趙為民（安徽大學(xué)經(jīng)濟學(xué)院 安徽 合肥 230601）譚榮華（中國人民大學(xué)財金學(xué)院 北京 100872）

提升稅收數(shù)據(jù)分析應(yīng)用能力的關(guān)鍵要素

趙為民（安徽大學(xué)經(jīng)濟學(xué)院 安徽 合肥 230601）
譚榮華（中國人民大學(xué)財金學(xué)院 北京 100872）

我國稅務(wù)機關(guān)早在主要業(yè)務(wù)系統(tǒng)實現(xiàn)省級集中時，便開始了對稅收數(shù)據(jù)分析應(yīng)用工作的探索，至今已有十多年的歷史。2009年，國家稅務(wù)總局提出了“信息管稅”的稅收征管工作新思路；2013年7月，國家稅務(wù)總局局長王軍進一步要求稅務(wù)機關(guān)“科學(xué)做好稅收分析工作，著力服務(wù)經(jīng)濟社會發(fā)展”。各地稅務(wù)部門圍繞納稅人風(fēng)險管理、納稅評估、稅源監(jiān)控等數(shù)據(jù)應(yīng)用工作，較好地提升了稅收征管能力，改善了納稅服務(wù)質(zhì)量。但從總體上看，稅收數(shù)據(jù)應(yīng)用的廣度和深度方面還遠遠不夠，對稅收工作的支撐與推動作用遠未充分發(fā)揮。

稅收數(shù)據(jù)分析應(yīng)用目前采用的方法主要是經(jīng)驗式的，缺乏科學(xué)的理論指導(dǎo)，對統(tǒng)計模型和實現(xiàn)算法關(guān)注度不夠，在技術(shù)路線和具體實踐中尚有許多不合理處，本文主要針對當(dāng)前稅務(wù)機關(guān)重點開展的納稅人遵從風(fēng)險管理、納稅評估等工作，基于統(tǒng)計學(xué)理論、機器智能理論，并結(jié)合多年的稅收數(shù)據(jù)分析工作經(jīng)驗，對目前存在的問題進行了剖析，并提出相應(yīng)的改進建議。

一、關(guān)于分析方法的選擇

（一）當(dāng)今應(yīng)用普遍的三種分析方法

目前，稅收數(shù)據(jù)分析應(yīng)用主要集中在征收管理方面，如納稅人遵從風(fēng)險管理、納稅評估、智能選案等工作。所采用的方法大致可分為三種：經(jīng)驗判斷法、計量統(tǒng)計法和機器學(xué)習(xí)法。

經(jīng)驗判斷法是指稅務(wù)專家根據(jù)自己的業(yè)務(wù)經(jīng)驗，針對待考察行業(yè)的生產(chǎn)和經(jīng)營特點，設(shè)定一個或多個指標(biāo)，對每一個指標(biāo)根據(jù)經(jīng)驗設(shè)定相應(yīng)的值域和權(quán)重，最后依據(jù)指標(biāo)計算的結(jié)果，結(jié)合主觀判斷，篩選疑點納稅人。該方法的關(guān)鍵是必須洞悉該行業(yè)的生產(chǎn)經(jīng)營特點，了解該行業(yè)常用的逃稅手段，有針對性地設(shè)置指標(biāo)。

計量統(tǒng)計法是通過分析納稅人生產(chǎn)經(jīng)營活動和稅收繳納情況，建立起刻畫納稅人正常經(jīng)營活動的經(jīng)濟和稅收關(guān)系模型，基于這樣的統(tǒng)計模型，發(fā)現(xiàn)逃稅納稅人并計算逃稅金額。這類方法建立在傳統(tǒng)的統(tǒng)計理論和計量理論之上，主要采用判別分析、聚類分析、回歸分析、時間序列分析等手段，對待測納稅人集合進行綜合分析。

機器學(xué)習(xí)法又稱為數(shù)據(jù)挖掘法，是計算機領(lǐng)域的專家和統(tǒng)計學(xué)家在最近三十年研究出來的新的統(tǒng)計分析方法。其生成的算法和模型不是封閉的數(shù)學(xué)公式，而是一段計算機程序。該方法對數(shù)據(jù)的要求低，沒有苛刻的假設(shè)條件，對模型的適用性也不是通過各種假設(shè)檢驗來判斷，而是通過標(biāo)準(zhǔn)均方誤差來判斷，從而避免了“假定分布→假設(shè)檢驗→p值”的統(tǒng)計過程，因此應(yīng)用越來越廣泛。目前可選用的數(shù)據(jù)挖掘方法包括隨機森林(Random Forest)、提升算法(Boosting)、決策樹（Decision Tree）、支持向量機（Support Vector Machine，SVM）、神經(jīng)元網(wǎng)絡(luò)(Neural network)等。

（二）評述及建議

上述三種方法，均是從微觀的角度出發(fā)，研究納稅人個體的經(jīng)濟行為，分析這些納稅人個體的生產(chǎn)經(jīng)營活動情況與財務(wù)現(xiàn)狀，依法征收相應(yīng)稅款。三種方法均需要微觀數(shù)據(jù)匯集形成的大數(shù)據(jù)集合，但是在具體操作上又有著較大的區(qū)別。

經(jīng)驗判斷法是以人工為主、計算機為輔的方法，采用的都是單一指標(biāo)模型，即便有多個指標(biāo)，各指標(biāo)之間也很少進行聯(lián)合分析和結(jié)構(gòu)分析。專家依經(jīng)驗設(shè)置的指標(biāo)可能具有很強的針對性，所以簡單、準(zhǔn)確、有效。但是該方法的主觀性過強，單一指標(biāo)受數(shù)據(jù)的影響較大，定量分析功能也較弱，難以給出納稅人逃稅的概率和金額，同時納稅人和稅務(wù)機關(guān)的博弈是一個長期發(fā)展的過程，納稅人終會察覺到稅務(wù)機關(guān)的關(guān)注點，并加以規(guī)避，導(dǎo)致該方法失效。

計量統(tǒng)計法大都不關(guān)注個別指標(biāo)，而是關(guān)注整體結(jié)構(gòu)。所謂的整體結(jié)構(gòu)是指用到的解釋變量和被解釋變量的統(tǒng)計模型關(guān)系。計量統(tǒng)計法主要對同質(zhì)的納稅人的相關(guān)涉稅數(shù)據(jù)進行匯集，形成樣本集，并對這樣的樣本集進行分析、統(tǒng)計并建立起總體結(jié)構(gòu)模型。因為存在個體納稅人的不實申報，雖然在某個指標(biāo)或某些指標(biāo)上顯示正常，但必然導(dǎo)致整體結(jié)構(gòu)上與先前利用樣本集建立的統(tǒng)計模型存在差異，對這種差異進一步分析，可以發(fā)現(xiàn)納稅人虛假申報的蛛絲馬跡。計量統(tǒng)計方法有著堅實的理論基礎(chǔ)，往往能給出疑點納稅人的定量結(jié)果。該方法在“前計算機時代”有其合理性：一方面是計算機的計算能力不強，不可能應(yīng)付龐大的數(shù)據(jù)量；另一方面是數(shù)據(jù)類型比較單一，在一定的假設(shè)條件下，數(shù)學(xué)模型便于描述和處理。但是，統(tǒng)計模型的運用都有其適用范圍，即對數(shù)據(jù)有一定的假設(shè)（正態(tài)分布、自相關(guān)、異方差等），如果假設(shè)條件不滿足，則模型也就無效。中國的稅收數(shù)據(jù)數(shù)量龐大、種類繁多、質(zhì)量參差不齊、數(shù)據(jù)統(tǒng)計分布特征復(fù)雜，很難滿足苛刻的假設(shè)條件，因此用傳統(tǒng)的統(tǒng)計思想和統(tǒng)計模型套用這樣的數(shù)據(jù)，其效果不可能理想，因此我們必須改變傳統(tǒng)的統(tǒng)計建模思路，尋找適合稅務(wù)數(shù)據(jù)的新的統(tǒng)計方法。

機器學(xué)習(xí)法在繼承了傳統(tǒng)計量統(tǒng)計法優(yōu)點的同時，又克服了其條件限制過嚴的弊端，適合現(xiàn)實的復(fù)雜數(shù)據(jù)環(huán)境，代表著未來的發(fā)展方向。它實際上體現(xiàn)了統(tǒng)計方法上的兩個轉(zhuǎn)變，即從“模型驅(qū)動”到“數(shù)據(jù)驅(qū)動”的轉(zhuǎn)變，從“數(shù)據(jù)建?！钡健八惴ń！钡霓D(zhuǎn)變。目前機器學(xué)習(xí)法除了廣泛應(yīng)用于天文研究、氣象分析、衛(wèi)星遙感和基因研究等領(lǐng)域海量數(shù)據(jù)的應(yīng)用分析之外，在傳統(tǒng)的數(shù)據(jù)建模領(lǐng)地，例如國外金融、保險領(lǐng)域也大量使用機器學(xué)習(xí)方法，進行金融風(fēng)險預(yù)測、貸款風(fēng)險評判、信用卡欺詐檢測等。在稅務(wù)應(yīng)用方面，美國國內(nèi)收入局針對高收入人群的非法避稅檢查即應(yīng)用了支持向量機的數(shù)據(jù)挖掘方法，使用2000-2003納稅年度的數(shù)據(jù)，識別了不少高收入納稅人不遵從的稅收案例，每個案例都涉及上百萬美元的逃稅額。

目前我國稅務(wù)機關(guān)主要采用經(jīng)驗判斷法，但筆者認為，稅務(wù)部門應(yīng)更加關(guān)注機器學(xué)習(xí)法的應(yīng)用：一是因為機器學(xué)習(xí)法自然包含了經(jīng)驗判斷法，有針對性指標(biāo)的引入只會使得模型更加準(zhǔn)確；二是因為該方法更側(cè)重總體結(jié)構(gòu)平衡，不受個別指標(biāo)失準(zhǔn)的干擾；三是因為該方法比計量統(tǒng)計法的適用范圍更廣，不受嚴格的假設(shè)條件限制，適合海量數(shù)據(jù)復(fù)雜的分析要求；四是該方法可以同時做到定性和定量分析，給出的結(jié)論不需要統(tǒng)計學(xué)知識也可以理解，易于掌握和普及。目前很多統(tǒng)計軟件內(nèi)置有許多模塊可以處理，例如現(xiàn)在流行的開源的R軟件①R是一套完整的數(shù)據(jù)處理、計算和制圖的免費自由軟件系統(tǒng)。 R語言作為 S語言的一個分支，誕生于1980年左右，是S語言的一種實現(xiàn)，在統(tǒng)計領(lǐng)域廣泛使用。，功能豐富，對機器學(xué)習(xí)法有很好的支持，而且開源軟件是免費的，因此R軟件將是稅務(wù)部門做高級數(shù)據(jù)分析的一個非常不錯的工具。

需要注意的是，和傳統(tǒng)計量統(tǒng)計法一樣，機器學(xué)習(xí)法在建立模型的時候數(shù)據(jù)必須是真實的，例如，銀行利用機器學(xué)習(xí)法建立貸款風(fēng)險識別模型，在建立模型的時候數(shù)據(jù)都是真實的，還款了或沒有還款這些結(jié)果也是明確的，銀行基于這樣的數(shù)據(jù)構(gòu)建風(fēng)險識別模型，再利用建立的模型來預(yù)測某位申請貸款人的風(fēng)險大小。但稅務(wù)機關(guān)并沒有這樣的真實數(shù)據(jù)，納稅人申報的數(shù)據(jù)事先無法判斷有無逃稅。因此建立模型之前，必須首先獲得部分已識別的樣本。這就涉及到技術(shù)路線的探討。

二、關(guān)于兩種技術(shù)路線的評述及建議

（一）當(dāng)前主要的兩種技術(shù)路線

根據(jù)國內(nèi)外的文獻和實踐經(jīng)驗，納稅人遵從風(fēng)險分析以及納稅評估大致分為兩種技術(shù)路線：一是先識別后模型，基于已經(jīng)識別過的守法和不守法納稅人樣本建立模型，然后通過該模型判斷未知的納稅人遵從風(fēng)險大小；二是先模型后識別，基于未知的總體納稅人建立模型，然后通過該模型，識別總體納稅人中每個個體的遵從風(fēng)險大小。

美國國內(nèi)收入局的納稅人遵從風(fēng)險研究（TCMP項目）和其后的國家研究項目（NRP項目），均遵循先識別后模型的技術(shù)路線，每三年抽取4萬份樣本，通過人工審核和實地調(diào)查等方法識別這些樣本，判斷納稅人有無逃稅，逃稅金額有多大，根據(jù)識別后的樣本，結(jié)合相應(yīng)的涉稅數(shù)據(jù)，建立納稅人遵從風(fēng)險模型，因為人工對樣本審核也存在犯錯誤的可能性，即把“不守法”納稅人誤判為“守法”納稅人，納稅人遵從風(fēng)險模型必須對樣本審核中的“未偵測”問題建模。美國國內(nèi)收入局采用DCE（Detection Controlled Estimators）方法對樣本結(jié)論進行糾偏，然后再以此判斷未知納稅人的遵從風(fēng)險情況。我國目前大多數(shù)稅務(wù)機關(guān)遵循先模型后識別的路線，對沒有區(qū)分出“守法、不守法”納稅人的總體進行建模，建完模型后再去識別每一個個體納稅人的遵從風(fēng)險。筆者認為這種識別仍然有待深入。

（二）評述及建議

先識別后模型方法的本質(zhì)是事后歸納，而統(tǒng)計本身就是歸納的科學(xué)。如果有了“守法、不守法”納稅人樣本，即訓(xùn)練樣本，對建立統(tǒng)計模型至關(guān)重要。而先模型后識別缺少類似的先驗知識，用沒有區(qū)分出“守法、不守法”的樣本來建立模型，缺乏理論基礎(chǔ)。以納稅評估為例，基于異常值篩選的原理，它假設(shè)某個指標(biāo)值服從正態(tài)分布，并通過樣本計算出該分布的均值和方差，那么偏離均值較遠的情況是小概率事件，如果某樣本指標(biāo)值落在了該區(qū)域，即認為該樣本指標(biāo)異常。這種方法存在如下問題：首先對指標(biāo)服從的分布假設(shè)需要進行檢驗，否則計算的概率存在問題；其次在計算均值和方差時，沒有排除異常樣本的干擾，即對沒有區(qū)分“好壞”樣本的數(shù)據(jù)計算均值和方差，其結(jié)果是有偏的。統(tǒng)計學(xué)內(nèi)在的規(guī)律要求，必須先識別出小部分納稅人的真實納稅情況，這包括守法納稅人和不守法納稅人，以上可稱為識別，利用這些識別后的樣本，作為訓(xùn)練樣本采用某種統(tǒng)計方法建立模型。

機器學(xué)習(xí)法依然是一種統(tǒng)計方法，它也是對已有的或已發(fā)生的事實進行歸納總結(jié)。不論是采用經(jīng)典統(tǒng)計法還是機器學(xué)習(xí)法，都應(yīng)該遵循先識別后模型的技術(shù)路線。稅務(wù)部門應(yīng)重視建立納稅人標(biāo)準(zhǔn)樣本庫，即“守法、不守法”納稅人樣本庫，該樣本庫除了包括納稅人守法與不守法的結(jié)論以外，還應(yīng)包括相應(yīng)的納稅人的財務(wù)數(shù)據(jù)、發(fā)票數(shù)據(jù)、登記數(shù)據(jù)、申報數(shù)據(jù)以及第三方數(shù)據(jù)等，這樣的標(biāo)準(zhǔn)樣本庫可以在數(shù)據(jù)倉庫中實現(xiàn)，并有專門的部門定期維護刷新發(fā)布。數(shù)據(jù)應(yīng)用部門基于這樣的數(shù)據(jù)進行統(tǒng)計、計量分析，研究納稅人行為。

三、事前分析和事后分析

目前我國稅務(wù)機關(guān)多側(cè)重于事前分析，即關(guān)注于如何建立模型來預(yù)測納稅人的涉稅風(fēng)險，但是對風(fēng)險應(yīng)對后的結(jié)果，雖然有的稅務(wù)機關(guān)也提出了“整理分戶的提醒服務(wù)結(jié)果、風(fēng)險核查結(jié)果及管理建議”，但這遠遠不夠，筆者認為這里恰恰是模型可以大顯身手的地方。

事后分析是指各部門完成納稅評估或風(fēng)險應(yīng)對后，必然會得出一系列的結(jié)論，如納稅人是否需要納稅服務(wù)提醒、納稅人是否有不遵從行為、風(fēng)險出在什么地方、納稅人特征是什么等，稅務(wù)機關(guān)要對這些識別后的結(jié)論采取統(tǒng)計分析的方法，建立如納稅人風(fēng)險判別模型、工作績效考核模型等，開展多種數(shù)據(jù)分析應(yīng)用。

其實，在具體實踐中重視事后分析，就是遵循了“先識別，后模型”的技術(shù)路線，因為各部門的納稅評估或風(fēng)險應(yīng)對，實際就是在做識別工作，事后分析就是利用這些結(jié)論建立統(tǒng)計模型。

前面所說的建立納稅人標(biāo)準(zhǔn)樣本庫，也可以通過事后風(fēng)險應(yīng)對的結(jié)論建立起來。因為風(fēng)險應(yīng)對的結(jié)論，都是由業(yè)務(wù)專家認真分析評估的，有的還是經(jīng)過實地調(diào)查的，因此其結(jié)論相對來說比較準(zhǔn)確可信。收集這些結(jié)論以及其他納稅人的特征信息，便可以形成前文所說的納稅人標(biāo)準(zhǔn)樣本庫。該樣本庫對應(yīng)著提醒服務(wù)、納稅評估、稅務(wù)稽查等風(fēng)險應(yīng)對結(jié)果，如果有了這樣的樣本庫，便可以做很多有益的工作。比如，可以識別哪些納稅人需要服務(wù)提醒、哪些納稅人需要強制遵從等，從而進行有針對性的管理和服務(wù)，大大提高征管資源的配置效率。

實習(xí)編輯：張鴻飛

責(zé)任編輯：王 平