18.1  研究背景及意义
税收是以实现国家公共财政职能为目的，基于政治权力和法律规定，由政府专门机构向居民和非居民就其财产或特定行为实施强制、非罚与不直接偿还的金钱或实物课征，是国家最主要的一种财政收入形式。国家取得财政收入的方法有很多种，如税收、发行国债、收费、罚没等等，而税收则由政府征收，取自于民、用之于民。税收具有无偿性、强制性和固定性的形式特征。税收三性是一个完整的体系，它们相辅相成、缺一不可。
2017年5月份，全国一般公共预算收入中的税收收入14102亿元，同比增长6.4%；非税收入1971亿元，同比下降12.5%。本月财政收入增幅较低，主要受相关经济指标增速放缓、减税降费的政策效应进一步显现以及去年同月部分收入基数高等影响。
截至目前，税务系统积累了大量的税收业务管理数据,特别是2002年推行了中国税收征管系统以来,将县区级的数据集中到了市局,以及市区级数据集中到了省局。目前数据库中已经存储了海量数据,但对于这些历史数据,只是广泛应用于基本的查询。这样,管理大量的数据就仅仅局限于闩常事务处理的计算机化及对数据的存储和基本查询等内容,并没有对数据进行深层次的应用和挖掘,造成了数据资源的浪费。
如何对这些数据进行有效合理的分析和利用,以及从中挖掘出对我们决策有帮助的知识,对领导的决策分析提供依据,是研究的重点课题。利税收业务管理数据进行税收分析一直以来是税收#理部门的一项重要工作。研究和运用科学的经济税收分析方法,能提升税收分析水平,更好地发挥税收分析工作为组织收入服务,为加强征管服务,为税制改革服务,为宏观调控服务。
传统税收分析方法如对比分析、多维分析、横向纵向分析对于税收收入预测、纳税信用分析、行业税收特征分析等众多复杂问题无法解决,鉴于常用的已有的数学模型己经在国民经济中得到了广泛的利用,在税收领域运用数学模型进行税收分析,可以对大量业务数据的进行深度利用,对于税收计划编制和税收任务的完成,有很强的指导作用和决策参考价值。
税收收入具有时间序列二重趋势变化的特点,即整体趋势变动性和季节波动性。二重趋势预测的特点是观察值排列顺序的重要性和前后观察值及其同期比之间的相关性,即预测点与其相距较近的观察点的相关性较强,而与其相距较远的观察点相关性较弱。时间序列分析法能够根据历史数据对税收收入进行客观分析,并能实现对税收收入的季节性和周期性进行预测。
税收预测是以政府宏观调控政策为指导，以充分掌握影响税收收入变化的因素和税收历史资料为基础，运用数理统计和逻辑思维方法等手段，经过推理判断，对未来税收收入的前景作出趋势分析的一项工作方法。它是提高税收计划管理和发挥税收预见性，准确编制税收计划的基础，
影响税收收入预测的主要因素
（1）经济因素：微观和宏观经济状况决定着税收的主要特征：即经济总量决定税收总量，经济结构决定税收结构。因而经济因素是税收收入的主要影响因素。
（2）政策因素：政策的调整变动也会影响税收收入。如增值税转型政策变动引起了税收的变化，减免税政策规定也会影响税收，因此政策因素也是一个税收收入的一个重要因素。
（3）征管因素：当税收征管比较严的时候，税收收入就会高，而征管松的时候，收入就会低一些，因此征管因素也是一个影响税收收入的因素。

18.2  数据建模思路
本实例研究的主要内容就是利用税收历史数据深入分析建立考虑趋势变动、季节变动和随机波动因素的ARIMA模型,并在税收分析平台中实现税收预测,本文阐述了利用数学模型进行税收分析的总体指导思想,并以时间序列模型为例,结合税收分析平台中税收收入预测的需求详细介绍了 ARIMA模型的建模过程,包括数据的整理和分析、模型的识别、参数的估计、模型的检验与诊断等,并用此模型对税收收入进行预测。
基于ARIMA模型的税收收入预测模型分析步骤通过建立ARIMA模型进行税收收入预测的基本流程,建模过程的流程图如图18-1所示：

图18-1  建模过程的流程图