摘要：针对企业纳税稽查选案,采用全部样本和五重-交叉检验法(CV)分别建立线性回归、判别分析、Logistic、支持向量机(SVM)和广义回归神经网络(GRNN)模型,比较研究不同模型的建模结果。GRNN模型结构简单,训练速度快,能很好地进行小样本、连续非线性系统建模。实证研究结果表明,GRNN模型非常适用于税务稽查选案研究,在上述五种模型中,分类错误率最低,小于10%。

摘要：本文针对上海市某区386个中小企业增值税纳税申报的15个指标数据,采用随机森林回归(RFR)技术,逐次删除无法合理解释和低重要度指标,遴选出对企业增值税纳税情况有重要影响的6个评价指标,建立了中小企业增值税纳税评估RFR模型。与判别分析、支持向量机、广义回归神经网络和投影寻踪模型等相比,RFR模型建模样本的识别正确率最高,达到了100%,建模过程简捷,非常适合于中小企业的增值税纳税评估。对339个待判定纳税情况企业的分析结果表明,RFR模型具有很好的稳定性、泛化能力和可靠性。

摘要：针对上海市某区386家中小企业15个财务指标数据,运用灵敏度分析方法筛选出对判定纳税情况具有显著影响的10个评价指标,采用自组织神经网络方法把全部386个样本分成性质相似的训练样本、检验样本和测试样本,通过逐步减小光滑因子值确定其合理值,建立纳税评估广义回归神经网络(GRNN)模型。与线性回归、判别分析、Logistic和支持向量机等模型的结果对比表明:GRNN模型的分类错误率最低,检验样本和测试样本的II类和I类分类错误率分别低于5.4%和2.0%,平均分类错误率低于2.5%.对另外339家企业纳税情况的判定结果表明,建立的GRNN模型具有很好的泛化能力和鲁棒性。

摘要：文章对纳税评估选案正确率有显著影响的指标和模型进行综述分析,依据指标的使用频数整理出14个常用的评估指标,其中使用最多的是销售毛利率和总资产利润率等盈利能力类指标。共整理出17种评估模型,其中定性分析模型4种,统计分析模型5种,现代数据挖掘模型8种。通过对比各种模型的评估选案正确率发现没有哪一种模型适合所有纳税评估问题的研究,需要结合实际的评估问题选择适宜的模型,从而提高评估选案的正确率。

摘要：从上海市某区386家中小企业申报的15项税收指标数据中筛选出对判定企业纳税情况具有重要影响的10个评价指标,并将全部386个样本分成性质相似的建模样本和测试样本(其中测试样本个数占45%),建立了基于投影寻踪分类(PPC)技术的税务稽查评价模型.与多元线性回归(MLR)、判别分析(MDA)、Logistic和支持向量机(SVM)模型相比,PPC模型的识别错误率最低,建模样本和测试样本的平均分类错误率低于6%,改进型PPC模型包含的评价指标少,两类错误率很接近,非常适用于实际企业的税务稽查评估研究和实践.对339家待判断企业纳税情况的判定结果研究表明,建立的改进型PPC模型具有很好的泛化能力和鲁棒性.