基于税收预测的中央税收审计选案

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于税收预测的中央税收审计选案范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘 要】 文章以浙江省中央税收收入中月度增值税税收预测为出发点，探究回测税收与实际税收之间的差异关系，试图找出偏离度异常值为中央税收审计服务。研究所用的协整理论证明了三个税源变量与增值税之间存在着长期均衡关系，由长期均衡关系建立起来的预测模型而确定的回测值与实际值之间的偏离度异常值能够为中央税收审计初步选案所用。研究结论有助于在已有的中国税收征管信息系统（CTAIS）条件下科学进行中央税收审计选案，对当前税收审计选案具有一定的参考意义，同时进一步丰富税收审计文献。

【关键词】 税收预测； 税收审计； 中央税收

中图分类号：F239 文献标识码：A 文章编号：1004-5937（2014）13-0082-05

一、前言

中央税收是中央财政收入的主要来源，2012年中央财政收入56 132.32亿元，其中税收收入占比90.62%，海关代征收入占比1.1%，其他中央财政收入占比8.28%。由此可以看出中央税收稳定对于保证财政收入的稳定安全具有非常重大的意义，而对于规模如此庞大的中央税收收入实施强有力的审计监督是保证财政收入稳定增长的有效途径。根据2012年税收数据分析得到：在中央税收中，增值税、企业所得税、消费税占中央总税收的比重高达79.69%左右，而仅增值税这一项就占比38.66%，企业所得税占中央税收比重约为25.65%，消费税占中央税收的比重约15.38%①。

据统计，审计对象有41个直属海关、36个省级国税部门，相比之下审计资源甚少，审计技术设备比较落后，经验分散。相比总量庞大的中央税收来说，在有限的审计资源条件下准确把握审计重点显得尤为重要。选准审计（调查）对象，及时发现税务部门在税收征管中存在的深层次问题，能够为促进依法治税、完善内控制度、防止税收流失、促进廉政建设方面发挥积极的作用，从而实现在提高审计效率的同时保护纳税人权利的双重目的。

税收审计是对税收款征收业务和记录资料进行的审计，具体包括对税收征收和管理机关的相关税收征收管理活动和纳税单位税款计算和缴纳的正确性、合法性、合规性进行审计。从理论上来说，税收审计是财政审计的重要组成部分，原因在于国家财政分配就是通过税收途径达到，因其独立性和特殊性，它是由专门的机构――国家税务机关负责征收管理。因此其审计的内容和方法又有别于财政部门的审计。从实务方面来说，大致分为选案环节、分析检查环节、审计执行环节，选案的过程也就是风险辨别和评估的过程，选案环节作为第一步也是最为关键和重要的一步，与审计效率密切相关。近年，税收审计研究工作集中在实践水平，现有的理论也大多从实践中抽象提炼而成。例如王孝军（2005），郑新举（2002），门韶娟、李正辰（2003）对于如何开展税收审计进行了探索性的研究，文章对于如何进行税收审计的要点进行了阐述，原则性的条条框框规定较多，可操作性相对较差。理论应用于实践，对于如何选案，如何挑选审计重点还需要更深层次的诠释。细致到工作层面依然需要审计实施人员的主观判断和经验依赖，因此具有较大的主观性和随机性。

关于税务审计选案的研究，国外比较前沿的是经济合作发展组织（Organization for Economic Co-operation and Development，简称OECD）的研究成果。由于OECD的税务审计研究基本是基于经济较发达国家情况进行的，其社会、经济、法律、行政和文化不尽相同，所以其研究成果不能够全盘照搬，只能部分借鉴其思路。

国际上税务审计选案有两种重要的方法――随机选案和基于风险选案。随机选案是指能够保证所有税务报表有相同被审计概率的随机选择过程。其不利点包括：1.容易产生较大成本，例如机会成本、资源成本。2.被审计对象不认可，随机审计选案可能多次针对同一个对象，因此较高频率的随机审计可能造成过度干扰。3.审计实施人员不接受，审计实施人员可能不认同甚至抵触随机审计，从而造成审计效率低下。基于风险选案主要是运用遵从风险管理技术，选择风险较高且潜在税额较大的审计对象进行审计的过程，主要是为了较好地分配审计资源，尽可能地提高效率。比较先进的是美国的集中型自动选案系统――判别函数系统（Discriminate Function System），该系统充分利用了基于风险选案的思想，大大提高了选案的效率。

二、文献评述与研究思路

马庆国、王卫红等（2002），吴璇、陈颖等（2007）基于神经网络模型对税务稽查选案的方法进行了研究；李亘（2007）探究了数据挖掘技术在税务稽查选案中的应用；蒋丽华、覃征等（2006）利用粗糙集理论与神经网络相结合的税务稽查选案模型；夏辉、李仁发（2009）采用基于支持向量机与自组织特征映射神经网络相结合的稽查选案方法；林肖丽（2009），王艳杰、李清等（2012）利用Logistic回归模型对企业的诚实纳税与非诚实纳税与企业众多财务指标之间的关系进行了研究。唐登山（2011）研究了聚类分析和Logistic回归分析相结合在税务稽查选案中的应用。上述文献所用到的选案方法基本上没有脱离统计学原理以及统计分析技术；此外，上述研究重点在于微观层面的税务稽查工作中的选案，对于宏观层面的税务审计选案研究还有待进一步深入。

在税收预测方面，吴之江（1984）基于历史税收简单地利用增长率来预测税收以制定税收计划，但其精确度不高且受主观因素影响大；王野峰（1989）利用了最小二乘法来预测税收，其原理也是探寻税收的历史规律从而推测趋势；1991年由关振民教授主编的《中国税务统计学》分门别类地总结出各个税收统计的基本指标体系，得出其变化发展的规律；邓成■、夏大松（1994）开始使用多重线性组合预测模型来探究社会商品零售额与营业税之间的关系，其预测精度相比之前的趋势预测有了很大的提高；董承章（1998）探究了对税收影响最大的几个税源指标，发现社会消费品零售总额对税收的影响最大，其次是滞后两年的固定资产投资额，位居第三的国民生产总值，影响较小的是国内生产总值；王乃静、李国锋（2002），张绍秋（2006），王来封、阮曙芬（2007）在协整理论的基础上建立了误差修正模型，该模型不单考虑了税源指标的影响，更多的是考虑了时间序列的平稳性，提高了税收预测的精度；张梦瑶、崔晋川（2008）采用移动自回归平均模型对月度数据进行预测，丰富了税收预测的模型方法。税收预测模型大多在统计学原理的基础之上探究各个税源指标与税收之间的关系，其预测精度相比趋势预测有了很大的提高，且有稳固的理论依据，可操作性强。

综上所述，目前的税收预测大多着眼于下一年度的财政工作计划，所以多数进行的是年度税收预测，极少数进行了月度的税收预测分析，针对中央税收的研究更是少之又少。随着税收预测模型的发展与丰富，其预测精度越来越高，因此较高精度的税收预测模型为其与税收审计工作的结合提供了契机。税收预测的目标可以从传统的推测税收趋势转移至服务税收审计，同时也可适度地解决税收审计选案的主观判断问题。

本研究正是针对上述内容具体展开，以协整分析为理论基础，以浙江省中央税收主要税种的月度数据为研究对象，兼顾模型的合理性和统计性质，目标集中在为调整税收审计范围、税收审计选案服务。因2012年增值税单项税种在中央税收中占比约40%，相比其他税种，具有很强的代表性，所以本文研究的重点在与中央税收中的增值税。

三、研究设计与样本选择

（一）研究设计

从分析和预测的理想角度来说，与增值税相关联的税源指标能够被一一罗列，但是受指标体系自身和统计数据调查手段的局限，目前远远不能穷尽所有的税源指标用于增值税的预测与分析。经过前人多年的研究，比较认同的是工业企业增加值。由于我国是生产型增值税，固定资产所含的税款不能抵扣，所以在工业企业增加值的基础上还要加上当年新购置的固定资产金额。另外增值税组成中有一部分是来源于商业增加值，故税源指标中加入社会消费品零售总额。因此，本研究对增值税、规模以上企业工业增加值、新增固定资产投资、社会消费品零售总额的2009年1月至2012年12月的数据进行分析。通过分析税收与税基之间的长期均衡关系，在税基预测的基础上，利用估计出的长期均衡关系方程式来测算增值税，对2009―2012年的增值税进行回测，找出异常值进行分析，并且对未来半年的增值税月度数据进行预测。

（二）样本选择

本文选取2009―2012年为研究区间，以浙江省中央税收为研究对象。从浙江省统计局统计数据中，本文获得规模以上企业工业增加值、社会消费品零售总额、规模以上新增固定资产投资额以及增值税中归属中央部分的月度数值，对于个别缺省值，本文利用平均值进行替代。其他所需数据来源于国家统计局。

四、实证分析

（一）单位根检验

表1为样本数据的单位根检验（ADF），结果发现：社会消费品零售总额、新增固定资产投资额、增值税额月度数据的时间序列，水平值为单位根过程，而一阶差分为平稳过程，因此这三个序列都为一阶差分平稳过程，即I（1）过程。

（二）协整分析

对各变量之间进行Johansen-Juselius检验，从检验结果来看，NONE（0个协整向量）的P值为0.0007***，0.0002***，表示规模以上工业企业增加值、消费品零售总额、新增固定资产投资额、增值税收入之间存在协整关系。

（三）模型的构建

（四）模型回测与异常值

将规模以上工业企业增加值、消费品零售总额、新增固定资产投资额2009―2012数据回带模型，得到回测值，并进行偏离度的测算，得出协整模型的回测平均误差在0.844%左右。

偏离度=（回测值-实际值）/实际值

依据偏离度波动图可得出，设置10%为安全警戒线能够挑选出异常值月份。同样的，设置可容忍的更大或更小数值为安全警戒线能够挑选出不同月份，取决于对于审计对象的错漏容忍度。对于那些偏离度超出警戒线的月份可着重进行审计，同理，利用回测思路对全国范围内各个省份的中央税收进行分析可以挑选出异常省份异常时间段而进一步重点审计。

对于其中的偏离度异常值进行挑选（研究假设认为偏离度超过10%为异常值），结果见表3。

对于回测值与实际税收之间的异常差异，研究认为原因有三：

第一，异常值偏离平均水平太多，可能原因是税款征收异常，问题出现源头可能在于税务部门，可能在于企业本身，此时审计部门出于保护税收收入正收的目的，应当对税务部门是否违反法律行政法规的规定，擅自作出减免税、退税、补税、多征、少征、提前征收、延缓征收或者摊派征收的决定而导致的税款征收额异常的问题进行调查。至于企业微观层面的问题，可以由税务稽查部门不定期与定期地对企业进行税务稽查以保证税源安全。

第二，异常原因可能在于税收政策方面的不合理。目前，各层级的税务部门已经实现了税收征管的信息化和专业化，建设了全国统一的税收征收管理系统（简称CTAIS）。在此条件基础之上，审计部门可以利用计算机平台数据处理中心比较容易获得全国各地区各行业增值税实际值与回测值的异常值。即在同一时间各个地区都出现了异常值，审计部门则可以从政策的层面宏观角度来查找不合理之处。

第三，可能原因在于模型所选指标没有面面俱到。受限于数据的可得性和完整性，税源指标不能逐个穷尽导致回测值没有精准地拟合实际税收收入值。对此，可以后续通过计算机模拟实时地进行模型改进与更新，以更好地服务于税收审计与税收预测。

（五）税收预测

利用工业增加值、新增固定资产投资额、社会零售商品总额2009―2012年的月度数据，通过自相关―偏相关分析等，采用自回归移动平均方法，比较各模型的拟合优度、SC值以及D.W值等确定自回归滑动平均模型（ARMA）的阶数。最终得出工业增加值ARMA（2，2）、新增固定资产投资额ARMA（3，2）、社会零售商品总额ARMA（2，1）为较优选择阶数。

计算各指标的预测值，最终得出增值税总预测结果，2013年1月―2013年6月预测结果见表4。

综合以上结果与分析，对于利用税源指标对增值税进行协整分析预测，不仅仅局限于对将来的税收趋势的判断，更多的可以与税收审计进行综合考虑。在获得全国各地区基础数据的条件下，利用计算机信息集中化的优势特点，分别进行增值税测算，以最终查找偏离度异常值所在的时间及其地区。这将为审计部门初步选案提供信息数据来源参考，一定程度上解决了抽样审计的随意性以及审计资源的分配问题，有助于审计部门在合理的时间内以合理的成本、较高的效率完成审计工作。

五、结论与讨论

（一）结论

本文在协整理论的基础之上利用浙江省2009年至2012年规模以上工业增加值、新增固定资产投资额以及社会消费品零售总额这三个税源指标预测增值税的月度数据，模型拟合较好，回测精度较高，预测精度有待实际结果证实。本文所用的协整理论对于考察变量间的长期均衡关系是有效的，而且从某种角度也证明了这三个变量与增值税是存在长期均衡关系。对此，利用这种长期均衡关系建立起来的预测模型从理论上来说也是切实可行的，故用预测值确定税收审计初步选案也有了现实依据。基于实证结果，审计部门可以选择性地参考此种思路，挑选出偏离度异常值为确定审计目标服务，从而合理配置人力资源，达到高效而低成本审计的目的。从另外一种角度来说，利用建模预测税收服务于税收审计选案的方法可以充分合理地利用已有的CTAIS系统，有利于加快信息化建设的步伐。再者，对于创新选案方式也有推进作用。

（二）讨论

本文只是对中央税收增值税部分进行了预测分析，对于占比约25%的企业所得税和15%的消费税没有涉及，进一步还可以对行业进行分别测算，这将有利于预测精度的提高，从另一方面来说方便迅速查找出问题源头，在选案阶段就能够高效率地准确聚焦问题出现的时间、行业和税种。

【参考文献】

[1] pliance Risk Management： Audit Case Selection Systems[Z].2004.

[2] 王孝军.积极探索税收审计的新路子[J].审计与理财，2005（5）：33-34.

[3] 郑新举.适应税收征管改革深化中央税收审计[J].审计研究，2002（S1）：39-41.

[4] 门韶娟，李正辰.新的税收征管模式下税收审计的工作思路[J].审计研究，2003 （2）：52-55.

[5] 马庆国，王卫红，陈健，等.神经网络在税务稽查选案中的应用研究[J].数量经济技术经济研究，2002 （8）：98-101.

[6] 吴之江.预测工商税收常用方法[J].预测，1984 （1）：20-22.

[7] 蒋丽华，覃征，邵华，等.基于粗糙集――LVQ神经网络的稽查选案模型研究[J].计算机应用，2006（S2）： 205-207.

[8] 李亘.数据挖掘技术在税务稽查选案中的应用[J].电脑知识与技术（学术交流），2007（23）：1224-1225.

[9] 夏辉，李仁发.基于SVM与SOM的税务稽查选案模型研究[J].科学技术与工程，2009（14）：4027-4030.

[10] 林肖丽. Logistic 回归模型在税务稽查选案中实例应用[J].科技资讯，2009 （15）：243-244.

[11] 王艳杰，李清，齐鑫.基于Logistic回归的税务稽查选案模型研究[J].经济研究导刊，2012 （35）：96-97.

[12] 唐登山.税务稽查选案方法探析[J].税务研究，2011（4）：61-63.

[13] 吴璇，陈颖，李敏强.基于神经网络的税务稽查选案方法与应用[J].西安电子科技大学学报（社会科学版），2007（5）：63-68.

[14] 王野峰.税收预测初探[J].当代财经，1989 （11）：24-27.

[15] 董承章.税收影响因素分析模型与预测模型[J].中央财经大学学报，1998 （11）：27-29.

[16] 张绍秋.基于协整理论的税收预测误差修正模型初探[J].华南师范大学学报（自然科学版），2006 （1）：9-14.

[17] 张梦瑶，崔晋川.基于时间序列法的国税月度收入预测模型研究[J].系统科学与数学，2008 （11）：1383-1390.

[18] 陈健，郭菊娥，席酉民.国内消费税预测[J].商业研究，2005（16）：1-4.