增值税课题研究论文(五篇)：住宿业增值税的税收风险识别模型、增值税税收改革对建筑企业的影响….docVIP

增值税课题研究论文（五篇） 内容提要： 1、住宿业增值税的税收风险识别模型2、增值税税收改革对建筑企业的影响3、房地产企业的土地增值税筹划4、增值税集团纳税制度的国际借鉴5、增值税暂行条例的修订研究分析 全文总字数：20942 字 篇一：住宿业增值税的税收风险识别模型 住宿业增值税的税收风险识别模型 摘要：本文以营改增后住宿业的税收风险管理为重点，设计一套住宿业增值税税收风险识别模型，从而加强住宿业的税收征管，降低税收风险。 关键词：住宿业；税收风险；识别模型 2016年5月1日起，全国范围内全面推开营业税改征增值税，住宿业作为生活服务业的重要组成部分，纳入增值税征收范围，由原来按照旅店业5%的税率缴纳营业税改为按照“营改增”的相关规定缴纳增值税。“营改增”后住宿业涉税风险点主要包括以下几个方面：隐匿收入、发票管理不规范、行业管理不规范、经营状况难以把握等。因此，针对住宿业的特点和税务机关的实际需要，本文设计了一套住宿业税收风险识别模型，用以评估住宿业纳税人的税收风险。 一、涉税信息（数据）采集 （一）纳税人报送数据 目前住宿业纳税人通过纳税申报系统填报涉税信息，但这些信息存在填报不准确、不真实或空白填报的情况，特别是管理不规范的小规模经营者。并且，许多纳税人信息在征管系统中无法取得，这给模型的构建带来一定的难度。因此，监督纳税人严格系统内填报涉税信息的基础上，增加一些指标运行必须的涉税数据和涉税信息，为风险识别系统提供数据支撑例如，可以要求纳税人定期填报住宿业经营指标采集表（《评估模型信息采集表》）。 （二）税务机关采集数据 税收征管信息系统按月或按风险识别获取数据，税务机关通过一定的手段，确保纳税人提供信息的真实性、可靠性。税务机关需要对纳税人进行实地核查，核查经营单位客房数量、客房设施、装修情况、住宿标准等相关经营信息。根据报送的资料测算出行业指标并对已有的指标模型进行修正、完善，通过结合机打增值税专用发票使用情况，横向、纵向数据比对和数据指标逻辑关系，找出疑点。 （三）第三方数据 发挥综合治税的优势，与公安部门建立治安管理信息共享机制，准确掌握住宿业经营单位的每名旅客的入住时间、退房日期和房间号等重要涉税信息，摸清各经营单位的真实资料。通过公安部门数据进行处理，计算出经营收入数据。采用综合分析判断推算法，结合纳税人的机打发票使用情况和入住情况，分析营业收入较真实水平，加强对增值税税基管理。 二、风险指标的选取与应用 根据住宿业自身特点构建风险模型，建立几个关键的预警指标。各地方根据采集的信息，采用加权平均法得到各预警指标参考值（标准值）。对于偏离参考值正负5%的为无风险，偏离平均值正负5%—10%的为低风险，偏离平均值正负10%—30%的为高风险，偏离平均值正负50%以上为超高风险。 （一）公安登记信息测算收入指标 数据模型：增值税申报的客房收入与公安登记信息测算收入比率=申报客房收入÷根据公安登记信息测算收入×100%。指标功能：当期应补缴税额=（当期测算后客房收入﹣申报收入）×增值税税率（或征收率）。根据通过公安登记信息和核实后的住宿业经营单位客房（住宿）收费标准，并充分考虑淡旺季和节假日的因素，得到测算出的收入。如果差额过大，则可能有少计收入的情况。正常值区间为0.9—1.05。 （二）客房收入变动指标 数据模型：客房收入变动率=（本期客房收入﹣基期客房收入）÷基期客房收入×100%。指标功能：如果住宿业经营单位收入变动率低于预警值范围，则可能存在少计收入的问题（需要排除重大内部环境或外部环境变化的情况）。正常值区间：0.8—1.2。 （三）净资产收益指标 数据模型：净资产收益率=客房收入÷平均净资产×100%。指标功能：住宿业资产往往较大，通过净资产收益率指标分析纳税人资产综合利用情况（这里的净资产是用于住宿服务业务的净资产）。如果指标与预警值相差较大，可能存在隐瞒收入的问题。 （四）收入利润指标 数据模型：收入利润率=本期住宿服务利润总额÷本期成本费用总额×100%。指标功能：分析纳税人客房收入和经营利润之间的关系，如果经营单位的收入利润率超出预警值范围，可能存在隐瞒收入的情况。正常值区间：0.15—0.35。 （五）低值易耗品指标 数据模型：低值易耗品费用占收入比率=本期低值易耗品费用÷本期客房收入×100%。指标功能：如果低值易耗品费用占收入比率低于预警值范围，则可能存在少计入收入的问题。正常值区间：0.04—0.08。 （六）洗涤费指标 数据模型：洗涤费占收入比率=本期洗涤费支出÷本期客房收入×100%。指标功能：洗涤费支出应该与客房收入成正比，如果洗涤费占收入比率超出预警值范围，则可能存在少计入收入的问题。 三、税收风险识别模型评价机制 （一