劉洋+蔡明明+楊婉瑩

摘要：運(yùn)用上海市2004-2015年的社會(huì)經(jīng)濟(jì)指標(biāo)數(shù)據(jù)，對(duì)影響上海市房產(chǎn)稅征收規(guī)模的11個(gè)指標(biāo)進(jìn)行主成分分析，將所得主成分綜合得分引入NAR神經(jīng)網(wǎng)絡(luò)模型中來(lái)預(yù)測(cè)上海市2016-2020年房產(chǎn)稅征收規(guī)模得分，并采用多元回歸法對(duì)房產(chǎn)稅規(guī)模與其得分間的關(guān)系進(jìn)行擬合，得到上海市2016-2020年房產(chǎn)稅征收規(guī)模預(yù)測(cè)值。研究結(jié)果表明，房產(chǎn)稅規(guī)模與其得分的關(guān)系近似趨近于指數(shù)函數(shù)y=16.34e0.183x，上海市2016-2020年房產(chǎn)稅征收規(guī)模增長(zhǎng)呈逐年上升趨勢(shì)，漲幅逐漸趨向平穩(wěn)。此房產(chǎn)稅規(guī)模預(yù)測(cè)方法可以運(yùn)用到其他省市的房產(chǎn)稅征收規(guī)模情況的計(jì)算中，為中國(guó)房地產(chǎn)市場(chǎng)宏觀調(diào)控政策的實(shí)施提供依據(jù)。

關(guān)鍵詞：房產(chǎn)稅，NAR神經(jīng)網(wǎng)絡(luò)，主成分分析

中圖分類(lèi)號(hào)：E1，E6 文獻(xiàn)標(biāo)識(shí)碼：J

文章編號(hào)：1001-9138-（2016）10-0017-23 收稿日期：2016-09-01

1 引言

2011年1月28日，上海和重慶兩個(gè)城市開(kāi)始了個(gè)人住房房產(chǎn)稅征收試點(diǎn)工作，兩城市分別采用了不同的稅收方案，但兩個(gè)城市的稅收方案都存在征收范圍窄、稅率水平偏低、缺乏嚴(yán)密的法律規(guī)范等問(wèn)題。兩地的試點(diǎn)工作主要目的是為了建立房地產(chǎn)稅制的框架，發(fā)揮調(diào)節(jié)引導(dǎo)作用，為推進(jìn)房產(chǎn)稅征收工作做準(zhǔn)備。

在個(gè)人房產(chǎn)稅征收逐漸成為社會(huì)熱點(diǎn)問(wèn)題之一及未來(lái)國(guó)家重要事務(wù)之一的環(huán)境下，本文以上海市這座房產(chǎn)稅推進(jìn)程度較高的城市的2004-2015年的數(shù)據(jù)為基礎(chǔ)，基于NAR神經(jīng)網(wǎng)絡(luò)模型探索房產(chǎn)稅規(guī)模預(yù)測(cè)方法及未來(lái)上海房產(chǎn)稅規(guī)模預(yù)測(cè)，為國(guó)家把握房產(chǎn)稅組織收入情況，推進(jìn)房產(chǎn)稅立法，施行稅收工作，緩解地方對(duì)土地財(cái)政的依賴(lài)現(xiàn)狀提供依據(jù)。

本文綜合運(yùn)用主成分分析法和NAR神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法對(duì)課題進(jìn)行研究。運(yùn)用SPSS分析軟件分析處理上海市2004-2015年11個(gè)社會(huì)經(jīng)濟(jì)指標(biāo)的數(shù)據(jù)，對(duì)影響上海市房產(chǎn)稅征收規(guī)模的指標(biāo)進(jìn)行主成分分析，將錯(cuò)綜復(fù)雜的多個(gè)變量歸結(jié)為少數(shù)幾個(gè)主成分，簡(jiǎn)化研究對(duì)象，再計(jì)算得到主成分綜合得分進(jìn)行下一步研究。然后基于房產(chǎn)稅征收規(guī)模得分的時(shí)間序列特點(diǎn)以及每年房產(chǎn)稅規(guī)模得分間的非線性關(guān)系，利用MATLAB 建立NAR神經(jīng)網(wǎng)絡(luò)模型，并將所得主成分綜合得分引入模型中來(lái)預(yù)測(cè)上海市2016-2020年房產(chǎn)稅征收規(guī)模得分。最后采用多元回歸法對(duì)房產(chǎn)稅規(guī)模得分與實(shí)際征稅額的關(guān)系進(jìn)行擬合得到指數(shù)函數(shù)關(guān)系曲線，經(jīng)檢驗(yàn)得房產(chǎn)稅規(guī)模擬合值與實(shí)際征稅額間的擬合差值符合閾值要求，擬合的程度高，再代入上海市2016-2020年房產(chǎn)稅征收規(guī)模得分得到上海房產(chǎn)稅規(guī)模預(yù)測(cè)值。

2 房產(chǎn)稅規(guī)模相關(guān)指標(biāo)分析

2.1 指標(biāo)設(shè)計(jì)與數(shù)據(jù)說(shuō)明

上海的房產(chǎn)稅征稅范圍為全市，征收對(duì)象包括本地居民新購(gòu)且屬于其第二套及以上的住房和非本地居民新購(gòu)的住房，征稅稅率范圍為0.4%-0.6%，免稅面積為人均60平方米。根據(jù)上海市地稅局公布的細(xì)則，上海應(yīng)稅住房年應(yīng)納房產(chǎn)稅稅額（元）=新購(gòu)住房應(yīng)征稅的面積（建筑面積）×新購(gòu)住房單價(jià)（或核定的計(jì)稅價(jià)格）×70%×稅率。

根據(jù)上海個(gè)人房產(chǎn)稅征收方案，本文選擇影響個(gè)人房產(chǎn)稅征收規(guī)模的相關(guān)社會(huì)經(jīng)濟(jì)指標(biāo)如表1所示。

常住人口、城鎮(zhèn)人口比重、平均家庭戶規(guī)模影響家庭購(gòu)房概率，從而影響房產(chǎn)交易總面積；地區(qū)生產(chǎn)總值、人均地區(qū)生產(chǎn)總值、城鎮(zhèn)居民人均可支配收入、城鎮(zhèn)登記失業(yè)率影響居民購(gòu)買(mǎi)水平，從而影響房產(chǎn)交易總面積；房地產(chǎn)業(yè)生產(chǎn)總值與商品房銷(xiāo)售面積直接反映房產(chǎn)交易量的大小；房地產(chǎn)開(kāi)發(fā)企業(yè)本年完成投資影響房產(chǎn)的供給，從而影響房產(chǎn)的需求即交易總面積；商品房平均銷(xiāo)售價(jià)格反映住房單價(jià)的高低。

常住人口是指城市常住人口，即上海市范圍內(nèi)全部人口，包括城鎮(zhèn)縣。據(jù)分析，平均家庭戶規(guī)模越大，則家庭購(gòu)房的概率越小，房產(chǎn)總交易量越??；城鎮(zhèn)登記失業(yè)率越高，居民購(gòu)房的能力越小，房產(chǎn)總交易量越小，故平均家庭戶規(guī)模和城鎮(zhèn)登記失業(yè)率與房產(chǎn)稅征收規(guī)模呈負(fù)相關(guān)關(guān)系。除平均家庭戶規(guī)模和城鎮(zhèn)登記失業(yè)率以外，其他指標(biāo)均與房產(chǎn)稅征收規(guī)模呈正相關(guān)關(guān)系，即當(dāng)指標(biāo)數(shù)值增加時(shí)，房產(chǎn)稅規(guī)模增長(zhǎng)。

本文選擇以2004-2015年作為樣本區(qū)間，原因主要有：（1）近10年來(lái)，中國(guó)經(jīng)濟(jì)發(fā)展取得巨大飛躍，相比之前的經(jīng)濟(jì)情況有了很大的變化。（2）2004年以前的數(shù)據(jù)難以獲取，特別是受到記錄房地產(chǎn)業(yè)情況數(shù)據(jù)的可得性的限制。（3）已有數(shù)據(jù)因當(dāng)時(shí)統(tǒng)計(jì)技術(shù)的限制存在偏差。因此，考慮到數(shù)據(jù)的可得性、準(zhǔn)確性以及統(tǒng)計(jì)口徑的一致性，本文選擇以2004-2015年作為樣本區(qū)間。

本文所采用的數(shù)據(jù)均來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒（2005-2015）》《上海統(tǒng)計(jì)年鑒（2005-2015）》《上海2015國(guó)民與社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)公報(bào)》《上海2015房地產(chǎn)市場(chǎng)報(bào)告》《上海市預(yù)算執(zhí)行情況（2005-2015）》。其中《中國(guó)統(tǒng)計(jì)年鑒（2005-2015）》與《上海統(tǒng)計(jì)年鑒（2005-2015）》中記錄的指標(biāo)數(shù)據(jù)存在極少數(shù)不同的情況，當(dāng)相同指標(biāo)的數(shù)據(jù)記錄不同時(shí)，本文以《中國(guó)統(tǒng)計(jì)年鑒》的數(shù)據(jù)為準(zhǔn)。上海市2004-2015年各社會(huì)經(jīng)濟(jì)指標(biāo)數(shù)據(jù)如表2所示。

2.2 分析結(jié)果說(shuō)明

收集相關(guān)數(shù)據(jù)，進(jìn)行上海2004-2015影響房產(chǎn)稅規(guī)模的相關(guān)指標(biāo)的主成分分析。利用SPSS分析軟件求得每年兩個(gè)主成分F1、F2因子得分及主成分綜合得分如表3所示。

3 基于NAR模型預(yù)測(cè)房產(chǎn)稅規(guī)模得分

3.1 構(gòu)建模型

基于房產(chǎn)稅征收規(guī)模的時(shí)間序列特點(diǎn)以及每年房產(chǎn)稅規(guī)模得分間的非線性關(guān)系，建立NAR非線性自回歸神經(jīng)網(wǎng)絡(luò)模型，對(duì)上海市2016-2020年房產(chǎn)稅征收規(guī)模得分進(jìn)行預(yù)測(cè)。

一個(gè)完整的NAR模型主要由輸入層、隱藏層和輸出層組成。NAR模型中每一個(gè)輸出都指向元神經(jīng)網(wǎng)絡(luò)層的輸入中，并作為下一次輸出的調(diào)整參數(shù)，完成對(duì)神經(jīng)網(wǎng)絡(luò)的調(diào)整。它可反映系統(tǒng)的歷史狀態(tài)，有著特殊的記憶功能。將影響房產(chǎn)稅規(guī)模的相關(guān)指標(biāo)作為輸入層，指標(biāo)數(shù)即為輸入層神經(jīng)元的個(gè)數(shù)，則輸入層的神經(jīng)元個(gè)數(shù)為11個(gè)；將規(guī)模得分作為輸出層，則輸出層的神經(jīng)元個(gè)數(shù)為1個(gè)。因?yàn)槟壳瓣P(guān)于隱藏神經(jīng)元個(gè)數(shù)的決定還沒(méi)有成熟的理論依據(jù)，只能根據(jù)經(jīng)驗(yàn)并通過(guò)多次試驗(yàn)來(lái)確定，因此本文根據(jù)試驗(yàn)，設(shè)定隱藏層的神經(jīng)元個(gè)數(shù)為10。具體結(jié)構(gòu)示意圖如圖1所示。

將上述主成分分析法中所得每年主成分因子綜合得分作為訓(xùn)練樣本，利用MATLAB R2014a進(jìn)行數(shù)據(jù)歸一化處理、模型參數(shù)設(shè)置、樣本訓(xùn)練，最后運(yùn)行程序得到結(jié)果。為避免模型過(guò)度擬合，本文根據(jù)經(jīng)驗(yàn)參數(shù)設(shè)置的此次模型的參數(shù)分別為：訓(xùn)練集70%、驗(yàn)證集15%、測(cè)試集15%。

3.2 結(jié)果分析

運(yùn)行程序，可得到預(yù)測(cè)結(jié)果的誤差自相關(guān)性圖、目標(biāo)值與輸出值間差值圖、房產(chǎn)稅規(guī)模趨勢(shì)圖等。如圖2、圖3、圖4所示。

目標(biāo)值與輸出值間差值圖中，“errors”表示測(cè)試目標(biāo)與預(yù)測(cè)輸出間額差值，結(jié)合誤差自相關(guān)性圖顯示的結(jié)果知，除了lag=0（0階自相關(guān)）時(shí)，其他的自相關(guān)系數(shù)都不超過(guò)上下置信區(qū)間，誤差也在都在規(guī)定限值內(nèi)，可判定NAR神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果合理、可信。

由房產(chǎn)稅規(guī)模趨勢(shì)可知，上海2016-2020年房產(chǎn)稅規(guī)模呈逐年上升趨勢(shì)，漲幅逐漸減小，漸趨平穩(wěn)，不再延續(xù)之前爆發(fā)性增長(zhǎng)的趨勢(shì)。

求解模型得到上海市2016-2020年房產(chǎn)稅征收規(guī)模得分如表4所示。

4 房產(chǎn)稅規(guī)模得分與實(shí)際規(guī)模的關(guān)系

上海市2011-2015年房產(chǎn)稅征收規(guī)模得分及實(shí)際征稅額如表5所示。

利用上海2011-2015年征收的個(gè)人房產(chǎn)稅的實(shí)際額度，擬合出房產(chǎn)稅規(guī)模得分與實(shí)際規(guī)模的關(guān)系如圖5所示。

多元回歸的基本思想是利用多個(gè)數(shù)據(jù)點(diǎn)，按最小二乘法原理對(duì)數(shù)據(jù)點(diǎn)進(jìn)行擬合。分析實(shí)際情況，利用指數(shù)函數(shù)表示房產(chǎn)稅規(guī)模得分與實(shí)際規(guī)模間的關(guān)系，表達(dá)式為y=16.34e0.183x，R?=0.785，R?基本接近0.8，說(shuō)明結(jié)果擬合程度較高。將2016-2020年上海房產(chǎn)稅規(guī)模得分代入表達(dá)式，得2016-2020年上海房產(chǎn)稅預(yù)測(cè)值如表6所示。

上述測(cè)算結(jié)果說(shuō)明，上海市的房地產(chǎn)稅規(guī)模在經(jīng)歷了2011至2015年的快速增長(zhǎng)期以后，征稅規(guī)模的增長(zhǎng)逐步趨緩，于2020年前后穩(wěn)定的接近40億元。這首先與我國(guó)經(jīng)歷經(jīng)濟(jì)高速發(fā)展期后，進(jìn)入“經(jīng)濟(jì)新常態(tài)”的整體經(jīng)濟(jì)形勢(shì)發(fā)展是一致的，同時(shí)也說(shuō)明，房產(chǎn)稅可以作為一種穩(wěn)定稅源為地方經(jīng)濟(jì)發(fā)展提供強(qiáng)力和可控的支持。

5 總結(jié)與展望

綜合目前社會(huì)各界人士的觀點(diǎn)來(lái)看，房產(chǎn)稅按面積和按套征稅都有一定合理性。就本文作者觀點(diǎn)來(lái)看，以人均面積征稅是最公平的辦法，雖然這種方式推開(kāi)的初期難以被廣泛接受，但將來(lái)以之為依據(jù)征稅是最合適的方式。上海市目前就是采取以人均面積征稅的方式在全市范圍內(nèi)征收個(gè)人房產(chǎn)稅。本文利用主成分分析法，基于NAR神經(jīng)網(wǎng)絡(luò)模型法對(duì)上海市房產(chǎn)稅規(guī)模進(jìn)行預(yù)測(cè)。研究成果表明，上海市2011-2015年房產(chǎn)稅規(guī)模快速增長(zhǎng)，隨著房產(chǎn)稅征收時(shí)間的推移，房產(chǎn)稅規(guī)模增長(zhǎng)逐漸趨于平緩。擬合得房產(chǎn)稅規(guī)模得分與實(shí)際規(guī)模的關(guān)系近似趨近于指數(shù)函數(shù)關(guān)系，將規(guī)模得分預(yù)測(cè)值代入此指數(shù)函數(shù)模型中可得到上海市2016-2020年房產(chǎn)稅的預(yù)測(cè)值，為中國(guó)房地產(chǎn)市場(chǎng)宏觀調(diào)控政策的實(shí)施提供依據(jù)。

本文研究的房產(chǎn)稅規(guī)模預(yù)測(cè)方法可以運(yùn)用到其他省市的房產(chǎn)稅征收規(guī)模估算中，為國(guó)家把握房產(chǎn)稅組織收入情況，推進(jìn)房產(chǎn)稅立法，施行稅收工作，緩解地方對(duì)土地財(cái)政的依賴(lài)現(xiàn)狀提供依據(jù)，對(duì)中國(guó)未來(lái)經(jīng)濟(jì)形勢(shì)的把握具有重要意義。

參考文獻(xiàn)：

1.楊紹清 吳曉飛 章新華等.NAR模型的Korenberg算法及其應(yīng)用.系統(tǒng)仿真學(xué)報(bào).2001.13

2.趙麗 朱永明 付梅臣 張蓬濤 曹銀貴.主成分分析法和熵值法在農(nóng)村居民點(diǎn)集約利用評(píng)價(jià)中的比較.農(nóng)業(yè)工程學(xué)報(bào).2012.28

3.趙武奎 張成 王一波.基于主成分分析的裝備保障演練綜合評(píng)價(jià).計(jì)算機(jī)仿真.2013.30

4.田晶 何遒 周夢(mèng)杰.運(yùn)用主成分分析識(shí)別道路網(wǎng)中的網(wǎng)絡(luò)模式.武漢大學(xué)學(xué)報(bào)·信息科學(xué)版.2013.38

5.范子英 劉甲炎.為買(mǎi)房而儲(chǔ)蓄——兼論房產(chǎn)稅改革的收入分配效應(yīng).管理世界.2015.05

6.陳易 張杭 胡航.基于BP神經(jīng)的協(xié)作頻譜感知技術(shù).計(jì)算機(jī)科學(xué).2015.42

7.呂霽.基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)評(píng)估模型及實(shí)證研究.計(jì)算機(jī)科學(xué).2014.42

作者簡(jiǎn)介：

劉洋，碩士生導(dǎo)師，副教授，武漢大學(xué)資源與科學(xué)學(xué)院國(guó)土資源系任教，武漢大學(xué)地圖制圖學(xué)與地理信息工程專(zhuān)業(yè)工學(xué)博士，主要研究方向土地信息系統(tǒng)與不動(dòng)產(chǎn)估價(jià)。