文档介绍：房地产业税收流失探讨论文
房地产业税收流失探讨论文预读：摘要：近年来，房地产业已经成为经济增长的重要推动力 量和新的税源增长点•针对房地产行业的税收征管工作值得税务机关给予重视•本文的基本出 ， 实际相结合的税收流失测算定量模型，以便为税务机关的税收征管决策提供更真实、可靠的
流失测算方法包括现金比率法、CGE法、抽样调查、指标法、 房地产业开发周期长、财务核算复杂等涉税特点，经过多次试验比较，最终确定“机器学****法” ，机器学****法所表现岀的优势有以下几方 面：（1）采用的微观数据为大样本数据,有利于全面描述房地产企业的行为规律;（2）机器学****法 构建的模型以数据为导向,能够自学****自适应、自训练，更能适应经济周期不稳定、房地产 税收环境复杂的特点;（3）机器学****法能够挖掘数据的相关性，适合涉税行为多样、财务核算复 ，运用机器学****法经过反复测试和修正, 最终得到了较为可靠的税收流失测算结果.
一、数据来源与模型设定
（一） 、申报征收 信息、财务报表信息、税务稽查信息、发票管理信息、采集信息、代码维护信息7大类数据. 共77张数据库表（105331599条记录）和655个Excel文件表（45236224字节数）的微观数据量. 经过数据的清洗与整备,选出了 A省2011年度1951户、2012年度1302户房地产业纳税人.
（二） 模型原理本文测算微观税收流失的基本思路是运用机器学****法建立起纳税人生产经营 状况（通过登记数据、申报数据、财务数据等描述）和应纳税额关系的税基模型，然后模拟出纳 税人真实的生产经营状况及其应纳税额的关系，进而计算应纳税额，并在此基础上测试相应的 税收流失额•本文对房地产业企业所得税和营业税应纳税额的测算建模基于以下假设:一是多 数的纳税人经营行为具有一定的一致性，即相似经营条件（同地域、同行业、同规模、同投入） 的企业， 生产经营过程中资金过程进行会计核算的结果，能较为综合地反映企业的生产经营行为，数据 、大数据可以反映企业的行为规律，通过对数据的深度挖掘, 能够达到预期目标.
（三） 算法选择考虑到A省税收数据的情况,本文组合使用了 Bagging、决策树两种算法，主要 原因如下:（l）Bagging采用重复取样，每个个体分类器所采用的训练样本都是从训练集中按等 概率抽取的，因此Bagging的各子网能够很好的覆盖训练样本空间， 时，:Bagging对数据的抗干扰能力较强,适合公司规模大小有差异、注册登记类型不同的房地 产业，避免因为业务发生的偶然性而失去观测值的“独立同分布（2）决策树法是数据挖掘分 类算法的一个重要方法，由于A省数据来源多、覆盖面广,对于决策树数据的准备要求较低, 而且能够同时处理数据型和常规型属性,特别是能对分布失衡的分类变量自助划分，在相对短 的时间内能够对大型数据源做出可行且效果良好的