R語言課程設計-個人所得稅回歸分析

.成績：統計計算與軟期末大作業(yè)大業(yè)目任老：姓學班

名號級

.摘要在納稅單位的選擇上，有家庭和個人兩種選擇方法，選擇不同的納稅單位會對國家財政收入、納稅人稅負造成不同影響。目前我國個人所得稅制以個人為納稅單位，按其收入類別進行劃分在進行合理扣除后乘以相應稅率計征。而在國外，一些國家允許將家庭作為個人所得稅的納稅單，具有一定的借鑒意義。本文結合我國國情，探索個人所得稅的影響因素。當前，我國個人所得的納稅單位為個人針對不同類型收入分別采用統一的扣除標準和稅率著我國經濟的快速發(fā)，人們的收入水平也隨之不斷提升。在現行的個人所得稅制度下，個人作為納稅義務主體，必須照相關稅法對個人收入繳納所得稅，這就導致個人獲取的實際收入會有所減少。關詞個人所得稅；回歸分析；聚類分析；時間序列分析

.Abstractaretwowaystopayingfamilyindividual.Differenttaxwillhavedifferentonnationalfiscalrevenueandburden.Atpresent,theindividualsystemofourtheindividualthetaxunit,dividesittoitsincometheratebytaxafterthededuction.Incountries,allowfamilybeindividualunit,hascertainpapertheinfluencefactorsofpersonalincometaxincombinationwiththenationalconditionsofAttheunitofinisindividual,ataxratetodifferenttypesofincome.Withtheofpeople'slevelisalsosystem,individualstaxentitiespayincometaxtorelevanttaxlaws,whichleadstodecreaseinincome.Keypersonalincometax;regressionanalysis;analysis

.一.數據預處理首先，將個人所得稅收表保存為CSV（號分隔）格式，之后用函數將數據讀入到的存中。為了方便之后的操作，對各列進行命名，其中NY代表年度時間，CSJMNRJKZPSR，CZDWZGNPJGZCZJMCXCKYEDQSCZZDECYZJZCZFSYDWCYRYSDFCZSRYBYSSRZFXJJSR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)居民儲蓄存款余額、地區(qū)生產總值、第二產業(yè)增加值、城鎮(zhèn)非私營單位從業(yè)人員數、地方財政收入、個人所得稅、一般預算收入、政府性基金收入。同時給出各類別下的樣本量個數。從原始數據中可知樣本量為16，不是很多，如果再進行分塊可能由于樣本量的限制無法得到最好的結果，因此，下文中的訓練集和測試集均選用原始數據來充當。

.二.建模應用：財政收入的數據分析2.1分類與測：回歸析回歸分析是一種預測性的建模技術，它研究的是因變量（目標）和自變量之間的關系。這種技術通常用于預測分析以及發(fā)現變量之間的因果關系。本次運用了lm函數行回歸建模。

.MultipleR-squared和AdjustedR-squared這兩個值，常被叫做“擬合優(yōu)度”和“修正擬合優(yōu)度”，是指回歸方程對樣本的擬合程度，越接近”擬合程度越高。顯然，這個回歸模型的擬合優(yōu)度為0.9764，合程度一般而標準化殘差則可以認為是模型用城市居民年人均可支配收入、城鎮(zhèn)非私營單位從業(yè)人員數、城鎮(zhèn)居民儲蓄存款余額、地區(qū)生產總值、第二產業(yè)增加值、地方政收入、政府性基金收入預測個人所得稅的平均誤差。各個變量的值大于0.05，各個變量都著不為零。圖1圖1為模型的回歸診斷圖。左上是殘差對擬合值做圖，顯然殘差值與擬合值就沒有任何系統關系，即因變量與自變量存在相關關系；右上圖為殘QQ圖，用以觀察殘差是否符合正態(tài)分布，然圖上的點基本都落在呈45°直線上，即殘差滿足正態(tài)分布；左下圖是標準化殘差對擬合值，于判斷模型殘差是否等同方差，圖上的點呈隨機分布狀態(tài)，故模型殘差滿足同方差假設；右下是殘差與杠桿圖。2.2聚類分析：

.層次聚類算法圖2從圖可看出，在聚類樹的最端，每個樣本獨自為一類，越往上，一條分支里的樣本多，至所有的樣本聚為一類。2.2.2

.（聚類概率分布）圖3（聚類結果）圖4三.時間序列分析3.1導入時序列對象

.3.2繪制原時間序列圖5由圖5可原始時間序列圖呈單遞增趨勢。3.3時間序檢驗分析>#對序列做自相關檢驗>acf(sales_time,lag.max=

.>#對序列做偏自相關檢驗>pacf(sales_time,lag.max=>#對序列做單位根檢驗>unitrootTest(sales_time)ErrorinunitrootTest(sales_time):couldnotfindfunction"unitrootTest">#對序列做白噪聲檢驗>Box.test(sales_time,lag=1,type"Ljung-Box")Box-Ljungtestdata:sales_timeX-squared=11.082,df=1,p-value=0.0008715圖6

.圖7由對時間序列的檢驗分析會指出序列的自相關圖，可以看出延遲2階自相關系數都在兩倍標準差內，但時序圖有明顯遞增趨勢，且由白噪聲檢驗值=0.0008較，所以該序列可以認為是非平穩(wěn)的非純隨機序列。所以可以認為個人所得稅與時間的變化相關關系影響不大。3.4ARIMA建分析

.3.4.1圖8圖9

.圖10結果顯示，一階差分后的序列時序圖仍然有較明顯的遞增趨勢，自相關10階結尾，偏自相關圖呈拖尾性，所以可以考慮用ARIMA0，，）模型擬合。3.4.2P-valu=0.5667>0.05，說明殘差白噪聲序列，所以該模型通過白噪聲檢驗。

.四.研究結論本文旨在分析個人所得稅的影響因素，主要運用了回歸分析與時間序列分析的方法，又通過分析相關數據圖，研究出個人所得稅受影響的情況。分別找到了影響幾種稅收的主要因素。城市民年人均