人工神經(jīng)網(wǎng)絡(luò)結(jié)合灰度關(guān)聯(lián)分析用于吉林省地方稅收收入預(yù)測研究

張勇　趙曉輝

摘要：本文針對影響吉林省地方稅收收入的相關(guān)國民經(jīng)濟指標，利用灰度關(guān)聯(lián)分析對主要經(jīng)濟指標進行關(guān)聯(lián)分析，確定影響稅收收入的主要因素和次要因素，并利用吉林省1980年-2012年的地方財政的稅收收入，結(jié)合人工神經(jīng)網(wǎng)絡(luò)技術(shù)建立了吉林省地方稅收收入的預(yù)測模型。仿真結(jié)果表明，模型的預(yù)測效果較好，泛化能力較強，其內(nèi)部驗證均方差（RMSECV）和預(yù)測平均相對誤差（RME）兩個評價指標分別達到0.7125及0.0367，能夠為科學(xué)、準確的稅收預(yù)測及稅收計劃的制定提供一定理論依據(jù)和技術(shù)支持。

關(guān)鍵詞：稅收收入；灰度關(guān)聯(lián)分析；人工神經(jīng)網(wǎng)絡(luò)；預(yù)測模型

中圖分類號：TP393 文獻標識碼：A 文章編號：1009-3044（2015）20-0145-01

目前，絕大部分學(xué)者對于稅收收入預(yù)測采用統(tǒng)計技術(shù)[1-4]，但統(tǒng)計建模方法僅局限于一些特定的函數(shù)關(guān)系， 而實際稅收應(yīng)用問題中的自變量與因變量有著更復(fù)雜的非線性關(guān)系，這些統(tǒng)計的方法在實際應(yīng)用中并不能取得很好的預(yù)測效果。因此，為建立高效的稅收預(yù)測模型，首先要確定在諸多社會經(jīng)濟因素及稅收政策中哪些是影響稅收的主要因素，哪些是次要因素，在此基礎(chǔ)之上，通過人工神經(jīng)網(wǎng)絡(luò)來建立影響稅收的主要因素與稅收之間的非線性預(yù)測模型。

1 實驗數(shù)據(jù)

本文以吉林省1980年-2012年相關(guān)國民經(jīng)濟指標為主要依據(jù)建立稅收收入的預(yù)測模型，其具體數(shù)據(jù)來源于吉林省統(tǒng)計年鑒。

2 灰度關(guān)聯(lián)分析

我國學(xué)者鄧聚龍教授于1982 年首先提出灰色系統(tǒng)理論，目前已經(jīng)廣泛應(yīng)用在

農(nóng)業(yè)和社會經(jīng)濟等領(lǐng)域，并取得了顯著成就[5，6]。而稅收收入與現(xiàn)行的稅收政策以及國民經(jīng)濟發(fā)展等諸多因素均有密切關(guān)系，其關(guān)系表征為非線性特征[7，8]，這其中就包含了許多難以辨別的“灰”的知識。因此，在建立稅收預(yù)測模型之前，首先對影響稅收收入的國民經(jīng)濟指標進行灰色關(guān)聯(lián)度分析，旨在找出影響稅收收入的主要因素。

2.1 基于灰度關(guān)聯(lián)的影響稅收收入主、次要因素分析

以稅收收入有關(guān)的10個國民經(jīng)濟指標為子序列，以吉林省地方財政稅收收入作為母序列，經(jīng)過計算，得到的它們的關(guān)聯(lián)系數(shù)及關(guān)聯(lián)序如表1所示。 從表1列出的關(guān)聯(lián)序可知，對于稅收收入來說，與第三產(chǎn)業(yè)總值、城鄉(xiāng)儲蓄存款年末余額、固定資產(chǎn)投資總額、第一產(chǎn)業(yè)總值、社會銷售品零售總額、進出口總額的關(guān)聯(lián)系數(shù)相對較高，因此選擇模型的輸入時作為主要因素考慮，而與零售物價總指數(shù)、第二產(chǎn)業(yè)總值、財政支出、職工平均工資四個指標關(guān)聯(lián)度相對較小，在建模時作為次要因素考慮。

表1 吉林省地方財政稅收收入所對應(yīng)的關(guān)聯(lián)度及關(guān)聯(lián)序

[子序列＼&與母序列的關(guān)聯(lián)度＼&固定資產(chǎn)投資總額＼&X1＼&G（1，1）=0.821＼&財政支出＼&X2＼&G（1，2）=0.716＼&城鄉(xiāng)儲蓄存款年末余額＼&X3＼&G（1，3）=0.830＼&零售物價總指數(shù)＼&X4＼&G（1，4）=0.741＼&職工平均工資＼&X5＼&G（1，5）=0.620＼&第一產(chǎn)業(yè)總值＼&X6＼&G（1，6）=0.820＼&第二產(chǎn)業(yè)總值＼&X7＼&G（1，7）=0.723＼&第三產(chǎn)業(yè)總值＼&X8＼&G（1，8）=0.856＼&社會消費品零售總額＼&X9＼&G（1，9）=0.819＼&進出口總額＼&X10＼&G（1，10）=0.812＼&關(guān)聯(lián)序：X8 > X3 > X1 > X6 > X9 > X10 >

X4 > X7 > X2 > X5＼&]

3 利用人工神經(jīng)網(wǎng)絡(luò)建模

實驗中，采用三層的BP網(wǎng)絡(luò)，利用上述灰度關(guān)聯(lián)分析法選取的影響稅收收入的六個主要經(jīng)濟指標，以吉林省1980年-2012年共計33年的主要經(jīng)濟指標作為仿真實驗的樣本數(shù)據(jù)，即模型的輸入向量個數(shù)為6個，輸出向量個數(shù)為1個，樣本數(shù)為33個，學(xué)習(xí)算法采用學(xué)習(xí)速率最快、適用于中小型網(wǎng)絡(luò)的trainlm算法，同時，考慮到樣本數(shù)量比較少，為提高模型的預(yù)測精度，采用交叉檢驗的方法，建立了吉林省稅收收入的人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

4 結(jié)果分析

為了驗證模型的預(yù)測準確性，采用內(nèi)部驗證均方差（RMSECV）和預(yù)測平均相對誤差（RME）兩個評價指標對模型進行評價。兩個評價指標的計算如公式（1）與公式（2）所示。經(jīng)計算，在預(yù)測模型中剔除四個奇異點（1994年-1997年）后，其模型的RMSECV為0.7125，RME為0.0367。

5 結(jié)論

本文在分析影響吉林省歷年（1980年-2012年）的地方財政稅收收入的相關(guān)國民經(jīng)濟指標的基礎(chǔ)之上，應(yīng)用灰度關(guān)聯(lián)分析對相關(guān)國民經(jīng)濟指標進行了關(guān)聯(lián)分析，并選取其中關(guān)聯(lián)度較大的6個主要經(jīng)濟指標作為樣本輸入數(shù)據(jù)，并結(jié)合人工神經(jīng)網(wǎng)絡(luò)建立了吉林省地方財政稅收收入的預(yù)測模型。經(jīng)計算，模型的評價指標均相對較好，模型的預(yù)測效果較好，泛化能力較強。因此，利用灰度關(guān)聯(lián)分析結(jié)合人工神經(jīng)網(wǎng)絡(luò)可以對稅收收入進行預(yù)測，從而為科學(xué)、準確的稅收預(yù)測及稅收計劃的制定提供了一定理論依據(jù)和技術(shù)支持。

參考文獻：

[1] 尚紅云. 2005 年中國稅收收入預(yù)測模型比較[J]. 統(tǒng)計與信息論壇， 2008， 23（3）： 27-31.

[2] 孫元， 呂寧. 地方財政一般預(yù)算收入預(yù)測模型及實證分析[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究， 2007（1）： 38-45.

[3] 郭艷. 湖南省稅收收入預(yù)測模型及其實證檢驗與經(jīng)濟分析[C]. 中南大學(xué)， 2009.

[4] 汪寅. 基于稅源數(shù)據(jù)挖掘的稅收分析預(yù)測研究[C]. 北京工業(yè)大學(xué)， 2010.

[5] 孫智勇， 劉星. 稅收增長預(yù)測的灰色理論模型研究[J]. 重慶大學(xué)學(xué)報（社會科學(xué)版）， 2010，16（3）： 41-45.

[6] 鄧聚龍. 灰色系統(tǒng)基本方法[M]. 武漢： 華中工學(xué)院出版社， 1987： 23-33.

[7] 張文珍. 基于BP 神經(jīng)網(wǎng)絡(luò)的稅收收入預(yù)測模型[J]. 中外企業(yè)家， 2009（11）： 80-82.

[8] 張紹秋， 胡躍明.基于BP神經(jīng)網(wǎng)絡(luò)的稅收預(yù)測模型[J]. 華南理工大學(xué)學(xué)報（自然科學(xué)版）， 2006，34（6）：55-58.