R語(yǔ)言課程設(shè)計(jì)-個(gè)人所得稅回歸分析

成績(jī)： 統(tǒng)計(jì)計(jì)算與軟件

期末大作業(yè)大作業(yè)題目： 任課老師： 姓名： 學(xué)號(hào)： 班級(jí):摘要在納稅單位的選擇上，有家庭和個(gè)人兩種選擇方法，選擇不同的納稅單位會(huì)對(duì)國(guó)家財(cái)政收入、納稅人稅負(fù)造成不同影響。目前我國(guó)個(gè)人所得稅制以個(gè)人為納稅單位，按其收入類別進(jìn)行劃分，在進(jìn)行合理扣除后乘以相應(yīng)稅率計(jì)征。而在國(guó)外，一些國(guó)家允許將家庭作為個(gè)人所得稅的納稅單位，具有一定的借鑒意義。本文結(jié)合我國(guó)國(guó)情，探索個(gè)人所得稅的影響因素。當(dāng)前，我國(guó)個(gè)人所得稅的納稅單位為個(gè)人，針對(duì)不同類型的收入分別采用統(tǒng)一的扣除標(biāo)準(zhǔn)和稅率， 隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展,人們的收入水平也隨之不斷提升。在現(xiàn)行的個(gè)人所得稅制度下，個(gè)人作為納稅義務(wù)主體，必須按照相關(guān)稅法對(duì)個(gè)人收入繳納所得稅，這就導(dǎo)致個(gè)人獲取的實(shí)際收入會(huì)有所減少。關(guān)鍵詞：個(gè)人所得稅；回歸分析；聚類分析；時(shí)間序列分析AbstractTherearetwowaystochoosetaxpayingunits:familyandindividual.Differenttaxunitswillhavedifferenteffectsonnationalfiscalrevenueandtaxpayer'staxburden.Atpresent,theindividualincometaxsystemofourcountrytakestheindividualasthetaxunit,dividesitaccordingtoitsincomecategory,andmultipliesthetaxratebythecorrespondingtaxrateafterthereasonablededuction.lnforeigncountries,somecountriesallowthefamilytobetheindividualincometaxunit,whichhascertainreferencesignificance.Thispaperexplorestheinfluencefactorsofpersonalincometaxincombinationwiththenationalconditionsofourcountry.Atpresent,thetaxunitofpersonalincometaxinChinaisindividual,andaunifieddeductionstandardandtaxrateareappliedtodifferenttypesofincome.WiththerapiddevelopmentofChina'seconomy,people'sincomelevelisalsorising.Underthecurrentpersonalincometaxsystem,individualsasincometaxentitiesmustpayincometaxaccordingtotherelevanttaxlaws,whichleadstoadecreaseinpersonalincome.Keywords:personalincometax;regressionanalysis;clusteranalysis;timeseriesanalysis.數(shù)據(jù)預(yù)處理首先，將個(gè)人所得稅收表保存為 CSV（逗號(hào)分隔）格式，之后用函數(shù)將數(shù)據(jù)讀入到 R的內(nèi)存中。為了方便之后的操作，對(duì)各列進(jìn)行命名，其中 NY代表年度時(shí)間，CSJMNRJKZPSRCZDWZGNPJGCZJMCXCKYQQSCZZDECYZJZCZFSYDWCYRYDFCZSRGRSDSYBYSSRZFXJJSR分別代表城市居民年人均可支配收入、城鎮(zhèn)單位職工年平均工資、城鎮(zhèn)居民儲(chǔ)蓄存款余額、地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)增加值、城鎮(zhèn)非私營(yíng)單位從業(yè)人員數(shù)、地方財(cái)政收入、個(gè)人所得稅、一般預(yù)算收入、政府性基金收入。同時(shí)給出各類別下的樣本量個(gè)數(shù)。從原始數(shù)據(jù)中可知樣本量為16，不是很多，如果再進(jìn)行分塊，可能由于樣本量的限制無(wú)法得到最好的結(jié)果，因此，下文中的訓(xùn)練集和測(cè)試集均選用原始數(shù)據(jù)來(lái)充當(dāng)。XX=r已a(bǔ)d.us寸（”FR/XX-亡SLLHUC日二y[XX]NFCZDWElGNPJt?ZCZJHCXCKYEMin*Min?：12019Ilin?：16202HiTl?:20^01stQu*；20021st皿S14C4B13LQU?12691013tQu?；3430Median:200€Midian:19S51Median:36321Htdian!5562Mean：20oeMean:229"9Mea-:39530l-iean:61113rdQu,;201O3rdQu-：291343rdQuB:S2O113rdQu.:8512Max*Max.H2049Max.：59592Bax.;12254DQ5匚忑Z DZCYZJZ CZF5YDWCYRY5 DFC25RMin.；2139175SMln*；3310691Min?11755512Nin*；1B313SS1st:34B128911stQu.:134B€33BlszQu.:20553691stQu.:2362266Median:60B1B614Median:24415160Kedian:2236502Median:47S7231Mean:71521ieeMeanMean:2351235Mean:79103593TdQu*;99432^023rdg*:3-70371233rdQu.:2技X93rd.Qu,i12534130Max,!1B42OL434Max?：522"3^31Max.:32684S8Idax+E20BS1374Y3Y52RZFXJJ5RMin?I133C21Min.:17614&9Min.119S89lszQu.:l?fiS021stQu.:2504S24larQu..257442Median:254?92Median:^270031Median49百勺00Mean:29241&Mean:545956^Mean24507943rdQu.：4147033rdQu.:737^493□rdQu,44114B2：?9777MA*=1141^044Max. ;9iS333Q建模應(yīng)用：財(cái)政收入的數(shù)據(jù)分析2.1分類與預(yù)測(cè)：回歸分析回歸分析是一種預(yù)測(cè)性的建模技術(shù)，它研究的是因變量（目標(biāo)）和自變量之間的關(guān)系。這種技術(shù)通常用于預(yù)測(cè)分析以及發(fā)現(xiàn)變量之間的因果關(guān)系。本次運(yùn)用了 Im函數(shù)進(jìn)行回歸建模。lm.inDd.&ll<-lnilGRSDS~CSJMNR.JK2PSR-CZFS￥DWCYRYS+C2JMCXCK￥E+DQSCZZ+DECYZJZ- +DFCZSR+YEYSSEL+2FXJJSR,data=XX)summay(Lm-wode11)Call:lm(formiila=GR5P5■*CSJMNRJKZPSR+CZFSYDW^YRYS+CZJMCXCKYI：+D^SCZZ+DE匚YZTZ+DE匚ZSR+raYSSR+ZFXJJSR,data-XX)Residuals:3QMax7604 402993QMax7604 40299-36G72-1061S -12u匚efficients{Intercept)3.71S623e+0^DEI^fZJI1^91210^-02ccnfinc.(lnt.niodellu匚efficients{Intercept)3.71S623e+0^DEI^fZJI1^91210^-02ccnfinc.(lnt.niodellr2.5%57.StspeedNANAfitted(lm.modeIL)(lm.modell)#輸岀參數(shù)估計(jì)(IC5JMNRCKZP5RC2F5YDWCYRI52+19S9C3e+01-6^00S42e-02DFCZSR YBY5SRl,9586￡0e-02 5?392323e-02EanjL?E，1speedF,flsv皀丄■匚ZJKCXCKYE DQSCZEl<O96036e+Dl-1.525378e-O22FXJJ3RN直O(jiān),35J帕5鎂省則計(jì)眞所有參數(shù)豹査值産間彳列出擬含模型的預(yù)亂值3^5673170^32■巳2Q5C73.7 2Q6593.3 140311■弓 L5773Q.3 17^770.5 196354,0 231001,59 IQ li 12 13 1今 “309155■勺335^6B?0 389E45■自 ^72165■堆 ^495^7.9 ^6059^.3 406^13<7>itreva(lTn.mcri^ll)?主成一個(gè)扣臺(tái)僕型的專盞分折表AnalysisofVarianceTableResronse:GR5DSDfSunSqMeanSqFvaliePr(>E)C3JtI；RJK2.FSR12.13a4e-rli2.1SS4ri-ll2€5.925fi7宀ThO?*CZF￡YDWCjtRYS19.5851e+09g.sesie+0911.91930.01D6fi*CZJKCXCKrE二3355e+083.3355e+3ED,O.5^308DQSCZZ14.1789e+054.L7S9e+350,00350.9E245DECYZJZ11?5533e+091?5533e+D91?93160.2071S0.05174.DFCZSR1T?1035e+09T?fl065e+395?^S21YBYSSRResiduals:72.8484e+095.￡292^4092.B^B4e+D98.0417?+08乩54200.10L86Siarif.□ode;0W0.1301'**fD.'31w3.05'.#D.l1MultipleR-squas&d: 0.9764fAdjustedR-squared: 0952"?F-statistic:電1.32an7and7DF^p-value:3?60Ee-fl5>residuals(Ln.modell)#列出嘆型的歿差1-36671?751251-36671?751256-7391?54^1011-22?572S0-194^3,71249710€3.0052512-12,3973134S293.52661^92*519901312550.061S-619372?5E8399-13S39?353T114-21002?322百95■弓后50.micnm1017903.967161530SS?：B1077>AIC(Im.niodell)護(hù)輸出A工匚值[11356.715SMultipleR-squared禾口AdjustedR-squaredMultipleR-squared禾口AdjustedR-squared這兩個(gè)值，常被叫做“擬合優(yōu)度”和“修正擬合優(yōu)度”，是指回歸方程對(duì)樣本的擬合程度，越接近1優(yōu)度”，是指回歸方程對(duì)樣本的擬合程度，越接近1”，擬合程度越高。顯然，這個(gè)回歸模型的擬P值都大于P值都大于0.05，即各個(gè)變量都顯[oII回IP合優(yōu)度為0.9764，擬合程度一般。而標(biāo)準(zhǔn)化殘差則可以認(rèn)為是模型用城市居民年人均可支配收入、城鎮(zhèn)非私營(yíng)單位從業(yè)人員數(shù)、城鎮(zhèn)居民儲(chǔ)蓄存款余額、地區(qū)生產(chǎn)總值、第二產(chǎn)業(yè)增加值、地方財(cái)政收入、政府性基金收入預(yù)測(cè)個(gè)人所得稅的平均誤差。各個(gè)變量的著不為零。9tRGraphics;Device2(ACTIVE)-sranpM-sranpM出PBQP(OPU?S_PagCi0圖1為模型的回歸診斷圖。左上圖是殘差對(duì)擬合值做圖，顯然殘差值與擬合值就沒(méi)有任何系統(tǒng)關(guān)系，即因變量與自變量存在相關(guān)關(guān)系；右上圖為殘差 QQ圖，用以觀察殘差是否符合正態(tài)分布，顯然圖上的點(diǎn)基本都落在呈45°的直線上，即殘差滿足正態(tài)分布；左下圖是標(biāo)準(zhǔn)化殘差對(duì)擬合值，用于判斷模型殘差是否等同方差，圖上的點(diǎn)呈隨機(jī)分布狀態(tài)，故模型殘差滿足同方差假設(shè)；右下圖是殘差與杠桿圖。2.2聚類分析:

221層次聚類算法>#對(duì)示例致?lián)瀤x進(jìn)行尊差抄樣>(x<-XX[nF])HFCS^t4t^.J=!2：FSRCZDWZ^NPJGZCZJWCXC^YED^S亡ZEDECYZJZCZF5YDWCYRYS1199912019162022140.18213917S8931069LLS76546520D3150032S2373"27b33375S61661485926122369029200722469401875589B51^14032232825780521904201320113443&57^7310032B6222^2z439：-457697633102356CFCZSRGR5D5YEY55RZF7CJJ5R115S13SS1S3€21I7fl1931198B953005^751530B027^770'?257^659S3E99252953155237B63315206313153513S7^€209897S47685556619>柚對(duì)聚類結(jié)果逬行剪枝>才利世豹技函克匚皿工"()中眄參致k控創(chuàng)筍出覺(jué)類結(jié)栗匚11匸ree(hcl,k=4)1 Si 3 2.51 2 a -tc_i匕匸wehiuBfJc=4)TOC\o"1-5"\h\z12 3 4匚二匸ree(tic3, )1 5 9 13Mn^^cutree|)中的參孫控制輪出錠癸結(jié)果cutcce(ticjl,)1呂0HE12 3 4cutree<tic;2rh-4)1 5 9131112cut-ree(tic3,)1b3152 3 4>時(shí)繪割靈類樹’井使用rectr.hie=-lkistz-()在鬆類樹中査看縣類鉛果fid從圖2可以看出，在聚類樹的最下端，每個(gè)樣本獨(dú)自為一類，越往上，一條分支里的樣本多，直至所有的樣本聚為一類。2.2.2其他聚類分析函數(shù)時(shí)間序列分析3.1導(dǎo)入時(shí)間序列對(duì)象ts(data=XXfstart=L999fend=2CL3ffzret3i2&nc^-p=lJTimeSeries:=1253End=2Q13Frequency=13.2繪制原始時(shí)間序列圖sales<-r&ad.esv{"F f2]sales_time<-as-ts(sales5plot.ts(salestime,xlab-"time",yl*to-pK0neyn)■■RRGraphicsDcvSee2(ACTIVE}e

ime

im圖5由圖5可見原始時(shí)間序列圖呈單調(diào)遞增趨勢(shì)。3.3時(shí)間序列檢驗(yàn)分析>#對(duì)序列做自相關(guān)檢驗(yàn)>acf(sales_time,lag.max=35)>#對(duì)序列做偏自相關(guān)檢驗(yàn)pacf(sales_time,lag.max=35)#對(duì)序列做單位根檢驗(yàn)unitrootTest(sales_time)ErrorinunitrootTest(sales_time):couldnotfindfunction"unitrootTest"#對(duì)序列做白噪聲檢驗(yàn)Box.test(sales_time,lag=1,type="Ljung-Box")Box-Ljungtestdata:sales_timeX-squared=11.082,df=1,p-value=0.0008715ftR.GwRhii;寥Device2(ACTIVE]冋IdSeriessalestime

圖7由對(duì)時(shí)間序列的檢驗(yàn)分析會(huì)指出序列的自相關(guān)圖，可以看出延遲 2階后自相關(guān)系數(shù)都在兩倍標(biāo)準(zhǔn)差內(nèi)，但時(shí)序圖有明顯遞增趨勢(shì)，且由白噪聲檢驗(yàn) P值=0.0008較小，所以該序列可以認(rèn)為是非平穩(wěn)的非純隨機(jī)序列。所以可以認(rèn)為個(gè)人所得稅與時(shí)間的變化相關(guān)關(guān)系影響不大。3.4ARIMA建模分析*對(duì)宇西它一曠差寸diff(3ales_mme#lag=lfdiffeTences=l>T二icmSeriesIStart=2End=15Frequency?1(1] 154