997552047647651021829647981X1960717X974903709276821X430XL96264029940382017278L05348247823582187670L03908060806X950X3717LX07683186549769204881L0469308X096547530796L0442634X276263875145L20950763607739985209LX20791710121437924778L04567106506878654700L41678996766487164500L900X3015Y97793778L89393435044046883751L88593363673241670344L81346013772839134996530045835766844982121289664X116X561975420470118514861584551270589866116927573791137X180X84110805368968591222774475366136385160151150104872827034135540791046101121400655593X063935276840567984985892824X350092238234337X58414493347120826741920957966169189528063575829456653060165X330377977988756646492776021363026157454642432741688938188794564X572260193575906789101492538659801989465724538410017659567616089301019071附录三：纳税人识别号关联度纳税人识别号关联度纳税人识别号关联度纳税人识别号关联度65180.7030190.7136980.6293450.7356890.5660780.6434790.6583530.5954340.7276460.6459440.7139400.7073000.7206970.7023990.7043090.6129240.6094810.6163240.6869480.5712490.6587760.7063160.6410690.6972110.6646790.6711060.