因子分析与NARX融合的个人所得税预测模型
发布时间：2021-08-13 02:16
征收个人所得税作为国家财政收入的重点来源之一,不仅能保证国家稳定的财政收入,而且能起到收入再分配、缩小贫富差距的作用。A区是重庆市的一个区县,其经济水平与税收水平均处于重庆市的中等偏下水平,对A区个人所得税的预测研究有助于为A区地税局提供财政预算,并为政府调整经济结构提供参考。同时,可将A区税收预测模型推广至重庆市其他区县,乃至整个重庆市的个人所得税预测。然而,已有税收预测研究主要分为传统的时间序列预测与回归预测两个方向,两者都存在一定的弊端。时间序列分析预测法暂不考虑外界具体因素的影响,预测误差较大。回归预测通常将GDP、GNP等经济指标作为影响因素,忽略了历史的税收对现在的税收存在着一定的影响,且预测时间点的影响因素值如GDP、GNP需要通过时间序列预测而得,经过两次模型的迭代,造成了误差的传播。本文把因子分析和NARX动态神经网络结合应用于A区个税预测。目标在于探索一种新的能够有效预测个人所得税的预测模型。NARX神经网络的输入是滞后的外部数据和滞后的目标数据,输出为当前目标数据。因此本文首先计算A区个人所得税的12个分税目的综合因子得分;再将滞后4阶的因子得分与滞后4阶的个人所...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
技术路线图
11( )1D F I ， ( ) 0, 1,2, ,iE F i m ，1 2, , ,mF F F ，互不相关，方差为 1.21222( )pD 即i 互不相关，方差不一定相等，~ (i N A 为载荷矩阵，1 2, ,...,mF F F 为公共因子，iF 是不可观测的变量，他因子载荷。i 是特殊因子，是不能被前m 个公共因子包含的部分。 因子分析步骤子分析步骤如图 2.1 所示：
图 2.1A 区 2006—2016 年个人所得税因子得分图Fig.2.1 Personal income tax factor score from 2006 to 2016 2006—2016 年个人所得税增幅走势图如图 2.2 所示：
本文编号：3339540
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
技术路线图
11( )1D F I ， ( ) 0, 1,2, ,iE F i m ，1 2, , ,mF F F ，互不相关，方差为 1.21222( )pD 即i 互不相关，方差不一定相等，~ (i N A 为载荷矩阵，1 2, ,...,mF F F 为公共因子，iF 是不可观测的变量，他因子载荷。i 是特殊因子，是不能被前m 个公共因子包含的部分。 因子分析步骤子分析步骤如图 2.1 所示：
图 2.1A 区 2006—2016 年个人所得税因子得分图Fig.2.1 Personal income tax factor score from 2006 to 2016 2006—2016 年个人所得税增幅走势图如图 2.2 所示：
本文编号：3339540
本文链接：https://www.wllwen.com/guanlilunwen/shuishoucaizhenglunwen/3339540.html
