随着我国税收体系和社会信用体系的日趋完善,纳税信用正在扮演着越来越重要的角色。最早在2003年,国家税务总局发布的《纳税信用等级评定管理试行办法》对纳税信用进行了一般性规定,但由于整个社会信用评价体系的运用受信息化发展的制约,应用范围狭窄。随着税收征管系统“金税工程”实施,税收征管信息化大幅度提高,在2014年国家税务总局颁布《纳税信用管理办法(试行)》后,纳税信用等级评价制度开始在全国范围内实行,纳税信用等级评价展开新的篇章。本文在梳理了美国、澳大利亚等发达国家的纳税信用制度经验并且仔细研读了我国纳税信用等级评价制度规定之后,针对目前暴露出的该施行制度的指标设置、分类科学性不强,扣分方式单一等问题,从统计的角度出发,对现行的纳税信用等级评价中的95个指标进行了重新分类和选取,对现行的纳税信用等级评分机制进行了重新定义,并就其科学性做了研究。本文首先通过聚类分析,将二级指标中的“纳税评估与税务审计”和“拒绝、阻挠税务机关执法”、“欠缴税款金额”和“大企业税务审计信息”进行了合并,得到了与原始分类相似度为80%的分类结果,并且这是要比原始的指标分类更加具有现实意义和可操作性的。其次,本文利用主成分分析,选取了累计贡献率达75%的10个主成分,在得到每家企业的主成分得分后,给出了纳税信用等级评分的新规则定义,使得主成分推断与原始评分重合度接近75%的良好结果。最后,本文利用判别分析是将整体的样本数据进行回代,检验判别函数判别效果。结果表明,A类的错判率极低,只有0.7%;B类的错判率有12.2%,C、D类的错判率就明显很高了,分别为78.8%和41.2%。随着纳税信用制度的不断发展,数据的不断累积,判别的效果会逐步提升,这将对税务局进行纳税预警管理提供很好的帮助作用。为了对结果作进一步的优化,在主成分分析的基础上,本文应用贝叶斯方法,用企业往年的评判情况作为先验概率,来修正主成分分析所得当前结果,形成后验最终判定结果。从数据算例证实贝叶斯模型可以修正结果的正确率。检验结果中也存在着修正错误的现象,考虑到本文的案例数据跨度只有两年,贝叶斯修正模型效力没有充分发挥。模型还需要随着制度的发展不断优化与完善。