基于Logistic回歸的稅務稽查選案模型研究

摘 要：傳統的人工稅務稽查選案，具有人為因素大、缺乏科學性和準確度等弊端。建立稽查選案模型、采用計算機自動選案，可以避免上述弊端并提高工作效率。最初選取了9個財務指標，經過篩選，最終使用8個指標建立了稅務稽查選案的Logistic判別模型，樣本回帶總準確率達79.6%。

關鍵詞：偷稅；稽查選案；Logistic回歸模型

中圖分類號：F231.6 文獻標志碼：A 文章編號：1673-291X（2012）35-0096-02

引言

稅務稽查的工作流程主要包括選案、實施檢查、審理和執行等階段[1]。選案是找出偷漏稅疑點最大的被稽查對象的過程，是稽查人員根據納稅企業的各種非財務和財務信息，進行定性和定量分析的結果。傳統的人工稽查選案，主要依靠舉報材料、稽查人員經驗或是上級下派的任務確定稽查對象，具有人為因素多、工作強度大、準確度低等缺點。同時，如今偷逃稅方法日益高明，稽查人員日益感到力不從心[2]。建立稽查選案模型、采用計算機自動選案，可以避免傳統人工選案的弊端，提高稽查選案工作的客觀性、科學性、準確度和工作效率，對于堵塞企業偷漏稅行為具有重要作用。

一、樣本選取、指標選取和均值差異檢驗

本文共選擇了27家企業2009年上半年和2010年上半年的54組數據作為研究樣本，每家企業2組數據，企業類型包括制造業、煤業、發電等行業。54組數據中誠實納稅的數據為47組，被定性為有偷稅行為的數據有7組。樣本數據來源于某稅務局的納稅申報表和企業的財務報表。

選取稅務稽查選案指標尚無統一標準，但通常應遵循綜合性、規范性、易得性、重要性、穩定性、簡潔性等原則[3]，根據上述原則并借鑒參考文獻，本文共選擇了4類9個財務指標，如表1所示，包括2個稅收負擔狀況指標，2個盈利能力指標，2個營運能力指標，3個償債能力指標[1-4]。對偷稅組和誠實組的9個財務指標進行Mann-Whitney U均值差異檢驗（零假設H0：均值相等），用以探查各指標均值差異情況，顯著性概率p值分別為：0.027、0.010、0.928、0.078、0.847、0.328、0.847、0.949、0.709，說明稅負率、進銷項比2個指標在5%的水平上偷稅組和誠實組均值差異顯著，主營業務費用率指標在10%的水平上均值差異顯著。

二、Logistic回歸偷稅企業識別模型

構建模型使用了SPSS統計軟件。稽查選案屬于二分類問題，因此，誠實企業用0代表、偷稅企業用1代表；自變量即為表1中的9個財務指標。盡管不需要對模型進行序列相關檢驗和異方差檢驗，但需要進行多重共線性檢驗，以決定最終是否刪除某些能用其它自變量線性組合表示的自變量。使用容忍度（Tolerance）指標進行該項檢驗，容忍度小于0.2的自變量應該刪除，在SPSS軟件的線性回歸模塊中可以自動計算自變量的容忍度。最終刪除了“流動比率”指標，因為其容忍度太小。如表2所示，最終模型保留了其余8個指標，因為它們的容忍度均大于等于0.485，不存在多重共線性。Logistic模型為：

模型參數如表2所示，Wald統計量用以檢驗模型系數的顯著性，類似于線性模型的t檢驗。使用最大似然估計法估計Logistic模型參數，似然值越大，模型擬合效果越好。但習慣上常用似然函數值的對數的-2倍，即用-2 Log likelihood（-2LL）表示擬合效果，因此就變成-2LL越小模型擬合的越好。Logistic模型的擬合度也可以用和2個指標值來衡量，這兩個值的涵義就如同線性模型的擬合優度一樣。三個擬合度指標值分別為23.581、0.613、0.817，擬合效果很好。

分類閾值概率選擇的不同直接影響到模型識別的準確率，經試算閾值取為ρ≤0.08，即如果偷稅概率則判為誠實企業，如果ρ>0.08則判為偷稅企業，樣本回代到模型中的判別準確率如表3所示，總準確率79.6%、偷稅企業100%、誠實企業76.6%。以某水泥企業為例，其2009年被稅務局定性為偷稅企業。2009年的8個指標值分別為：0.00、5.38、0.081、1.61、0.547、0.02、0.70、0.76，代入模型中得p=0.898，大于0.08，因此，模型判別其2009年為偷稅企業，定量判別結果正確。