作者簡介：李玥（1993-），女，漢族，黑龍江省北安市人，學生，管理學學士，單位：東北石油大學工商管理專業(yè)，研究方向：稅收收入預測模型的應用研究。

摘要：稅收作為地方財政收入的主要來源，同地區(qū)經濟增長密切相關。目前，國內外學者關于稅收收入預測的方法有很多，主要分為定性分析和定量預測兩大類，本文在前期相關文獻的基礎上，重點對基于時間序列分析方法的統(tǒng)計模型在我國稅收收入預測中的應用進行概括和總結，并在此基礎上提出進一步研究的可能性。

關鍵詞：VAR模型；ECM模型；稅收收入預測；協(xié)整分析

一、稅收收入預測的意義

具體而言，我國稅收收入預測的功能主要體現(xiàn)在三個方面：第一，事前預測，為稅務部門制定年度稅收計劃提供數據支撐。此外，立足于地區(qū)經濟發(fā)展的實際情況，增強預見性，幫助稅務工作者根據經濟變化實時調整相應的政策。第二，事中管理。稅收計劃執(zhí)行過程中，每一個季度、年度都可以通過增值稅收入預測模型實時追蹤稅收計劃完成進度，衡量增值稅目標完成情況，為后續(xù)稅源管理、稅收征管等工作提供幫助。第三，事后反饋。稅收收入預測是基于經濟因素對增值稅收入的影響，但于此同時增值稅作為地區(qū)經濟體系的組成部分，反作用于其他經濟變量。通過對增值稅收入的預測結果與同期增值稅收入的真實數值比較分析，不僅可以發(fā)現(xiàn)非經濟因素變量對增值稅收入的影響，不斷完善稅收收入預測模型，還可以制定相應的政策措施在影響增值稅的同時調節(jié)整個地區(qū)的經濟狀況。綜上所述，稅收收入預測是一個十分值得研究的課題，不僅有現(xiàn)實層面的意義，而且利用統(tǒng)計建模的思想對經濟變量進行分析預測具有一定的理論研究意義。

二、稅收預測在國內的研究現(xiàn)狀

我國關于稅收收入預測的研究從80年代后期開始，前后共經歷三個階段，第一階段主要是定性分析，以數據圖表為基礎，重點分析稅收同經濟變量之間的關聯(lián)性，以理論研究為主，方法性不高；第二階段的研究開始引入計量經濟學的方法，比如趨勢性預測，常見的有以GDP為自變量的一元線性回歸和多經濟指標多元回歸等，另外，曲線回歸模型和指數回歸模型應用于稅收收入預測的研究方法也開始涌現(xiàn)。第三階段從90年代后期開始，主要是把時間序列分析的方法應用到稅收預測當中去，這一階段的文獻大都涉及到統(tǒng)計模型在稅收預測中實證研究，結果表明，模型的預測精度高，擬合效果好，因此這類模型在實際工作中應用的可能性也比較大，在下文中會對兩個典型的時間序列預測模型進行比較詳細的闡述。第四階段是各類新型統(tǒng)計方法應用到稅收預測當中，比較典型的是計算機模擬方法的應用，比如組合預測的方法、納稅評估仿生模型等。另外，統(tǒng)計軟件的應用也越來越廣泛，常見的有常見的有E-VIEWS、SPSS、SAS、STATA等，方便我們進行數據處理、模型的構建與求解等。下文將對時間序列分析中兩個典型的稅收預測模型進行重點介紹：

三、自向量回歸模型（VAR）

簡單來說，向量自回歸模型（VAR）是以變量的歷史數據為依托，分析變量間相關關系構造時間序列變量回歸方程。

其中，代表被解釋變量，是相關變量，分別表示被解釋變量滯后各期的取值，和是待估系數矩陣，是誤差向量，滯后期N通過AIC統(tǒng)計量法和SC準則來確定?？梢钥闯?，當期解釋變量是全部相關變量滯后期取值的函數，回歸方程的右邊不含其它變量取值。VAR模型同傳統(tǒng)的回歸模型相比，其優(yōu)勢在于VAR模型只需確定變量間相互關系就可以得到回歸方程，方程中只含有相互關聯(lián)的變量，避免主觀界定解釋變量和被解釋變量而導致部分變量的缺失。VAR模型的E-views軟件操作包括四步：變量的平穩(wěn)性和單位根檢驗；對相關變量進行協(xié)整檢驗，采用OLS法（最小二承法）構建回歸方程，檢驗殘差項平穩(wěn)性來確定變量間是否存在穩(wěn)定的協(xié)整關系；第三步是Grange因果檢驗進一步驗證變量間的因果關系；最后在上述檢驗的基礎上建立稅收收入自向量回歸預測模型。由于VAR模型本身不依賴于任何經濟理論，僅僅通過回歸方程帶入相關變量的滯后期取值就可以得到預測值，所以VAR模型的擬合效果一般比較好，模型的預測精度較高。

四、誤差矯正模型（ECM）

誤差矯正模型的構建理論是誤差矯正機制，它的原理在于，時間序列變量當期偏差會在以后各期得到校正，短期而言，由于隨機干擾項的存在，變量間的協(xié)整關系會存在偏差，因而需要根據偏差的大小對變量加以調整，回歸方程中的誤差矯正系數就代表的短期向長期的調整。

ECM預測模型回歸方程的形式為*+。其中，表示被解釋變量，表示解釋變量，表示待估系數，為誤差矯正系數，為誤差項。為了降低數據間的差異性，通常對時間序列變量取對數，針對對數序列進行單位根檢驗（E-views中可采用ADF檢驗法）和協(xié)整檢驗，得到回歸方程后對殘差序列進行穩(wěn)定性檢驗以保證回歸方程的效果。誤差矯正模型和VAR模型最大的差異在于VAR模型只局限于變量間的相關關系，在短期預測得到的結果的準確度比較高，但是長期來說，考慮到干擾項的存在，用誤差矯正模型進行預測得到的效果會更好，可以通過誤差矯正系數調整短期向長期均衡靠攏。

五、結論及建議

從模型的角度來說，根據現(xiàn)有的有關稅收與經濟關系的經濟理論可知，稅源主要來自于經濟生產和流通環(huán)節(jié)的各項產值，同GDP的統(tǒng)計口徑有相互重疊的地方，當然，GDP規(guī)模要大于稅收的計征數額，但是不可否認經濟因素在稅收計量因素中的重要地位。所以在稅收預測模型的構建中通常采用GDP作為解釋變量來預測稅收收入的數值。所以，目前國內關于稅收預測模型的文獻中，無論是VAR模型，還是誤差矯正模型（ECM），研究稅收和GDP的居多，模型實證檢驗的結果顯示，以GDP為自變量的回歸方程對稅收的擬合效果比較好，側面反映了經濟變量對稅收的影響較大。同時，在對稅收進行研究預測時，不能忽視經濟以外因素的影響，例如，政策制度因素可通過界定稅源、改變稅率以及調整稅制結構等直接或間接影響稅收收入；社會環(huán)境因素偏重于一個地區(qū)的稅收征納環(huán)境，包括公民自覺納稅意識水平的高低，稅務機關稅收征管工作的好壞，以及征稅納稅相關法律的完善等。（作者單位：東北石油大學）

參考文獻

[1]尚紅云.稅收收入模型預測精度的比較.統(tǒng)計與決策，2008（3）：40-43

[2]柳葉子.稅收收入統(tǒng)計預測模型與稅收數據檢驗[J].商化文化，2008（9）

[3]唐小我.最優(yōu)組合預測的計算方法[J].管理現(xiàn)代化，1992（1）：25—28.

[4]程毛林.我國稅收增長的影響因素和預測分析[J]，揚州大學稅務學院學報，1998（2）：18-21.

[5]郭江.論稅收的彈性分析[J].財經問題研究，2001（11）：58—59.

[6]漆莉莉.稅收收入統(tǒng)計預測模型與經濟分析[J].稅務研究，2005（1）：37-40.

[7]馬永開，唐小我.兩種組合預測優(yōu)化模型的分析和比較[J].電子科技大學報，1998（2）：99-103

[8]曹建新，李霞，李偉翔.廣東國稅稅收收入彈性的實證研究[J].華南理工大學學報（社會科學版），2004（6）：9-12.

[9]肖宏偉.基于分稅種加總的稅收收入推算預測[J].稅收經濟研究，2013（1）：71-74

[10]馬薇.協(xié)整理論與應用[M].天津：南開大學出版社，2004

[11]郭劍川，劉黎明.稅收收入預測的時間序列方法選擇[J].統(tǒng)計與決策，2009（5）：30-32

[12]王敏.稅收收入預測方法的優(yōu)選與應用[J].稅務研究，2009（10）：36-38