财政税收分税种预测分析方法研究与应用

周元园

摘 要：近年来，随着我国经济的稳定增长，促进了计算机与互联网技术的发展，推动了大数据时代的到来。大数据已经被广泛于医疗保险、基础电信、交通管理、物流管理以及财政税收当中，其中财政税收作为我国重要的财政来源，与国家的经济发展存在直接联系，对税收进行预测可以帮助地方各级政府掌握经济的运行情况，有利于国家制定正确的税收预算。不过，我国的税收范围比较大，所涉及的体系比较复杂，而且不同税种与相关指标之间存在一定联系，给税收预测工作人员带来一定的工作难度。但是，工作人员可以借助大数据进行相关数据的挖掘，运用多种预测方法，对营业税、企业所得税以及个人所得税进行预测，并将与税种相关的经济指标充分考虑在内，主要包括了地区生产总值、工业投入、房地产开放、进出口额、工业用电量以及居民消费价格总指数等，最终将相关数据预测结果输出，并錄入应用平台中。工作人员可以将回归方程的系数与常量录入平台中，在进行下一期税收收入计算时直接将经济指标输入，税收数据就可预测出，在一定程度上提升了税收预测的效率。

关键词：财政 税种 大数据 数据挖掘 预测分析

一、国内外财政税收现状

税收预测作为一种国家财政管理的重要手段，是国家进行经济预算的第一步，对国家经济以及未来发展方向具有重要意义。因此，加拿大、西班牙以及意大利等发达国家对税收预测投入了大量的研究，并取得了一定的研究成效建立了比较完善的税收预测体系。比如，美国作为最先进入税收预测的国家，经过了上百年不断研究、分析以及完善，已经建立了比较完善的税收制度，在进行税收立法与财政支出时，美国会充分考虑税收预测结果[1]。由此可见，税收预测能够关乎着政府的税收，还对国家的支出政策具有关键作用。而经济合作组织以及发展组织为了更好的税收管理，针对影响税收的因素就行研究，详细分析了相关因素对税收的影响，并建立了完善的税收风险管理体系。在对税收预测时可以借助税收风险管理体系，从而保证税收预测数据的精确性，提升税收预测的效率。

我国的税收预测开始时间在上世纪八十年代，笔者将税收预测发展史划分为三个阶段。第一阶段，由于当时还没有进入信息化时代，只能借助图表进行数据统计，导致统计数据的统计结果准确性很低。第二阶段，该时期已经投入使用了计量经济学理论，并且开始使用简单模型计算，利用回归模型进行数据分析。第三阶段，越来越多的新型统计方法被广泛应用于数据分析工作中，使用较多的是神经网络。此外，为了统计数据更加科学、准确性更高，运用了精准度更高的统计软件，主要有WEKA、EVIEW、MATLAB、SPSSSTATISTICS、SPSS MODELER、SAS 等。目前，我国各级地方政府为了对税收预测进行准确分析、增强预测管理，对财政进行严格监控，并制定科学合理的财政制度。

二、预测分析方法研究分析

（一）时间序列方法对营业税税收年年度预测

针对部分地区的税收年度预测可以运用时间序列方法进行，该方法主要是通过对地区往年营业税进行年度序列分析，最终对下一年的营业税进行精准预测。时间序列顾名思义只是相关指标的时间有关系，在进行预测时只需要考虑本序列营业税的关系，其他影响因素不要考虑在内。我们需要预测的是营业税税收的年度预测，时间粒度为年在进行整理营业税时需要按年进行。然后开始借助SPSS STATISTICS对训练集进行训练，定义日期粒度为年，不需考虑季节性因素。还要注意观察在进行序列集之间指标数据在时间序列上是否具有趋势走向。比如，北京市的营业税年度预测分析为例，在2000年到2014年整体成呈现上升趋势，2013年出现小幅下降，主要是由于国家提出将营业税修改为增值税的政策。从时间序列的分析来看，训练集的数据整体呈现上升趋势。其次，根据营业税的业务需求，采用合理的模型算法对训练结果进行评估[2]。笔者采用专家建模器进行数据预测，该模型主要包括了指数平滑与ARIMA模型，此次将模型的类型设置为所有模型，将预测时期设置为2013年～2016年，预测结果将会在模型中输出。然后对每年时间序列的预测值与实际值进行对比，研究发现误差率达到了20%以上，表明时间序列算法误差较大。

（二）神经网络方法对营业税税收年年度预测

为了预测数据的准确性，笔者针对时间序列预测地区应用神经网络预测方法进行预测。该种预测方法主要是借助自变量进行某年营业税的预测。其次，通过模型训练会自动计算出2013年～2016年的预测值。而神经网络具有两种算法模型，主要包括多层感知器与径向基函数算法，笔者本次使用了多层感知器的计算方法，所得出的预测值也是呈现出上升趋势，与实际情况相符合，经过专家研究分析得出神经网络预测方法的误差率在5%左右，比时间序列预测方法更有使用价值。

三、预测数据应用

对营业税通过合适的预测方法，将数据放在应用平台上，让其具有使用价值。在预测数据的应用中首先需要进行数据准备，该数据管理板块主要具有非模型输出预测管理功能，然后通过模型预测结果进行数据挖掘，最终放在应用平台进行展示。其次，进行数据录入，在数据管理板块中选择年度数据，在年度下拉选择器中预测年限，税种选择“营业税”，然后提交。最后，进行数据展示，在数据展示板块中，点击“年度数据”，平台将自动展示出预测值。通过对预测数据的应用，对企业营业税得出的预测数据进行管理，最终实现研究目的。

结束语：综上所述，财政税收预测是国家财政管理的手段，对未来经济发展和政策决策有关键作用。因此，需要国家地方政府不断深入理解税收业务、提升模板算法、加强对数据工具的学习，掌握数据分析流程，保障财政税收预测数据的准确性。

参考文献：

[1]李桂华.财政税收体制改革对企业的影响[J].纳税，2019（20）：26.

[2]吴代敏.浅议新形势下财政税收税种体制改革的创新[J].现代经济信息，2019（13）：248.