|
税源质量与税收征收效能位差模型是在研究企业经济效益与企业纳税能力关系的基础上，建立两者的内在关系，测算由税源质量确定的纳税能力水平，并以此评价税收征管工作。
税源与税收的影响关系，除简单的基数影响，还存在质量关系的影响。日常经济生活中，我们经常可以发现经营收入规模相当的企业，其税收贡献却相差甚远。这种差异的产生，说明经济总量一定的情况下，仍有诸多其他影响因素决定税收总量的变化。我们把这种经济内在的影响税收产出变化诸多因素的集合称作税源质量。税源质量与税收的基本关系是：税源质量好，税收产出就可能相对地多；税收质量不好，税收产出就可能相对地少。
税源质量与税收征收效能位差模型的建模思路就是在众多描述效益指标的群体中找出与税收有密切联系的指标，通过对这些效益指标的指数化处理形成一个描述税源质量的综合指数，并以此确定不同区域的纳税能力位置。对比区域间纳税能力位置与实际征收效果位置的差异，评价税收征管工作。
建立这一模型的几个关键环节：找出与税收关联的效益指标；税源质量综合指数的计算；税源质量与纳税能力关系的建立；位差对比评价。这一模型最成功的理念就是相对数的应用，打破传统纳税能力估算绝对量的概念和征管考核绝对位置的概念，从而把税收量化分析引入了一个全新的境界。
（三）税收聚类分析模型
聚类分析（Cluster Analysis）是数理统计的一个分支，是运用事物本身所具有的某种数据特征，遵循“物以类聚”规律进行数据处理，为事物的分类管理提供数据支持的一种分析方法。借用这种分析开展税收分析，可将具有某种税收共同特征的事物聚集在一起，使我们更清楚地认识税收征管工作的分类特征。
将聚类分析技术应用税收分析工作中，可以有效地利用多项指标以量化的形式对税收事物分类评价考核，避免了单一指标评价考核税收征管的局限性，从而使税收事物评价考核更具有综合性和合理性，相关征管措施的制定更具有针对性。
（四）税收滚动分析预测模型
滚动预测是对事物近期活动发展态势进行了解和把握常用的预测方法。目的在于跟踪事物近期活动发展趋势和运行规律，防范事物的突然变化，及时出台应对措施。
按预测期间长度的变化与否来分类，有两种基本形式。一种形式是给定固定长度的预测期间的不断递推，来实现滚动预测。即预测期间总的长度根据需要是给定不变的，随着近期活动的完成，再加一个单位的预测期间继续向前预测。比如给定的预测长度是5个月，第一次的预测期是1－5月，待1月的活动完成后，第二次的预测期即为2－6月，以此类推实现不断的滚动预测。另一种形式是预测期的终点是给定的，随着近期活动的不断实现，预测的期间也不断地缩短，在已实现数据的基础上修正预测参数，继续滚动预测其余期间的态势。
|
