文献类型：期刊文章

作　　者：李国锋[1] 李祚娟[1] 王哲吉[1]

Li Guofeng;Li Zuojuan;Wang Zheji

机构地区：[1]山东财经大学统计与数学学院

出　　处：《统计研究》

基　　金：国家社会科学基金一般项目“多源数据融合下企业纳税行为甄别智能学习方法研究”(19BTJ023)。

年　　份：2022

卷　　号：39

期　　号：7

起止页码：137-149

语　　种：中文

收录情况：BDHX、BDHX2020、CSSCI、CSSCI2021_2022、JST、NSSD、RCCSE、RWSKHX、SKJJZZ、ZGKJHX、核心刊

摘　　要：随着数字经济时代的到来,丰富的数据资源有利于全面精准地刻画企业纳税情况,但数据来源广、类别不平衡以及噪音多等问题,也给企业纳税行为的甄别工作带来挑战。本文融合企业报表以及证监会、海关和税务等部门的多来源涉税数据,基于K-S检验和随机森林算法,构建了企业纳税行为甄别指标体系;将不同行业企业纳税行为甄别工作视为不同任务,提出基于多任务深度神经网络的企业纳税行为甄别模型,充分利用了不同行业任务间的相关性和差异性信息;针对样本数据集不平衡问题,引入焦点损失函数进一步改进了甄别模型。研究发现,相对于传统Logistic、支持向量机和神经网络等单任务模型,本文多任务模型的企业纳税行为甄别能力、泛化能力和稳健性更强。当模型预测某企业纳税不遵从的概率超出阈值时,即可判定该企业为重点稽查对象,以辅助税务部门提升稽查效率。本研究为政府智慧税务治理工作提供了新的思路。

关 键 词：多源数据 多任务深度神经网络  企业纳税行为甄别  

分 类 号：C81[统计学类] F812