張玲　皮鑫

【摘 要】 文章以浙江省中央稅收收入中月度增值稅稅收預(yù)測為出發(fā)點，探究回測稅收與實際稅收之間的差異關(guān)系，試圖找出偏離度異常值為中央稅收審計服務(wù)。研究所用的協(xié)整理論證明了三個稅源變量與增值稅之間存在著長期均衡關(guān)系，由長期均衡關(guān)系建立起來的預(yù)測模型而確定的回測值與實際值之間的偏離度異常值能夠為中央稅收審計初步選案所用。研究結(jié)論有助于在已有的中國稅收征管信息系統(tǒng)（CTAIS）條件下科學(xué)進行中央稅收審計選案，對當(dāng)前稅收審計選案具有一定的參考意義，同時進一步豐富稅收審計文獻。

【關(guān)鍵詞】 稅收預(yù)測； 稅收審計； 中央稅收

中圖分類號：F239 文獻標(biāo)識碼：A 文章編號：1004-5937（2014）13-0082-05

一、前言

中央稅收是中央財政收入的主要來源，2012年中央財政收入56 132.32億元，其中稅收收入占比90.62%，海關(guān)代征收入占比1.1%，其他中央財政收入占比8.28%。由此可以看出中央稅收穩(wěn)定對于保證財政收入的穩(wěn)定安全具有非常重大的意義，而對于規(guī)模如此龐大的中央稅收收入實施強有力的審計監(jiān)督是保證財政收入穩(wěn)定增長的有效途徑。根據(jù)2012年稅收數(shù)據(jù)分析得到：在中央稅收中，增值稅、企業(yè)所得稅、消費稅占中央總稅收的比重高達79.69%左右，而僅增值稅這一項就占比38.66%，企業(yè)所得稅占中央稅收比重約為25.65%，消費稅占中央稅收的比重約15.38%①。

據(jù)統(tǒng)計，審計對象有41個直屬海關(guān)、36個省級國稅部門，相比之下審計資源甚少，審計技術(shù)設(shè)備比較落后，經(jīng)驗分散。相比總量龐大的中央稅收來說，在有限的審計資源條件下準(zhǔn)確把握審計重點顯得尤為重要。選準(zhǔn)審計（調(diào)查）對象，及時發(fā)現(xiàn)稅務(wù)部門在稅收征管中存在的深層次問題，能夠為促進依法治稅、完善內(nèi)控制度、防止稅收流失、促進廉政建設(shè)方面發(fā)揮積極的作用，從而實現(xiàn)在提高審計效率的同時保護納稅人權(quán)利的雙重目的。

稅收審計是對稅收款征收業(yè)務(wù)和記錄資料進行的審計，具體包括對稅收征收和管理機關(guān)的相關(guān)稅收征收管理活動和納稅單位稅款計算和繳納的正確性、合法性、合規(guī)性進行審計。從理論上來說，稅收審計是財政審計的重要組成部分，原因在于國家財政分配就是通過稅收途徑達到，因其獨立性和特殊性，它是由專門的機構(gòu)——國家稅務(wù)機關(guān)負(fù)責(zé)征收管理。因此其審計的內(nèi)容和方法又有別于財政部門的審計。從實務(wù)方面來說，大致分為選案環(huán)節(jié)、分析檢查環(huán)節(jié)、審計執(zhí)行環(huán)節(jié)，選案的過程也就是風(fēng)險辨別和評估的過程，選案環(huán)節(jié)作為第一步也是最為關(guān)鍵和重要的一步，與審計效率密切相關(guān)。近年，稅收審計研究工作集中在實踐水平，現(xiàn)有的理論也大多從實踐中抽象提煉而成。例如王孝軍（2005），鄭新舉（2002），門韶娟、李正辰（2003）對于如何開展稅收審計進行了探索性的研究，文章對于如何進行稅收審計的要點進行了闡述，原則性的條條框框規(guī)定較多，可操作性相對較差。理論應(yīng)用于實踐，對于如何選案，如何挑選審計重點還需要更深層次的詮釋。細(xì)致到工作層面依然需要審計實施人員的主觀判斷和經(jīng)驗依賴，因此具有較大的主觀性和隨機性。

關(guān)于稅務(wù)審計選案的研究，國外比較前沿的是經(jīng)濟合作發(fā)展組織（Organization for Economic Co-operation and Development，簡稱OECD）的研究成果。由于OECD的稅務(wù)審計研究基本是基于經(jīng)濟較發(fā)達國家情況進行的，其社會、經(jīng)濟、法律、行政和文化不盡相同，所以其研究成果不能夠全盤照搬，只能部分借鑒其思路。

國際上稅務(wù)審計選案有兩種重要的方法——隨機選案和基于風(fēng)險選案。隨機選案是指能夠保證所有稅務(wù)報表有相同被審計概率的隨機選擇過程。其不利點包括：1.容易產(chǎn)生較大成本，例如機會成本、資源成本。2.被審計對象不認(rèn)可，隨機審計選案可能多次針對同一個對象，因此較高頻率的隨機審計可能造成過度干擾。3.審計實施人員不接受，審計實施人員可能不認(rèn)同甚至抵觸隨機審計，從而造成審計效率低下?；陲L(fēng)險選案主要是運用遵從風(fēng)險管理技術(shù)，選擇風(fēng)險較高且潛在稅額較大的審計對象進行審計的過程，主要是為了較好地分配審計資源，盡可能地提高效率。比較先進的是美國的集中型自動選案系統(tǒng)——判別函數(shù)系統(tǒng)（Discriminate Function System），該系統(tǒng)充分利用了基于風(fēng)險選案的思想，大大提高了選案的效率。

二、文獻評述與研究思路

馬慶國、王衛(wèi)紅等（2002），吳璇、陳穎等（2007）基于神經(jīng)網(wǎng)絡(luò)模型對稅務(wù)稽查選案的方法進行了研究；李亙（2007）探究了數(shù)據(jù)挖掘技術(shù)在稅務(wù)稽查選案中的應(yīng)用；蔣麗華、覃征等（2006）利用粗糙集理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合的稅務(wù)稽查選案模型；夏輝、李仁發(fā)（2009）采用基于支持向量機與自組織特征映射神經(jīng)網(wǎng)絡(luò)相結(jié)合的稽查選案方法；林肖麗（2009），王艷杰、李清等（2012）利用Logistic回歸模型對企業(yè)的誠實納稅與非誠實納稅與企業(yè)眾多財務(wù)指標(biāo)之間的關(guān)系進行了研究。唐登山（2011）研究了聚類分析和Logistic回歸分析相結(jié)合在稅務(wù)稽查選案中的應(yīng)用。上述文獻所用到的選案方法基本上沒有脫離統(tǒng)計學(xué)原理以及統(tǒng)計分析技術(shù)；此外，上述研究重點在于微觀層面的稅務(wù)稽查工作中的選案，對于宏觀層面的稅務(wù)審計選案研究還有待進一步深入。

在稅收預(yù)測方面，吳之江（1984）基于歷史稅收簡單地利用增長率來預(yù)測稅收以制定稅收計劃，但其精確度不高且受主觀因素影響大；王野峰（1989）利用了最小二乘法來預(yù)測稅收，其原理也是探尋稅收的歷史規(guī)律從而推測趨勢；1991年由關(guān)振民教授主編的《中國稅務(wù)統(tǒng)計學(xué)》分門別類地總結(jié)出各個稅收統(tǒng)計的基本指標(biāo)體系，得出其變化發(fā)展的規(guī)律；鄧成■、夏大松（1994）開始使用多重線性組合預(yù)測模型來探究社會商品零售額與營業(yè)稅之間的關(guān)系，其預(yù)測精度相比之前的趨勢預(yù)測有了很大的提高；董承章（1998）探究了對稅收影響最大的幾個稅源指標(biāo)，發(fā)現(xiàn)社會消費品零售總額對稅收的影響最大，其次是滯后兩年的固定資產(chǎn)投資額，位居第三的國民生產(chǎn)總值，影響較小的是國內(nèi)生產(chǎn)總值；王乃靜、李國鋒（2002），張紹秋（2006），王來封、阮曙芬（2007）在協(xié)整理論的基礎(chǔ)上建立了誤差修正模型，該模型不單考慮了稅源指標(biāo)的影響，更多的是考慮了時間序列的平穩(wěn)性，提高了稅收預(yù)測的精度；張夢瑤、崔晉川（2008）采用移動自回歸平均模型對月度數(shù)據(jù)進行預(yù)測，豐富了稅收預(yù)測的模型方法。稅收預(yù)測模型大多在統(tǒng)計學(xué)原理的基礎(chǔ)之上探究各個稅源指標(biāo)與稅收之間的關(guān)系，其預(yù)測精度相比趨勢預(yù)測有了很大的提高，且有穩(wěn)固的理論依據(jù)，可操作性強。

綜上所述，目前的稅收預(yù)測大多著眼于下一年度的財政工作計劃，所以多數(shù)進行的是年度稅收預(yù)測，極少數(shù)進行了月度的稅收預(yù)測分析，針對中央稅收的研究更是少之又少。隨著稅收預(yù)測模型的發(fā)展與豐富，其預(yù)測精度越來越高，因此較高精度的稅收預(yù)測模型為其與稅收審計工作的結(jié)合提供了契機。稅收預(yù)測的目標(biāo)可以從傳統(tǒng)的推測稅收趨勢轉(zhuǎn)移至服務(wù)稅收審計，同時也可適度地解決稅收審計選案的主觀判斷問題。

本研究正是針對上述內(nèi)容具體展開，以協(xié)整分析為理論基礎(chǔ)，以浙江省中央稅收主要稅種的月度數(shù)據(jù)為研究對象，兼顧模型的合理性和統(tǒng)計性質(zhì)，目標(biāo)集中在為調(diào)整稅收審計范圍、稅收審計選案服務(wù)。因2012年增值稅單項稅種在中央稅收中占比約40%，相比其他稅種，具有很強的代表性，所以本文研究的重點在與中央稅收中的增值稅。

三、研究設(shè)計與樣本選擇

（一）研究設(shè)計

從分析和預(yù)測的理想角度來說，與增值稅相關(guān)聯(lián)的稅源指標(biāo)能夠被一一羅列，但是受指標(biāo)體系自身和統(tǒng)計數(shù)據(jù)調(diào)查手段的局限，目前遠遠不能窮盡所有的稅源指標(biāo)用于增值稅的預(yù)測與分析。經(jīng)過前人多年的研究，比較認(rèn)同的是工業(yè)企業(yè)增加值。由于我國是生產(chǎn)型增值稅，固定資產(chǎn)所含的稅款不能抵扣，所以在工業(yè)企業(yè)增加值的基礎(chǔ)上還要加上當(dāng)年新購置的固定資產(chǎn)金額。另外增值稅組成中有一部分是來源于商業(yè)增加值，故稅源指標(biāo)中加入社會消費品零售總額。因此，本研究對增值稅、規(guī)模以上企業(yè)工業(yè)增加值、新增固定資產(chǎn)投資、社會消費品零售總額的2009年1月至2012年12月的數(shù)據(jù)進行分析。通過分析稅收與稅基之間的長期均衡關(guān)系，在稅基預(yù)測的基礎(chǔ)上，利用估計出的長期均衡關(guān)系方程式來測算增值稅，對2009—2012年的增值稅進行回測，找出異常值進行分析，并且對未來半年的增值稅月度數(shù)據(jù)進行預(yù)測。

（二）樣本選擇

本文選取2009—2012年為研究區(qū)間，以浙江省中央稅收為研究對象。從浙江省統(tǒng)計局統(tǒng)計數(shù)據(jù)中，本文獲得規(guī)模以上企業(yè)工業(yè)增加值、社會消費品零售總額、規(guī)模以上新增固定資產(chǎn)投資額以及增值稅中歸屬中央部分的月度數(shù)值，對于個別缺省值，本文利用平均值進行替代。其他所需數(shù)據(jù)來源于國家統(tǒng)計局。

四、實證分析

（一）單位根檢驗

表1為樣本數(shù)據(jù)的單位根檢驗（ADF），結(jié)果發(fā)現(xiàn)：社會消費品零售總額、新增固定資產(chǎn)投資額、增值稅額月度數(shù)據(jù)的時間序列，水平值為單位根過程，而一階差分為平穩(wěn)過程，因此這三個序列都為一階差分平穩(wěn)過程，即I（1）過程。

（二）協(xié)整分析

對各變量之間進行Johansen-Juselius檢驗，從檢驗結(jié)果來看，NONE（0個協(xié)整向量）的P值為0.0007***，0.0002***，表示規(guī)模以上工業(yè)企業(yè)增加值、消費品零售總額、新增固定資產(chǎn)投資額、增值稅收入之間存在協(xié)整關(guān)系。

（三）模型的構(gòu)建

（四）模型回測與異常值

將規(guī)模以上工業(yè)企業(yè)增加值、消費品零售總額、新增固定資產(chǎn)投資額2009—2012數(shù)據(jù)回帶模型，得到回測值，并進行偏離度的測算，得出協(xié)整模型的回測平均誤差在0.844%左右。

偏離度=（回測值-實際值）/實際值

依據(jù)偏離度波動圖可得出，設(shè)置10%為安全警戒線能夠挑選出異常值月份。同樣的，設(shè)置可容忍的更大或更小數(shù)值為安全警戒線能夠挑選出不同月份，取決于對于審計對象的錯漏容忍度。對于那些偏離度超出警戒線的月份可著重進行審計，同理，利用回測思路對全國范圍內(nèi)各個省份的中央稅收進行分析可以挑選出異常省份異常時間段而進一步重點審計。

對于其中的偏離度異常值進行挑選（研究假設(shè)認(rèn)為偏離度超過10%為異常值），結(jié)果見表3。

對于回測值與實際稅收之間的異常差異，研究認(rèn)為原因有三：

第一，異常值偏離平均水平太多，可能原因是稅款征收異常，問題出現(xiàn)源頭可能在于稅務(wù)部門，可能在于企業(yè)本身，此時審計部門出于保護稅收收入正常征收的目的，應(yīng)當(dāng)對稅務(wù)部門是否違反法律行政法規(guī)的規(guī)定，擅自作出減免稅、退稅、補稅、多征、少征、提前征收、延緩征收或者攤派征收的決定而導(dǎo)致的稅款征收額異常的問題進行調(diào)查。至于企業(yè)微觀層面的問題，可以由稅務(wù)稽查部門不定期與定期地對企業(yè)進行稅務(wù)稽查以保證稅源安全。

第二，異常原因可能在于稅收政策方面的不合理。目前，各層級的稅務(wù)部門已經(jīng)實現(xiàn)了稅收征管的信息化和專業(yè)化，建設(shè)了全國統(tǒng)一的稅收征收管理系統(tǒng)（簡稱CTAIS）。在此條件基礎(chǔ)之上，審計部門可以利用計算機平臺數(shù)據(jù)處理中心比較容易獲得全國各地區(qū)各行業(yè)增值稅實際值與回測值的異常值。即在同一時間各個地區(qū)都出現(xiàn)了異常值，審計部門則可以從政策的層面宏觀角度來查找不合理之處。

第三，可能原因在于模型所選指標(biāo)沒有面面俱到。受限于數(shù)據(jù)的可得性和完整性，稅源指標(biāo)不能逐個窮盡導(dǎo)致回測值沒有精準(zhǔn)地擬合實際稅收收入值。對此，可以后續(xù)通過計算機模擬實時地進行模型改進與更新，以更好地服務(wù)于稅收審計與稅收預(yù)測。

（五）稅收預(yù)測

利用工業(yè)增加值、新增固定資產(chǎn)投資額、社會零售商品總額2009—2012年的月度數(shù)據(jù)，通過自相關(guān)—偏相關(guān)分析等，采用自回歸移動平均方法，比較各模型的擬合優(yōu)度、SC值以及D.W值等確定自回歸滑動平均模型（ARMA）的階數(shù)。最終得出工業(yè)增加值A(chǔ)RMA（2，2）、新增固定資產(chǎn)投資額ARMA（3，2）、社會零售商品總額ARMA（2，1）為較優(yōu)選擇階數(shù)。

計算各指標(biāo)的預(yù)測值，最終得出增值稅總預(yù)測結(jié)果，2013年1月—2013年6月預(yù)測結(jié)果見表4。

綜合以上結(jié)果與分析，對于利用稅源指標(biāo)對增值稅進行協(xié)整分析預(yù)測，不僅僅局限于對將來的稅收趨勢的判斷，更多的可以與稅收審計進行綜合考慮。在獲得全國各地區(qū)基礎(chǔ)數(shù)據(jù)的條件下，利用計算機信息集中化的優(yōu)勢特點，分別進行增值稅測算，以最終查找偏離度異常值所在的時間及其地區(qū)。這將為審計部門初步選案提供信息數(shù)據(jù)來源參考，一定程度上解決了抽樣審計的隨意性以及審計資源的分配問題，有助于審計部門在合理的時間內(nèi)以合理的成本、較高的效率完成審計工作。

五、結(jié)論與討論

（一）結(jié)論

本文在協(xié)整理論的基礎(chǔ)之上利用浙江省2009年至2012年規(guī)模以上工業(yè)增加值、新增固定資產(chǎn)投資額以及社會消費品零售總額這三個稅源指標(biāo)預(yù)測增值稅的月度數(shù)據(jù)，模型擬合較好，回測精度較高，預(yù)測精度有待實際結(jié)果證實。本文所用的協(xié)整理論對于考察變量間的長期均衡關(guān)系是有效的，而且從某種角度也證明了這三個變量與增值稅是存在長期均衡關(guān)系。對此，利用這種長期均衡關(guān)系建立起來的預(yù)測模型從理論上來說也是切實可行的，故用預(yù)測值確定稅收審計初步選案也有了現(xiàn)實依據(jù)?；趯嵶C結(jié)果，審計部門可以選擇性地參考此種思路，挑選出偏離度異常值為確定審計目標(biāo)服務(wù)，從而合理配置人力資源，達到高效而低成本審計的目的。從另外一種角度來說，利用建模預(yù)測稅收服務(wù)于稅收審計選案的方法可以充分合理地利用已有的CTAIS系統(tǒng)，有利于加快信息化建設(shè)的步伐。再者，對于創(chuàng)新選案方式也有推進作用。

（二）討論

本文只是對中央稅收增值稅部分進行了預(yù)測分析，對于占比約25%的企業(yè)所得稅和15%的消費稅沒有涉及，進一步還可以對行業(yè)進行分別測算，這將有利于預(yù)測精度的提高，從另一方面來說方便迅速查找出問題源頭，在選案階段就能夠高效率地準(zhǔn)確聚焦問題出現(xiàn)的時間、行業(yè)和稅種。

【參考文獻】

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

[2] 王孝軍.積極探索稅收審計的新路子[J].審計與理財，2005（5）：33-34.

[3] 鄭新舉.適應(yīng)稅收征管改革深化中央稅收審計[J].審計研究，2002（S1）：39-41.

[4] 門韶娟，李正辰.新的稅收征管模式下稅收審計的工作思路[J].審計研究，2003 （2）：52-55.

[5] 馬慶國，王衛(wèi)紅，陳健，等.神經(jīng)網(wǎng)絡(luò)在稅務(wù)稽查選案中的應(yīng)用研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2002 （8）：98-101.

[6] 吳之江.預(yù)測工商稅收常用方法[J].預(yù)測，1984 （1）：20-22.

[7] 蔣麗華，覃征，邵華，等.基于粗糙集——LVQ神經(jīng)網(wǎng)絡(luò)的稽查選案模型研究[J].計算機應(yīng)用，2006（S2）： 205-207.

[8] 李亙.數(shù)據(jù)挖掘技術(shù)在稅務(wù)稽查選案中的應(yīng)用[J].電腦知識與技術(shù)（學(xué)術(shù)交流），2007（23）：1224-1225.

[9] 夏輝，李仁發(fā).基于SVM與SOM的稅務(wù)稽查選案模型研究[J].科學(xué)技術(shù)與工程，2009（14）：4027-4030.

[10] 林肖麗. Logistic 回歸模型在稅務(wù)稽查選案中實例應(yīng)用[J].科技資訊，2009 （15）：243-244.

[11] 王艷杰，李清，齊鑫.基于Logistic回歸的稅務(wù)稽查選案模型研究[J].經(jīng)濟研究導(dǎo)刊，2012 （35）：96-97.

[12] 唐登山.稅務(wù)稽查選案方法探析[J].稅務(wù)研究，2011（4）：61-63.

[13] 吳璇，陳穎，李敏強.基于神經(jīng)網(wǎng)絡(luò)的稅務(wù)稽查選案方法與應(yīng)用[J].西安電子科技大學(xué)學(xué)報（社會科學(xué)版），2007（5）：63-68.

[14] 王野峰.稅收預(yù)測初探[J].當(dāng)代財經(jīng)，1989 （11）：24-27.

[15] 董承章.稅收影響因素分析模型與預(yù)測模型[J].中央財經(jīng)大學(xué)學(xué)報，1998 （11）：27-29.

[16] 張紹秋.基于協(xié)整理論的稅收預(yù)測誤差修正模型初探[J].華南師范大學(xué)學(xué)報（自然科學(xué)版），2006 （1）：9-14.

[17] 張夢瑤，崔晉川.基于時間序列法的國稅月度收入預(yù)測模型研究[J].系統(tǒng)科學(xué)與數(shù)學(xué)，2008 （11）：1383-1390.

[18] 陳健，郭菊娥，席酉民.國內(nèi)消費稅預(yù)測[J].商業(yè)研究，2005（16）：1-4.

五、結(jié)論與討論

（一）結(jié)論

本文在協(xié)整理論的基礎(chǔ)之上利用浙江省2009年至2012年規(guī)模以上工業(yè)增加值、新增固定資產(chǎn)投資額以及社會消費品零售總額這三個稅源指標(biāo)預(yù)測增值稅的月度數(shù)據(jù)，模型擬合較好，回測精度較高，預(yù)測精度有待實際結(jié)果證實。本文所用的協(xié)整理論對于考察變量間的長期均衡關(guān)系是有效的，而且從某種角度也證明了這三個變量與增值稅是存在長期均衡關(guān)系。對此，利用這種長期均衡關(guān)系建立起來的預(yù)測模型從理論上來說也是切實可行的，故用預(yù)測值確定稅收審計初步選案也有了現(xiàn)實依據(jù)?；趯嵶C結(jié)果，審計部門可以選擇性地參考此種思路，挑選出偏離度異常值為確定審計目標(biāo)服務(wù)，從而合理配置人力資源，達到高效而低成本審計的目的。從另外一種角度來說，利用建模預(yù)測稅收服務(wù)于稅收審計選案的方法可以充分合理地利用已有的CTAIS系統(tǒng)，有利于加快信息化建設(shè)的步伐。再者，對于創(chuàng)新選案方式也有推進作用。

（二）討論

本文只是對中央稅收增值稅部分進行了預(yù)測分析，對于占比約25%的企業(yè)所得稅和15%的消費稅沒有涉及，進一步還可以對行業(yè)進行分別測算，這將有利于預(yù)測精度的提高，從另一方面來說方便迅速查找出問題源頭，在選案階段就能夠高效率地準(zhǔn)確聚焦問題出現(xiàn)的時間、行業(yè)和稅種。

【參考文獻】

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

[2] 王孝軍.積極探索稅收審計的新路子[J].審計與理財，2005（5）：33-34.

[3] 鄭新舉.適應(yīng)稅收征管改革深化中央稅收審計[J].審計研究，2002（S1）：39-41.

[4] 門韶娟，李正辰.新的稅收征管模式下稅收審計的工作思路[J].審計研究，2003 （2）：52-55.

[5] 馬慶國，王衛(wèi)紅，陳健，等.神經(jīng)網(wǎng)絡(luò)在稅務(wù)稽查選案中的應(yīng)用研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2002 （8）：98-101.

[6] 吳之江.預(yù)測工商稅收常用方法[J].預(yù)測，1984 （1）：20-22.

[7] 蔣麗華，覃征，邵華，等.基于粗糙集——LVQ神經(jīng)網(wǎng)絡(luò)的稽查選案模型研究[J].計算機應(yīng)用，2006（S2）： 205-207.

[8] 李亙.數(shù)據(jù)挖掘技術(shù)在稅務(wù)稽查選案中的應(yīng)用[J].電腦知識與技術(shù)（學(xué)術(shù)交流），2007（23）：1224-1225.

[9] 夏輝，李仁發(fā).基于SVM與SOM的稅務(wù)稽查選案模型研究[J].科學(xué)技術(shù)與工程，2009（14）：4027-4030.

[10] 林肖麗. Logistic 回歸模型在稅務(wù)稽查選案中實例應(yīng)用[J].科技資訊，2009 （15）：243-244.

[11] 王艷杰，李清，齊鑫.基于Logistic回歸的稅務(wù)稽查選案模型研究[J].經(jīng)濟研究導(dǎo)刊，2012 （35）：96-97.

[12] 唐登山.稅務(wù)稽查選案方法探析[J].稅務(wù)研究，2011（4）：61-63.

[13] 吳璇，陳穎，李敏強.基于神經(jīng)網(wǎng)絡(luò)的稅務(wù)稽查選案方法與應(yīng)用[J].西安電子科技大學(xué)學(xué)報（社會科學(xué)版），2007（5）：63-68.

[14] 王野峰.稅收預(yù)測初探[J].當(dāng)代財經(jīng)，1989 （11）：24-27.

[15] 董承章.稅收影響因素分析模型與預(yù)測模型[J].中央財經(jīng)大學(xué)學(xué)報，1998 （11）：27-29.

[16] 張紹秋.基于協(xié)整理論的稅收預(yù)測誤差修正模型初探[J].華南師范大學(xué)學(xué)報（自然科學(xué)版），2006 （1）：9-14.

[17] 張夢瑤，崔晉川.基于時間序列法的國稅月度收入預(yù)測模型研究[J].系統(tǒng)科學(xué)與數(shù)學(xué)，2008 （11）：1383-1390.

[18] 陳健，郭菊娥，席酉民.國內(nèi)消費稅預(yù)測[J].商業(yè)研究，2005（16）：1-4.

五、結(jié)論與討論

（一）結(jié)論

本文在協(xié)整理論的基礎(chǔ)之上利用浙江省2009年至2012年規(guī)模以上工業(yè)增加值、新增固定資產(chǎn)投資額以及社會消費品零售總額這三個稅源指標(biāo)預(yù)測增值稅的月度數(shù)據(jù)，模型擬合較好，回測精度較高，預(yù)測精度有待實際結(jié)果證實。本文所用的協(xié)整理論對于考察變量間的長期均衡關(guān)系是有效的，而且從某種角度也證明了這三個變量與增值稅是存在長期均衡關(guān)系。對此，利用這種長期均衡關(guān)系建立起來的預(yù)測模型從理論上來說也是切實可行的，故用預(yù)測值確定稅收審計初步選案也有了現(xiàn)實依據(jù)?；趯嵶C結(jié)果，審計部門可以選擇性地參考此種思路，挑選出偏離度異常值為確定審計目標(biāo)服務(wù)，從而合理配置人力資源，達到高效而低成本審計的目的。從另外一種角度來說，利用建模預(yù)測稅收服務(wù)于稅收審計選案的方法可以充分合理地利用已有的CTAIS系統(tǒng)，有利于加快信息化建設(shè)的步伐。再者，對于創(chuàng)新選案方式也有推進作用。

（二）討論

本文只是對中央稅收增值稅部分進行了預(yù)測分析，對于占比約25%的企業(yè)所得稅和15%的消費稅沒有涉及，進一步還可以對行業(yè)進行分別測算，這將有利于預(yù)測精度的提高，從另一方面來說方便迅速查找出問題源頭，在選案階段就能夠高效率地準(zhǔn)確聚焦問題出現(xiàn)的時間、行業(yè)和稅種。

【參考文獻】

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

[2] 王孝軍.積極探索稅收審計的新路子[J].審計與理財，2005（5）：33-34.

[3] 鄭新舉.適應(yīng)稅收征管改革深化中央稅收審計[J].審計研究，2002（S1）：39-41.

[4] 門韶娟，李正辰.新的稅收征管模式下稅收審計的工作思路[J].審計研究，2003 （2）：52-55.

[5] 馬慶國，王衛(wèi)紅，陳健，等.神經(jīng)網(wǎng)絡(luò)在稅務(wù)稽查選案中的應(yīng)用研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2002 （8）：98-101.

[6] 吳之江.預(yù)測工商稅收常用方法[J].預(yù)測，1984 （1）：20-22.

[7] 蔣麗華，覃征，邵華，等.基于粗糙集——LVQ神經(jīng)網(wǎng)絡(luò)的稽查選案模型研究[J].計算機應(yīng)用，2006（S2）： 205-207.

[8] 李亙.數(shù)據(jù)挖掘技術(shù)在稅務(wù)稽查選案中的應(yīng)用[J].電腦知識與技術(shù)（學(xué)術(shù)交流），2007（23）：1224-1225.

[9] 夏輝，李仁發(fā).基于SVM與SOM的稅務(wù)稽查選案模型研究[J].科學(xué)技術(shù)與工程，2009（14）：4027-4030.

[10] 林肖麗. Logistic 回歸模型在稅務(wù)稽查選案中實例應(yīng)用[J].科技資訊，2009 （15）：243-244.

[11] 王艷杰，李清，齊鑫.基于Logistic回歸的稅務(wù)稽查選案模型研究[J].經(jīng)濟研究導(dǎo)刊，2012 （35）：96-97.

[12] 唐登山.稅務(wù)稽查選案方法探析[J].稅務(wù)研究，2011（4）：61-63.

[13] 吳璇，陳穎，李敏強.基于神經(jīng)網(wǎng)絡(luò)的稅務(wù)稽查選案方法與應(yīng)用[J].西安電子科技大學(xué)學(xué)報（社會科學(xué)版），2007（5）：63-68.

[14] 王野峰.稅收預(yù)測初探[J].當(dāng)代財經(jīng)，1989 （11）：24-27.

[15] 董承章.稅收影響因素分析模型與預(yù)測模型[J].中央財經(jīng)大學(xué)學(xué)報，1998 （11）：27-29.

[16] 張紹秋.基于協(xié)整理論的稅收預(yù)測誤差修正模型初探[J].華南師范大學(xué)學(xué)報（自然科學(xué)版），2006 （1）：9-14.

[17] 張夢瑤，崔晉川.基于時間序列法的國稅月度收入預(yù)測模型研究[J].系統(tǒng)科學(xué)與數(shù)學(xué)，2008 （11）：1383-1390.

[18] 陳健，郭菊娥，席酉民.國內(nèi)消費稅預(yù)測[J].商業(yè)研究，2005（16）：1-4.