第一章 绪论 1
内容提要 1
1.1 研究的目的及意义 2
1.1.1 什么是纳税评估 2
1.1.2 什么是税收遵从 2
1.1.3 研究目的 3
1.1.4 研究意义 3
1.2 国内外研究现状 5
1.2.1 国内研究现状 5
1.2.2 国外研究现状 6
1.3 理论文献综述 8
1.4 本书内容概要及结构安排 12
2.1.1 数据来源 14
第二章 纳税评估的判别分析方法 14
2.1 数据来源与研究方法 14
2.1.2 研究方法 16
2.2 纳税评估指标体系 17
2.2.1 纳税评估指标体系构建的基本原则 17
2.2.2 纳税评估指标体系的设置方案 18
2.3 识别变量的筛选 21
2.3.1 应用判别分析法进行纳税评估的基本思路 21
2.3.2 识别变量的筛选 22
2.3.3 识别变量间的线性相关性 24
2.4 判别函数的估计方法 26
2.4.1 参数估计方法 26
2.4.2 非参数估计方法 30
2.5 判别函数的预测准确性 31
2.6 本章小结 35
第三章 纳税评估的Logistic回归模型 38
3.1 研究方法与数据来源 39
3.1.1 研究方法 39
3.1.2 数据来源 39
3.2 纳税人行为的微观计量分析 40
3.3 模型变量的选择与转换 43
3.4 模型的逐步选择法 49
3.5 模型参数统计推断与评价 52
3.5.1 回归模型参数的显著性检验 52
3.5.2 模型的拟合优度 54
3.5.3 模型的多重共线性检验 57
3.6 模型的预测准确性 58
3.6.1 有偏的分类预测 58
3.6.2 无偏的分类预测 60
3.7 Logistic回归模型在纳税人信誉等级评定中的应用 62
3.8 本章小结 63
第四章 纳税评估整体设计及指标峰值分析法简介 65
4.1 纳税评估的整体构思 66
4.2 数据的采集与分类 67
4.3 指标峰值法的原理 67
4.4 财务指标峰值的确定 68
4.5 指标峰值分析法的实现及结果分析 70
4.5.1 峰值分析方法分类 70
4.5.2 峰值分析方法评估结果 71
4.6 峰值分析法评估结果分析 72
第五章 人工神经网络与模式识别纳税评估模型 74
5.1 BP人工神经网络简介 75
5.2 BP网络模型输入变量的处理 79
5.3 BP神经网络模型的参数设定 86
5.4 BP神经网络输出结果及评析 88
5.5 两次筛选过程的最终结果及评析 91
5.6 神经网络的修剪训练算法在纳税评估中的应用 92
5.6.1 引言 92
5.6.2 Clementine软件的BP网络学习算法和步骤 92
5.6.3 纳税评估指标体系 95
5.6.4 实证分析 96
5.7.1 引言 98
5.6.5 结论 98
5.7 模式识别技术在纳税评估中的应用 98
5.7.2 数据采集与目标划类 99
5.7.3 投影寻优 100
5.7.4 结束语 103
第六章 逃税与反逃税的博弈分析 105
6.1 问题的提出 105
6.2 修正的A-S逃税模型 107
6.2.1 考虑心理成本和社会名誉的逃税模型 108
6.2.2 考虑纳税人之间相互影响的逃税模型 111
6.3 征纳关系的博弈分析 114
6.3.1 博奕论简介 114
6.3.2 税收博弈关系研究的前提假定 115
6.3.3 纳税理性 116
6.3.4 征税理性 116
6.3.5 纳税人的行为策略分析 117
6.3.6 征纳博弈模型 119
6.4 最优稽查方案设计 125
6.4.1 模型 125
6.4.2 参与人的策略 126
6.4.3 支付和贝叶斯信念 127
6.4.4 均衡分析 128
6.4.5 均衡结果的经济解释及政策建议 133
6.5 最优处罚方案设计 134
6.5.1 处罚力度解释 134
6.5.2 税收博弈模型A 135
6.5.3 税收博弈模型B 138
第七章 纳税评估比较分析与政策建议 150
7.1 纳税评估实证研究的比较分析 150
7.1.1 纳税评估的指标分析 150
7.1.2 纳税评估模型的识别效果比较分析 152
7.2 纳税评估工作的改进方案 154
7.2.1 纳税评估实施方案的工作流程 154
7.2.2 纳税评估信息化解决方案 156
7.3 关于提高纳税诚信识别效果的建议 159
7.4 关于提高纳税人遵从水平的建议 160
7.5 纳税评估进一步研究的建议 161
后记 163
参考文献 167