搜索
“电量指标”在税收收入预测中的应用与思考税收收入分析预测是在一定的经济理论指导下，根据经济政策、税收政策和税收、税源统计资料，按照科学的理论和统计分析方法加工整理，实事求是地进行定量、定性和系统的分析研究。通过揭示税收、税源、税政与经济现象各因素之间有关内在联系和数量关系，探究影响税收税源增减变化的原因，作出对未来税收收入总量和结构等发展趋势符合客观实际分析、判断和推测，发现问题和矛盾，找出解决的办法，提出有助于税务工作科学决策和管理的意见和对策建议。本文从探讨基层实用的预测方法出发，结合税源结构特点，比较分析税收收入与用电量之间的关系，在事前预测、事中督查、事后验证过程中，不断测试预测结果，优化预测方案选择，提高预测正确率，达到增强组织收入的主动性和预见性的目的。一、“电量指标”与收入分析预测的关系近年来，“克强指数”越来越多地被当作分析经济走势的重要指标。“克强指数”源于李克强总理2007年任职辽宁省委书记会见美国驻华大使时，通过耗电量、铁路货运量和贷款发放量三个指标分析当时辽宁省经济状况。英国《经济学人》杂志早在2010年就推出“克强指数”用于评估中国GDP增长量，该指数包括“工业用电量新增”、“铁路货运量新增”和“银行中长期贷款新增”。耗电量从一个侧面反映该地区工业生产活跃度以及企业运行状态，铁路货运量是从物流角度反映该地区工农业生产以至整体经济运行状态，贷款发放量既反映出市场对当前经济信心，又显示未来经济运行风险度。“克强指数”提供了观察工业生产、能源消耗以及经济运行状态的一组定量观察指标，对推测经济运行态势具有某种先行指标含义。（一）“电量指标”具有关联性、真实性和时效性的特点。1.关联性。通常来说，用电量和工业生产关系最紧密，两者走势几乎趋同。如今年上半年，随着工业生产持续平稳增长，工业能源消费量也基本保持了平稳增长态势，单位工业增加值能耗降幅比2013年同期明显收窄，这也与今年税收走势基本相同。2.真实性。目前通过企业上报的数据中，用电量数据和发电量数据可以核对，不容易被扭曲。3.时效性。耗电量的统计核算大部分可以在当月完成，而根据税收的特性，当月只能对企业所属时期的经营行为进行申报，所以在税收预测方面，耗电量的数据比税收数据更具有时效性。（二）“电量指标”可以更好协助其他调查方法。目前税收分析的方法有很多，主要有两类，一类是从人的主观意识出发，靠积累的经验进行预测（包括开会调查、书面调查、典型或抽样调查等）。涉及部门过多，协调要求过高。要求税务内部各部门根据调查要求提供相关资料，同时要大力拓展数据信息源，要求外部经济信息部门提供涉税经济信息；另一类是按照各种历史或即时数据，运用统计和分析方法进行预测。由于预测结果是综合调查人员的主观判断，调查预测人员的业务素质高低决定着预测的准确率。通过“电量指标”第三方数据，进行加工处理从而得出数据模型及趋势线，是对调查数据的一个辅助，且方法简单易行。二、“电量指标”在税收分析中的应用（一）XX地区社会用电量与税收收入基本状况通过采集近五年XX地区用电量、税收数据。2009—2013年XX用电量与税收关系（万元，千瓦时）年度税收合计工业税收工业增值税第一产业用电量第二产业用电量第三产业用电量2009562630431832289364110912.00953235.0076578.002010688310521888341779114051.001183870.0093714.002011819707622751401654102287.001425527.00112911.0020129775777395104457856464814660351345352013101718571971343800650131.541527894.09153343.92（二）相关性分析用excel软件自带数据分析，找出其相关系数：用电量与税收相关性对照表税收合计工业税收工业增值税第一产业用电量第二产业用电量第三产业用电量税收合计1.0000工业税收0.99081.0000工业增值税0.98310.99541.0000第一产业用电量-0.9171-0.8782-0.83801.0000第二产业用电量0.96040.96220.9814-0.78061.0000第三产业用电量0.98810.95840.9478-0.94200.93771.0000通过观察发现，税收合计与工业税收的相关性最高，工业税收与工业增值税的相关系数最高，工业增值税与第一产业用电量为负相关，与二三产业用电量为正相关且相关性较高。因此，从相关性对照表可以看出，税收合计与用电量有着一定的相关性，且相关性较高。用电量与工业企业的日常生产息息相关，这也与实际情况相符：企业产量=用电量×行业产值系数+扰动常数（1）利润=企业产量×行业利润系数+扰动常数（2）工业税收=利润×行业相关税负+扰动常数（3）综合（1）（2）（3）公式，得出工业税收=用电量×行业产值系数×行业利润系数×行业相关税负+扰动常数由于在目前经济大环境下，长期过程中行业各系数有可能出现大的波动，比如技术的不断创新，行业竞争激烈程度以及国家税负的调整，但在短期的税收分析预测中，行业系数出现大幅度波动的情况比较小，所以短期内通过用电量来预测工业税收，从而预测全年税收具有可行性。（三）对数据加工进行回归分析1.用税收合计直接和一二三产业用电量进行回归分析。用税收合计与各产业用电量的数据进行数据回归分析，得出公式Y=554575.3273-3.934577X1+0.632780X2-1.95616X3，其中Y为预测税收合计，X1为第一产业用电量，X2为第二产业用电量，X3为第三产业用电量。2009—2013年度税收合计与预测税收合计关系表年度税收合计预测税收合计残差标准残差2009562630571572.4906-8942.49059-0.65018632010688310671642.259416667.740651.2118700532011819707833291.8802-13584.8802-0.987722922012977577964718.371212858.628830.934918987201310171851024183.999-6998.9987-0.50887982通过得出的预测税收合计与实际税收合计数进行拟合度分析，预测税收合计y=119830x+453592R2=0.98150200000400000600000800000100000012000005715726716428332929647181024184预测税收与实际税收拟合度分析税收合计税收合计预测税收合计线性(预测税收合计)从图表中可以看出，R²=0.9815，拟合度较高，说明预测税收合计和税收合计公式可以在日常预测税收中作为参考。2.用工业税收与第二产业用电量的数据进行回归分析。由于第二产业用电量的多少可以在一定程度上反映出第二产业的发展情况，并且受到的干扰因素少，从而可以得出工业税收的收入趋势，用工业税收与第二产业用电量进行回归分析，得出残差图和预测曲线图：第二产业用电量与工业税收残差图-50000050000100000953235.001183870.001425527.0014660351527894.09第二产业用电量残差第二产业用电量与工业税收关系y=-20268x2+197013x+239052R2=0.98810100000200000300000400000500000600000700000800000953235.001183870.001425527.0014660351527894.1第二产业用电量工业税收工业税收预测工业税收多项式(预测工业税收)通过做线性拟合，得出预测工业税收与第二产业用电量关系为：y=-20268x2+197013x+239052，R²=0.9881，残差值在X轴上下浮动，R²数值较高，说明该拟合程度较高，且趋势逐渐平稳，也与目前XX税收收入趋势相符。做散点图，得趋势线：第二产业用电量与工业税收关系y=0.5267x-8358701000002000003000004000005000006000007000008000000.00500000.001000000.001500000.002000000.00第二产业用电量工业税收工业税收预测工业税收线性(预测工业税收)预测值公式说明第二产业用电量与工业税收为多项式的关系；如果用线性来表示，公式为：y=0.5267x–83587（X≥953235.00），可以直观的表现出近五年工业税收与用电量的关系：每消耗掉100亿千瓦/时用电量，将产生44.3亿元税款。三、通过“电量指标”来检验税收收入预测由于日常的经济活动中企业经营情况不可预知，只能运用各种已知条件对预测结果进行修正补充，使结果最大限度地接近真实值，所以预测的方法越多，引入的第三方数据越全面，结果越精确。在日常税收预测中，可以通过传统的方法对税收收入进行预测，再用趋势线进行检验，看预测值和以往年度数值是否按趋势线走动，如果趋于一致，则证明预测结果可信度较高；如果产生偏差，则找出偏差的因素加以分析总结，从而得出更准确的税收收入预测。