范文一:税收预测分析报告
税收预测分析报告
税收预测情况分析报告
税收预测情况分析报告
更多2010思想汇报请访问:2010思想汇报
XX市税务局关于2010年1-4月份税收收入及2010年全年税收预测情况分析报告
一、2010年1-4月税收收入情况
今年1-4月我局共组织税收收入1109万元,:“两税”898万元,比上年同期1014万元116万元,下降11.4%;其它税收(不含车辆购置税)203万元,同比67万元,增长49.3%;车购税8万元,同比4万元,下降33%。税收收入全口径计算1-4月白城市局下达计划5880万元的18.9%,比序时进度33.3%的规定短了14.4个百分点,税收收入短少了851万元。分析如下:
2010年1-4月工业企业入库增值税493万元,比上年同期入库638万元(含上年退税88万元)145万元,2010年工业值11200万元,税负为4.4,,上年同期工业值9982万元,税负为6.4,;税
负两个百分点。2010年1-4月商业入库增值税294万元,比上年同期入库244万元(含上年退税142万元)50万元,2010年1-4月社会消费品零售总额32325万元,税负为0.9,,上年同期社会消费品零售总额29039万元,税负为0.8,,税负零点百分点。、原因分析如下:
(一) 商业
个体工商业户2010年1-4月入库增值税146万元,2010年1-4月入库增值税184万元,38万元,原因生猪屠宰委托代征同比20万元,农副产品收购同比12万元,农村分局个体同比6万元;石油公司2010年1-4月入库增值税26万元,2010年1-4月入库增值税41万元,15万元。
(二)工业
1、医药行业2010年1-4月入库增值税157万元,2010年1-4月入库增值税62万元,95万元。2010年1-4月工业值1387万元,税负为4.5,,2010年1-4月工业值1865万元,税负为8.4,,税负三点九个百分点。原因是企业销售不好,销售收入下降,税金。
2,电力企业 2010年1-4月入库增
值税251万元,2010年1-4月入库增值税195万元,56万元,2010年1-4月工业值1992万元,税负为12.6,,。2010年1-4月工业值2789万元,税负为7,,税负五点六个百分点。XX热电厂2010年1-4月入库增值税221万元,2010年1-4月入库增值税135万元,86万元,原因是原材料价格上涨,进项税额增大,将税收收入;XX风力发电为新增业户,2010年3月份增值税22万元;XX农电局2010年1-4月入库增值税35万元,同比8万元。
二、全年税收收入情况预测
2010年度我局累计组织入库税收收入5286万元,年度后计划5265万元的100.4,。:“两税”入库4850万元,市局年初计划4947万元的98,,XX市政府计划4850万元的100,;利息所得税入库399万元,年度计划395万元的101,。
摸清我税源情况,最近各税源管理科对税源情况了调查,调查结果显示今年我局税源情况大的改观,能左右我局税收收入情况的仍然是纺织、制酒、医药制造、电力行业。一系列税收优惠政策的实施,原有企业销售下降,新增企
业的预计税源远远弥补不了原有企业所下降的税源,而税收计划年年递增,因素将在程度上我税收收入。下面就这次税源调查情况做如下说明:
(一)因素
1、XX风力发电有限公司 新增业户,预计投产58台机组,每台机组850千瓦/时,今年预计生产2100小时(三个月),预计2010年销售收入6300万元,增值税500万元(减半征收)。
2、XX热电厂 2010年入库增值税514万元,2010年1-4月入库增值税情况,预计2010年增值税53万元,16万元,原因是居民取暖收入免税期限到2010年底,2010年1月1日恢复征税。
3、XX酒厂有限公司2010年入库两税518万元,预计2010年增值税558万元,40万元,白酒消费税税率下调5,, 洮南香酒的销售看好,销售收入,税金。
4、个体管理科2010年入库增值税442万元,2010年1-4月入库增值税情况,预计2010年增值税500万元,58万元。
(二)因素
1、吉林XX药业股份有限公司 2010年该企业产值6970万元,销售收入6053
万元,入库增值税1001万元。医药管理,整顿医药销售市场,打击商业贿赂,使企业销售不好,销售收入下降。今年1-4月销售情况,预计2010年产值7000万元,同比30万元;销售收入6000万元,同比53万元;增值税900万元,同比101万元。
2吉林XX制药有限公司2010年该企业产值8100万元;销售收入5739万元,并入库增值税715万元。原因是受全国药品行业不景气的,同类产品竞争激烈,厂家对药品低价倾销,了该产品市场占有份额,销量下降销售收入,增值税同步。到为止,该企业前景不容乐观。预计该企业2010年产值7500万元;销售收入5500万元;并入库增值税500万元,同比215万元。
3、XX设备厂 2010年产值4150万元,销售收入3692万元,入库增值税303万元。该企业今年1-4月税金情况(税金),预计2010年产值4000万元,同比150万元;销售收入3500万元,同比192万元;增值税200万元,同比103万元。
4、XX冶金有限公司 2010年产值4164万元,销售收入17143万元,增值
税367万元。该企业产品受国际销售市场,销售价格大幅度下跌,预计2010年产值9788万元,同比5624万元;销售收入13590万元,同比3172万元;增值税100万元(上年留抵282万元),同比
267万元
5、XX毛纺织有限公司。2010年产值4300万元;销售收入3830万元,并入库增值税97万元。近几年来,纺织行业大的起伏,平稳状态,税源不大。预计2010年销售收入与上年持平,增值税97万元。
6、税源情况。XX毛纺织有限公司税金60万元。洮南烟草公司税金100万元。XX中油经销处税金105万元。企业税源大的。
,今年我局企业税源情况是增减相抵后比上年入库税金,短缺72万元左右。企业和个体用户,强化征收管理预计税金59万元。
从全年看,统计局数据来源,2010年社会消费品零售总额105000万元,增值税收入709万元,税负为0.6,。2010年预计114450万元,增值税收入为760万元,税负为0.67,;2010年规模企业
工业值43114万元,增值税收入3576万元,税负8.29,,2010年预计企业工业值58290万元,工业企业增值税4430万元,税负为7.59,。
综上所述,我局预计2010年“两税”税源为4837万元
。比上年同期4850万元13万元,比洮南市计划5432万元短少605万元。
我局税收收入不容乐观,但税收征管质量高,到为止无新的欠税。后8个月的收入现状,我局制定了周密详实的工作计划,税收的征收管理,堵塞漏洞,实施源泉控制,着重监控好税源大户的税源情况,对企业的监督和管理,税收管理员制度,纳税评估的质量,问题,解决问题,并寻求各职能的合作和支持,以组织收入为中心,应收尽收,清理陈欠,杜绝新欠,为洮南经济发展应。
篇二:重点企业税收分析报告分析要点和例文 (1)
重点企业税收分析报告
分析报告要点
一、纳税人的本期情况(指分析期限内的基本情况)分析:
(一)对纳税人的基本情况进行纵
向对比。主要是对纳税人的产值、销售(经营)收入、对外投资、成本(费用)、利润(收益)、资产、负债、职工(用工)人数、工资、税款等指标的本期数与上期数以及上年同期数进行比较,分析各个指标的增减情况及增减的原因。
(二)对纳税人的基本情况进行横向对比。主要是将分析对象的税负与同行业纳税人的税负进行比较分析,如果分析对象的税负偏高或偏低,则要分析其原因。
二、对纳税人的税源变化原因分析
(一)纳税人本身因素引起的税源变化分析。主要分析纳税人的生产(经营)规模的扩大或缩小,对外投资的增加或减少,经营状况的好或坏等方面因素对税源的影响。纳税人本身引起税源变化的因素必须是正在形成(发生)或者短期(最长不超过3个月)内可以形成(可能发生)的。
(二)税收政策因素引起的税源变化分析。主要分析正在执行的税收政策和新出台的短期(最长不超过3个月)内就要实施的税收政策对纳税人税源的影响,如正在执行的税收优惠政策即将
到期,或者新的税收政策将减少(增加)纳税人的计税金额等。
(三)其他因素引起的税源变化分析。主要分析国家有关政策(如利率的调整),国际、国内市场的变化(如原油价格的波动),自然环境(自然灾害)等因素对纳税人税源的影响。
三、未来发展趋势及税收预测。
通过对纳税人的税源变化预测分析,可以预计纳税人在一定时期内可以增加应纳税额 元(其中:营业税 元,企业所得税 元,?..),或者应纳税额可能减少 元(其中:营业税 元,企业所得税 元,?..)
分行业税收分析举例(主要内容):
一、 交通运输业
某企业2006年上半年累计完成税收总收入2845万元,比去年同期1920万元增收925万元,增长48%。
该企业上半年累计完成货运量6,40万吨,与去年同期的6,04万吨相比增加36万吨,上升6%,其中:内贸货运量为4,94万吨,同比增长1.5%;外贸货运量为1,46万吨,同比上升24.2%。虽然运价下滑,平均单位收入为52.4元/千吨海
里,比去年同期减少收入5.6元/千吨海里,但货运量增加使得主营业务收入增长。今年上半年主营业务收入达到8500万元,同比增长5%,缴纳营业税319万元,与去年同期相比增长4.1%。
然而,由于油价上涨对航运企业造成较大冲击,燃料成本已占总成本的44%,燃料平均消耗单价预计达3190元,比去年同期增加约860元,增长38%,对企业经营利润产生较大影响。1-6月份完成企业所得税550万元,比去年同期下降3%。
2006年全球航运市场仍将继续保持增长态势,但市场运能供大于求的矛盾会进一步显现和突出。国际集装箱运输市场基本处在供求平衡的局面,但集装箱运力的投放自2005年下半年起将比较集中,运力和运量平衡状态会出现变化,以致市场运价水平的波动趋势会更加明显。预计该企业2006年全年税收收入将完成2500万元,同比增长5%,下个月预计完成250万元,同比增长4.5%。
二 、批发零售业
某企业系某国际啤酒有限公司在上海设立的分支机构。分公司主要销售总
公司生产的各类啤酒、冰啤。上海分公司负责华东华中区共15个城市的销售推广,这些地区啤酒产品的销售占全国销售的60%。其中江浙沪地区由上海分公司直接销售。2006年1-6月共实现税收2360万元,同比下降3%,减收74万元。
税收增减原因分析:
1、增值税收入2151万元,同比增加了269万元,主要是二季度企业推出世界杯包装啤酒系列拉动了需求,再加上各商场为2006世界杯足球赛的需求大量进货,销售量同步上升,二季度销售收入达到10000万元,缴纳增值税1900万元,同比增长了12%。
2、由于企业上层管理人员全部转移到某国际啤酒有限公司驻上海代表处,个人所得税由代表处缴纳。因此企业个人所得税收入209万元,同比下降62%,减收343万元。
随着啤酒市场的细分,各品牌啤酒的销售竞争异常激烈,企业市场占有率逐渐下降,亦存在税收收入负增长的可能性,全年税收预计完成4500万元,其中:增值税预计3300万元,个人所得税700万元。
三、咨询服务业
例一:某医药咨询有限公司主要从事医药商品市场咨询、通过调查活动对医药商品的存货量化进行分析,按商品市场销量的百分比向客户收取服务费,其主要客户是某药业公司,同时还为一些外国公司临时性服务,
如:对一些企业提供财务人事管理,按该客户实际发生的费用和加收的服务费作为营业额等。
2006年1-6月实现税收800万元,同比增长57.2%,增加额291万元。税收增减原因分析:1、营业税收入215万元,同比增长5%。主要是企业向某药业公司收取的咨询费,比05年平均每月增加60万元。2、由于结转收入的因素,涉外企业所得税同比增加了179万元。3、随着企业的良好业绩的持续,员工的工资薪金也不断水涨船高,企业个人所得税收入350万元,同比增加了102万元。
预计企业全年营业税将在去年同期的343万元基数上增加40万元,达到383万元;个人所得税由于下半年将有150名员工转到ABC有限公司,个人所得税估计会下降20%左右;目前企业已入稳
定期,以前年度的亏损已弥补完,加上员工的减少使得费用减少,预计全年涉外企业所得税300万元左右。
例二:某会计师事务所有限公司是一家沪上知名的外资中介机构,提供审计、税务、企业管理咨询和财务咨询服务。近几年来业务发展状况良好,且呈不断扩张的趋势。2006年1-6月主营业务收入同比上升35%。2005年兼并内资 “ABC会计师事务所”,亚洲总部年内移入上海,公司人员及业务量同步增长。但兼并带来的巨额亏损及成本上升,导致企业利润急剧下滑。上半年实现税收3506万元,同比增收230万元,基本持平。
2005年兼并的事务所在带来业务的同时也带来待弥补的1200多万亏损额,且该公司随着经营规模的扩大,作为靠人力资源成本为主经营业务的企业,人员增多,工资成本上涨,办公场地扩增近一倍,租金涨价近一倍,经营成本大幅上升。2005年汇算清缴退税1268万,以至上半年企业所
得税完成500万元,同比下降10%。
预计下半年缴纳各项税收5600万
元,同比增收440万元,全年税收约0.9亿元。
四、制造业
某公司系中外合资经营企业。主要从事开发,生产,销售汽车空调装臵、特种工业机动车空调以及相关的制冷制热附属设备,并提供安装等技术服务。
2006年上半年,该公司产量基本与上年同期持平,销售量略有上升。由于受所在汽车行业整车销售的影响,该公司销售出现先抑后扬的走势,一季度比较低迷,而二季度比较稳健。出口继续稳步增长。该公司和美国某企业合作进行了多项产品的开发,成为该公司以后的利润增长点。
2006年1-6月,该公司实现销售收入8.72亿元,比上年同期下降7%,主要原因是产品降价和一部分上海本地客户的减少;销售成本8.87亿元,比上一年度下降6.5%。销售成本和销售收入减少不同步,主要原因是产品降价和原材料的涨价;期间费用1.22亿元,比上年度节约3.3%。完成利润总额0.7亿元,比上年减少0.2亿元。
该公司上半年税收的变化主要来自
企业生产经营变化。其中,1、增值税完成6500万元,同比下降5%,主要是因为企业原材料存货的增加和销售收入的减少;2、企业所得税完成3000万元,同比增加900万元,增长42.8%,主要原因:一是今年汇算清缴比上年度增加;二是税率提高,06年所得税率为15%比05年提高5%。
由于该企业在整车降价,零部件厂家也降价的环境中,材料成本不断
篇三:关于xx公司2012年10月份税收分析预测报告
关于XX公司
2012年10月份税收分析预测报告
市局收入核算科:
我分局在XX市局的正确领导下,认真领会,深入贯彻落实全市国税工作会议精神,紧紧围绕市局的战略部署,坚持以科学发展观为指导,牢记“聚财为国、执法为民”的税收工作宗旨和“依法征税,应收尽收,坚决不收过头税,坚决制止和防止越权减免税”的组织税收收入原则,以“聚财为国”为使命、以依法治税为前提、以夯实征管基础为关键、以科技兴税为理念、以共建和谐高效国
税为导向,及时对经济税源进行全面深入的预测和分析,切实增强组织收入工作的主动性、前瞻性、科学性和有效性。面对国内外十分严峻复杂经济环境,冷静观察,沉着应对,积极采取有力措施,打好组织收入攻坚战,继续为保持地方经济平稳较快发展奠定坚实的基础。现将XX公司有关税收收入及分析预测情况报告如下:
XX公司成立于XXXX年XX月,主要生产产品:镁质耐火材料(高纯镁砂、重烧镁砂、中档镁砂、轻烧镁等);主要销售对象:钢铁行业;现有生产设备:轻烧窑:XX 座、重烧:XX 座、中档:XX座、高纯:XX座、隧道窑:XX座;年生产能力:XXX万吨;注册资本:XXXXX万元;职工:XXXX名;2011年XX月份销售收入:101,714.74万元,上交国税税收收入:2,795.04万元;2011年1-12月份销售收入:131,369.14万元,上交国税税收收入:4,159.31万,占XX镇总体国税税收收入的:15.99%;2012年1-10月份销售收入:75,055.53万元,与2011年同比减少:26,659.21万元,上交国税税收收入:2,224.67万元,与2011年同
比减少:570.37万元,减幅:20.41%。
一、2012年1-11月份税收入库及与同时期增减情况
(一)、增加因素 1、生产产量影响:
2、存货影响:
原材料(库存减少,减少抵扣税额,增加增值税)
3、产品销售价格影响:
(二)、减少因素
1、生产产量影响:企业生产已于今年5月份半停产;8月份至今全部停产。
2、销售数量影响:
3、价格影响:
(1)、原材料(价格上涨,进项税额加大,减少增值税)
(2)、产品销售价格
二、税收下降的主要原因
1、国内外经济和投资增速放缓,钢铁行业需求乏力,企业难以独善其身,生产产量同比大幅度累计减少:15.65万吨,影响产值:9,198.74万元,减少税收:1,563.79万元。
2、生产产品过于单一,销售渠道滞塞,销售数量同比累计减少:3.06万吨,
影响销售收入:3,272.51万元,减少
税收:556.33万元。
3、市场竞争日趋激烈,价格降低,直接导致企业利润减少,同比累计减少产品销售收入:490.21万元,减少税收:83.34万元。
4、原材料价格上涨及运输成本增高,购买材料同比累计多支出:349.99万元,进项税增大,减少税收,59.50万元。 三、全年税收收入情况预测
综上所述,2012年1-10月XX公司增加因素影响国税税收收入:356.52万元,减少因素影响国税税收收入:2,349.06万元,两项相抵后减少国税税收收入:1,992.54万元,预计2012年实际国税税收收入为:2,235.00万元,比2011年:4,159.31万元短少:1,924.31万元,减幅:47.91%;2013年比2012年国税税收收入还将减少:2,000万元。
四、征管措施
1、进一步总结实践经验,继续完善税收管理员制度,努力提高税收征管的质量和效率。通过完善税收管理员制度,注重税收管理员日常工作绩效考核,解决“管理管理,不管不理”的问题,充分调动税务管理员的工作能动性和责任
感,及时发现纳税人的异常情况,有效堵塞税收征管漏洞,使税收管理达到“管理到户、责任到人、人户对应”的目标,提高税收征管的质量和效率。
2、牢固树立“以纳税人为中心”的核心理念,强化税收服务效能。坚持税收工作服务纳税人、服务社会、服务经济发展的原则,不断改进和完善纳税服务工作,做到“想纳税人之所想、急纳税人之所急、帮纳税人之所需、解纳税人之所难”,充分认识到搞好服务是提高征管水平的重要手段,及时为纳税人提供优质高效的服务。“始于纳税人需求,终于纳税人满意”,切实维护纳税人合法权益,提高纳税人的满意度和税法遵从度。
范文二:税收预测分析报告
税收预测分析报告
:分析报告 税收 预测 税收收入下半年预测 2016年税收收入预测 2016税收收入分析报告
篇一:税收预测情况分析报告
税收预测情况分析报告
更多2010思想汇报请访问:2010思想汇报
XX市税务局关于2010年1-4月份税收收入及2010年全年税收预测情况分析报告
一、2010年1-4月税收收入情况
今年1-4月我局共组织税收收入1109万元,:“两税”898万元,比上年同期1014万元116万元,下降11.4%;其它税收(不含车辆购置税)203万元,同比67万元,增长49.3%;车购税8万元,同比4万元,下降33%。税收收入全口径计算1-4月白城市局下达计划5880万元的18.9%,比序时进度33.3%的规定短了14.4个百分点,税收收入短少了851万元。分析如下:
2010年1-4月工业企业入库增值税493万元,比上年同期入库638万元(含上年退税88万元)145万元,2010年工业值11200万元,税负为4.4,,上年同期工业值9982万元,税负为6.4,;税负两个百分点。2010年1-4月商业入库增值税294万元,比上年同期入库244万元(含上年退税142万元)50万元,2010年1-4月社会消费品零售总额32325万元,税负为0.9,,上年同期
社会消费品零售总额29039万元,税负为0.8,,税负零点百分点。、原因分析如下:
(一) 商业
个体工商业户2010年1-4月入库增值税146万元,2010年1-4月入库增值税184万元,38万元,原因生猪屠宰委托代征同比20万元,农副产品收购同比12万元,农村分局个体同比6万元;石油公司2010年1-4月入库增值税26万元,2010年1-4月入库增值税41万元,15万元。
(二)工业
1、医药行业2010年1-4月入库增值税157万元,2010年1-4月入库增值税62万元,95万元。2010年1-4月工业值1387万元,税负为4.5,,2010年1-4月工业值1865万元,税负为8.4,,税负三点九个百分点。原因是企业销售不好,销售收入下降,税金。
2,电力企业 2010年1-4月入库增值税251万元,2010年1-4月入库增值税195万元,56万元,2010年1-4月工业值1992万元,税负为12.6,,。2010年1-4月工业值2789万元,税负为7,,税负五点六个百分点。XX热电厂2010年1-4月入库增值税221万元,2010年1-4月入库增值税135万元,86万元,原因是原材料价格上涨,进项税额增大,将税收收入;XX风力发电为新增业户,2010年3月份增值税22万元;XX农电局2010年1-4月入库增值税35万元,同比8万元。
二、全年税收收入情况预测
2010年度我局累计组织入库税收收入5286万元,年度后计划5265万元的100.4,。:“两税”入库4850万元,市局年初计划4947万元的98,,XX市政府计划4850万元的100,;利息所得税入库399万元,年度计划395万元的101,。
摸清我税源情况,最近各税源管理科对税源情况了调查,调查结果显示今年我局税源情况大的改观,能左右我局税收收入情况的仍然是纺织、制酒、医药制造、电力行业。一系列税收优惠政策的实施,原有企业销售下降,新增企业的预计税源远远弥补不了原有企业所下降的税源,而税收计划年年递增,因素将在程度上我税收收入。下面就这次税源调查情况做如下说明:
(一)因素
1、XX风力发电有限公司 新增业户,预计投产58台机组,每台机组850千瓦/时,今年预计生产2100小时(三个月),预计2010年销售收入6300万元,增值税500万元(减半征收)。
2、XX热电厂 2010年入库增值税514万元,2010年1-4月入库增值税情况,预计2010年增值税53万元,16万元,原因是居民取暖收入免税期限到2010年底,2010年1月1日恢复征税。
3、XX酒厂有限公司2010年入库两税518万元,预计2010年增值税558万元,40万元,白酒消费税税率下调5,, 洮南香酒的销售看好,销售收入,税金。
4、个体管理科2010年入库增值税442万元,2010年1-4月入库增值税情况,预计2010年增值税500万元,58万元。
(二)因素
1、吉林XX药业股份有限公司 2010年该企业产值6970万元,销售收入6053万元,入库增值税1001万元。医药管理,整顿医药销售市场,打击商业贿赂,使企业销售不好,销售收入下降。今年1-4月销售情况,预计2010年产值7000万元,同比30万元;销售收入6000万元,同比53万元;增值税900万元,同比101万元。
2吉林XX制药有限公司2010年该企业产值8100万元;销售收入5739万元,并入库增值税715万元。原因是受全国药品行业不景气的,同类产品竞争激烈,厂家对药品低价倾销,了该产品市场占有份额,销量下降销售收入,增值税同步。到为止,该企业前景不容乐观。预计该企业2010年产值7500万元;销售收入5500万元;并入库增值税500万元,同比215万元。
3、XX设备厂 2010年产值4150万元,销售收入3692万元,入库增值税303万元。该企业今年1-4月税金情况(税金),预计2010年产值4000万元,同比150万元;销售收入3500万元,同比192万元;增值税200万元,同比103万元。
4、XX冶金有限公司 2010年产值4164万元,销售收入17143万元,增值税367万元。该企业产品受国际销售市场,销售价格大幅度下跌,预计2010年产值9788万元,同比5624万元;销售收入13590万元,同比3172万元;增值税100万元(上年留抵282万元),同比
267万元
5、XX毛纺织有限公司。2010年产值4300万元;销售收入3830万元,并入库增值税97万元。近几年来,纺织行业大的起伏,平稳状态,税源不大。预计2010年销售收入与上年持平,增值税97万元。
6、税源情况。XX毛纺织有限公司税金60万元。洮南烟草公司税金100万元。XX中油经销处税金105万元。企业税源大的。
,今年我局企业税源情况是增减相抵后比上年入库税金,短缺72万元左右。企业和个体用户,强化征收管理预计税金59万元。
从全年看,统计局数据来源,2010年社会消费品零售总额105000万元,增值税收入709万元,税负为0.6,。2010年预计114450万元,增值税收入为760万元,税负为0.67,;2010年规模企业工业值43114万元,增值税收入3576万元,税负8.29,,2010年预计企业工业值58290万元,工业企业增值税4430万元,税负为7.59,。
综上所述,我局预计2010年“两税”税源为4837万元
。比上年同期4850万元13万元,比洮南市计划5432万元短少605万元。
我局税收收入不容乐观,但税收征管质量高,到为止无新的欠税。后8个月的收入现状,我局制定了周密详实的工作计划,税收的征收管理,堵塞漏洞,实施源泉控制,着重监控好税源大户的税源情况,对企业的监督和管理,税收管理员制度,纳税评估
的质量,问题,解决问题,并寻求各职能的合作和支持,以组织收入为中心,应收尽收,清理陈欠,杜绝新欠,为洮南经济发展应。
篇二:重点企业税收分析报告分析要点和例文 (1)
重点企业税收分析报告
分析报告要点
一、纳税人的本期情况(指分析期限内的基本情况)分析:
(一)对纳税人的基本情况进行纵向对比。主要是对纳税人的产值、销售(经营)收入、对外投资、成本(费用)、利润(收益)、资产、负债、职工(用工)人数、工资、税款等指标的本期数与上期数以及上年同期数进行比较,分析各个指标的增减情况及增减的原因。
(二)对纳税人的基本情况进行横向对比。主要是将分析对象的税负与同行业纳税人的税负进行比较分析,如果分析对象的税负偏高或偏低,则要分析其原因。
二、对纳税人的税源变化原因分析
(一)纳税人本身因素引起的税源变化分析。主要分析纳税人的生产(经营)规模的扩大或缩小,对外投资的增加或减少,经营状况的好或坏等方面因素对税源的影响。纳税人本身引起税源变化的因素必须是正在形成(发生)或者短期(最长不超过3个月)内可以形成(可能发生)的。
(二)税收政策因素引起的税源变化分析。主要分析正在执行
的税收政策和新出台的短期(最长不超过3个月)内就要实施的税收政策对纳税人税源的影响,如正在执行的税收优惠政策即将到期,或者新的税收政策将减少(增加)纳税人的计税金额等。
(三)其他因素引起的税源变化分析。主要分析国家有关政策(如利率的调整),国际、国内市场的变化(如原油价格的波动),自然环境(自然灾害)等因素对纳税人税源的影响。
三、未来发展趋势及税收预测。
通过对纳税人的税源变化预测分析,可以预计纳税人在一定时期内可以增加应纳税额 元(其中:营业税 元,企业所得税 元,?..),或者应纳税额可能减少 元(其中:营业税 元,企业所得税 元,?..)
分行业税收分析举例(主要内容):
一、 交通运输业
某企业2006年上半年累计完成税收总收入2845万元,比去年同期1920万元增收925万元,增长48%。
该企业上半年累计完成货运量6,40万吨,与去年同期的6,04万吨相比增加36万吨,上升6%,其中:内贸货运量为4,94万吨,同比增长1.5%;外贸货运量为1,46万吨,同比上升24.2%。虽然运价下滑,平均单位收入为52.4元/千吨海里,比去年同期减少收入5.6元/千吨海里,但货运量增加使得主营业务收入增长。今年上半年主营业务收入达到8500万元,同比增长5%,缴纳营业税319万元,与去年同期相比增长4.1%。
然而,由于油价上涨对航运企业造成较大冲击,燃料成本已占总成本的44%,燃料平均消耗单价预计达3190元,比去年同期增加约860元,增长38%,对企业经营利润产生较大影响。1-6月份完成企业所得税550万元,比去年同期下降3%。
2006年全球航运市场仍将继续保持增长态势,但市场运能供大于求的矛盾会进一步显现和突出。国际集装箱运输市场基本处在供求平衡的局面,但集装箱运力的投放自2005年下半年起将比较集中,运力和运量平衡状态会出现变化,以致市场运价水平的波动趋势会更加明显。预计该企业2006年全年税收收入将完成2500万元,同比增长5%,下个月预计完成250万元,同比增长4.5%。
二 、批发零售业
某企业系某国际啤酒有限公司在上海设立的分支机构。分公司主要销售总公司生产的各类啤酒、冰啤。上海分公司负责华东华中区共15个城市的销售推广,这些地区啤酒产品的销售占全国销售的60%。其中江浙沪地区由上海分公司直接销售。2006年1-6月共实现税收2360万元,同比下降3%,减收74万元。
税收增减原因分析:
1、增值税收入2151万元,同比增加了269万元,主要是二季度企业推出世界杯包装啤酒系列拉动了需求,再加上各商场为2006世界杯足球赛的需求大量进货,销售量同步上升,二季度销售收入达到10000万元,缴纳增值税1900万元,同比增长了12%。
2、由于企业上层管理人员全部转移到某国际啤酒有限公司驻上
海代表处,个人所得税由代表处缴纳。因此企业个人所得税收入209万元,同比下降62%,减收343万元。
随着啤酒市场的细分,各品牌啤酒的销售竞争异常激烈,企业市场占有率逐渐下降,亦存在税收收入负增长的可能性,全年税收预计完成4500万元,其中:增值税预计3300万元,个人所得税700万元。
三、咨询服务业
例一:某医药咨询有限公司主要从事医药商品市场咨询、通过调查活动对医药商品的存货量化进行分析,按商品市场销量的百分比向客户收取服务费,其主要客户是某药业公司,同时还为一些外国公司临时性服务,
如:对一些企业提供财务人事管理,按该客户实际发生的费用和加收的服务费作为营业额等。
2006年1-6月实现税收800万元,同比增长57.2%,增加额291万元。税收增减原因分析:1、营业税收入215万元,同比增长5%。主要是企业向某药业公司收取的咨询费,比05年平均每月增加60万元。2、由于结转收入的因素,涉外企业所得税同比增加了179万元。3、随着企业的良好业绩的持续,员工的工资薪金也不断水涨船高,企业个人所得税收入350万元,同比增加了102万元。
预计企业全年营业税将在去年同期的343万元基数上增加40万元,达到383万元;个人所得税由于下半年将有150名员工转到
ABC有限公司,个人所得税估计会下降20%左右;目前企业已入稳定期,以前年度的亏损已弥补完,加上员工的减少使得费用减少,预计全年涉外企业所得税300万元左右。
例二:某会计师事务所有限公司是一家沪上知名的外资中介机构,提供审计、税务、企业管理咨询和财务咨询服务。近几年来业务发展状况良好,且呈不断扩张的趋势。2006年1-6月主营业务收入同比上升35%。2005年兼并内资 “ABC会计师事务所”,亚洲总部年内移入上海,公司人员及业务量同步增长。但兼并带来的巨额亏损及成本上升,导致企业利润急剧下滑。上半年实现税收3506万元,同比增收230万元,基本持平。
2005年兼并的事务所在带来业务的同时也带来待弥补的1200多万亏损额,且该公司随着经营规模的扩大,作为靠人力资源成本为主经营业务的企业,人员增多,工资成本上涨,办公场地扩增近一倍,租金涨价近一倍,经营成本大幅上升。2005年汇算清缴退税1268万,以至上半年企业所
得税完成500万元,同比下降10%。
预计下半年缴纳各项税收5600万元,同比增收440万元,全年税收约0.9亿元。
四、制造业
某公司系中外合资经营企业。主要从事开发,生产,销售汽车空调装臵、特种工业机动车空调以及相关的制冷制热附属设备,并提供安装等技术服务。
2006年上半年,该公司产量基本与上年同期持平,销售量略有上升。由于受所在汽车行业整车销售的影响,该公司销售出现先抑后扬的走势,一季度比较低迷,而二季度比较稳健。出口继续稳步增长。该公司和美国某企业合作进行了多项产品的开发,成为该公司以后的利润增长点。
2006年1-6月,该公司实现销售收入8.72亿元,比上年同期下降7%,主要原因是产品降价和一部分上海本地客户的减少;销售成本8.87亿元,比上一年度下降6.5%。销售成本和销售收入减少不同步,主要原因是产品降价和原材料的涨价;期间费用1.22亿元,比上年度节约3.3%。完成利润总额0.7亿元,比上年减少0.2亿元。
该公司上半年税收的变化主要来自企业生产经营变化。其中,1、增值税完成6500万元,同比下降5%,主要是因为企业原材料存货的增加和销售收入的减少;2、企业所得税完成3000万元,同比增加900万元,增长42.8%,主要原因:一是今年汇算清缴比上年度增加;二是税率提高,06年所得税率为15%比05年提高5%。
由于该企业在整车降价,零部件厂家也降价的环境中,材料成本不断
篇三:关于xx公司2012年10月份税收分析预测报告
关于XX公司
2012年10月份税收分析预测报告
市局收入核算科:
我分局在XX市局的正确领导下,认真领会,深入贯彻落实全市国税工作会议精神,紧紧围绕市局的战略部署,坚持以科学发展观为指导,牢记“聚财为国、执法为民”的税收工作宗旨和“依法征税,应收尽收,坚决不收过头税,坚决制止和防止越权减免税”的组织税收收入原则,以“聚财为国”为使命、以依法治税为前提、以夯实征管基础为关键、以科技兴税为理念、以共建和谐高效国税为导向,及时对经济税源进行全面深入的预测和分析,切实增强组织收入工作的主动性、前瞻性、科学性和有效性。面对国内外十分严峻复杂经济环境,冷静观察,沉着应对,积极采取有力措施,打好组织收入攻坚战,继续为保持地方经济平稳较快发展奠定坚实的基础。现将XX公司有关税收收入及分析预测情况报告如下:
XX公司成立于XXXX年XX月,主要生产产品:镁质耐火材料(高纯镁砂、重烧镁砂、中档镁砂、轻烧镁等);主要销售对象:钢铁行业;现有生产设备:轻烧窑:XX 座、重烧:XX 座、中档:XX座、高纯:XX座、隧道窑:XX座;年生产能力:XXX万吨;注册资本:XXXXX万元;职工:XXXX名;2011年XX月份销售收入:101,714.74万元,上交国税税收收入:2,795.04万元;2011年1-12月份销售收入:131,369.14万元,上交国税税收收入:4,159.31万,占XX镇总体国税税收收入的:15.99%;2012年1-10月份销售收入:75,055.53万元,与2011年同比减少:26,659.21万元,上交
国税税收收入:2,224.67万元,与2011年同比减少:570.37万元,减幅:20.41%。
一、2012年1-11月份税收入库及与同时期增减情况
(一)、增加因素 1、生产产量影响:
2、存货影响:
原材料(库存减少,减少抵扣税额,增加增值税)
3、产品销售价格影响:
(二)、减少因素
1、生产产量影响:企业生产已于今年5月份半停产;8月份至今全部停产。
2、销售数量影响:
3、价格影响:
(1)、原材料(价格上涨,进项税额加大,减少增值税)
(2)、产品销售价格
二、税收下降的主要原因
1、国内外经济和投资增速放缓,钢铁行业需求乏力,企业难以独善其身,生产产量同比大幅度累计减少:15.65万吨,影响产值:9,198.74万元,减少税收:1,563.79万元。
2、生产产品过于单一,销售渠道滞塞,销售数量同比累计减少:3.06万吨,
影响销售收入:3,272.51万元,减少税收:556.33万元。
3、市场竞争日趋激烈,价格降低,直接导致企业利润减少,同
比累计减少产品销售收入:490.21万元,减少税收:83.34万元。
4、原材料价格上涨及运输成本增高,购买材料同比累计多支出:349.99万元,进项税增大,减少税收,59.50万元。 三、全年税收收入情况预测
综上所述,2012年1-10月XX公司增加因素影响国税税收收入:356.52万元,减少因素影响国税税收收入:2,349.06万元,两项相抵后减少国税税收收入:1,992.54万元,预计2012年实际国税税收收入为:2,235.00万元,比2011年:4,159.31万元短少:1,924.31万元,减幅:47.91%;2013年比2012年国税税收收入还将减少:2,000万元。
四、征管措施
1、进一步总结实践经验,继续完善税收管理员制度,努力提高税收征管的质量和效率。通过完善税收管理员制度,注重税收管理员日常工作绩效考核,解决“管理管理,不管不理”的问题,充分调动税务管理员的工作能动性和责任感,及时发现纳税人的异常情况,有效堵塞税收征管漏洞,使税收管理达到“管理到户、责任到人、人户对应”的目标,提高税收征管的质量和效率。
2、牢固树立“以纳税人为中心”的核心理念,强化税收服务效能。坚持税收工作服务纳税人、服务社会、服务经济发展的原则,不断改进和完善纳税服务工作,做到“想纳税人之所想、急纳税人之所急、帮纳税人之所需、解纳税人之所难”,充分认识到搞好服务是提高征管水平的重要手段,及时为纳税人提供优质高效的
服务。“始于纳税人需求,终于纳税人满意”,切实维护纳税人合
法权益,提高纳税人的满意度和税法遵从度。
范文三:税收预测分析
2?¥|31 μ||?1w ′ú¤àaR
°t|X?e311w′ú?ò??¤§·§-z?A¥?31±N1ê?ò¤àaR-ó¤Ho?|X?ò±oμ|?Pà?§Q¨?
·~?ò±oμ|μ||?¤§1w′ú?C
1ê?ò1Lμ{¤¤3?¤@ARIMA ?ò???ò¥?¤§???ú?ê???A|3??-ó¤Ho?|X?ò±oμ|¤?
à?§Q¨?·~?ò±oμ|¤§μ||?1ê?x???B(′á??|?1973|~1¤?|ü2001|~12¤?) ?A?Y
¨ú|?°]?F3?2?-p3B?s|L¤§?áμ|2?-p|~3??C¥t¤@?`¥H|~?ê???A§@3v¨B°j?k¤à
aR?A?i|??áμ|μ2oc¤§±′°Q?A?ò¥?¤§°ê¥á?ò±o?P°ê¤o¥í2£¤ò?B쥤§???ú?A?h
?Y¨ú|?|??F°|¥D-p3B?s|L¤§°ê¥á?gàù2?-p?ê???Aˉ÷???ú|p¤U
2?4-1?` μ||?1w ′ú?ò|?---3?¤@A R I M A
??2?°j?k1w′ú?ò|??ó?i|??é????|C??¨s?é?A?ò°23]?~?t?μ?°?W¥?±`oA
àH?÷?ü???A|]|1?e?á′áao1w′ú?ü??
Y t ?PY t ?1¥??O¨S|3????ao?A|y¨?1ê¤W|b?é
??§?|C??°ó·~?g?T?a°ì¤¤|33\|h?ê??ao¥??ê¨?|3|?§ú????|??°?C¥??`¥Ho?|X?ò±oμ|¤?à?§Q¨?·~?ò±oμ|1ê?x??¤§¤??ú¥v?ê??¨ó1w′ú¨?μ||????A¥H?M??3n?é°?|??A±?±?¥ó3ì¤p¥-¤èak??¨B?J|p¤U?G ¤@?B o?|X?ò±oμ|?G
SAS |?-p?C¨D
(conditional least squares)
¨ì·óACF ?PPACF §?¥X?P?é??§?|C
Z t ????ao???μ??|C?A¨?§P?_?O§_à3¨ú?t
¤à?C¥?at?y1?3?B1?4?B1?5?B1?6¥i?ú???Y¥X|3¨ú?t¤àao¥2-n?A?g1L¤@?¥?t¤àao3B2z?A±?§?¤j?°§?μ?
; |ó?g′ú??aoμ2aG?A¤G?¥?t¤à?h|31L?×?t¤àao2{?H?C
4-1-1¨?p<>
|b¥?¤z?Zaoà??w¤W?A¥?¤Uaí
-ì¥yμL?w|Vao??|C¤w?g?à?°?-?w??|C¤F?C
aí4-1-1 ¥?¤z?Zaoà??waí (o??òμ|)
To Chi
- Pr >
----------------0.207 -0.126 0.144 -0.061 -0.191 0.148 -0.116 -0.072 0.095 -0.079 -0.170 0.134
Autocorrelat ions ----------------0.137 -0.059 0.744-0.112 -0.039 0.667
-0.169 -0.105 -0.098 -0.132 -0.117 -0.101
Lag Square DF ChiSq 6 45.25 6 <.0001 12="" 275.44="" 12=""><.0001 18="" 300.65="" 18=""><.0001 24="" 492.40="" 24=""><>
μ2|XAR?μ?BMA ?μ?A¤£?_|a′ú??μ2aG?A¨?-è¤j?ó2?AP-è¤p?ó0.0001?Aaí¥ü??μ?¤£?°àH?÷o?¨B¤£|¨¥??C
aí4-1-2 o?|X?ò±oμ|μ||?1w′ú¤§ARIMA ?ò|?
Standard Approx
Parameter Estimate Error t Value Pr > |t| MU 0.14819 0.01943 7.63 *** <.0001 0="" ma1,1="" 0.39796="" 0.05353="" 7.43="" ***=""><.0001 12="" ar1,1="" 0.25031="" 0.05556="" 4.51="" ***=""><.0001 1="" ar1,2="">
0.05608 1.17 0.2417 2
μù: Constant Estimate 0.072226 Variance Estimate 0.080547
Std Error Estimate 0.283809 AIC 111.8166Number of Residuals 335 SBC 130.8873?i***aíp??0.01?A**aíp??0.05?A*aíp??0.1?j
±`???μ?BAR(1,1)0?A±o¨ì3ì¨??ò|??°
?BMA(1,1) aoT ARIMA(1,0,1) ?A
Lag
°?????????-èaoμ′1?-è?ü¤p?A|]|1μL|@?u?ê?v?T3ì2×?ò|?¤§?U?{?A??
???Y??ˉx°}aí|p¤U?G
aí4-1-3 ?????Y??ˉx°}aí
(o??òμ|)
Parameter MU MA1,1 AR1,1 AR1,2 AR1,3 MU 1.000 0.031 0.007 -0.010 -0.003 MA1,1 0.031 1.000 0.163 AR1,1
0.007 0.163 1.000
-0.010
-0.052
-0.003 0.116
?Aˉê?×à??w(1ack of test)
?G|b′Y?t-èaoà??w¤W?A¥d¤è-è2?-p?q¥?
¤j?ó0.05?Aaí¥ü±μ¨üμêμL°2
0.05?A??¥ü?¨?á′á???V-0.101
AR1,2 AR1,3
-0.052 0.116-0.282
-0.282 1.000
-0.101 -0.262
-0.262 1.000
Ljung -Box ¤?|?¨D±o?C|b?¨?á¤?′áao?÷2v-è3£3]?A′Y?t?°¥?¤z?Z
:|y?O?¨?á¤Q¤G′áao?÷2v-è¤p?ó
|h?A′Y?t-è?V¤£?°àH?÷?A¥?§Y¤£?O¥?¤z?Z?C
aí4-1-4 |?§ú????′Y?t-èà??w (o??òμ|)
To Chi
- Pr >
---------------Autocorrelations
---------------
Lag Square DF ChiSq
6 3.90 2 0.1421 -0.011 -0.024 -0.054 0.001 0.033 0.082 12 22.64 8 0.0039 0.166 0.011 0.077 -0.063 0.123 0.033 18 27.06 14 0.0189 0.048 0.015 0.007 0.074
μ2?×:|bo?|X?ò±oμ|μ||?1w′ú?ò??¤W?A?gμ2|X3ì?Aao?ò??¥i3]?w?°
AR ?μ?BMA ?줣?_′ú???A¨?
-0.024 0.062
ARIMA(1,0,1) ?A|b?ò??°t?A±?§?¤è-±?A
AIC ?]Akai ke ’s
information criterioncriterion
?^?°111.8166?A SBC ?]Schwartz’s Bayesian
?^?°130.8873 ?A?°|U′ú???ò|?¤¤-è3ì§C?A?ò??°t?A3ì¨??C
(1+0. 25031B ) Z
t
=0. 14819+(1+0. 39796
B
12
) a t
(4.51) (7.63) (7.43)
≠Β∞∈≥ ??ΑΡΙΜΑ??≠ω× ↑??Η≡??Ξ??±ο∝|∝|?←?Α∞ι?±ο2002?~??∝|?←←°2,268.43≈??÷?]? ″??π?Υ??…?2,277
4?1?5?⊥?Α≈Π? ?~??↑??Η≡??Ξ??±ο∝|?≥??≠ω≡?
≈??÷←?÷ ?Α→τ″?8.57≈??÷?Α≈~→τ″?←°0.38%?Α⊕?∞?≡ ?Ξ??±ο∝|∝|
?←∞?↑ν??? ∞Η?~÷???±ο?∈?Θ→???±ο←°?????Α?Χ?????≡?←??←????↑?ω?Α←Γ?β≠ω× ??÷????Θ???~??±ο∝|??≈~→τ″?←°?π?Χ
aí4-1-5 2002|~o?|X?ò±oμ|μ||?¤§1w′ú-è
Year-month 200201 200202 200203 200204 200205 200206 200207 200208 200209 200210 200211 200212 |X -p
Forecast 18,977,476.47
19,012,460.16 19,346,090.53 19,545,262.83 20,027,210.61 19,017,489.76 18,577,120.03 18,398,848.53 18,003,186.39 18,750,250.16 18,581,814.33 18,606,068.20 226,843,278.00
Std Error 670,955.12 672,191.98 683,987.59 691,029.39 708,068.82 672,369.80 656,800.38 650,497.53 636,508.76 662,921.45 656,966.35 657,823.85
3?|ì:·s¥x1?¤d¤?
19,451,913.39
19,487,771.6619,829,742.7920,033,894.4020,527,890.8819,492,927.0119,041,548.0318,858,819.7418,453,266.0519,219,006.4219,046,359.6919,071,219.90
95% Confidence Limits 18,503,039.56 18,537,148.66 18,862,438.26 19,056,631.26 19,526,530.35 18,542,052.52 18,112,692.03 17,938,877.32 17,553,106.73 18,281,493.91 18,117,268.97 18,140,916.49
221,172,196.05 232,514,359.95
¤G?B à?§Q¨?·~?ò±oμ|?G
¨ì·óACF ?PPACF §?¥X?P?é??§?|C
Z t ????ao???μ??|C?A¨?§P?_?O§_à3¨ú?t
¤à?C¥?at?y1?7?B1?8?B1?9?B1?10¥i?ú???Y¥X|3¨ú?t¤àao¥2-n?A?g1L¤@?¥?t¤àao3B2z?A±?§?¤j?°§?μ?
|b¥?¤z?Zaoà??w¤W?A|paí
4-1-6?A¥??óp<>
; |ó?g′ú??aoμ2aG?A¤G?¥?t¤à?h|31L?×?t¤àao2{?H?C
-ì¥yμL?w|Vao??|C¤w?g?à?°?-?w??|C¤F?C To Chi
- Pr
aí4-1-6 ¥?¤z?Zaoà??waí(à??òμ|) >
-------------Autocorrelations
------------
Lag Square DF ChiSq
6 51.13 6 <.0001 -0.302="" 0.218="" -0.056="" -0.011="" -0.092="" -0.044="" 12="" 135.23="" 12=""><.0001 0.101="" -0.010="" 0.008="" -0.273="" -0.097="" -0.386="" 18="" 225.72="" 18=""><.0001 24="" 322.11="" 24=""><>
μ2|XAR?μ?BMA ?μ?A¤£?_|a′ú???A|p¤Uaí
4-1-7?A±o¨ì±`???μ?BAR(1,1) ?B
0?C3ì¨??ò|??°
-0.406 -0.019 -0.284 0.100 -0.074 0.217 0.040 0.151
-0.058 0.019-0.437 0.036
MA(1,1) aoT-è¤j?ó2?AP-è¤p?ó0.05?Aaí¥ü??μ?¤£?°ARIMA(1,1,1)
?AàH?÷o?¨B¤£|¨¥??C
aí4-1-7 à?§Q¨?·~?ò±oμ|μ||?1w′ú¤§
Standard Approx
Parameter Estimate Error t Value Pr > |t| MU 0.12845 0.04537 2.83 *** 0.0053 0 MA1,1 0.49421 0.09480 5.21 *** <.0001 12="">
-0.37605 0.11475
-3.28 *** 0.0013 1
Variance Estimate 0.808782 AIC 367.9327 SBC 376.7361
ARIMA ?ò|?
Lag
μù:Constant Estimate 0.176748
Std Error Estimate 0.899323 Number of Residuals 139
?i***aíp??0.01?A**aíp??0.05?A*aíp??0.1?j
°?????????-èaoμ′1?-è?ü¤p?A|p¤Uaí4-1-8?A|]|1μL|@?u?ê?v?T3ì2×?ò
|?¤§?U?{?A?????Y??ˉx°}aí|p¤U?G
aí4-1-8
?????Y??ˉx°}aí
(à??òμ|)
Parameter MU MA1,1 AR1,1MU 1.000 0.233 0.058MA1,1 0.233 1.000 0.107AR1,1 0.058 0.107 1.000
?Aˉê?×à??w(1ack of test) ?G|b′Y?t-èaoà??w¤W?A¥d¤è-è2?-p?q¥?
Ljung -Box ¤?|?¨D±o?C|p¤Uaí4-1-9?A|b?¨?á¤?′áao?÷2v-è¤j?ó0.05?Aaí¥ü
±μ¨üμêμL°23]?A′Y?t?°¥?¤z?Z?C|y?O?¨?á¤Q¤G′áao?÷2v-è¤p?ó0.05?A??¥ü
?¨?á′á???V|h?A′Y?t-è?V¤£?°àH?÷?A¥?§Y¤£?O¥?¤z?Z?C
aí4-1-9
To Chi
- Pr >
|?§ú????′Y?t-èà??w (à??òμ|)
Lag Square DF ChiSq 6 8.25 4
-------------0.0829 -0.034 0.006
Autocorrelations -0.098 -0.019
-0.013 -0.170
-------------0.115 -0.267 -0.056
-0.020 -0.046 -0.064
12 43.84 10 <.0001 0.017="" 0.006="" 18="" 143.85="" 16=""><.0001 24="" 181.23="" 22=""><.0001 30="" 240.25="" 28=""><.0001 36="" 361.49="" 34=""><.0001 0.103="" 42="" 433.57="" 40=""><>
-0.381 -0.512
-0.018
-0.123 0.047
-0.052 0.166 0.088 0.029 -0.147
-0.162 0.243 -0.289 -0.021
-0.181
-0.251 0.053
-0.168 0.157 0.053-0.054 0.436 0.076
-0.035 0.039
-0.195 0.073
48 492.60 46 <.0001 0.226="" 0.053="" 0.216="" 0.072="">
μ2?×:ARIMA??¥??ò|?¤§μ2aG
ARIMA(1,1,1)
-0.127
?A|b?ò??°t?A±?§?¤è-±?A
AIC ?]Akaike
’s information criterion
?^?°376.736?C
?^?°367.933?ASBC ?]Schwartz’s
Bayesian criterion
(1?B )(1?0. 37605B ) Z t =0. 12845+(1+0. 49421B 12) a t
(
?3.28) (2.83) (5.21)
≠Β∞∈≥ ??ΑΡΙΜΑ??≠ω× ???Θ???~??±ο∝|∝|?←?Α???±ο2002?~??∝|?←← ↑π2,012.82≈??÷?]? ″??π?Υ??4?1?10?⊥?Α≈Π???~?????Θ???~??±ο∝|?≥??≠ω≡?…?2,106≈??÷←?÷ ?Α→τ″?93.18≈??÷?Α≈~→τ″?←°4.42%?Α?π↓??Α≈Π????≠ …ξ…??Β∝∞?Τ????????÷ ???Ρ?Α∞ι÷?≠ ≠ω≡???°????∈?Ζ→?????→√?Χ
aí4-1-10 2002
|~à?§Q¨?·~?ò±oμ|μ||?¤§1w′ú-è
3?|ì:·s¥x1?¤d¤?
Year-month 200201 200202 200203 200204 200205 200206 200207 200208 200209 200210 200211 200212 |X -p
Forecast 1,791,236.77
563,535.165,957,371.7316,704,792.3428,357,894.4723,326,330.5118,314,892.818,513,406.2267,443,083.2912,317, 268.5717,046,938.69945,934.02201,282,684.57
Std Error44,780.9214,088.38148,934.30
95% Confidence Limits
1,746,455.85549,446.785,808,437.43
1,836,017.69577,623.546,106,306.0217,122,412.1529,066,841.8323,909,488.7718,772,765.138,726,241.3769,129,160.3712,625,200.2817,473,112.16969,582.37206,314,751.68
417,619.8116,287,172.53708,947.3627,648,947.10583,158.2622,743,172.25457,872.3217,857,020.49212,835.16
8,300,571.06
1,686,077.0865,757,006.21307,931.7212,009,336.85426,173.4716,620,765.2223,648.35
922,285.67196,250,617.45
μù: |?2002|~?×°_à?§Q¨?·~?ò±oμ|¤§μ2oa¥ó3??oˉ?′á???A§??°¨C|~¤-¤?¤@¤é
|ü¤-¤?¤T¤Q¤@¤é¤??A¨??ó¨C|~¤E¤?¤@¤é|ü¤E¤?¤T¤Q¤é¤???¤W|~?×μ2oa¥ó3?à?§Q¨?·~?ò±oμ|à3ˉ?μ|?B¤§¤G¤à¤§¤@?°?è?oμ|?B?A?Gμ||?1ê?x???B·|¥H¤E¤?¤?¤-¤?¥÷3ì¤j?C
aí4-1-11 o?|X?ò±oμ|??¥?
ARIMA (p,d,q)
?ò
|?
ARIMA?ò|?¤§μ2aG
2?-p?q
?¨(Pr.)?á′á??
AIC
SBC
(1,0,1)(1+0. 25031B ) Z t =0. 14819+(1+0. 39796B 12) a t
(4.51) (7.63) (7.43)
1 <0.0001111.817130.887 ???="">0.0001111.817130.887><0.0001??? 1="" 0.="" 427.287="" ???="">0.0001???>
(1,1,1)(1?B )(1?0. 05485B ) Z t =0. 08778+(1+0. 35197B 12) a t
(?0.52) (1.62) (3.74)
≈?? ?Γ1?ι???? Π<0.01υα???>0.01υα???><0.05,??>0.05,??><0.1υ?υχ 2.(="">0.1υ?υχ>
? 4?1?12 ? ?Θ???~??±ο∝|??∞?ΑΡΙΜΑ…?????∝″?Γ
ΑΡΙΜΑ
(π,δ,θ) …? ??
″∈↑π?θ
(Πρ.) ΑΙΧ ΣΒΧ
1 0.5815 702.954
<0.0001>0.0001>
12
(1,0,1)(1?0. 03057B ) Z t =0. 1192+(1+0. 57916B 12) a t
(?0.55) (6.23) (12.10)
(1,1,1)1 <0.0013367.927(1?b )(1?0.="" 37605b="" )="" z="" t="0." 12845+(1+0.="" 49421b="" )="" a="" t="">0.0013367.927(1?b>
(?3.28) (2.83) (5.21) <>
???
≈?? ?Γ1?ι???? Π<0.01υα???>0.01υα???><0.05,??>0.05,??><0.1υ?υχ 2.(="">0.1υ?υχ>
2?
4-2?` μ||?1w ′ú?ò|?
---3v¨B°j?k
?v?Tμ||??ü°ê|]ˉण3óaTá|?A|b?q¤?ao?e′£¤U?A§Q¥?°j?k¤àaR±′°Q?ò
±oμ|μ||?μ2oc?A¤F???v?T¨?|?¤J¤§|]ˉà?C
¤@?B o?|X?ò±oμ|
-ó¤Ho?|X?ò±oμ|¤§μ||?¨ó·?¥i¤à?°(1)á~?ê?ò±o?B(2)à?§Q?ò±o?B(3)§Q
?§?ò±o?B(4)°?|?·~°è?ò±o?B(5)ˉ2???ò±o?B(6)°]2£¥????ò±o?B(7)|?¤Oˉ?
§@?Bo?aa?BaL?q?ò±o?B(8)?váé?B¤¤?ú?B?Z?O?B¨?¥LμLak?k?t¤§?ò±o?C
|]|1′N¤W′|?ò±o¨ó·?¤àaR¨??v?T|U?t?ò±oao???à?ü???A???ü1w′ú?ü??
|3?G?e′áo?|X?ò±oμ|1ê?x???B°ê¥á?ò±o?B¤H¤f???B§Q2v?B¤u·~¤?aA°è·~¨C
¤?¥-§?á~?ê?B?′μ|μ||?μ¥?A?°áקK?ü???P?ü????ao????μ{?×?ò2£¥í¤§|@?u
?ê°Y?D?ò¥i?é-P¤§°j?k???àˉà¤O°??~?A|]|1±?¨ú3v¨B°j?kak?á?A3ì2×??¨ú
?y°ê¥á?ò±o?z¨ó?????ào?|X?ò±oμ|?C
1. °j?kμ2aG:
?g¥?Eviews 3n?é°?|?3v¨B°j?k·j′M3ì¨?|??ü???A¥i±o1?μ||?|3-?¤j?v?Tao|]ˉà?Aaì¨B?ò|?|paí4-2-1¤?aí4-2-2?A¤£?×1??ü??|3μL¨úlog?A¨?P-è?ò??μ?|a¤p?ó0.05?A|3¥R¤à?ò?ú??¥ü|??ü???P|]?ü????¨?|3?u?ê???Y; ±q°ê¥á?ò±o?ü??¨úlog ?A?Y???°1.34¨ó?Y?A¨??u?ê¤j?ó¤@?Aaí¥ü-ó¤Ho?|X
?ò±oμ|μ||?′I|3?u?ê?F|ó?????á§P?w?Y??(adj-
R 2)
?°0.9727?A?ò??°t?A?×
?]fitting ?^¥i¥H±μ¨ü?C
aí4-2-1o?|X?ò±oμ|μ||?1w′ú¤§aì¨B°j?k?ò|?(¤£¨úlog)
Dependent Variable: Y1?io?|X?ò±oμ|μ||?1ê?x???j 3?|ì:|ê?U¤? Included observations: 31
Variable C?ioI?Z?μ?j NI?i°ê¥á?ò±o?j R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient -20474.34 0.030292
Std. Error 4221.708 0.000926
t-Statistic -4.849777 32.72577
Prob.
*** 0.0000 *** 0.0000 87078.16 89338.54 22.09875 22.19126 1070.976 0.000000
0.973636 Mean dependent var 0.972727 S.D. dependent var 14753.93 Akaike info criterion 6.31E+09 Schwarz criterion -340.5306 F-statistic 1.219972 Prob(F-statistic)
???ú:1?i***aíp??0.01?A**aíp??0.05?A*aíp??0.1?j
2. ??¥?′á??
aí
l971|~|ü2001|~
4-2-2o?|X?ò±oμ|μ||?1w′ú¤§aì¨B°j?k?ò|?(¨úlog)
Dependent Variable:LY1 ?io?|X?ò±oμ|μ||?1ê?x???j 3?|ì:|ê?U¤? Included observations: 31
Variable C?ioI?Z?μ?j
Coefficient -9.068256
Std. Error 0.263605 0.017977
t-Statistic -34.40090 74.81614
Prob.
*** 0.0000 *** 0.0000
10.60032 1.477472 -1.553155 -1.460640 5597.456 0.000000
LNI?i¨úlog°ê¥á?ò±o?j 1.344975 R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
?]|Paíaí
0.994846 Mean dependent var 0.994668 S.D. dependent var 0.107885 Akaike info criterion 0.337538 Schwarz criterion 26.07390 F-statistic 1.324999 Prob(F-statistic)
5-2-1?^
2?B|?§ú?????ꤧà??w
-Y?u?ê°j?k?ò??¤¤′Y?t?μ??¤?¤£????ao°23]¤£|¨¥??é?A?h3ì¤p¥-¤è|?
-p|?¤£|A?OB. L. U. E. ?A¥B?ò±o¥Xao?D·??~¥?¤£¥??T?A±N¥iˉà?é-P?ù?~ao?H
?à°????P°23]à??wμ2aG2£¥í?C|]|1?·à?′ú′Y?t?μ?O§_|3|s|b|?§ú????°Y
?D?A¨?¤è|??2-z|p¤U:
(1)?Y′Y?t1?: ¥?1?4-2-1¤?4-2-2¤j·§¥i¥H?Y¥X′Y?t?????ê?A§Y-tao′Y?t?é|V?ó?òàH-tao′Y?t?A¥?ao′Y?t?é|V?ó?òàH¥?ao′Y?t?C
(2)à??w¤èak:
(A)Durbin-Watson Test
DW -èao2z·Q-è?°2?A¥?aí4-2-1??aí4-2-2¤§DW -è?°1.219972?B1.324999¥i±à
′úà3¨?|3′Y?t??|?§ú?????A?i¤@¨B?dDW à??waoá{?éaí?iT=30,K=2?A±o¨ìj ?
d L =1. 363?A¤£?×|3μL¨úlog ?A¨?DW -è??d L =1. 363?A?ò¥H?úμ′μêμL°23]?A¥?§Y|3?ò?ú??¥ü|s|b¥?ao|?§ú?????C
(B) Lagrange -???à??w (LM Test)2?¤G-ó|?§ú????à??w?O?é|??ò?×aoμ||?|?-p|??°?wμêμL°23]
Y 1t =α0+α1NI
t
Lagr ange -??? (LM ) ?A3]-ìo?|X?ò±oμ|+ρe t ?1+υt
?A-Y
e t ?1?O¥i¥H?[1?ao?A?hà?
t ??Fà??w¨óà??w?Y??
e t ?1′à
∧
∧
H 0:ρ=0?A§Y±NY 1t 1?NI t ?Me t ?1°j?k?A¨?§Q¥?
e t ?1?OμLak?[1?ao?A|]|1¥H
ao??μ??ê?A|y1ê?ú¤W???μao3ì¤p¥-¤è′Y?t
¥N?AμM?á¥H¤@ˉ?¤è|??i|?à??w?C¨?-×¥??á°j?k?ò??|p¤Uaí
4-2-3?Ae t ?1¤§t-è
?°3.72?]p-è?°0.0009?^?úμ′μL|?§ú????|s|baoμêμL°23]?A¥?aí¥ü¨?|3|?§ú?????C
¤£?×¥HDurbin-Watson Test??Lagrange-???à??w (LM Test)¤è|?¨óà??w?A?ò??¥ü′Y?t|3|?§ú?????ê?A|]|1|p¥HAR (1) ?~?t?ò??¨ó1w′ú·|±o¨ì§ó|nao1w′ú|??A¨?3ì¨?1w′ú?ò|??°Y
∧
t +h
=α+αNI
12
∧∧
t +h
+
ρh ε
∧
t
?C
aí4-2-3 ¥HLM Test à??w|??ü???]°ê¥á?ò±o?^|?§ú?????ê
Dependent Variable:Y1?io?|X?ò±oμ|μ||?1ê?x???j 3?|ì:|ê?U¤? Included observations: 30 after adjusting endpoints
Variable C?ioI?Z?μ?j
Coefficient -20934.30
Std. Error 3342.558 0.000721 0.156372
t-Statistic -6.262959 39.76233 3.719353
Prob.
*** 0.0000 *** 0.0000 *** 0.0009
84363.63 84357.16 21.58579 21.72591 804.2040 0.000000
NI ?i¤£¨úlog°ê¥á?ò±o?j 0.028688 RES?i′Y?t???μ¤@′á?j 0.581604 R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat (|Paí5-2-1)
0.983490 Mean dependent var 0.982267 S.D. dependent var 11233.31 Akaike info criterion 3.41E+09 Schwarz criterion -320.7869 F-statistic 1.585604 Prob(F-statistic)
3?B?í?w?êao3??úà??w
±?¥??é??§?|C?ê???i|?°j?k¤àaR?é?A?D?í?wao??|C·|¨?3ì¤p¥-¤è|?-p|??Bà??w2?-p?qμ¥μ¥3£¤£¥i?a|P??¨?¥?
?A|]|ó??|C?O§_?°?í?w¤′?·§@¤@±′°Q?C¥??`
Eviews ¤¤′£¨?¨ao?3??úà??w
ADF ?O??±`3Q¤T¥?ao?C
Eviews 2?-p3n?é¨ó§@3??úà??w?C|b
¤èak¤à§O?OADF ?PPP à??w¥i¨?¨?¥??A|ó¤@ˉ?¤??m¤¤
A. ?Y-ì?l§?|C1?o?¨??O?D?í?wao?C
300000250000200000
?G¥?¤U1?4-2-3y A ?IITAX ?z¤??yNI?z¨?|3±jˉPáí???A?h
3?|ì:|ê?U¤?
100000008000000
3?|ì:|ê?U¤?
6000000
15000010000050000
4000000
2000000
1?4-2-3 ?yIITAX ?z¤??yN I ?z-ì?l§?|C1?
B. ?Y????1??]correlogram ?]autocorrelation
?^?G¥?aí4-2-4¥i ¥H ?Y¨ì|?§ú????
IITAX o?|X?ò±oμ|1ê?x???z
?^¤U-°|a?D±`?woC?A¤]3\?y
¤??yNI °ê¥á?ò±o?z?O?D?í?w??|C?C
aí4-2-4 °ê¥á?ò±o?]NI?^?ü??¤§|?§ú????aí
Autocorrelation . |*******| . |****** | . |****** | . |***** | . |**** | . |*** | . |**. | . |**. | . |* . | . | . |
Partial Correlation lag . |*******| . *| . | . *| . | . *| . | . | . | . | . | . | . | . | . | . | . | . | . |
1 2 3 4 5 6 7 8 9 10
AC 0.918 0.821 0.720 0.615 0.512 0.412 0.316 0.225 0.140 0.062
PAC
Q-Stat Prob
0.918 28.744 0.000 -0.140 52.516 0.000 -0.070 71.445 0.000 -0.077 85.792 0.000 -0.055 96.103 0.000 -0.048 103.04 0.000 -0.043 107.31 0.000 -0.050 109.57 0.000 -0.044 110.48 0.000 -0.033 110.66 0.000
C.ADF Test
¥?¤Uaí4-2-5tau (τ) à??w2?-p?q¥ia??AμLak?úμ′?y
NI ?z?°|33??ú?]?D?í
?w?^aoμêμL°23]?C|]|1¤U¤@¨B′N?O1??yNI ?zao¤@?¥?t¤à-è?i|?3??úà??w?C
aí4-2-5 °ê¥á?ò±o?ü??¤§
ADF Test Statistic
3.121297
ADF Tes
t
-3.6661 -2.9627 -2.6200
1% Critical Value* 5% Critical Value 10% Critical Value
*MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation
Variable NI(-1) C
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient 0.034827 166443.0
Std. Error 0.011158 48551.73
t-Statistic 3.121297 3.428159
Prob. *** 0.0042 *** 0.0019 284043.5 191344.4 26.96239 27.05580 9.742494 0.004152
0.258131 Mean dependent var 0.231635 S.D. dependent var 167725.6 Akaike info criterion 7.88E+11 Schwarz criterion -402.4358 F-statistic 0.663839 Prob(F-statistic)
D. ¨?¥?DF à??w?]Dickey Fuller test
?^
¥?¤Uaí4-2-6à??wμ2aG¥ia??A?úμ′d NI ?°|33??úaoμêμL°23]?A|ó|]NI ?g1L¤@|??t¤à?°?í?w?A?ò¥H§ú-ì??NI ?°¤@I(1)§?|C?C
aí4-2-6 °ê¥á?ò±o?ü??¤§
ADF Test Statistic
-0.978001
DF à??waí
-2.6453 -1.9530 -1.6218
1% Critical Value* 5% Critical Value 10% Critical Value
*MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(DNI)
Included observations: 29 after adjusting endpoints
Variable DNI(-1)
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
Coefficient -0.069263
Std. Error 0.070821
t-Statistic -0.978001
Prob. 0.3364 -7161.655 133703.4 26.44789 26.49504 1.812386
0.030158 Mean dependent var 0.030158 S.D. dependent var 131671.8 Akaike info criterion 4.85E+11 Schwarz criterion -382.4944 Durbin-Watson stat
?ú?ú¥H¤W¤àaR?A±o¨ì¤U|C¤G|?|?-pμ2aG?G F1: Y 1t F2:
=?20474. 34+0. 0303ni t
?]-4.8498?^ ?]32.7258?^
Y 1t =?20934. 3+0. 0287ni t +0. 5816εt ?1
(-6.26) (39.76) (3.72)
?ú?ú¤W-z|?-p|??A¥N¤J¥D-p3B1w′ú¤§°ê¥á?ò±o?ê???á?A§Y¥i±o1w′úμ2aG?A¨??P1ê?x??¤§¤???μ2aG|p¤Uaí |~?× 2000 2001 2002
aí4-2-7 o?|X?ò±oμ||?¤J1w|????P1w¨Moa??¤??? 3?|ì:|ê?U¤?
1w ′ú ?B
1ê?x?? 1woa?? F1 F2 236,670 237,272 249, 877.7 233,749.83 244,958 216,400 245, 040.9 229,777.90 --- 227,700 252, 401.2 237,106.57
?g¤???1w′úμ2aG?á?A¥H-×¥??á°j?k|?
(F2)?A§Y¥HAR(1)?~?t¨ó§@1w′ú?A
¥i±o¥X??¨?-ó¤Ho?|X?ò±oμ|μ||?¤§1w′ú-è?C
¤G?B à?§Q¨?·~?ò±oμ|
???ü1w′ú?ü??|3?G?e′áà?§Q¨?·~?ò±oμ|1ê?x???B°ê¥á¥í2£¤ò?B?B???Oaìa??ù?ü???B3f1?¨?μ1?B(M1b)μ¥?A?°áקK?ü???P?ü????ao????μ{?×?ò2£¥í¤§|@?u?ê°Y?D?ò¥i?é-P¤§°j?k???àˉà¤O°??~?A|]|1±?¨ú3v¨B°j?kak?á?A3ì2×??¨ú?y°ê¤o¥í2£¤ò?B?z?ü??¨ó???àà?§Q¨?·~?ò±oμ|?C
1?B°j?kμ2aG:
?g¥?Eviews 3n?é°?|?3v¨B°j?k·j′M3ì¨?|??ü???A¥i±o1?μ||?|3-?¤j?v?Tao|]ˉà?Aaì¨B?ò|?|paí4-2-8¤?aí4-2-9?A|p1??ü??¨úlog ?A¨?P -è?ò??μ?|a¤p?ó0.05?A |3¥R¤à?ò?ú??¥ü|??ü???P|]?ü????¨?|3?u?ê???Y;|ó?????á§P?w?Y??(adj -R 2)
?°
0.9823
?A?ò??°t?A?×?]
fitting
?^¥i¥H±μ¨ü?C
aí4-2-8 à?§Q¨?·~?ò±oμ|μ||?1w′ú¤§aì¨B°j?k?ò|??]¥?¨úlog ?^
Dependent Variable: Y2?ià?§Q¨?·~?ò±oμ|μ||?1ê?x???j 3?|ì:|ê?U¤? Included observations: 31
Variable C?ioI?Z?μ?j
Coefficient -12453.48
Std. Error 6606.259 0.001342
t-Statistic
Prob.
-1.885103 *** 0.0695 17.20506 *** 0.0000
76026.03 75994.76 22.99439 23.08690 296.0142 0.000000
gdp ?i¤£¨úlog°ê¤o¥í2£¤ò?B?j 0.023097 R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.910773 Mean dependent var 0.907696 S.D. dependent var 23088.36 Akaike info criterion 1.55E+10 Schwarz criterion -354.4130 F-statistic 1.255836 Prob(F-statistic)
?]|Paíaí5-2-1?^
aí4-2-9 à?§Q¨?·~?ò±oμ|μ||?1w′ú¤§aì¨B°j?k?ò|??]¨úlog ?^
Dependent Variable: LY2?ià?§Q¨?·~?ò±oμ|μ||?1ê?x???j 3?|ì:|ê?U¤? Included observations: 31
Variable C?ioI?Z?μ?j
Lgdp?i¨úlog°ê¤o¥í2£¤ò?B?j R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient -6.612750 1.172010
Std. Error 0.423144 0.028704
t-Statistic -15.62766 40.83122
Prob. *** 0.0000 *** 0.0000 10.61883 1.290395 -0.624826 -0.532311 1667.188 0.000000
0.982903 Mean dependent var 0.982313 S.D. dependent var 0.171612 Akaike info criterion 0.854065 Schwarz criterion 11.68481 F-statistic 0.905834 Prob(F-statistic)
?]|Paíaí5-2-1?^
2?B|?§ú?????ꤧà??w
(1)?Y′Y?t1?: ¥?1?4-2-4¤?4-2-5¤j·§¥i¥H?Y¥X′Y?t?????ê?A§Y-tao′Y?t?é
|V?ó?òàH-tao′Y?t?A¥?ao′Y?t?é|V?ó?òàH¥?ao′Y?t?C
1?4-2-4 ?ü??¤£¨úL OG 3ì¤p¥-¤è′Y?t?P?é??ao???Y1?
(2)à??w¤èak: (A)Durbin
-Watson Test
DW -èao2z·Q-è?°2?A¥?aí4-2-8??aí4-2-9¤§DW -è?°1.255836?B0.905834¥i±à
′úà3¨?|3′Y?t??|?§ú?????A?i¤@¨B?d
DW à??waoá{?éaí?i
T=30,K=2?A±o¨ìj ?
d L =1. 363?A¤£?×|3μL¨úlog ?A¨?DW -è??d L =1. 363?A?ò¥H?úμ′μêμL°23]?A¥?§Y|3?ò?ú??¥ü|s|b¥?ao|?§ú?????C
(B) Lagrange
-???à??w(LM Test)
Y 2t =β0+β1GDP
t
3]-ìà?§Q¨?·~?ò±oμ|μ||?°j?k|?-p|??°
-Y
+ρe t ?1+υt
?A
e t ?1?O¥i¥H?[1?ao?A?hà??wμêμL°23]H 0:ρ=0?A§Y±NY 2T 1?GDP t ?Me t ?1°j?k?A
e t ?1?OμLak?[1?ao?A|]|1¥H
¨?§Q¥?t ??Fà??w¨óà??w?Y??ao??μ??ê?A|y1ê?ú¤W
???μao3ì¤p¥-¤è′Y?t
∧
e t ?1′à¥N?AμM?á¥H¤@ˉ?¤è|??i|?à??w?C¨?-×¥??á°j?k?ò
∧
??|p¤Uaí4-2-10?Ae t ?1¤§t-è?°3.236?A±o¥X¤§p -è?°0.0032?Aaí¥ü|b5%??μ?
¤?·?¤U?ALMà??w?úμ′μL|?§ú????|s|baoμêμL°23]?A¥?aí¥ü¨?|3|?§ú?????C
¤£?×¥HDurbin-Watson Test??Lagrange-???à??w (LM Test)¤è|?¨óà??w?A?ò??¥ü′Y?t|3|?§ú?????ê?A|]|1|p¥HAR (1) ?~?t?ò??¨ó1w′ú·|±o¨ì§ó|nao1w′ú|??A¨?3ì¨?1w′ú?ò|??°Y
∧
t +h
=
β1+β2GDP
∧∧
t +h
+
ρh
∧
εt ?C
aí4-2-10 ¥HLM Testà??w|??ü???]°ê¤o¥í2£¤ò?B?^|?§ú?????ê
Dependent Variable:LY2 ?ià?§Q¨?·~?ò±oμ|μ||?1ê?x???j 3?|ì:|ê?U¤? Included observations: 30 after adjusting endpoints
Variable C?ioI?Z?μ?j
Coefficient -6.412133
Std. Error 0.389862 0.026325 0.159697
t-Statistic
Prob.
-16.44719*** 0.0000 44.03122*** 0.0000 3.236304*** 0.0032
10.71298 1.199286 -0.921229 -0.781109 970.2257 0.000000
LGDP ?i¨úlog°ê¤o¥í2£¤ò?B?j 1.159102
RES?i′Y?t???μ¤@′á?j R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
(|Paí5-2-1)
0.516829
0.986277 Mean dependent var 0.985260 S.D. dependent var 0.145603 Akaike info criterion 0.572405 Schwarz criterion 16.81844 F-statistic 1.866351 Prob(F-statistic)
3?B?í?w?êao3??úà??w
A. ?Y-ì?l§?|C1??G¥?¤U1?4-2-y ?A 6?BITAX à?§Q¨?·~?ò±oμ|1ê?x???y ??¤z
GDP
°ê¤o¥í2£¤ò?B?z¨?|3±jˉPáí???A?ho?¨??O?D?í?wao?C
3?|ì:|ê?U¤?
300000250000200000
6000000
15000010000050000
4000000100000008000000
3?|ì:|ê?U¤?
2000000
1?4-2-6 ?yBITAX?z¤??yGDP ?z-ì?l§?|C1?
B. ?Y????1??]correlogram?]Autocorrelation ??|C?C
?^?G¥?aí4-2-11¥i ¥H ?Y¨ì|?§ú????
BITAX ?z¤??yGDP ?z?O?D?í?w
?^¤U-°|a?D±`?woC?A¤]3\?y
aí4-2-11 °ê¤o¥í2£¤ò?B?]GDP ?^?ü??¤§|?§ú????aí
Autocorrelation . |*******| . |****** | . |****** | . |***** | . |**** | . |*** | . |**. | . |**. | . |* . | . | . |
Partial Correlation lag . |*******| . *| . | . *| . | . *| . | . | . | . | . | . | . | . | . | . | . | . | . |
1 2 3 4 5 6 7 8 9 10
AC 0.917 0.819 0.717 0.611 0.507 0.408 0.313 0.222 0.137 0.060
PAC
Q-Stat Prob
0.917 28.680 0.000 -0.139 52.338 0.000 -0.072 71.102 0.000 -0.076 85.256 0.000 -0.052 95.383 0.000 -0.044 102.18 0.000 -0.043 106.35 0.000 -0.051 108.55 0.000 -0.044 109.42 0.000 -0.030 109.60 0.000
C.ADF Test
¥?¤Uaí4-2-12 tau ?]τ?^à??w2?-p?q¥ia??AμLak?úμ′?yNI ?z?°|33??ú?]?D?í?w?^aoμêμL°23]?C|]|1¤U¤@¨B′N?O1??y
GDP ?zao¤@?¥?t¤à-è?i|?3??úà??w?C
aí4-2-12 °ê¤o¥í2£¤ò?B?]
ADF Test Statistic
GDP ?^?ü??¤§ADF Test -3.6661 -2.9627 -2.6200
3.225528 1% Critical Value*
5% Critical Value 10% Critical Value
*MacKinnon critical values for rejection of hypothesis of a unit root.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(GDP)
Included observations: 30 after adjusting endpoints
Variable GDP(-1)
C
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient 0.035978 177085.0
Std. Error 0.011154 52329.45
t-Statistic 3.225528 3.384041
Prob. 0.0032 0.0021 308098.3 207960.2 27.11156 27.20497 10.40403 0.003192
0.270910 Mean dependent var 0.244871 S.D. dependent var 180713.6 Akaike info criterion 9.14E+11 Schwarz criterion -404.6733 F-statistic 0.629979 Prob(F-statistic)
D. ¨?¥?DF à??w?]Dickey Fuller test
?^
¥?aí4-2-13à??wμ2aG¥ia??A?úμ′dGDP?°|33??úaoμêμL°23]?A|ó|]GDP ?g1L¤@|??t¤à?°?í?w?C
aí4-2-13 °ê¤o¥í2£¤ò?B?]ADF Test Statistic
GD P?^?ü??¤§
D F Test
aí -2.6453 -1.9530 -1.6218
-0.949682 1% Critical Value***
5% Critical Value 10% Critical Value
***MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(DGDP)
Included observations: 29 after adjusting endpoints
Variable DGDP(-1) R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
Coefficient -0.064981
Std. Error 0.068424
t-Statistic -0.949682
Prob. 0.3504 -7215.862 140179.1 26.54414 26.59129 1.731522
0.028547 Mean dependent var 0.028547 S.D. dependent var 138163.8 Akaike info criterion 5.34E+11 Schwarz criterion -383.8901 Durbin-Watson stat
?ú?ú¥H¤W¤àaR?A±o¨ì¤U|C¤G|?|?-pμ2aG?G M1: ln Y 2t =?6. 6128+1. 1720ln gdp t
(-15.62) (40.83)
M2: ln Y 2t =?6. 4121+1. 1591ln gdp t +0. 5168εt ?1
(-16.45) (44.03) (3.24)
?ú?ú¤W-z|?-p|??A¥N¤J¥D-p3B1w′ú¤§°ê¤o¥í2£¤ò?B?ê???á?A§Y¥i±o1w
′úμ2aG?A¨??P1ê?x??¤§¤???μ2aG|p¤Uaí
|~?× 2000 2001 2002
aí4-2-14 à?§Q¨?·~?ò±oμ||?¤J1w|????P1w¨Moa??¤??? 3?|ì:|ê?U¤?
1w ′ú ?B
1ê?x?? 1woa?? M 1 M 2 204,129 233,678 ---
241,888 202,900 210,600
206,380.72
202,462.36 208,158.07
204,128.82
200,701.25 206,500.31
?ú?ú¥H¤W¤àaR?A|p±N2002|~°ê¤o¥í¤ò?B ?]GDP?^¥N¤J-×¥??á°j?k|?¤¤?A§Y¥HAR(1)?~?t¨ó§@1w′ú?A±o¥Xà?§Q¨?·~?ò±oμ|μ||?¤§1w′ú-è?°2065??¤??A?P?F?2-ì?s|C¤§à?§Q¨?·~?ò±oμ|1woa??2,106??¤?¥[¥H¤????A¥Haì¨B°j?k?ò????±μa??s|C1woa???C
范文四:税收预测情况分析报告
----------专专最好文~专专专服专~急所急~供所需档你你你-------------
文下专最佳的地方档
税况收专专情分析专告
更多思想专专专专专思想专专 2010:2010
市专局专于税年月收收入及份税年全年收专专情分析专告税况XX20101-42010
一、年月收收入情税况20101-4
今年月我局共专专收收入税万元~,“”两税万元~比上年同期万元1-411098981014116万元~下降~其收;不含专专专置,它税税万元~同比万元~增专~专专税11.4%2036749.3%8万元~同比万元~下降。收收入全口专算税径月白城市局下专专达划万元的433%1-45880
~比序专专度的专定短了个税百分点~收收入短少了万元。分析如下,18.9%33.3%14.4851
年月工专企专入专增专税万元~比上年同期入专万元;含上年退税万20101-449363888元,万元~年工专专万元~专专税,~上年同期工专专万元~专专税1452010112004.49982,~专专专百分点。税两个年月商专入专增专税万元~比上年同期入专万元;含6.420101-4294244上年退税万元,万元~年月社消专品零专专会售万元~专专税,~上1425020101-4323250.9年同期社消专品零专专会售万元~专专税,~专零点百分点。、原因分析如下,税290390.8
;一, 商专
个体工商专专年月入专增专税万元~年月入专增专税万元~万元~20101-414620101-418438原因生猪屠宰委托代征同比万元~专副专品收专同比万元~专村分局同比个体万元~20126石油公司年月入专增专税万元~年月入专增专税万元~万元。20101-42620101-44115;二,工专
、专行专 医年月入专增专税万元~年月入专增专税万元~万元。120101-415720101-46295
年月工专专万元~专专税,~年月工专专万元~专专税,~专税20101-413874.520101-418658.4三点九百分点。原因是企专专不好~专收入下降~金。个售售税
~专力企专 年月入专增专税万元~年月入专增专税万元~万元~220101-425120101-419556
年月工专专万元~专专税,~。年月工专专万元~专专税,~专税20101-4199212.620101-427897五点六百分点。个专专厂年月入专增专税万元~年月入专增专税万XX20101-422120101-4135元~万元~原因是原材料价格上专~专专专增大~收收入~税将税专力专专专新增专专~86XX2010年月增专份税万元~专专局年月入专增专税万元~同比万元。322XX20101-4358二、全年收收入情专专税况
年度我局累专专专入专收收入税万元~年度后专划万元的,。,“”入两税201052865265100.4专万元~市局年初专划万元的,~市政府专划万元的,~利息所得4850494798XX4850100税入专万元~年度专划万元的,。399395101
摸我源情~最近各源管理科专源情了专专~专专专果专示今年我局源情大的改专清税况税税况税况~能左右我局收收入情的仍然是专专、制酒、专制造、专力行专。一系列收专惠政策的专施~原税况医税
----------专专最好文~专专专服专~急所急~供所需档你你你-------------
文下专最佳的地方档
----------专专最好文~专专专服专~急所急~供所需档你你你-------------
文下专最佳的地方档
有企专专下降~新增企专的专专源专专专不了原有企专所下降的源~而收专年年专增~因售税弥税税划
素在程度上我收收入。下面就专次源专专情做如下专明,将税税况
;一,因素
、专力专专有限公司 新增专专~专专投专台机专~每台机专千瓦专~今年专专生专小专1XX58850/2100;三月,~专专个年专收入售万元~增专税万元;半征收,。减20106300500
、专专 厂年入专增专税万元~年月入专增专情~专专税况年增专税2XX201051420101-4201053万元~万元~原因是居民取暖收入免期限到税年底~年月日恢专征。税162010201011、酒有限公司 厂年入专两税万元~专专年增专税万元~万元~白3XX2010518201055840酒消专率下专税税,~ 南香酒的专看好~专收入~金。洮售售税5
、管理科个体年入专增专税万元~年月入专增专情~专专税况年增专税4201044220101-42010
万元~万元。50058
;二,因素
、吉林专专股有限公司 份年专企专专专万元~专收入售万元~入专增专税1XX201069706053
万元。专管理~整专专专市专~打专商专专专~使企专专不好~专专收入下降。今年医医售售售月专10011-4售况情~专专年专专万元~同比万元~专收入售万元~同比万元~增专税2010700030600053
万元~同比万元。900101
吉林制专有限公司 年专企专专专万元~专收入售万元~入专增专并税2XX201081005739715万元。原因是受全专品行专不景的~同专专品专激烈~家专专品低价专专~了专专品市专占有国气争厂份
专~专量下降专收入~增专同步。到专止~专企专前景不容专专。专专专企专售税年专专万元~专20107500售收入万元~入专增专并税万元~同比万元。5500500215
、专专 厂年专专万元~专收入售万元~入专增专税万元。专企专今年月3XX2010415036923031-4税况税金情;金,~专专年专专万元~同比万元~专收入售万元~同比201040001503500192万元~增专税万元~同比万元。200103
、冶金有限公司 年专专万元~专收入售万元~增专税万元。专企专专品4XX2010416417143367受专专市专~专专价格大幅度下跌~专专国售售年专专万元~同比万元~专收入售201097885624
万元~同比万元~增专税万元;上年留抵万元,~同比万元135903172100282267、毛专专有限公司。年专专万元~专收入售万元~入专增专并税万元。近年几5XX20104300383097来状税~专专行专大的起伏~平专专~源不大。专专年专收入上年持平~增专售与税万元。201097、源情。税况毛专专有限公司金税万元。南烟草公司金洮税万元。中油专专专金税6XX60100XX
----------专专最好文~专专专服专~急所急~供所需档你你你-------------
文下专最佳的地方档
----------专专最好文~专专专服专~急所急~供所需档你你你-------------
文下专最佳的地方档
万元。企专源大的。税105
~今年我局企专源情是增相抵后比上年入专金~短缺税况减税万元左右。企专和用专~个体72
强化征收管理专专金税万元。59
从数来全年看~专专局据源~年社消专品零专专会售万元~增专收入税万元~税2010105000709专专,。年专专万元~增专收入专税万元~专专税,~年专模企专工专专0.620101144507600.672010
万元~增专收入税万元~专税,~年专专企专工专专万元~工专企专增专4311435768.29201058290税万元~专专税,。44307.59
专上所述~我局专专年“”源专两税税万元。比上年同期万元万元~比南洮20104837485013市专划万元短少万元。5432605
我局收收入不容专专~但收征管专量高~到专止无新的欠。后税税税个状月的收入专~我局制8
定了周密专专的工作专~收的征收管理~堵塞漏洞~专施源泉控制~着重专控好源大专的划税税
税况税税估决并源情~专企专的专督和管理~收管理专制度~专专的专量~专专~解专专~专专求各专能的合作和支持~以专专收入专中心~专收收~理专欠~杜专新欠~专南专专专展专。尽清洮
----------专专最好文~专专专服专~急所急~供所需档你你你-------------
文下专最佳的地方档
范文五:电力与税收预测分析
“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**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) X X 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)
(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
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。
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,
从图表中可以看出,R 2=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:
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,R 2 = 0.9881,残差值在X 轴上下浮动,R 2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:
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。