论文部分内容阅读
摘要:工业企业应税纳税的能力与其运行的状况息息相关。文章依据工业领域的发展理论和我国的实际情况,选取反映工业税务状况与发展水平的十四项指标,运用因子分析法对我国工业统计的第一批税务据进行综合评价,提取出制约工业企业税务状况的主要因子。依此反映我国工业行业纳税的综合能力,为该领域的税收问题的研究方向提供可靠的参考依据。
关键词:税务状况;因子分析;税务指标;纳税综合能力
中图分类号:F4 文献标识码:A 文章编号:1006-8937(2009)12-0065-02
1工业企业的税务问题
近年来,工业企业普遍存在偷税漏税的现象,不仅是受到整个行业残酷的竞争局势影响,更多是因为自身经营规模、盈利水平以及运营状况等因素的限制。公司运营的好坏,获利水平的高低都决定着企业的资金流通,从而导致其软弱的税务能力。
为了研究工业企业税务能力的影响因素,筛选14项富有代表性的工业企业运营效益指标来综合评价工业企业的纳税能力,包括企业的销售成本率(x1)、销售利税率(x7)、销售利润率(x8)、毛利率(x10)、总资产报酬率(x11)、资本金利用率(x12)、存货周转率(x13)、应收账款比率(x14)、成本费用率(x5)、成本费用利润率(x6)、销售费用率(x2)、销售管理费用率(x3)、销售财务费用(x4)、销售成本利润率(x9)。
通过对以上指标进行统计分析,挖掘出造成工业企业纳税能力低下的影响因子,利于企业改进自身的经营模式,指导其正确运作和管理,优化企业自身格局并高效合理地经营操作,逐步提高盈利水平,最终顺利地履行纳税义务。
2因子分析的理论基础
2.1因子分析
因子分析是把众多的指标综合成几个为数较少的指标,即因子指标,它们反映了原来众多变量的主要信息。这是基于信息损失最小化而提出的有效方法。
因子分析把每个原始变量分解成两个部分:一部分是由所有变量共同具有的少数几个因子构成的,即所谓公共因子;另一部分是仅对某一个变量产生影响,为某一个变量所特有的,即所谓特殊因子。
2.2因子分析模型
基于上述的假设,建立的因子分析模型为:设X=(xij)nxp是由P个评价指标变量和n个样本点组成的样本观察矩阵,记=(,,…),则X=x11 x12 …x1px21 x22 …x2p┆ ┆ ?埙┆ xn1 xn2 …xnpXi=(xi1 xi2 …xip),则
其中xij是第i个指标在第j个样本上的值。
为了方便将原始数据X=(xij)nxp无量纲化后的数据矩阵仍用X=(xij)nxp来表示F1、F2…,Fm(m≤p)分别表示为m个因子变量,即公共因子,则因子分析模型为:X=AF+?着。其中A=(aij)pxm是待估计得系数矩阵,成为因子载荷阵,aij(i=1…p;j=1…m)称为第i个变量在第j个因子上的载荷,?着i(i=1…m)称为Xi的特殊因子。
3利用SPSS进行因子分析结果
在完成SPSS因子分析的操作过程后,会自动将统计的结果输出“output”文件中,具体的表有:描述性统计值、相关系数矩阵及相关显著性检验、KMO检验与Bartlett球形检验、特征根与方差贡献表、因子碎石图、旋转前的因子载荷阵、旋转后的因子载荷阵、因子旋转中的正交矩阵、因子得分系数矩阵W以及因子得分的协差阵。
由于统计表过多,避免繁杂,文章主要对几个重要报表的结果进行分析说明,其他表参见附件。
表1是用于判断数据能否进行因子分析。KMO统计量检验统计是用于比较观测相关系数与偏相关系数值的一个指标,其值越接近1,表明对这些变量进行因子分析的效果越好。表格中KMO数值为0.676,因此各变量间的相关程度差异不是太大,数据适合做因子分析。第二行的巴特利特球度检验是以变量的相关系数矩阵为出发点,其值越大越适合做因子分析。表中巴特利特球度检验的数据值为3120.761是很大的,也证明这些数据适合做因子分析。
碎石图是用于显示各因子的重要程度,横轴为因子序号,纵轴表示特征值大小。它将因子按特征根从大到小依次排列,从中可直观地看到只需提取前面三个因子即可,之后的因子特征值都偏小,且数值大小趋于平稳。
因子载荷矩阵(表2)反映14个变量的变异可以主要由3个公因子来解释,即各变量的信息呗这些公因子提取了多少,也就是给出了在因子分析中需要的因子表达式。所以根据表中提供的系数可以给出各变量的因子表达式为:
X5=0.854F1+0.285F2+0.274F3X7=-0.820F1-0.330F2-0.265F3……X12=-0.160F1-0.599F2+0.717F3
通过这14个表达式,我们可以在假定全部指标的预测能力相同和估计每一个指标的特殊因子的数值的情况下,计算出每一个工业企业的14个指标的估计值。
而因子的分析书矩阵(表3)可以将公因子表示为各个变量的线性组合,如:F1=-0.036X1+0.126X2+0.234X3+
0.215X4+0.220X5+0.037X6-0.219X7+0.008X8+0.053X9+0.036X10+0.020X11+0.008X12+0.024X13+0.200X14
……
由公式可知,在得到任一工業企业的14各指标的统计值后,可以直接计算出这一因子的标准化值,,也就可以知道该企业这一因子的得分,即决定14项指标好坏的潜在纳税能力的强弱,大概地衡量出该企业通过这些指标衡量所具有的潜在纳税能力的大小。
从表4看出,经过旋转后的载荷系数发生变化。第一个公因子在指标X3、X4、X5、X7、X14上有较大载荷,说明它们的相关性较强,可以归为一类,从指标的性质类别来看,它们属于费用支出指标,因此把第一个因子命名为“费用因子”;第2个公共因子在指标X1、X6、X8、X10上有较大载荷,同样归为一类,这4个指标同属于公司盈利能力指标,把第二个因子命名为“盈利因子”;同理,将X11、X12、X13归到第三类,属于企业财务分配能力的指标,因此把第三个因子命名为“财务因子”。
4结 语
通过对144家工业企业的14项经营指标——毛利率、销售利税率、销售利润率、销售成本率等使用SPSS统计软件进行因子分析,得到3个公共因子可以解释总变量的76.749%。根据这些公因子在各指标中的载荷大小比较后,可知它们分别为费用因子、盈利因子和财务因子。同时,我们可以通过因子得分矩阵计算出任一企业在费用支出、盈利状况以及财务资金分配方面的能力强弱。
综合以上分析,工业企业的费用支出、盈利状况和财务资金分配3方面的能力决定了企业的税务能力,成为企业自身是否能够自觉履行纳税义务、是否认真贯彻落实行业纳税政策的关键因素。所以,作为工业企业在担负纳税重担时,应多注意提高这3方面的能力,努力改善企业的运作状况,才能顺利地完成纳税任务,并且保证公司盈利的目标。
参考文献:
[1] 朱建平,段瑞飞.SPSS在统计分析中的应用[M].北京:清华 大学出版社,2007.
[2] 姬钰,龚靓.因子分析法在我国区域综合经济实力评价中 的应用[J].现代企业文化,2008,(32).
[3] 李分红,王晓. 因子分析及其在学生综合评价中的应用[J]. 商洛学院学报,2008(10).
[4] 刘菊香,沈霄凤.用SPSS统计软件对学生成绩的因子分析 [J].当代教育论坛,2005,(11).
[5] 刘宇,葛新权.顾客满意度测评信度和效度分析[J].世界标 准化与质量管理,2002,(3).
关键词:税务状况;因子分析;税务指标;纳税综合能力
中图分类号:F4 文献标识码:A 文章编号:1006-8937(2009)12-0065-02
1工业企业的税务问题
近年来,工业企业普遍存在偷税漏税的现象,不仅是受到整个行业残酷的竞争局势影响,更多是因为自身经营规模、盈利水平以及运营状况等因素的限制。公司运营的好坏,获利水平的高低都决定着企业的资金流通,从而导致其软弱的税务能力。
为了研究工业企业税务能力的影响因素,筛选14项富有代表性的工业企业运营效益指标来综合评价工业企业的纳税能力,包括企业的销售成本率(x1)、销售利税率(x7)、销售利润率(x8)、毛利率(x10)、总资产报酬率(x11)、资本金利用率(x12)、存货周转率(x13)、应收账款比率(x14)、成本费用率(x5)、成本费用利润率(x6)、销售费用率(x2)、销售管理费用率(x3)、销售财务费用(x4)、销售成本利润率(x9)。
通过对以上指标进行统计分析,挖掘出造成工业企业纳税能力低下的影响因子,利于企业改进自身的经营模式,指导其正确运作和管理,优化企业自身格局并高效合理地经营操作,逐步提高盈利水平,最终顺利地履行纳税义务。
2因子分析的理论基础
2.1因子分析
因子分析是把众多的指标综合成几个为数较少的指标,即因子指标,它们反映了原来众多变量的主要信息。这是基于信息损失最小化而提出的有效方法。
因子分析把每个原始变量分解成两个部分:一部分是由所有变量共同具有的少数几个因子构成的,即所谓公共因子;另一部分是仅对某一个变量产生影响,为某一个变量所特有的,即所谓特殊因子。
2.2因子分析模型
基于上述的假设,建立的因子分析模型为:设X=(xij)nxp是由P个评价指标变量和n个样本点组成的样本观察矩阵,记=(,,…),则X=x11 x12 …x1px21 x22 …x2p┆ ┆ ?埙┆ xn1 xn2 …xnpXi=(xi1 xi2 …xip),则
其中xij是第i个指标在第j个样本上的值。
为了方便将原始数据X=(xij)nxp无量纲化后的数据矩阵仍用X=(xij)nxp来表示F1、F2…,Fm(m≤p)分别表示为m个因子变量,即公共因子,则因子分析模型为:X=AF+?着。其中A=(aij)pxm是待估计得系数矩阵,成为因子载荷阵,aij(i=1…p;j=1…m)称为第i个变量在第j个因子上的载荷,?着i(i=1…m)称为Xi的特殊因子。
3利用SPSS进行因子分析结果
在完成SPSS因子分析的操作过程后,会自动将统计的结果输出“output”文件中,具体的表有:描述性统计值、相关系数矩阵及相关显著性检验、KMO检验与Bartlett球形检验、特征根与方差贡献表、因子碎石图、旋转前的因子载荷阵、旋转后的因子载荷阵、因子旋转中的正交矩阵、因子得分系数矩阵W以及因子得分的协差阵。
由于统计表过多,避免繁杂,文章主要对几个重要报表的结果进行分析说明,其他表参见附件。
表1是用于判断数据能否进行因子分析。KMO统计量检验统计是用于比较观测相关系数与偏相关系数值的一个指标,其值越接近1,表明对这些变量进行因子分析的效果越好。表格中KMO数值为0.676,因此各变量间的相关程度差异不是太大,数据适合做因子分析。第二行的巴特利特球度检验是以变量的相关系数矩阵为出发点,其值越大越适合做因子分析。表中巴特利特球度检验的数据值为3120.761是很大的,也证明这些数据适合做因子分析。
碎石图是用于显示各因子的重要程度,横轴为因子序号,纵轴表示特征值大小。它将因子按特征根从大到小依次排列,从中可直观地看到只需提取前面三个因子即可,之后的因子特征值都偏小,且数值大小趋于平稳。
因子载荷矩阵(表2)反映14个变量的变异可以主要由3个公因子来解释,即各变量的信息呗这些公因子提取了多少,也就是给出了在因子分析中需要的因子表达式。所以根据表中提供的系数可以给出各变量的因子表达式为:
X5=0.854F1+0.285F2+0.274F3X7=-0.820F1-0.330F2-0.265F3……X12=-0.160F1-0.599F2+0.717F3
通过这14个表达式,我们可以在假定全部指标的预测能力相同和估计每一个指标的特殊因子的数值的情况下,计算出每一个工业企业的14个指标的估计值。
而因子的分析书矩阵(表3)可以将公因子表示为各个变量的线性组合,如:F1=-0.036X1+0.126X2+0.234X3+
0.215X4+0.220X5+0.037X6-0.219X7+0.008X8+0.053X9+0.036X10+0.020X11+0.008X12+0.024X13+0.200X14
……
由公式可知,在得到任一工業企业的14各指标的统计值后,可以直接计算出这一因子的标准化值,,也就可以知道该企业这一因子的得分,即决定14项指标好坏的潜在纳税能力的强弱,大概地衡量出该企业通过这些指标衡量所具有的潜在纳税能力的大小。
从表4看出,经过旋转后的载荷系数发生变化。第一个公因子在指标X3、X4、X5、X7、X14上有较大载荷,说明它们的相关性较强,可以归为一类,从指标的性质类别来看,它们属于费用支出指标,因此把第一个因子命名为“费用因子”;第2个公共因子在指标X1、X6、X8、X10上有较大载荷,同样归为一类,这4个指标同属于公司盈利能力指标,把第二个因子命名为“盈利因子”;同理,将X11、X12、X13归到第三类,属于企业财务分配能力的指标,因此把第三个因子命名为“财务因子”。
4结 语
通过对144家工业企业的14项经营指标——毛利率、销售利税率、销售利润率、销售成本率等使用SPSS统计软件进行因子分析,得到3个公共因子可以解释总变量的76.749%。根据这些公因子在各指标中的载荷大小比较后,可知它们分别为费用因子、盈利因子和财务因子。同时,我们可以通过因子得分矩阵计算出任一企业在费用支出、盈利状况以及财务资金分配方面的能力强弱。
综合以上分析,工业企业的费用支出、盈利状况和财务资金分配3方面的能力决定了企业的税务能力,成为企业自身是否能够自觉履行纳税义务、是否认真贯彻落实行业纳税政策的关键因素。所以,作为工业企业在担负纳税重担时,应多注意提高这3方面的能力,努力改善企业的运作状况,才能顺利地完成纳税任务,并且保证公司盈利的目标。
参考文献:
[1] 朱建平,段瑞飞.SPSS在统计分析中的应用[M].北京:清华 大学出版社,2007.
[2] 姬钰,龚靓.因子分析法在我国区域综合经济实力评价中 的应用[J].现代企业文化,2008,(32).
[3] 李分红,王晓. 因子分析及其在学生综合评价中的应用[J]. 商洛学院学报,2008(10).
[4] 刘菊香,沈霄凤.用SPSS统计软件对学生成绩的因子分析 [J].当代教育论坛,2005,(11).
[5] 刘宇,葛新权.顾客满意度测评信度和效度分析[J].世界标 准化与质量管理,2002,(3).