影响企业所得税收入因素的回归分析

影响企业所得税收入因素的回归分析一、描述背景目前，税务机关掌握着大量的数据，如申报数据、入库数据、发票数据、核定数据、财务指标数据等等，数据已经成为税收工作的基础。但是，受到思维和工具的限制，这些数据资源并没有得到充分利用，不能全面反映税收工作的过程、成果、规律，造成数据资源浪费。如何充分运用这些数据资源，为税收工作服务，成为摆在我们面前的一个亟待解决的问题。本人结合所学的统计学知识，并结合日常工作，探索统计学知识对纳税评估工作的实践与应用，更有效的提高税收数据应用水平。企业所得税的税收收人占国税税收的较大的比重，属于重点税种，对其进行评估预测，为组织收入、领导决策具有很重要的意义。企业所得税与利润总额、企业销售费用、物价指数等有密切的关系，因此，可以运用统计学回归的知识，从利润总额、销售费用、商品零售物价指数三个因素来分析预测企业所得税的发展变化。二、数据采集由于中国税务系统综合征管软件于2005年上线，无法查询更早的数据信息，加之辖区企业涉税数据的保密性，为了确保建模的准确性及可行性，本人选取海螺水泥作为分析对象，该公司为2002年的上市公司，企业所得税收入、利润总额、销售费用等数据来源于网易财经海螺水泥所披露的年度报告，而商品零售物价指数来源于国家统

计局网站，以下为我所搜集到的数据。年份企业所得税收入（力元）利润总额（力元）销售费用（力元）商品零售物价指数（%）2001年4085314871947399.22002年6080543732169298.72003年125721649173032099.92004年2739319417344376102.82005年490608613783276100.82006年68686249831109077101.02007年78098348499121923103.82008年56623324575136642105.92009年8146044765414195798.82010年172400807833154645103.12011年3827851565219185921104.92012年162559808782227977101.5三、建模首先，选择自变量。确定三个自变量为X1：利润总额X2：销售费用X:商品零售物价指数，由表一数据绘制散点图。3系数R1=0.985862,Y与X2相关系数R2=0.749391，Y与X3相关系数R=0.525549。3由图可得，可以发现，利润总额的散点图趋势与企业所得税的税收收入散点图最为接近；销售费用相关性一般；商品零售物价指数与因变量相关性不大，趋势不明显。综合相关系数，剔除自变量X2X3。第二步，确定回归预测模型由散点图及相关系数分析，三个因素同时影响企业所得税税收收人，但是利润总额是起决定作用的，销售费用相关性不够大，商品零售物价指数不显著，可以确定用一元回归预测模型。同时，企业所得税税收收人与利润总额之间的数据分布基本上是直线趋势，可确定用一元直线回归预测模型。Y：企业所得税税收收入Y=a+bX四、求解将表一数据，企业所得税收入与利润总额数据在EXCLE中进行回归分析，得出以下结果。MultipleR0.985862RSquare0.971925AdjustedRSquare0.969117标准误差18773.56观测值12dfSSMSFSignificanceF回归分析11.2201E+111.22E+11346.18378924.34383E-09残差1035244637833.52E+08总计111.2554E+11Coefficients标准误差tStatP-valueLower95%Upper95%Intercep7650.52-1.13-25702.8390.74t-8655.684505310.2843130.0127418.604.3E-00.208770.26557利润总额0.23717398676926由数据分析回归可得，回归方程为Y=0.237X-8655.68五、分析一、经济意义检验：b=0.237为正数，说明企业所得税收入与利润总额之间参存在正的线性关系。二、统计学检验：拟合优度检验：相关系数R=0.985862，表明因变量与自变量之间存在显著的相关。相关系数的平方(RSquare)拟合优度系数=0.971925,显示本模型具有较高的拟合优度，表明这个自变量可以解释因变量97.19%的变异性。F检验：该例中的SignificanceF(F显著性统计量)的P值为4.34383E-09,小于显著性水平0.05,所以说该回归方程回归效果显著。t检验：P-value为回归系数t统计量的P值，利润总额X的P值为4.34383E-09根据t检验原则，小于显著性水平0.05,因此，回归系数显著。三、实际意义通过回归分析，明确了企业所得税税收收入与利润总额之间确实存在着显著的相关关系，那么建立的回归预测模型就可以反映企业所得税未来的发展变化情况，也就能够用于评估预测。在日常的税务工作中，可以将掌握的影响因素数据代入回归预测模型，求得税收收入的预测值。对预测结果做出置信区间估计，计算出预测值的置信区间。如果实际申报缴纳企业所得税税收超出了置信区间，则怀疑其存在偷漏税的可能性，这也可以用于税务稽查选案的初始筛查。数据分析模型的研究可以把数据的应用从低层次的简单查询，提升到从数据中挖掘规律，提供支持。这只