R语言课程设计个人所得税回归分析.docx
《R语言课程设计个人所得税回归分析.docx》由会员分享,可在线阅读,更多相关《R语言课程设计个人所得税回归分析.docx(12页珍藏版)》请在冰豆网上搜索。
![R语言课程设计个人所得税回归分析.docx](https://file1.bdocx.com/fileroot1/2022-11/24/47449df9-448c-42a3-b8ee-2b97b7d22d07/47449df9-448c-42a3-b8ee-2b97b7d22d071.gif)
R语言课程设计个人所得税回归分析
成绩:
统计计算与软件
期末大作业
大作业题目:
任课老师:
姓名:
学号:
班级:
摘要
在纳税单位的选择上,有家庭和个人两种选择方法,选择不同的纳税单位会对国家财政收入、纳税人税负造成不同影响。
目前我国个人所得税制以个人为纳税单位,按其收入类别进行划分,在进行合理扣除后乘以相应税率计征。
而在国外,一些国家允许将家庭作为个人所得税的纳税单位,具有一定的借鉴意义。
本文结合我国国情,探索个人所得税的影响因素。
当前,我国个人所得税的纳税单位为个人,针对不同类型的收入分别采用统一的扣除标准和税率,随着我国经济的快速发展,人们的收入水平也随之不断提升。
在现行的个人所得税制度下,个人作为纳税义务主体,必须按照相关税法对个人收入缴纳所得税,这就导致个人获取的实际收入会有所减少。
关键词:
个人所得税;回归分析;聚类分析;时间序列分析
Abstract
Therearetwowaystochoosetaxpayingunits:
familyandindividual.Differenttaxunitswillhavedifferenteffectsonnationalfiscalrevenueandtaxpayer'staxburden.Atpresent,theindividualincometaxsystemofourcountrytakestheindividualasthetaxunit,dividesitaccordingtoitsincomecategory,andmultipliesthetaxratebythecorrespondingtaxrateafterthereasonablededuction.Inforeigncountries,somecountriesallowthefamilytobetheindividualincometaxunit,whichhascertainreferencesignificance.Thispaperexplorestheinfluencefactorsofpersonalincometaxincombinationwiththenationalconditionsofourcountry.Atpresent,thetaxunitofpersonalincometaxinChinaisindividual,andaunifieddeductionstandardandtaxrateareappliedtodifferenttypesofincome.WiththerapiddevelopmentofChina'seconomy,people'sincomelevelisalsorising.Underthecurrentpersonalincometaxsystem,individualsasincometaxentitiesmustpayincometaxaccordingtotherelevanttaxlaws,whichleadstoadecreaseinpersonalincome.
Keywords:
personalincometax;regressionanalysis;clusteranalysis;timeseriesanalysis
一.数据预处理
首先,将个人所得税收表保存为CSV(逗号分隔)格式,之后用函数将数据读入到R的内存中。
为了方便之后的操作,对各列进行命名,其中NY代表年度时间,CSJMNRJKZPSR,CZDWZGNPJGZ,CZJMCXCKYE,DQSCZZ,DECYZJZ,CZFSYDWCYRYS,DFCZSR,GRSDS,YBYSSR,ZFXJJSR分别代表城市居民年人均可支配收入、城镇单位职工年平均工资、城镇居民储蓄存款余额、地区生产总值、第二产业增加值、城镇非私营单位从业人员数、地方财政收入、个人所得税、一般预算收入、政府性基金收入。
同时给出各类别下的样本量个数。
从原始数据中可知样本量为16,不是很多,如果再进行分块,可能由于样本量的限制无法得到最好的结果,因此,下文中的训练集和测试集均选用原始数据来充当。
二.建模应用:
财政收入的数据分析
2.1分类与预测:
回归分析
回归分析是一种预测性的建模技术,它研究的是因变量(目标)和自变量之间的关系。
这种技术通常用于预测分析以及发现变量之间的因果关系。
本次运用了lm函数进行回归建模。
MultipleR-squared和AdjustedR-squared这两个值,常被叫做“拟合优度”和“修正拟合优度”,是指回归方程对样本的拟合程度,越接近“1”,拟合程度越高。
显然,这个回归模型的拟合优度为0.9764,拟合程度一般。
而标准化残差则可以认为是模型用城市居民年人均可支配收入、城镇非私营单位从业人员数、城镇居民储蓄存款余额、地区生产总值、第二产业增加值、地方财政收入、政府性基金收入预测个人所得税的平均误差。
各个变量的P值都大于0.05,即各个变量都显著不为零。
图1
图1为模型的回归诊断图。
左上图是残差对拟合值做图,显然残差值与拟合值就没有任何系统关系,即因变量与自变量存在相关关系;右上图为残差QQ图,用以观察残差是否符合正态分布,显然图上的点基本都落在呈45°的直线上,即残差满足正态分布;左下图是标准化残差对拟合值,用于判断模型残差是否等同方差,图上的点呈随机分布状态,故模型残差满足同方差假设;右下图是残差与杠杆图。
2.2聚类分析:
2.2.1层次聚类算法
图2
从图2可以看出,在聚类树的最下端,每个样本独自为一类,越往上,一条分支里的样本多,直至所有的样本聚为一类。
2.2.2其他聚类分析函数
(聚类概率分布)图3
(聚类结果)图4
三.时间序列分析
3.1导入时间序列对象
3.2绘制原始时间序列图
图5
由图5可见原始时间序列图呈单调递增趋势。
3.3时间序列检验分析
>#对序列做自相关检验
>acf(sales_time,lag.max=35)
>#对序列做偏自相关检验
>pacf(sales_time,lag.max=35)
>#对序列做单位根检验
>unitrootTest(sales_time)
ErrorinunitrootTest(sales_time):
couldnotfindfunction"unitrootTest"
>#对序列做白噪声检验
>Box.test(sales_time,lag=1,type="Ljung-Box")
Box-Ljungtest
data:
sales_time
X-squared=11.082,df=1,p-value=0.0008715
图6
图7
由对时间序列的检验分析会指出序列的自相关图,可以看出延迟2阶后自相关系数都在两倍标准差内,但时序图有明显递增趋势,且由白噪声检验P值=0.0008较小,所以该序列可以认为是非平稳的非纯随机序列。
所以可以认为个人所得税与时间的变化相关关系影响不大。
3.4ARIMA建模分析
3.4.1对序列一阶段差分后绘制时序图与偏自相关图、自相关图。
图8
图9
图10
结果显示,一阶差分后的序列时序图仍然有较明显的递增趋势,自相关图10阶后结尾,偏自相关图呈拖尾性,所以可以考虑用ARIMA(0,1,1)模型拟合。
3.4.2白噪声检验
P-valu=0.5667>0.05,说明残差为白噪声序列,所以该模型通过白噪声检验。
四.研究结论
本文旨在分析个人所得税的影响因素,主要运用了回归分析与时间序列分析的方法,又通过分析相关数据图,研究出个人所得税受影响的情况。
分别找到了影响几种税收的主要因素。
城市居民年人均可支配收入、城镇单位职工年平均工资、城镇居民储蓄存款余额、地区生产总值、第二产业增加值、城镇非私营单位从业人员数、地方财政收入、一般预算收入、政府性基金收入对个人所得税都有一定影响。
参考文献:
[1]李子奈潘文卿,计量经济学
[2]张良均谢佳标杨坦肖刚,R语言与数据挖掘
[3]王燕,应用时间序列分析