張勇　趙曉輝

摘要：本文針對(duì)影響吉林省地方稅收收入的相關(guān)國(guó)民經(jīng)濟(jì)指標(biāo)，利用灰度關(guān)聯(lián)分析對(duì)主要經(jīng)濟(jì)指標(biāo)進(jìn)行關(guān)聯(lián)分析，確定影響稅收收入的主要因素和次要因素，并利用吉林省1980年-2012年的地方財(cái)政的稅收收入，結(jié)合人工神經(jīng)網(wǎng)絡(luò)技術(shù)建立了吉林省地方稅收收入的預(yù)測(cè)模型。仿真結(jié)果表明，模型的預(yù)測(cè)效果較好，泛化能力較強(qiáng)，其內(nèi)部驗(yàn)證均方差（RMSECV）和預(yù)測(cè)平均相對(duì)誤差（RME）兩個(gè)評(píng)價(jià)指標(biāo)分別達(dá)到0.7125及0.0367，能夠?yàn)榭茖W(xué)、準(zhǔn)確的稅收預(yù)測(cè)及稅收計(jì)劃的制定提供一定理論依據(jù)和技術(shù)支持。

關(guān)鍵詞：稅收收入；灰度關(guān)聯(lián)分析；人工神經(jīng)網(wǎng)絡(luò)；預(yù)測(cè)模型

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）20-0145-01

目前，絕大部分學(xué)者對(duì)于稅收收入預(yù)測(cè)采用統(tǒng)計(jì)技術(shù)[1-4]，但統(tǒng)計(jì)建模方法僅局限于一些特定的函數(shù)關(guān)系， 而實(shí)際稅收應(yīng)用問(wèn)題中的自變量與因變量有著更復(fù)雜的非線性關(guān)系，這些統(tǒng)計(jì)的方法在實(shí)際應(yīng)用中并不能取得很好的預(yù)測(cè)效果。因此，為建立高效的稅收預(yù)測(cè)模型，首先要確定在諸多社會(huì)經(jīng)濟(jì)因素及稅收政策中哪些是影響稅收的主要因素，哪些是次要因素，在此基礎(chǔ)之上，通過(guò)人工神經(jīng)網(wǎng)絡(luò)來(lái)建立影響稅收的主要因素與稅收之間的非線性預(yù)測(cè)模型。

1 實(shí)驗(yàn)數(shù)據(jù)

本文以吉林省1980年-2012年相關(guān)國(guó)民經(jīng)濟(jì)指標(biāo)為主要依據(jù)建立稅收收入的預(yù)測(cè)模型，其具體數(shù)據(jù)來(lái)源于吉林省統(tǒng)計(jì)年鑒。

2 灰度關(guān)聯(lián)分析

我國(guó)學(xué)者鄧聚龍教授于1982 年首先提出灰色系統(tǒng)理論，目前已經(jīng)廣泛應(yīng)用在

農(nóng)業(yè)和社會(huì)經(jīng)濟(jì)等領(lǐng)域，并取得了顯著成就[5，6]。而稅收收入與現(xiàn)行的稅收政策以及國(guó)民經(jīng)濟(jì)發(fā)展等諸多因素均有密切關(guān)系，其關(guān)系表征為非線性特征[7，8]，這其中就包含了許多難以辨別的“灰”的知識(shí)。因此，在建立稅收預(yù)測(cè)模型之前，首先對(duì)影響稅收收入的國(guó)民經(jīng)濟(jì)指標(biāo)進(jìn)行灰色關(guān)聯(lián)度分析，旨在找出影響稅收收入的主要因素。

2.1 基于灰度關(guān)聯(lián)的影響稅收收入主、次要因素分析

以稅收收入有關(guān)的10個(gè)國(guó)民經(jīng)濟(jì)指標(biāo)為子序列，以吉林省地方財(cái)政稅收收入作為母序列，經(jīng)過(guò)計(jì)算，得到的它們的關(guān)聯(lián)系數(shù)及關(guān)聯(lián)序如表1所示。 從表1列出的關(guān)聯(lián)序可知，對(duì)于稅收收入來(lái)說(shuō)，與第三產(chǎn)業(yè)總值、城鄉(xiāng)儲(chǔ)蓄存款年末余額、固定資產(chǎn)投資總額、第一產(chǎn)業(yè)總值、社會(huì)銷售品零售總額、進(jìn)出口總額的關(guān)聯(lián)系數(shù)相對(duì)較高，因此選擇模型的輸入時(shí)作為主要因素考慮，而與零售物價(jià)總指數(shù)、第二產(chǎn)業(yè)總值、財(cái)政支出、職工平均工資四個(gè)指標(biāo)關(guān)聯(lián)度相對(duì)較小，在建模時(shí)作為次要因素考慮。

表1 吉林省地方財(cái)政稅收收入所對(duì)應(yīng)的關(guān)聯(lián)度及關(guān)聯(lián)序

[子序列＼&與母序列的關(guān)聯(lián)度＼&固定資產(chǎn)投資總額＼&X1＼&G（1，1）=0.821＼&財(cái)政支出＼&X2＼&G（1，2）=0.716＼&城鄉(xiāng)儲(chǔ)蓄存款年末余額＼&X3＼&G（1，3）=0.830＼&零售物價(jià)總指數(shù)＼&X4＼&G（1，4）=0.741＼&職工平均工資＼&X5＼&G（1，5）=0.620＼&第一產(chǎn)業(yè)總值＼&X6＼&G（1，6）=0.820＼&第二產(chǎn)業(yè)總值＼&X7＼&G（1，7）=0.723＼&第三產(chǎn)業(yè)總值＼&X8＼&G（1，8）=0.856＼&社會(huì)消費(fèi)品零售總額＼&X9＼&G（1，9）=0.819＼&進(jìn)出口總額＼&X10＼&G（1，10）=0.812＼&關(guān)聯(lián)序：X8 > X3 > X1 > X6 > X9 > X10 >

X4 > X7 > X2 > X5＼&]

3 利用人工神經(jīng)網(wǎng)絡(luò)建模

實(shí)驗(yàn)中，采用三層的BP網(wǎng)絡(luò)，利用上述灰度關(guān)聯(lián)分析法選取的影響稅收收入的六個(gè)主要經(jīng)濟(jì)指標(biāo)，以吉林省1980年-2012年共計(jì)33年的主要經(jīng)濟(jì)指標(biāo)作為仿真實(shí)驗(yàn)的樣本數(shù)據(jù)，即模型的輸入向量個(gè)數(shù)為6個(gè)，輸出向量個(gè)數(shù)為1個(gè)，樣本數(shù)為33個(gè)，學(xué)習(xí)算法采用學(xué)習(xí)速率最快、適用于中小型網(wǎng)絡(luò)的trainlm算法，同時(shí)，考慮到樣本數(shù)量比較少，為提高模型的預(yù)測(cè)精度，采用交叉檢驗(yàn)的方法，建立了吉林省稅收收入的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。

4 結(jié)果分析

為了驗(yàn)證模型的預(yù)測(cè)準(zhǔn)確性，采用內(nèi)部驗(yàn)證均方差（RMSECV）和預(yù)測(cè)平均相對(duì)誤差（RME）兩個(gè)評(píng)價(jià)指標(biāo)對(duì)模型進(jìn)行評(píng)價(jià)。兩個(gè)評(píng)價(jià)指標(biāo)的計(jì)算如公式（1）與公式（2）所示。經(jīng)計(jì)算，在預(yù)測(cè)模型中剔除四個(gè)奇異點(diǎn)（1994年-1997年）后，其模型的RMSECV為0.7125，RME為0.0367。

5 結(jié)論

本文在分析影響吉林省歷年（1980年-2012年）的地方財(cái)政稅收收入的相關(guān)國(guó)民經(jīng)濟(jì)指標(biāo)的基礎(chǔ)之上，應(yīng)用灰度關(guān)聯(lián)分析對(duì)相關(guān)國(guó)民經(jīng)濟(jì)指標(biāo)進(jìn)行了關(guān)聯(lián)分析，并選取其中關(guān)聯(lián)度較大的6個(gè)主要經(jīng)濟(jì)指標(biāo)作為樣本輸入數(shù)據(jù)，并結(jié)合人工神經(jīng)網(wǎng)絡(luò)建立了吉林省地方財(cái)政稅收收入的預(yù)測(cè)模型。經(jīng)計(jì)算，模型的評(píng)價(jià)指標(biāo)均相對(duì)較好，模型的預(yù)測(cè)效果較好，泛化能力較強(qiáng)。因此，利用灰度關(guān)聯(lián)分析結(jié)合人工神經(jīng)網(wǎng)絡(luò)可以對(duì)稅收收入進(jìn)行預(yù)測(cè)，從而為科學(xué)、準(zhǔn)確的稅收預(yù)測(cè)及稅收計(jì)劃的制定提供了一定理論依據(jù)和技術(shù)支持。

參考文獻(xiàn)：

[1] 尚紅云. 2005 年中國(guó)稅收收入預(yù)測(cè)模型比較[J]. 統(tǒng)計(jì)與信息論壇， 2008， 23（3）： 27-31.

[2] 孫元， 呂寧. 地方財(cái)政一般預(yù)算收入預(yù)測(cè)模型及實(shí)證分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2007（1）： 38-45.

[3] 郭艷. 湖南省稅收收入預(yù)測(cè)模型及其實(shí)證檢驗(yàn)與經(jīng)濟(jì)分析[C]. 中南大學(xué)， 2009.

[4] 汪寅. 基于稅源數(shù)據(jù)挖掘的稅收分析預(yù)測(cè)研究[C]. 北京工業(yè)大學(xué)， 2010.

[5] 孫智勇， 劉星. 稅收增長(zhǎng)預(yù)測(cè)的灰色理論模型研究[J]. 重慶大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2010，16（3）： 41-45.

[6] 鄧聚龍. 灰色系統(tǒng)基本方法[M]. 武漢： 華中工學(xué)院出版社， 1987： 23-33.

[7] 張文珍. 基于BP 神經(jīng)網(wǎng)絡(luò)的稅收收入預(yù)測(cè)模型[J]. 中外企業(yè)家， 2009（11）： 80-82.

[8] 張紹秋， 胡躍明.基于BP神經(jīng)網(wǎng)絡(luò)的稅收預(yù)測(cè)模型[J]. 華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2006，34（6）：55-58.