39200字硕士毕业论文福建省税收价值预测与分析

论文类型：硕士毕业论文

论文字数：39200字

论点：预测,税收,模型

论文概述：

本文把各个单项模型组合成提出一个基于福建税收的优秀组合预测模型对税收收入进行预测，并对预测结果进行分析、比较；最后，将单项预测模型与组合预测模型对福建税收情况的实验结果进

论文正文：

第一章螺纹理论

1.1税收预测的研究意义
税收的一个非常重要的功能是为国民经济服务，这是增加国家财政收入的重要手段。税收是我国财政收入的重要组成部分，尤其是在市场经济条件下，我国财政收入的很大一部分来自税收。国家预算必须考虑政府运作、宏观调控和基本建设支出的需要，也需要量入为出，因此必须以税收为基础[1]。税务机关的一项重要任务是根据前几年的税收情况制定今后的税收征管调整计划。税收计划的正确制定需要税收预测的结果作为参考。税收预测仅仅是利用一些现有的历史税收数据来估计未来几年的税收情况。税收预测是在收集历史税收数据、分析影响因素和国家宏观调控共同作用的基础上进行的。税收计划的制定应以税收预测为基础。税收预测是运用一些数理统计方法和推理规则对未来税收趋势和征收情况的分析。它在分析税源变化、促进征管方面发挥着重要作用。税收预测是税收管理的重要组成部分之一。它可以帮助税务管理人员更有效、更好地安排税收计划，预测未来的税收形势。它可以很好地帮助税务管理人员制定税收计划，也是领导做出科学决策的重要依据。然而，通常很难提高收入预测的准确性。总之，税收预测有助于处理税收与经济发展的关系。这对更好地分配税收征管任务，帮助税收筹划管理具有重要意义。因此，如何在当前经济形势下尽快找到有效的税收预测方法，进而掌握税收的主动权，已经成为本次研究工作的重点。

1.2国内外研究现状
迄今为止，国内外许多学者都致力于税收预测的研究。总结如下:国外税收估算与预测的研究始于20世纪60年代，主要集中在税收努力指数扩大的税收上。税收努力指数指的是[实际税收与潜在税收的比率1]。税收努力指数可以告诉政府从哪里着手解决预算问题，并帮助政府确定最佳的税收规模。国家在制定财政预算时，可以参照税收努力指数来调整和解决预算的不合理性。总的战略是适当增加一些税收，以解决国家预算赤字的问题，反之减少预算支出。最优税率表的建立可以为世界其他国家确定税率表提供参考。国际上的税收规模是否合理主要是通过税收努力指数来衡量的。自20世纪70年代以来，各种学者不断预测税收努力指数和税收收入，计算了过去40年的税收估计序列和税收努力指数，为税收衡量指标提供了良好的数据库。在国外税收政策分析方面，研究的一些税收模型总结如下:1976年，美国学者富勒顿·肖文怀利(fullerton Xiao Wen Wylie)在分析研究了美国税收过度和税收扭曲的情况后，建立了美国的CGE模型。1980年，荷兰研究人员在研究了荷兰生产和消费部门税率变化对国内税收的影响后，分析并建立了荷兰税收政策分析的凯勒模型(Keller model)。1980年，澳大利亚的Piggot模型。通过设定模型的各种参数，分析了减税和减补贴对全国国民经济的影响或按不同职能部门类别的影响。1983年，美国学者分析了税收指数化对通货膨胀的影响，研究并建立了西姆罗德模型来分析美国的税收政策。
中国对税收预测模型的研究主要包括以下内容:1998年，程茂林在《中国税收增长的影响因素与预测分析》[2中定性分析了影响税收增长的因素，指出税收主要受经济、税收结构和税收政策的影响，并建立了税收预测的简单线性模型、灰色模型、时间序列模型和组合预测模型。1999年，张伦军在《税收预测模型的拟合与分析》[3中运用计量经济学统计方法，通过建立税收(Tax)与国内生产总值(国产总值)之间的代数函数关系来预测税收。2000年，刘新利在他的《税收分析导论[4》一书中提议使用投入产出法来预测税收。2003年，全国人民代表大会常务委员会预算工作委员会决定，在考虑税收与影响税收因素之间关系的前提下，进一步推进和完善以前建立的税收预测模型。将预测模型用于关税的具体领域，建立关税预测模型，并将原模型进行扩展，建立国家税收预测模型。2002年，田永清在《基于径向基函数神经网络建立税收预测模型的研究》[5中，利用更先进的径向基函数神经网络建立了税收预测模型。

第二章税收预测的一般方法

地方政府的一项重要任务是建立科学的地方税收预测体系。目前，我国经济预测的模型很多，但哪种模型可以用来预测地方税收，以获得更好的预测结果，值得研究。因此，通过合理科学的预测方法和技术，结合财政经济和税收经济理论，建立相应的地方税收预测模型，对国家和地方政府编制合理的预测报告，从而控制宏观经济，监控税源稳定性，具有重要的意义和作用。本章分别简要介绍了传统的时间序列模型、回归序列模型和神经网络模型。

2.1时间序列分析模型

2.1.1时间序列预测的相关原理
时间序列一般是一个统计变量的数据序列，它在时间上是有序的，随时间而变化。时间序列通常由趋势变化、周期变化、季节变化和非标准变化组成。时间序列预测模型通常包括以下三个步骤:1 .收集历史样本数据，按照一定的顺序进行汇编，并进行统计和分类。2.时间序列每个周期的数据都是多种因素共同作用的结果。应该分析时间序列因素之间的关系。3.找到时间序列的长期趋势(tT)、季节变化(TSs)、循环变化(tC)和不规则变化(tR)的值，以近似估计时间序列的数学模型。现有的一些方法可以用来寻找模型系数。时间序列预测方法是一种比较古老的算法，研究时间较长，根据研究对象的数量、时间的不同连续性、时间的统计特征和时间序列的分布规律，有不同的分类。

第三章福建省税收预测分析中的单一预测模型.......23
3.1时间序列模型在福建税收预测中的应用.......23
3.1.1加权平均法在福建省税收预测分析中的应用.......23
3.1.2一次性指数平滑法在福建省税收预测分析中的应用.......25
3.2多元回归模型在福建税收预测中的应用........28
3.2.1单回归方法在福建省税收预测分析中的应用.........28
3.2.2多元回归方法在福建省税收预测分析中的应用.........30
3.3人工神经网络在福建省税收预测分析中的应用.........33
3.4本章摘要........36
第四章福建税收组合预测模型.......37
4.1福建税收组合预测系统.......37
4.2组合预测模型和权重向量确定……39
4.3组合预测模型在福建省税收预测分析中的应用.........40
4.4本章摘要.......44
第5章模型比较和比较结果分析.......45
5.1三种模型的比较结果……45
5.2模型比较结果分析.......47
5.3本章摘要.......50

结论

从实证检验与理论模型相结合的角度，运用人工智能领域的时间序列分析、回归分析和人工神经网络，建立福建省税收单一预测模型。每个模型首先介绍一些模型的理论知识，并选择一两种方法对其进行详细介绍，并将其应用于福建省的税收预测中。最后，从三个模型中选择一个优秀的方法，用于随后的组合模型构建以及预测结果的分析和比较。实证检验数据为1995-2005年福建省税收数据。税收预测的准确性在很大程度上取决于影响因素。根据BP神经网络和回归分析方法较高精度的预测结果，可以看出，通过阅读参考文献选择的影响因素是正确合理的，如居民消费水平、城乡储蓄年末余额、农业总产值、社会消费品零售总额、固定资产总投资、进出口总额、财政支出总额、职工工资总额和全省生产总值。
时间序列模型和回归模型在实践和研究中受到研究者的青睐。本文还将这两个模型应用于福建省的税收预测检验，但两者都有一定的局限性。时间序列预测模型只能使用单个变量来分析因变量，税收是由多种因素决定的，因此时间序列模型的预测结果往往不准确、不稳定。回归模型可以综合考虑因变量的各种影响因素，但很难定义每个因素与因变量之间的关系。在许多情况下，它不能用线性关系来表达。此外，还应该对各种影响因素进行相关分析，以筛选一些变量。人工神经网络是模拟生物体神经系统对外界刺激反应的仿生机制。它可以近似任何非线性输入输出关系。它使用训练样本连续训练神经网络，直到达到一定的结束条件。经过训练的网络具有很强的自动学习和解决问题的能力。人工神经网络是一种能够处理非线性问题的模型。当样本不完整、存在噪声点或参数存在问题时，它可以训练和学习样本以获得稳定的输出结果。它更适合具有复杂背景或映射规则的问题。因此，将神经网络应用于福建税收预测更为合适。
虽然从本文的工作可以看出，神经网络模型可以很好地预测福建的税收，但从建模过程和预测结果可以看出，不同的预测方法需要不同的条件、不同的应用范围和不同的建模复杂度。因此，应根据实际情况选择最合适的预测方法，并在必要时进行一些调整。在处理问题的实际过程中，为了提高效率和降低计算的复杂性，有必要牺牲一些精度要求，而不仅仅是精度。福建作为一个开放的沿海城市，其经济结构和享受政策不同于其他城市，税收结构也会有所不同，税收也有许多频繁的变化。未能分析影响因素可能会极大地影响模型的预测精度。因此，有必要充分考虑福建的经济形势，提取福建税收的影响因素，建立预测模型，并随着时间的推移对所采用的预测方法进行相应的调整。第四章在研究了几种单一预测模型后，采用非负最优权重法计算了各模型的权重，构建了福建省税收组合模型。组合预测模型的核心思想是组合不同的模型，以达到提高预测精度和模型拟合能力的目的。它能最大限度地反映各种因素的综合影响。单一预测方法往往只关注问题的一个或几个方面，只反映一些因素的影响。组合预测是将各种模型有机地结合起来，综合各模型的优势，从而获得比单一预测方法更科学的预测结果[8】。本文通过福建省税收数据对组合预测模型进行了验证，实验证明第四章建立的组合预测模型优于单一预测模型。

参考
[1]王国夫郭燕。湖南省税收预测模型及其实证检验和经济分析[。湖南:中南大学，2009。
[2]程茂林。中国税收增长的影响因素及预测分析[。扬州大学税务学院学报，1998。2.8-21。
[3]张伦军。税收预测模型的拟合与分析[。《数理统计与管理》，1999，18(2): 5-8。
[4]刘新利。[税务分析导论。北京:中国税务出版社，2000。
[5]田永清、杨斌、朱仲英。基于径向基函数神经网络建立税收预测模型的研究[[]。计算机工程，2002，28(5): 22-25。
[6]王乃静，李国锋。协整理论在税收预测中的应用研究[。山东经济，2002，6:007。
[7]王家新。张伦军。《2004年中国税收与经济增长的协调》，[。《金融与贸易经济》，2005，5: 43-45。
[8]李开阳，韩文秀。[。天津大学学报(自然科学与工程技术版)，2003，1。
[9]郭秀。卢勇。构建地方财政收入预测模型[。价值工程，2004，3: 036。
[10]孙园，卢宁。[地方财政总预算收入。定量经济、技术和经济研究，2007 (1)。[/BR/]