目录 |
微观税收分析是指在了解和掌握具体纳税人生产经营情况和财务数据的基础上，对纳税人的税收经济关系和税收缴纳状况进行客观评价和说明的分析。开展微观税收分析是加强税源管理、完善税收征管、指导纳税评估的基础性工作和必要手段，因此掌握微观税收分析的基本方法，是基层税收管理员必备的素质要求。
由于微观税收分析的目标要求在于客观说明和评价具体纳税人的税收经济关系和税收缴纳状况，而说明这两项内容，首先要分别掌握纳税人的税源情况、税收缴纳情况，并建立两者之间的内在联系，所以，微观税收分析的基本内容至少应该包括纳税人税源特征分析、纳税人税收特征分析和纳税人税收经济关系分析。
（一）纳税人的税源特征分析
税源，追根溯源是指产生税收的源泉。参考税法的相关规定，是指一切涉税经济活动及行为。在税收分析中，税源则是指可具体量化的各种税源数据指标，如纳税人的经营收入、产品产销量、价格等。税源特征分析就是针对这些表示税源的数据指标而开展的系列量化特征分析，包括规模、结构、价量关系、变化趋势及税基换算关系等。通过这一系列的分析，了解和掌握纳税人税源的总量规模、结构状况和税源质量，从而为推断和预测纳税人税收形势提供依据。
（二）纳税人的税收特征分析
纳税人税收特征分析是针对纳税人税收缴纳情况所反映的规律特征开展的系列分析，包括纳税人实现税金和入库税金的规模、结构、变化趋势、两者之间的相关性，以及欠税、减免退税情况的分析。通过这一系列的分析，了解和掌握纳税人税收缴纳状况、税收构成、欠税及减免税优惠信息等，为检验纳税人税收与经济关系的合理性提供依据。
（三）纳税人税收与税源关系分析
在说明纳税人税源特征和税收特征的基础上，进一步开展纳税人税收与经济关系的分析，从静态说明两者之间比例关系的合理性，从动态说明两者之间变化关系的合理性。为此，要进行纳税人税负、税收变化弹性和结构影响因素的分析，为评价纳税税收经济关系的合理性和税收征管工作质量提供依据。
丰富的微观税收分析内容，决定了微观税收分析的方法也十分丰富。但从说明纳税人税收经济关系的合理性角度出发，可以从数据指标的纵横比较分析和逻辑关系稽核说明问题，基本思路和方法如下：
（一）横向比较分析
横向比较分析是指同一指标在不同个体、单位、地区之间的比较分析。横向比较分析最典型的分析例子就是同业税负分析。受市场均衡作用的影响，同一产品在生产技术工艺、原材料能源消耗方面有相近之处，适用税收政策有统一的要求，因此反映生产成本费用方面的指标有相同的规律特征。总结这种规律特征，以此检验个体数据指标的表现，找出差异较大的个体予以预警。
（二）纵向比较分析
纵向比较分析或历史数据分析是指同一个体的同一指标在不同历史时期的数据比较分析。常用的分析方法有趋势分析和变动率分析。分析的理论依据是大多情况下企业的生产经营是处于一种相对平稳的状态，不会出现突然的波动或大起大落现象。因此，如果企业生产能力没有作大的调整，一般情况下企业各个时期的数据指标彼此接近，不会出现大的差异。如果出现较大差异，应引起主管部门的注意，及时进行相关的纳税评估。
（三）数据逻辑关系稽核
受会计核算原理的约束和税收制度规定的制约，反映纳税人生产经营情况和财务状况的众多数据指标之间存在非常严谨的、相互依存的逻辑关系。这种逻辑关系决定了企业的纳税申报数据必须满足企业财务数据相关性的特定要求，检查这些数据逻辑关系是否吻合，可以鉴别企业申报数据的真实性和合理性，从而发现税收问题，堵塞征管漏洞。
科学技术发展到今天，微观税收分析数据处理技术也十分丰富，可以说数理统计分析技术可以毫无保留地应用于微观税收分析工作中。综合复杂的分析可以通过建立分析模型解决，简单的分析也通过若干数据的加工处理就能说明问题。以下介绍几种常用的分析技术方法。
（一）差异分析
差异分析是指对不同样本同一指标量化程度是否一致而开展的系列分析。具体作法是测算不同样本同一指标的差异程度。差异分析的关键是建立评价差异的标准，有了标准才能说明差异的影响程度。表示差异程度可以用绝对值，也可以建立参照系用相对值。应用差异分析开展微观税收分析的典型分析案例就是同业税负分析模型。应用同业税负分析模型可以测算出各项相关指标的客观水平和样本离散状况，以此为标准比对个别检验样本的具体数值，超出差异允许界限的即为预警对象。
（二）逻辑关系稽核分析
逻辑关系稽核分析是指利用企业财务报表、纳税申报表各项数据指标之间的相互逻辑关系进行核算检查的分析。分析的基本原理是凡不满足应有逻辑计算关系的内容，即认为破坏了会计核算或税款计征关系，均应视为异常做进一步的深入分析。由于企业财务指标和纳税申报数据有上百条之多，所以与此相关的逻辑计算关系也会在此基础上更为丰富和复杂。比如企业期末未缴税金和期末留抵税额在跨期衔接上就必须满足如下计算关系：
期末未缴税金=期初未缴税金 本期实现税金-本期已缴税金
期末留抵税额=期初留抵税金 本期进项税额-本期抵扣税额
类似的逻辑计算关系有成百上千条，因此税收分析系统必须建立在计算机应用的基础上，在计算机中植入数据逻辑关系稽核系统，才有可能在纳税申报环节实现实时的纳税评估工作。
（三）趋势分析
税收经济形势分析少不了趋势分析。趋势分析是对纳税人特定税收指标、经济指标或税收经济关系指标一段时期走势和趋向的分析和推断。了解和掌握税收经济的发展趋势，有利于判断未来税收收入形势的好坏，使组织税收收入做到心中有数。趋势分析的两个基本要求是说明特定指标的发展方向和变化幅度，基础分析技术是时间序列分析技术，常用说明指标有变动率和平均变化速度等。
（四）波动分析
税收波动分析是描述税收事物运行变化平稳性的分析。税收事物的运行受经济变化影响、税收制度规定的约束和现有征管环境制约有其自身客观的规律。在经济运行相对平稳、税制不变的条件下，税收事物运行平稳与否，直接反映税收征管情况的影响作用。因此，开展波动分析，一定程度上可以了解和说明税收征管的表现，反映税收征管是否能按税源的发展变化规律同步开展，监督税收征管的执行情况。
（五）相关性分析
相关性分析是揭示事物之间相互影响、相互作用影响程度的分析，应用在税收经济关系分析问题上，可以说明税收经济内在关系的联系紧密与否，是揭示税收征管工作是否做到"应收尽收"的直接参考依据。相关性分析在诸多的数理统计分析方法中是比较成熟的技术，可在各种统计分析软件中直接实现。应用这一分析技术可以从正反两个方面实施：一是数据处理前先确认两者之间是否存在某种因果关系，然后用数量分析检验这种关系的存在；另一方面的应用是事前不好确定各项因素之间到底哪种因素有直接影响，通过数量分析找出影响因素。
（六）聚类分析
聚类分析（ClusterAnalysis）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。借用这种方法开展税收分析，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。其基本原理是根据数据指标差异的绝对距离进行分类，结合矩阵分析技术，可以进行多指标的综合特征分析，为复杂事物的分类提供了一种可行的分析方法。聚类分析的关键是找到一组关系密切的相关指标，如税收增长、税源增长、税收变化弹性和出口影响等，均可以利用这一分析技术进行综合分析和技术处理。
（一）同业税负分析模型
同业税负分析模型是利用同一行业内部经济规律所具有一定可比性的特点，以税收负担为切入点而开展的系列分析。引入同业税收分析这一论题，主要是解决宏观税负不能简单用来评价考核区域间税收经济关系和征管工作考核的问题。而解决这一问题的出路是排除经济结构的影响，从而引入了同业税负分析模型。
同业税负分析的基本思路是：在全国税收征管数据的基础上，依据纳税人注册登记的国民经济行业代码，利用现代计算机技术对纳税人按行业分类测算税负水平和税负影响因素，并相应地总结出样本内在的各种规律特征。同业税负分析模型应用的意义在于：一是通过这一系列数据指标的测算，为企业纳税评估建立一个统一的参考基准；二是，由于同业税负测算剔除了经济结构因素和税收政策因素的影响，税负的形成更多地体现税收征管因素的影响，应用同业税负水平可以考核区域间的征收力度；三是利用同业税负测算所总结出来的规律特征，建立行业税负预警系统。
（二）税源质量与税收征收效能位差模型
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（ClusterAnalysis）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。
根据税收收入是按年度计划和考核的需要，选择第二种形式的预测较为合适。其基本思路和步骤是：
（1）利用历史资料找出修正的税收收入的月分布曲线；
（2）利用预测年度已实现的税收与修正曲线的数据相比，求出实现税收的增长系数；
（3）利用实现税收增长系数与经源预期增长速度加权求出税收年度增长系数；
（4）以税收年度增长系数去乘修正后的税收月分布曲线各月的税收，求出预测年度各月的税收；
（5）每实现一个月的税收，对实现税收增长系数进行滚动调整，预测其余各月的税收，直至12月。