工业第一批税务状况剖析.docVIP

工业第一批税务状况剖析 　　摘要:工业企业应税纳税的能力与其运行的状况息息相关。文章依据工业领域的发展理论和我国的实际情况,选取反映工业税务状况与发展水平的十四项指标,运用因子分析法对我国工业统计的第一批税务据进行综合评价,提取出制约工业企业税务状况的主要因子。依此反映我国工业行业纳税的综合能力,为该领域的税收问题的研究方向提供可靠的参考依据。 　　关键词:税务状况;因子分析;税务指标;纳税综合能力 　　中图分类号:F4 文献标识码:A 文章编号:1006-8937(2009)12-0065-02 　　 　　1工业企业的税务问题 　　 　　近年来,工业企业普遍存在偷税漏税的现象,不仅是受到整个行业残酷的竞争局势影响,更多是因为自身经营规模、盈利水平以及运营状况等因素的限制。公司运营的好坏,获利水平的高低都决定着企业的资金流通,从而导致其软弱的税务能力。 　　为了研究工业企业税务能力的影响因素,筛选14项富有代表性的工业企业运营效益指标来综合评价工业企业的纳税能力,包括企业的销售成本率(x1)、销售利税率(x7)、销售利润率(x8)、毛利率(x10)、总资产报酬率(x11)、资本金利用率(x12)、存货周转率(x13)、应收账款比率(x14)、成本费用率(x5)、成本费用利润率(x6)、销售费用率(x2)、销售管理费用率(x3)、销售财务费用(x4)、销售成本利润率(x9)。 　　通过对以上指标进行统计分析,挖掘出造成工业企业纳税能力低下的影响因子,利于企业改进自身的经营模式,指导其正确运作和管理,优化企业自身格局并高效合理地经营操作,逐步提高盈利水平,最终顺利地履行纳税义务。 　　 　　2因子分析的理论基础 　　 　　2.1因子分析 　　因子分析是把众多的指标综合成几个为数较少的指标,即因子指标,它们反映了原来众多变量的主要信息。这是基于信息损失最小化而提出的有效方法。 　　因子分析把每个原始变量分解成两个部分:一部分是由所有变量共同具有的少数几个因子构成的,即所谓公共因子;另一部分是仅对某一个变量产生影响,为某一个变量所特有的,即所谓特殊因子。 　　2.2因子分析模型 　　基于上述的假设,建立的因子分析模型为:设X=(xij)nxp是由P个评价指标变量和n个样本点组成的样本观察矩阵,记=(,,…),则X=x11 x12 …x1px21 x22 …x2p┆ ┆ ?埙┆ xn1 xn2 …xnpXi=(xi1 xi2 …xip),则 　　 　　其中xij是第i个指标在第j个样本上的值。 　　为了方便将原始数据X=(xij)nxp无量纲化后的数据矩阵仍用X=(xij)nxp来表示F1、F2…,Fm(m≤p)分别表示为m个因子变量,即公共因子,则因子分析模型为:X=AF+?着。其中A=(aij)pxm是待估计得系数矩阵,成为因子载荷阵,aij(i=1…p;j=1…m)称为第i个变量在第j个因子上的载荷,?着i(i=1…m)称为Xi的特殊因子。 　　 　　3利用SPSS进行因子分析结果 　　 　　在完成SPSS因子分析的操作过程后,会自动将统计的结果输出“output”文件中,具体的表有:描述性统计值、相关系数矩阵及相关显著性检验、KMO检验与Bartlett球形检验、特征根与方差贡献表、因子碎石图、旋转前的因子载荷阵、旋转后的因子载荷阵、因子旋转中的正交矩阵、因子得分系数矩阵W以及因子得分的协差阵。 　　由于统计表过多,避免繁杂,文章主要对几个重要报表的结果进行分析说明,其他表参见附件。 　　表1是用于判断数据能否进行因子分析。KMO统计量检验统计是用于比较观测相关系数与偏相关系数值的一个指标,其值越接近1,表明对这些变量进行因子分析的效果越好。表格中KMO数值为0.676,因此各变量间的相关程度差异不是太大,数据适合做因子分析。第二行的巴特利特球度检验是以变量的相关系数矩阵为出发点,其值越大越适合做因子分析。表中巴特利特球度检验的数据值为3120.761是很大的,也证明这些数据适合做因子分析。 　　碎石图是用于显示各因子的重要程度,横轴为因子序号,纵轴表示特征值大小。它将因子按特征根从大到小依次排列,从中可直观地看到只需提取前面三个因子即可,之后的因子特征值都偏小,且数值大小趋于平稳。 　　因子载荷矩阵(表2)反映14个变量的变异可以主要由3个公因子来解释,即各变量的信息呗这些公因子提取了多少,也就是给出了在因子分析中需要的因子表达式。所以根据表中提供的系数可以给出各变量的因子表达式为: 　　X5=0.854F1+0.285F2+0.274F3X7=-0.820F1-0.330F2-0.265F3……X12=-0.160F1-0.599F2+0.717F3 　　通过这1