判别分析法应用于稽查选案工作可行性的研究.docVIP

判别分析法应用于稽查选案工作的可行性研究 中山税务学会 　何　璇 选案是税务稽查工作的首要环节。选案的准确性有赖于建立一套较科学的资料收集、统计、筛选和分析系统，以提高案源的分析处理能力，减少稽查选案的盲目性和随意性，从而降低稽查成本，使有限的稽查力量投入到有效的稽查工作中去。 从目前的研究文献来看，稽查选案的技术方法主要包括峰值法、判别分析法、专家系统法和神经网络法。在目前的研究成果中，使用较多的是数理统计中的判别分析法。本文尝试选用目前研究成果中较多使用的判别分析法，利用一批已确定偷税和不偷税企业的样本数据，针对增值税稽查选案，参考王锐 浙江大学 的博士学位论文《税收不遵从的识别研究》（2003年4月），在其研究选取的19项指标基础上，尝试分别从不区分行业类型和区分行业类型两种方向，应用判别分析法建立企业是否诚实申报的判别函数模型，并验证该模型的判别准确率，从而分析判别分析法能否实际应用于稽查选案工作。本文将力求对今后稽查选案工作的开展提供理论支持，从而提高选案工作的科学性、准确性和对纳税人开展检查的公平性。 一、判别分析法简介 判别分析 Discriminant Analysis 是用以判别个体所属类别的一种数理统计方法，1936年由R. A. Fisher提出。判别分析的目的是对已知分类的数据建立由数值指标构成的分类规则，然后应用该规则对未知分类的样本进行分类。判别分析技术曾经在许多领域得到成功的应用，包括对儿童心理测验、手术或药品效果、地理区域的经济差异、决策行为预测等结果的分类。 （一）利用判别分析法识别偷税的基本思路 识别纳税人是否偷税实质上是一个判别问题。根据纳税申报信息和审核结果,可将纳税人划分为“诚实申报”类G1和“不诚实申报”类G2,通过计算这两类纳税人的有关数字特征,再计算待判样品与“诚实申报”类G1和“不诚实申报”类G2的某种“距离”,然后比较待判样品与哪一类的距离最小,就把该样品判归哪一类,从而可从大量的纳税人中挑选出不诚实申报者。下面引用一个植物分类的实例说明判别分析的基本思路。 有两种已知的鸢尾花,分别是刚毛鸢尾 G1 和变色鸢尾 G2 ，选择花萼长 X1 和花萼宽 X2 2个指标 即变量 进行测量，每种鸢尾花都测量了50株,即n1 50,n2 50。表1-1列出了部分数据。 表1-1 鸢尾花样品数据 单位:cm 样品号 刚毛鸢尾 G1 变色鸢尾 G2 花萼长 X1 花萼宽 X2 花萼长 X1 花萼宽 X2 1 5.1 3.5 7 3.2 2 4.9 3 6.4 3.2 3 4.7 3.2 6.9 3.1 … … … … … 49 5.3 3.7 5.1 2.5 50 5.0 3.3 5.7 2.8 现采集到一株鸢尾花新样品 待判样品 ，则其变量值即花萼长 X1 和花萼宽 X2 分别为: 且知道它属于类别G1和类别G2中的两者之一，但不知道到底属于哪一类。如何判断待判样品属于哪一类呢? 这里采取距离判别法，其思路是：根据两个类别的样本数据，分别计算出各类别的信息特征值，即样本均值和样本协方差矩阵。然后，计算待判样品的变量值与两个类别G1和G2的马氏距离，比较待判样品与哪一类的距离最小，就把待判样品判归哪一类。 经计算，类别G1和类别G2的样本均值 记为 和样本协方差矩阵 记为 如下： , , 应用公式： i 1,2 计算待判样品X到两个类别G1、G2的马氏距离的平方,得: 因为,所以该新样品属于类别G1。 以上例子实际上是关于两个总体 类别G1和类别G2 的判别问题。为简便起见,本例仅选取了两个指标,而实际情况中可能涉及多个指标。 如果将上例中的“刚毛鸢尾”G1和“变色鸢尾”G2分别换成“诚实申报”企业类G1和“不诚实申报”企业类G2,将2个指标花萼长 X1 和花萼宽 X2 换成纳税申报的有关指标,那就可以将判别分析法应用来识别纳税人是否存在偷税的可能性。税务稽查判别模型正是根据这一思路而建立的。 （二）判别分析法包括的两阶段工作 第一阶段是分析和解释各组的指标特征之间存在的差异，并建立判别函数。在这部分工作中，要处理的是已知分组属性的那些案例。在第一阶段的判别分析中，用来建立判别函数的数据案例必须是确定的，每个案例必须同时具备分组信息和其他特征信息，以便对这两部分的联系加以归纳。 第二阶段所要处理的是未知分组属性的案例，即以第一阶段的分析结果为依据对这些案例进行判别分组。这相当于根据以往经验来“预测”案例的分组属性。在分组属性能够成为一组明确结果时 如分组代表的是事物发展的不同结果 ，便可以作为事实来检验预测的准确性。 二、判别分析法在稽查选案中的实证研究 按照以上判别分析法的基本原理，下面结合税