SPSS在税务系统中的研究应用

SPSS在税务系统中的研究应用内容提要：随着信息化的发展，税务系统内已经累计了大量的涉税数据，如何从海量数据中发现有价值的信息，为税收管理工作服务，已经成为一个重要课题。这些年来，国家税务总局高度重视对涉税数据的应用，多次发文对数据分析应用工作提出具体要求。本文对焦作市局当前数据分析应用工作的现状、存在的问题进行系统阐述与分析，最后提出SPSS这个有效的数据分析软件，通过SPSS中的因子分析方法，及时发现税收征管薄弱环节，全面提升税收管理的科学化、精细化、规范化水平。关键词：税务数据分析SPSS主要因子近年来，各地税务机关在加强数据管理、深化数据分析应用、探索信息化支持决策与管理模式等方面，做了很多有益的探索，取得了一定成效。但如何有效地进行税收数据分析应用，提高税收管理的整体水平，为加强征收管理提供依托，已经迫在眉睫。现阶段我们理解的税收数据分析应用是指基于特定的目的，按照一定的规则，运用科学的方法，对采集的税收数据进行提取、查询和加工、处理，挖掘有价值的信息，找出内在规律，通过一定格式展现并最终形成《税收数据分析报告》的过程。那么，目前各级税务机关税收数据分析应用工作的现状如何？制约税收数据分析应用工作的主要因素有哪些？提高税务数据分析水平，我们更需要关注什么？目前在税务系统内部使用的数据分析管理平台、软件也很多，本文将主要研究SPSS数据分析软件，运用其中的因子分析法对工业企业进行纳税评估，从而全面提升税收管理的科学化、精细化、规范化水平。一、税收数据分析应用探索与实践伴随着数据的集中，全国各级税务机关对涉税数据的利用与分析一直没有停止探索与实践，通过对各类涉税数据的利用、分析，发现了一些税收管理工作上的漏洞，并采取了针对性措施，使税收信息化对税收工作的支撑作用得到了一定程度的发挥。近些年来，焦作市地方税务局对数据分析应用工作也在进行着一些有益的探索与实践。2010年，焦作市局将征管系统数据质量分析作为开展税务分析的切入点，结合工作实际进行数据分析指标选择，把当前税收征管工作的重点、难点、热点优先列入选题范围，并选择纳税人管理、申报征收率、征收入库差、欠税金额等作为主要分析指标，以图形和文字的方式对比分析、逻辑关系分和波动分析，为领导决策提供了参考，效果明显。以开展欠税情况分析为例，通过合理安排会计记账时间、调取数据核实调整虚欠等措施，仅解放区局欠税额由最初的651.40万元下降到0.5万元。2011年，为进一步深化数据挖掘与分析，焦作市局以“加强税源分析和监控，堵塞征管漏洞，实现税收征管科学化、精细化管理”为目标，积极开展数据挖掘与分析工作。严格制定《2011年数据挖掘与分析工作项目登记表》，全市共立项14个，其中包含有管理类、征收入库类、单行业单税种分析，纳税服务类等，为顺利完成数据挖掘与分析奠定了基础。从目前来看，焦作市局无论是在数据应用的深度和广度上，这些实践和探索大多数是停留在浅层次、低水平应用阶段，数据分析应用对税收工作的支撑与推动作用还远远不够，没有一个专业的软件、完整的数据分析平台可以进行税收预测、税源管理、税务稽查等，税收数据应用的规模和效果还有待于进一步挖掘。本文将研究一种专业的的数据分析软件SPSS，目前该软件已经在许多领域取得了很好的成效。二、SPSS简介SPSS软件是世界三大流行统计软件之一（SPSS，SAS，STATA），是非专业人士使用的专业统计软件。主要针对以经济、管理、医学、农学、教育、政府、市场研究、社会调查等多个行业和领域。SPSS原意为“统计产品与服务解决方案”（StatisticalProductandServicesolutions），它以功能丰富，效率高、操作简便而著称，是非常适合进行数据分析的工具之一。由于SPSS的应用比较广泛，分析方法也很多，本文将重点介绍SPSS数据分析技术中的因子分析法对已经掌握的税务数据进行综合评价，明确企业的税源情况，分析纳税企业与企业资金、营业利润的关系，为加强征管提供依据。下文简单介绍SPSS中的因子分析方法的基础理论知识：概念因子分析（Factoranalysis）：就是用少数几个因子来描述许多指标或因素之间的联系，以较少几个因子来反映原资料的大部分信息的统计学分析方法。从数学角度来看，主成分分析是一种化繁为简的降维处理技术。主成分分析（Principalcomponentanalysis）：是因子分析的一个特例，是使用最多的因子提取方法。它通过坐标变换手段，将原有的多个相关变量，做线性变化，转换为另外一组不相关的变量。选取前面几个方差最大的主成分，这样达到了因子分析较少变量个数的目的，同时又能与较少的变量反映原有变量的绝大部分的信息。两者关系：主成分分析（PCA）和因子分析（FA）是两种把变量维数降低以便于描述、理解和分析的方法，而实际上主成分分析可以说是因子分析的一个特例。2、分析原理假定：有n个地理样本，每个样本共有p个变量，构成一个n×p阶的地理数据矩阵：当p较大时，在p维空间中考察问题比较麻烦。这就需要进行降维处理，即用较少几个综合指标代替原来指标，而且使这些综合指标既能尽量多地反映原来指标所反映的信息，同时它们之间又是彼此独立的。线性组合：记x1，x2，…，xP为原变量指标，z1，z2，…，zm（m≤p）为新变量指标（主成分），则其线性组合为：Lij是原变量在各主成分上的载荷无论是哪一种因子分析方法，其相应的因子解都不是唯一的，主因子解仅仅是无数因子解中之一。zi与zj相互无关；z1是x1，x2，…，xp的一切线性组合中方差最大者，z2是与z1不相关的x1，x2，…的所有线性组合中方差最大者。则，新变量指标z1，z2，…分别称为原变量指标的第一，第二，…主成分。Z为因子变量或公共因子，可以理解为在高维空间中互相垂直的m个坐标轴。主成分分析实质就是确定原来变量xj（j=1，2，…，p）在各主成分zi（i=1，2，…，m）上的荷载lij。从数学上容易知道，从数学上也可以证明，它们分别是相关矩阵的m个较大的特征值所对应的特征向量。三、SPSS在税务系统中的研究1、SPSS具有强大的数据挖掘功能。有些信息是深深隐含在大量的税务数据中的，通过SPSS对这些税务数据挖掘，对税务管理部门所管辖的纳税户进行纳税评估和稽查选案，可以得到直观上得不到的信息，大大提高监管工作的效率，加大稽查工作的力度。2、利用SPSS进行科学的税收预测。SPSS预测分析解决方案以税收数据为基础，运用统计方法，推测税收未来可能出现的趋势和达到的水平，提供了科学方法预测方法，提供了大量的预测模型，实现了大量数据的快速计算，从根本上提高了税收预测的科学性、权威性和准确性3、SPSS促进征收管理理念和管理方式的进一步转变。通过SPSS数据分析，形成《税务分析质量报告》，用事实说话，用数据发现问题，用数据分析问题，客观地抓住了征管工作中存在的突出问题，促使税收征收人员不得不认真地录入和核实每一笔数据，为管理和领导决策提供前瞻性的可靠科学依据。4、SPSS具有强大的数据分析功能。SPSS从后台数据库中，对大量涉税数据的各项业务指标从不同角度进行深层次、多维度的分析。通过分析数据之间的相互关系，发现税收管理工作、纳税人纳税行为存在的内在规律，达到“了解过去、掌握现在、预测未来”的目的，从而更好地改进税务工作。5、利用SPSS进行收入进度监控。组织收入是税务部门的核心工作，而实时监控收入完成进度又是组织收入过程中的重中之重。收入进度监控可以将税收与经济之间以及税收自身发展规律有机的结合起来，把当期收入的实际完成情况放入SPSS的模型当中，用模型来判断收入进度的快慢，体现收入完成的难易程度。6、利用SPSS进行正确的纳税评估。纳税评估的核心是对纳税人申报税源的真实性进行评估。可以通过SPSS根据税务机关掌握的涉税数据，进行税收预测分析，通过对比预测值与纳税人申报数据，辅助税务工作者进行纳税评估。四、SPSS在税务系统中的具体应用SPSS软件中的因子分析法，可用于评判纳税人的纳税信誉等级；预测纳税人将来的纳税行为和纳税数量；定义非正常纳税人等等。（一）因子分析基本思想设有N个原始变量，表示x1，x2，x3……，xn，根据因子分析的要示，假设这些变量已经标准化（均值为0，标准差1），假设N个变量可以由K的因子f1，f2，……，fk表示线性组合，即：通过对变量的相系数矩阵的内部结构进行分析的，从中找出少数几个能够了控制原始变量的因子f1，f2，……，fk选取公共因子的原则是尽可能包含更多的原始变量信息，建立因子分析模型，利用公共因子f1，f2，……，fk再现原始变量之间的相关系数，达到简化变量、降低变量维数和对原始变量再解释及命名的目的。（二）因子分析过程需要经过的几个重要步骤；因子提取。通过分析原始变量之间的相互关系，从中提取出数量较少的因子，提取方法是利用样本数据得到因子负荷矩阵。利用因子负荷矩阵求解相关矩阵的特征值，根据特征值的大小确定因子数量。因子旋转。因子分析的一个重要目的是对原始数据进行综合评价。利用因子提取方法得到的结果虽然保证了因子之间的正交性，也就是因子之间不相关，但因子变量的解释能力较弱，不容易解释和命名。这时，可以通过对因子模型的旋转变换，使公共因子的负荷系数更接近1或接近0，通过这种方法得到了的公共因子对变量的命名和解释变得更加容易。3.计算因子得分。利用因子表示原始变量，需要知道因子和原始变量之间的线性关系。为此，需要计算因子得分，作为进一步分析奠定基础。（三）具体实例以下通过SPSS中的因子分析法对10个工业企业10项指标因子做具体的税务分析，分析制约企业纳税的主要因素，从而对该行业的纳税能力进行科学预测。具体包括企业的营业收入、营业成本、销售费用、管理费用、财务费用、营业利润、利润总额、净利润、资产总计十个变量。由于统计表过多，本文主要对几个重要报表的结果进行分析说明。1、具体操作步骤如下：（1）在“分析”菜单“降维”中选择“因子分析”命令，如下图所示。（2）在弹出的下图所示的因子分析对话框中，从对话框左侧的变量列表中选择这10个变量，使之添加到变量框中。（3）选择输出系统数相关矩阵。单击左侧的“描述”弹出“因子分析：描述统计”对话框。“统计量”框用于选择哪些相关的统计量，其中：Univariatedescriptives（变量描述）：输出变量均值、标准差；Initialsolution（初始结果）“相关矩阵”框中提供了几种检验变量是否适合做引子分析的检验方法，其中：Coefficients（相关系数矩阵）Significanceleves（显著性水平）Determinant（相关系数矩阵的行列式）Inverse（相关系数矩阵的逆矩阵）Reproduced（再生相关矩阵，原始相关与再生相关的差值）Anti-image（反影像相关矩阵检验）KMOandBartlett‘stestofsphericity（KMO检验和巴特利特球形检验）本例中，该对话框选中单变量描述和相关系数矩阵，单击“继续”按钮返回“因子分析”对话框。（4）设置提取公因子的要求及相关输出内容。点击“抽取”按钮，弹出“因子分析：抽取”对话框。因子提取方法在“方法”下拉框中选取，SPSS共提供了7种方法：PrincipleComponentsAnalysis（主成分分析）Unweightedleastsquares（未加权最小平方法）Generalizedleastsquares（综合最小平方法）Maximumlikelihood（最大似然估价法）Principalaxisfactoring（主轴因子法）Alphafactoring（α因子）Imagefactoring（影像因子）“分析”框中用于选择提取变量依据，其中：Correlationmatrix（相关系数矩阵）Covariancematrix（协方差矩阵）“输出”框用于指定因子个数的标准，其中：Eigenvaluseover（基于特征值）Numberoffactors（因子个数）“抽取”框用于选择输出哪些与因子提取有关的信