Đề tài Dự báo số thu thuế TNDN bằng mô hình Arima tại cục thuế TP.HCM

62 trang yendo 5660

Download

Bạn đang xem 20 trang mẫu của tài liệu "Đề tài Dự báo số thu thuế TNDN bằng mô hình Arima tại cục thuế TP.HCM", để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên

Tài liệu đính kèm:

de_tai_du_bao_so_thu_thue_tndn_bang_mo_hinh_arima_tai_cuc_th.pdf

Nội dung text: Đề tài Dự báo số thu thuế TNDN bằng mô hình Arima tại cục thuế TP.HCM

LỜI CẢM ƠN   Sau gần 4 năm học tập và 3 tháng thực tập tại Cục ThuếTP.HCM, em đã có điều kiện tiếp cận với thực tế, kết hợp với những kiến thức đã học ở trường Đại Học Kinh Tế TP.HCM đã giúp cho em củng cố thêm kiến thức của mình. Trong thời gian thực tập tại Cục ThuếTP.HCM, em đã được sự quan tâm giúp đỡ của Ban lãnh đạo Cục, của các cô chú, anh chị trong Phòng Kiểm tra 2, nhiệt tình chỉ dẫn, cung cấp những số liệu cần thiết và giải đáp những thắc mắc của em trong thời gian thực tập tại Cục ThuếTP.HCM. Với lòng biết ơn ấy, em xin chân thành cảm ơn:  Toàn thể quý thầy cô trường Đại Học Kinh Tế TP.HCM, đặc biệt là các thầy cô khoa Tài Chính Công đã tận tình giảng dạy truyền đạt những kiến thức, những kinh nghiệm quý báu và sâu sắc về nghiệm vụ ngành.  Chân thành cảm ơn cô Đặng Thị Bạch Vân đã tận tình giúp đỡ em hoàn thành chuyên đề tốt nghiệp này. Sự giúp đỡ, giảng dạy nhiệt tình của thầy cô, cô chú và anh chị là hành trang quý báu cho em sau này. Em xin kính chúc quý thầy cô, các cô chú cùng các anh chị nhiều sức khỏe và thành công trong cuộc sống. SINH VIÊN THỰC HIỆN Nguyến Thị Trúc My
MỤC LỤC LỜI MỞ ĐẦU i Chƣơng 1: CƠ SỞ LÝ THUYẾT VỀ THUẾ VÀ THUẾ TNDN 1 1.1. Lý thuyết thuế tối ưu 1 1.2. Khái niệm, bản chất, đặc điểm của thuế 1 1.2.1. Khái niệm chung về thuế 2 1.2.2. Những đặc điểm cơ bản của thuế 2 1.3. Giới thiệu về thuế TNDN 3 1.4. Vai trò của thuế TNDN trong nền kinh tế thị trường 4 1.5. Một số nghiên cứu và thực trạng về dự báo số thu thuế TNDN ở Việt Nam 5 Chƣơng 2: TÌNH HÌNH THỰC HIỆN THU THUẾ TNDN TẠI CỤC THUẾTP.HCM GIAI ĐOẠN 2006 - 2013 14 2.1. Giới thiệu về Cục ThuếTP.HCM 14 2.1.1. Giới thiệu chung về Cục thuế 14 2.1.2. Cơ cấu tổ chức 16 2.1.3. Chức Năng, Nhiệm Vụ Các Phòng Của Cục ThuếTPHCM. 16 2.2. Tình hình về số thu thuế TNDN từ giai đoạn 2006 – 2013 18 2.3. Sự biến chuyển của thuế suất thuế TNDN từ năm 2006 đến nay 22 Chƣơng 3: PHƢƠNG PHÁP NGHIÊN CỨU VÀ KẾT QUẢ KIỂM ĐỊNH 27 3.1. Các bước tiến hành nghiên cứu: 27 3.1.1. Dữ liệu chuỗi thời gian 27 3.1.1.1. Khái niệm chuỗi thời gian thực 27 3.1.1.2. Các thành phần của dữ liệu chuỗi thời gian thực 27 3.1.2. Kiểm định tính dừng của chuỗi thời gian 29 3.1.3. Tổng quan về mô hình dự báo kinh tế theo chuỗi thời gian 30 3.1.3.1. Giới thiệu về dự báo 30 3.1.3.2. Phương pháp định tính 30
3.1.3.3. Phương pháp dự báo định lượng 30 3.1.3.3.1. Mô hình kinh tế lượng (econometric model) 30 3.1.3.3.2. Mô hình cân đối liên ngành (gọi tắc là I/O, Input-output) 31 3.1.3.3.3. Mô hình cân bằng tổng thể (CGE-Computable General Equilibrium) . 32 3.1.3.4. Giới thiệu mô hình trung bình trượt kết hợp tự hồi quy (ARIMA) 33 3.1.4. Cơ sở lý thuyết Mô hình ARIMA 34 3.1.4.1. Hàm tự tương quan ACF (Autocorrelation Function) 34 3.1.4.2. Hàm tự tương quan riêng phần PACF (Partial Autocorrelation Function) 37 3.1.4.2.1. Mô hình AR(p) 40 3.1.4.2.2. Mô hình MA(q) 40 3.1.4.2.3. Mô hình ARMA(p,q) 41 3.1.4.2.4. Mô hình ARIMA(p,d,q): 41 3.1.4.2.5. Trình tự cơ bản của phương pháp Box-Jenkins 42 3.1.4.3. Ứng dụng mô hình ARIMA 43 Chƣơng 4: KẾT QUẢ NGHIÊN CỨU 45 4.1. Số liệu và nguồn gốc số liệu 45 4.2. Ứng dụng mô hình vào dự báo 45 4.3. Xây dựng mô hình ARIMA cho chuỗi biến động số thu thuế TNDN 48 4.4. Thực hiện dự báo 50 KẾT LUẬN 53
DANH MỤC CHỮ VIẾT TẮT GTGT Giá trị gia tăng NSNN Ngân sách Nhà nước TP.HCM Thành phố Hồ Chí Minh TNCN Thu nhập cá nhân TNDN Thu nhập doanh nghiệp KBNN Kho bạc Nhà nước ARIMA Autoregressive Integrated Moving Average GDP Tổng sản phẩm quốc nội SXKD Sản xuất kinh doanh DN Doanh nghiệp NNT Người nộp thuế
DANH MỤC HÌNH ẢNH VÀ SỐ LIỆU Hình 2. 1 Số thu thuế TNDN của các doanh nghiệp có yếu tố nước ngoài giai đoạn 2006 - 2013 19 Hình 2. 2 Tỷ trọng thuế TNDN của các doanh nghiệp có yếu tố nước ngoài trong nguồn thu NSNN giai đoạn 2011- 2013 21 Hình 3. 1 Xu hướng tăng theo thời gian 27 Hình 3. 2 Thành phần mùa 28 Hình 3. 3 Thành phần chu kỳ 28 Hình 3. 4 Hàm tự tương quan ACF cho chuỗi ví dụ 36 Hình 3. 5 Hàm tự tương quan riêng phần PACF cho chuỗi ví dụ 38 Hình 3. 6 a) Dao động hàn số mũ tắt dần 39 Hình 3. 7 b) Dao động tắt dần theo luật số mũ 39 Hình 3. 8 c) Dao động tắt dần theo hình sin 39 Hình 3. 9 Sơ đồ mô phỏng mô hình Box-Jenkins: 42 Hình 4. 1 Đồ thị LNTNDN 46 Hình 4. 2 Đồ thị TNDN 46 Hình 4. 3 Kiểm định tính dừng 47 Hình 4. 4 Đồ thị tự tương và tương quan riêng phần của chuỗi LNTNDN 48 Hình 4. 5 Kiểm định mô hình LNTNDN 50 Hình 4. 6 Đồ thị số thu thực và số thu dự báo 52 Bảng 4. 1 Số liệu sô thu thuế TNDN từ quý 1-2006 đến quý 4-2013 (đơn vị: triệu đồng) 45 Bảng 4. 2 Kết quả kiểm định ADF đối với chuỗi gốc và chuỗi laga nepe 47 Bảng 4. 3 Kết quả ước lượng mô hình 49
i LỜI MỞ ĐẦU Lý do chọn đề tài Tình hình kinh tế thế giới và Việt Nam trong những năm gần đây diễn biến khá phức tạp, tuy đã có khởi sắc nhưng các doanh nghiệp sản xuất kinh doanh vẫn gặp nhiều khó khăn, tái cơ cấu kinh tế có những kết quả bước đầu song chưa thật sự cao; nợ xấu giảm tuy nhiên việc tiếp cận vốn của doanh nghiệp vẫn thấp. Năm 2013, đặc biệt là ngành ngân hàng đang gặp rất nhiều khó khăn, dư nợ tín dụng không tăng (Trong thời điểm hiện nay, khi các dịch vụ khác của ngân hàng chưa phát triển thì lãi cho vay là lợi nhuận chủ yếu của ngân hàng. Theo số liệu các ngân hàng niêm yết thì lợi nhuận từ hoạt động tín dụng trong tổng lợi nhuận chiếm trên 60% tổng lợi nhuận của ngân hàng). Thu NSNN năm 2013 dù vượt quá 5% nhưng tình hình cân đối NSNN còn gặp nhiều khó khăn, đặc biệt khi thực hiện nhiệm vụ thu trong bối cảnh nền kinh tế xã hội chưa hồi phục hoàn toàn sau khủng hoảng kinh tế, đồng thời với việc thực hiện thu NSNN còn phải thực hiện nuôi dưỡng nguồn thu. TP.HCM là một trong những địa phương thu ngân sách cao trong cả nước, nhưng cũng khó tránh khỏi tình trạng khó khăn chung. Do vậy, nhiệm vụ đặt ra cho ngành thuế là rất nặng nề. Để đảm bảo nguồn thu NSNN, Cục ThuếTP.HCM thực hiện quyết liệt các biện pháp chống gian lận thương mại, chống thất thu, nợ đọng thuế, chống chuyển giá, trốn thuế, ẩn lậu thuế, đặc biệt là đảm bảo số thu thuế TNDN. Tuy nhiên, số thu thuế nói chung và số thu thuế TNDN nói riêng biến động rất phức tạp và khó đoán trước được, làm ảnh hưởng đến kế hoạch thu chi ngân sách. Với những lí do trên, em lựa chọn đề tài “DỰ BÁO SỐ THU THUẾ TNDN BẰNG MÔ HÌNH ARIMA TẠI CỤC THUẾTP.HCM” nhằm ước lượng, dự báo số thu thuế TNDN trong 3 quí đầu năm 2014 để có những biện pháp kiểm tra, thanh tra kịp thời, khai thác nguồn thu hợp lí và thực hiện công tác thu nợ thuế nhằm đảm bảo được dự toán thu ngân sách. Mục tiêu thực hiện đề tài Mục tiêu của đề tài này nhằm trả lời các câu hỏi sau: (1) Với các dữ liệu thu thập được về số thu thuế TNDN có yếu tố nước ngoài do Phòng Kiểm tra số 2, Cục ThuếTP.HCM quản lí, phân tích sự biến động của số thu thuế TNDN giai đoạn từ năm 2006 đến năm 2013; (2) Dự báo số thu thuế TNDN trong 3 quý đầu năm 2014, để đảm bảo nguồn thu ngân sách, kế hoạch kiểm tra thuế, chống thất thu thuế, đảm bảo đủ số thu thuế phải được hoàn thiện như thế nào? Quy trình thực hiện đề tài
ii Đề tài được thực hiện theo qui trình sau: Đầu tiên, khái quát về lý thuyết thuế tối ưu, thuế nói chung và thuế TNDN nói riêng, vai trò của thuế TNDN trong nguồn thu NSNN; các nghiên cứu trước đó về dự báo số thu thuế TNDN. Tiếp đến, tìm hiểu cơ sở lý thuyết mô hình dự báo kinh tế Arima, một mô hình khá phổ biến trong lĩnh vực dự báo với số liệu chuỗi thời gian. Mô hình Arima phân tích tính tương quan giữa các dữ liệu quan sát để đưa ra mô hình dự báo thông qua các giai đoạn nhận dạng mô hình, ước lượng các tham số từ dữ liệu quan sát và kiểm tra các tham số ước lượng để tìm ra mô hình thích hợp. Mô hình kết quả của quá trình trên gồm các tham số thể hiện mức độ tương quan trên dữ liệu, và được chọn để dự báo giá trị tương lai. Cuối cùng, phân tích và dự báo số thu thuế TNDN bằng mô hình Arima với các dữ liệu thu thập được từ Phòng Kiểm tra số 2 - Cục ThuếTP.HCM. Bao gồm số thu thuế TNDN theo quí từ quí 1 năm 2006 đến quí 4 năm 2013 của các doanh nghiệp có yếu tố nước ngoài. Từ đó, đưa ra các kế hoạch kiểm tra phù hợp, kịp thời đảm bảo số thu thuế TNDN. Dữ liệu và kĩ thuật thực hiện đề tài Phƣơng pháp nghiên cứu - Tìm hiểu về chuỗi thời gian, các phương pháp xử lí chuỗi thời gian, cơ sở lý thuyết về mô hình Arima, xây dựng mô hình dự báo phù hợp, thực hiện chạy mô hình và kiểm định kết quả. Mô hình dự kiến - Mô hình Trung bình trượt kết hợp tự hồi quy (Autoregressive Integrated Moving Average - ARIMA) Nguồn số liệu dự kiến - Dữ liệu thu thập được là nguồn từ Phòng Kiểm tra số 2, Cục ThuếTP.HCM. Bao gồm số thu thuế TNDN có yếu tố nƣớc ngoài theo quí từ quí 1 năm 2006 đến quí 4 năm 2013. Tất cả các dữ liệu thu thập trên đây đều được quy ước theo một chuẩn thời gian cố định. Các tài liệu tham khảo đều được trích dẫn nguồn. Kết cấu đề tài Chương 1: Cơ sở lý thuyết về thuế và thuế TNDN Chương 2: Tình hình thực hiện thu thuế TNDN giai đoạn 2006 – 2013 Chương 3: Phương pháp nghiên cứu Chương 4: Kết quả nghiên cứu
1 Chƣơng 1: CƠ SỞ LÝ THUYẾT VỀ THUẾ VÀ THUẾ TNDN 1.1. Lý thuyết thuế tối ưu Lý thuyết kinh tế học về thuế chỉ ra rằng không có một hệ thống thuế hoàn hảo và lý tưởng duy nhất. Khi thiết kế bất cứ sắc thuế nào, các nhà làm chính sách đều phải hướng đến việc trả lời bốn câu hỏi: (1) Hệ thống thuế có hiệu quả kinh tế hơn hay không? (2) Hệ thống thuế có công bằng về mặt xã hội hơn không? (3) Hệ thống thuế có tạo nhiều thu ngân sách ròng hơn không? và (4) Hệ thống thuế có khả thi về mặt hành thu không? Trong điều kiện có thể, chính phủ các nước đều có xu hướng cố gắng thu được càng nhiều thuế càng tốt. Tuy nhiên, nếu việc tuân thủ nghĩa vụ thuế trở thành một gánh nặng quá lớn đối với người dân thì thuế không chỉ gây ra những biến dạng về mặt kinh tế mà còn có nguy cơ tạo ra những biến động xã hội do sự phản kháng của người nộp thuế. Do vậy, trong quá trình thiết kế các sắc thuế, chính phủ các nước luôn phải cân nhắc đồng thời các mục tiêu trên. Lý thuyết về đánh thuế tối ưu chỉ ra rằng một cơ chế thuế vững chắc là cơ chế thuế đảm bảo được yêu cầu: cơ sở thuế rộng, thuế suất thấp, thiết kế đơn giản. Tóm lại, một hệ thống thuế được xem là phù hợp khi, trong điều kiện cụ thể của quốc gia, nó trả lời được bốn yêu cầu trên. Dự báo số thu thuế từ thuế TNDN trong phạm vi của nghiên cứu này là việc sử dụng phần mềm Eview để chạy mô hình ARIMA dự báo số thu thuế và đưa ra phương án giúp đạt được số thu thuế cao nhất trong điều kiện cụ thể của Việt Nam hiện nay và phù hợp với thông lệ quốc tế. 1.2. Khái niệm, bản chất, đặc điểm của thuế Theo nhà kinh tế học Gaston Jeze trong cuốn “Tài chính công ” (1934) đã đưa ra một khái niệm cổ điển nhất và cũng nổi tiếng nhất về thuế. Theo tác giả, “ Thuế là một khoản trích nộp bằng tiền, có tính chất xác định, không hoàn trả trực tiếp do các công dânđóng góp cho Nhà nước thông qua con đường quyền lực nhằm bù đắp những chi tiêucủa Nhà nước”. Theo thời gian, khái niệm cổ điển này đến nay đã được bổ sung, chỉnh sửa và hoàn thiện như sau: “Thuế là một khoản trích nộp bằng tiền, có tính chất xác định, không hoàn trả trực tiếp do các công dân đóng góp cho Nhà nước thông qua con đường quyền lực nhằm bù đắp những chi tiêu của Nhà nước trong việc thực hiện các chức năng kinh tế-xã hội của Nhà nước”. Trên góc độ phân phối thu nhập, người ta đưa ra khái niệm thuếnhư sau: “Thuế là hình thức phân phối và phân phối lại tổng sản phẩm xã hội và thu nhập quốc dân
2 nhằmhình thành nên quĩ tiền tệ tập trung lớn nhất của Nhà nước (quỹ ngân sách nhà nước) để đáp ứng nhu cầu chi tiêu cho việc thực hiện các chức năng, nhiệm vụ của Nhà nước. Trên góc độ người nộp thuế thì thuế được định nghĩa như sau: “thuế là khoản đóng góp bắt buộc mà mỗi tổ chức, cá nhân phải có nghĩa vụ đóng góp cho Nhà nước theo Luật định để đáp ứng nhu cầu chi tiêu cho việc thực hiện các chức năng, nhiệm vụ của Nhà nước; người đóng thuế được hưởng hợp pháp phần thu nhập còn lại. Trên góc độ kinh tế học, thuế được định nghĩa như sau: “thuế là biện pháp đặcbiệt, theo đó, Nhà nước sử dụng quyền lực của mình để chuyển một phần nguồn lực từ khu vực tư sang khu vực công nhằm thực hiện các chức năng kinh tế- xã hội của Nhà nước. Như vậy, đã có nhiều khái niệm khác nhau về thuế. Cho dù về hình thức có nhiều cách nhìn nhận về thuế Nhà nước có khác nhau trong phong cách diễn đạt, song mọi cách nhìn nhận về thuế Nhà nước đều có những điểm chung nhất là: Thuế là một biện pháp tài chính của Nhà nước mang tính chất bắt buộc phi hình sự; Về nội dung vật chất của thuế là một bộ phận của cải từ khu vực tư chuyển vào khu vực công. Bộ phận của cải đó dược dùng cho việc nuôi sống bộ máy Nhà nước và trang trải các khoản chi phí công cộng. 1.2.1. Khái niệm chung về thuế Thuế là một biện pháp tài chính bắt buộc (phi hình sự) của Nhà nước nhằm động viên một bộ phận thu nhập từ lao động, của cải, vốn, từ việc chi tiêu hàng hoá, dịch vụ và từ việc lưu giữ, chuyển dịch tài sản của các thế nhân và pháp nhân nhằm trang trải các nhu cầu chi tiêu của Nhà nước. Việc thu thuế bao giờ cũng được thể chế bằng hệ thống pháp luật. 1.2.2. Những đặc điểm cơ bản của thuế Thuế là khoản thu không mang tính hoàn trả trực tiếp. Việc động viên qua thuế không gắn liền với lợi ích cụ thể mà người trả thuế thụ hưởng đối với việc cung cấp hàng hoá, dịch vụ công cộng của Nhà nước. Thuế mang tính nghĩa vụ của công dân đối với Nhà nước, thuế không phải là một khoản đối giá, nguời dân không có quyền đòi hỏi ở Nhà nước cung cấp cho họ một lượng giá trị hàng hoá, dịch vụ tương ứng với số thuế họ đã nộp. Đặc điểm này giúp ta phân biệt rõ thuế và các khoản phí, lệ phí khác. Thuế là một hình thức phân phối lại, vừa chứa đựng yếu tố kinh tế và xã hội. Đặc điểm này cho ta một quan niệm rõ ràng rằng việc đánh thuế của Chính phủ không thể thoát ly yếu tố kinh tế, xã hội, bởi vì nguồn thu nhập của thuế chính là kết quả của quá trình hoạt động kinh tế. Không có hoạt động kinh tế hoặc hoạt động kinh tế
3 kém hiệu quả không thể tạo ra được nguồn thu của thuế. Ngược lại, việc đánh thuế của Chính phủ tất yếu sẽ ảnh hưởng đến quá trình kinh tế- xã hội. Chính mối quan hệ này đặt ra cho các nhà hoạch định chính sách và quản lý thuế sự cân nhắc cần thiết khi thực hiện hành vi đánh thuế. Thuế là một khoản động viên bắt buộc phi hình sự gắn liền với quyền lực Nhà nước, tính chất bắt buộc của thuế là một yêu tố khách quan, nó xuất phát từ tính chất cung cấp hàng hoá công cộng và đặc điểm sử dụng hàng hoá công cộng. Trong việc cung cấp hàng hoá, dịch vụ của Nhà nước xuất hiện một vấn đề mà trong kinh tế học gọi là “người ăn không". Chính vì vậy mà Nhà nuớc đặt ra sự đóng góp mang tính chất bắt buộc. Tuy nhiên tính chất bắt buộc này lại phi hình sự. Nó khác với các khoản phạt là khoản áp dụng đối với người thực hiện một số hành vi cụ thể mà được coi là gây cản trở đối với xã hội. Thuế thì ngược lại, không có mục đích cụ thể nào, nhưng nó thường ảnh hưởng tới những vấn đề chung nhất. Hành vi mà thuế tác động không phải là hành vi được coi là cản trở xã hội, nói cách khác, người nộp thuế cho Nhà nước không phải là khoản phạt của Nhà nước đối với người nộp thuế. 1.3. Giới thiệu về thuế TNDN Theo quy định của luật thuế TNDN năm 2008 thì thuế TNDN chỉ điều tiết vào thu nhập của các tổ chức có hoạt động sản xuất, kinh doanh hàng hóa, dịch vụ, không còn điều tiết thu nhập của cá nhân có thu nhập từ hoạt động sản xuất, kinh doanh hàng hóa, dịch vụ (đã được xác định là đối tượng chịu thuế TNCN). Đặc điểm cơ bản của thuế TNDN: Đối tượng chịu thuế của thuế TNDN là thu nhập có nguồn gốc phát sinh chủ yếu từ hoạt động sản xuất, kinh doanh. Như vậy, dưới góc độ lý luận, để thu nhập được coi là thu nhập chịu thuế phải thỏa mãn 2 điều kiện: Có hành vi kinh doanh phát sinh trên thực tế, không phân biệt tư cách chủ thể là doanh nghiệp hay là các tổ chức khác, có đăng ký kinh doanh hay không có đăng ký kinh doanh (đăng ký dưới các hình thức khác theo Luật Các tổ chức tín dụng, Luật Luật sư, Luật Đầu tư ). Có thu nhập thực tế hợp pháp phát sinh trực tiếp từ hoạt động sản xuất kinh doanh trên và các khoản thu nhập khác. Đối tượng nộp thuế TNDN là mọi tổ chức và doanh nghiệp thuộc mọi thành phần kinh tế có phát sinh thu nhập từ hoạt động sản xuất, kinh doanh. Mức độ điều tiết của thuế TNDN là rất lớn. Mục đích cơ bản của thuế TNDN là động viên một phần thu nhập vào NSNN, đảm bảo sự đóng góp công bằng, hợp lý giữa các doanh nghiệp sản xuất, kinh doanh hàng hóa phát sinh thu nhập.
4 1.4. Vai trò của thuế TNDN trong nền kinh tế thị trường Thuế TNDN xuất hiện rất sớm trong lịch sử phát triển của thuế. Hiện nay ở các nước phát triển, thuế TNDN giữ vai trò đặc biệt quan trọng trong việc đảm bảo ổn định nguồn thu NSNN và thực hiện phân phối thu nhập. Mức thuế cao hay thấp áp dụng cho các chủ thể thuộc đối tượng nộp thuế TNDN là khác nhau, điều đó phụ thuộc vào quan điểm điều tiết thu nhập và mục tiêu đặt ra trong phân phối thu nhập của từng quốc gia trong từng giai đoạn lịch sử nhất định. Thuế TNDN ra đời bắt nguồn từ các lý do chủ yếu sau: Bắt nguồn từ yêu cầu thực hiện chức năng tái phân phối thu nhập, đảm bảo công bằng xã hội. Sự ra đời của thuế TNDN xuất phát từ nhu cầu tài chính của Nhà nước. Thuế TNDN là công cụ quan trọng để Nhà nước thực hiện chức năng tái phân phối thu nhập, đảm bảo công bằng xã hội. Trong điều kiện nền kinh tế thị trường ở nước ta, tất cả các thành phần kinh tế đều có quyền tự do kinh doanh và bình đằng trên cơ sở pháp luật. Các doanh nghiệp với lực lượng lao động có tay nghề cao, năng lực tài chính mạnh thì doanh nghiệp đó sẽ có ưu thế và có cơ hội để nhận được thu nhập cao; ngược lại các doanh nghiệp với năng lực tài chính, lực lượng lao động bị hạn chế sẽ nhận được thu nhập thấp, thậm chí không có thu nhập. Ðể hạn chế nhược điểm đó, Nhà nước sử dụng thuế TNDN làm công cụ điều tiết thu nhập của các chủ thể có thu nhập cao, đảm bảo yêu cầu đóng góp của các chủ thể kinh doanh vào NSNN được công bằng, hợp lý. Thuế TNDN là nguồn thu quan trọng của NSNN. Phạm vi áp dụng của thuế TNDN rất rộng, gồm cá nhân, nhóm kinh doanh, hộ cá thể và các tổ chức kinh tế có hoạt động sản xuất, kinh doanh hàng hoá, dịch vụ có phát sinh lợi nhuận. Nền kinh tế thị trường nước ta ngày càng phát triển và ổn định, tăng trưởng kinh tế được giữ vững ngày càng cao, các chủ thể hoạt động sản xuất, kinh doanh, dịch vụ ngày càng mang lại nhiều lợi nhuận thì khả năng huy động nguồn tài chính cho NSNN thông qua thuế TNDN ngày càng dồi dào. Thuế TNDN là công cụ quan trọng để góp phần khuyến khích, thúc đẩy sản xuất, kinh doanh phát triển theo chiều hướng kế hoạch, chiến lược, phát triển toàn diện của Nhà nước.Nhà nước ưu đãi, khuyến khích đối với các chủ thể đầu tư, kinh doanh vào những ngành, lĩnh vực và những vùng, miền mà Nhà nước có chiến lược ưu tiên phát triển trong từng giai đoạn nhất định. Thuế TNDN còn là một trong những công cụ quan trọng của Nhà nước trong việc thực hiện chứng năng điều tiết các hoạt động kinh tế - xã hội trong từng thời kỳ phát triển kinh tế nhất định.
5 Thuế TNDN là loại thuế có vai trò quan trọng trong hệ thống pháp luật thuế của Việt Nam, song để phát huy một cách có hiệu quả vai trò của thuế TNDN, chúng ta cần phải xem xét nó dưới nhiều khía cạnh, kể cả những kinh nghiệm xử lý của nước ngoài. 1.5. Một số nghiên cứu và thực trạng về dự báo số thu thuế TNDN ở Việt Nam Các nước tiên tiến trên thế giới coi phân tích, dự báo thu ngân sách là hoạt động quan trọng, không thể tách rời trong công tác xây dựng chính sách cũng như tổ chức quản lý thu ngân sách. Hầu hết các nước phát triển trên thế giới do có hệ thống cơ sở dữ liệu đầy đủ, chính xác, chi tiết nên đều sử dụng phương pháp mô hình hóa và các công cụ dự báo linh hoạt khác nhau tùy theo mục đích như phần mềm Eviews, SPSS để dự báo số thu hay hoạch định chính sách. Việc dự báo doanh thu từ thuế là bước khởi đầu của quá trình chuẩn bị cho dự trù NSNN, đồng thời cũng là điểm mấu chốt của quá trình dự thảo ngân sách cho khu vực công. Công tác dự báo này cần phải được rà soát trong cả năm đó nếu có những trở ngại lớn ảnh hưởng tới nguồn thu thuế, ví dụ như tốc độ tăng trưởng GDP hay những cải cách lớn. Cả con số dự báo ban đầu và dự báo đã được sửa đổi, rà soát sau đó đều quan trọng nhằm tránh tình trạng thâm hụt ngoài dự kiến xảy ra trong năm ngân sách và vốn sẽ bù đắp có nhiều bằng khoản vay ngoài dự kiến phát sinh hoặc phải cắt giảm chi tiêu và kéo theo đó là bằng các biện pháp thu khẩn cấp khác nhằm kiểm soát nguồn thu. Dự báo số thu thuế đã trở nên vô cùng quan trọng kể từ khi xuất hiện khuôn khổ chi tiêu trung hạn (MTEF), dựa trên những dự báo số thu từ thuế. Việc thay đổi tâm lí tư duy từ “nhu cầu” sang “mức độ sẵn có” của các bộ và cơ quan được phân bổ đơn vị chi tiêu sử dụng ngân sách là đặc điểm quan trọng nhất của cách tiếp cận MTEF trong quá trình phân bổ ngân sách, và do đó mức độ chắc chắn của các dự đoán các quỹ sẽ đóng vai trò quan trọng đối với việc tái phân bổ ngân sách tương lai. Vì MTEF vốn là một bài toán hoạch định cho nhiều năm một nên việc dự báo thu cho 2 đến 3 năm là cần thiết, cứ sau 2 hoặc 3 năm nên dự báo lại số thu từ thuế Các nước phát triển như Canada, Úc, New Zealand, Hà Lan và Mỹ đều sử dụng cả mô hình mô phỏng vi mô và vĩ mô để dự báo tính toán thu nhập thuế và phân tích tác động tới quá trình thay đổi của chính sách thuế. Trên thực tế, rất nhiều mô hình hiện hành đều được Bộ Tài chính hay cơ quan quản lí thuế, Cục Thuếở một số nước xây dựng đầu tiên. Ví dụ, Canada đi đi tiên phong trong việc phát triển mô hình dự báo mô phỏng vi mô để dự báo tính thu nhập thuế TNCN. Tương tự, Úc cũng đã phát triển mô hình dự báo số thu từ thuế dựa trên đầu ra – đầu vào để dự báo tính thuế GTGT, mô hình này cũng giúp thực hiện nhiệm vụ kép. Điều này không chỉ
6 giúp dự báo tính toán cả số thu từ thuế mà còn phân tích được tác động của những thay đổi trong chính sách. Kể từ cuối những năm 1960, những nước lớn thuộc khối OECD và Mỹ đã phát triển “những mô hình mô phỏng vi mô” cho những loại thuế chính của mình, đặc biệt là thuế TNCN và thuế TNDN. Những mô hình này là những dữ liệu chuyên sâu tổng hợp và được xây dựng với sự trợ giúp của những mẫu dữ liệu số thu từ tờ khai thuế. Chúng có mục tiêu kép: (a) ước tính tác động của chính sách thuế đến số thuế thu; (b) dự báo số thu cho một hoặc hai năm tới. Với các nước đang phát triển, rất ít nước phát triển hoàn toàn được các mô hình và đa phần trong số đó đang trong quá trình xây dựng mô hình phù hợp. Một vài trong số này tiến bộ hơn như Malaysia, Nam Phi, và các nước khác (Ghana, Sri Lanka). Trong phần lớn các nước này, chỉ sử dụng có những phương pháp phân tích đơn giản, một vài nước áp dụng những hình thức sơ khai của mô hình dựa trên GDP, mô hình này dựa trên nguyên tắc độ đàn hồi của thuế thay cho nguyên tắc đang được sử dụng, và những nước này sử dụng tính độ co giãn của thuế để dự toán tính thu nhập thuế. Thay vì nguyên tắc độ co giãn của thuế, gần đây một số nước như Nga, Bungari đã thiết lập và phát triển chức năng dự báo nguồn thu nội bộ trong các cơ quan quản lí thuế như là một phần của chương trình hiện đại hóa quản lí thuế tổng thể. Quĩ tiền tệ quốc tế IMF đã tiến hành một nghiên cứu so sánh thực tiễn dự báo tĩnh ở các nước đang phát triển và các nền kinh tế đang chuyển đổi dựa trên mẫu nghiên cứu gồm 34 nước (Kyobe và Danginger 2005) từ châu Phi, châu Á, Mỹ la tinh, Trung Đông và cộng đồng các quốc gia độc lập. Một vài phát hiện quan trọng trong nghiên cứu này được tóm tắt như sau: Ở hầu hết các quốc gia, trách nhiệm lập dự toán tính được xác định hết sức qua loa và có rất ít qui tắc và qui luật chính thức cho thực thi dự toán tính thu nhập thuế; Các kĩ thuật dự báo tính toán nhìn chung còn sơ sài. Khoảng 85% các nước sử dụng những kĩ thuật ngoại suy đơn giản và đánh giá chủ quan như là biện pháp chính để dự toán tính thu nhập thuế; Quá trình liên quan đến nhiều cơ quan hành pháp đa quyền lực bên ngoài Bộ Tài chính nên đòi hỏi cấp độ hợp tác cao hơn; Không lấy làm lạ là có thể có những dự toán tính mâu thuẫn khác nhau, và điều này không gây ngạc nhiên đối chọi nhau;
7 Những dự toán tính thu nhập thuế thường được thực hiện rất muộn - vào cuối giai đoạn lập dự toán ngân sách, do đó vô hiệu hóa các liên kết quan trọng giữa dự báo số thu và lập dự toán ngân sách; Sự tín nhiệm của quần chúng về mặt tiếp cận với kết quả của dự toán tính và sự tham gia của các cơ quan phi chính phủ trong việc lập dự tính toán thu nhập thuế bị hạn chế; Những đặc điểm này không khác nhau nhiều giữa các mức thu nhập bình quân đầu người hay thu nhập vùng về mức thu nhập bình quân đầu người hay thu nhập vùng. Tính minh bạch hơn và chặt chẽ hơn được áp dụng ở các nước Mỹ Latinh nơi có mức thu nhập cao hơn; Những nước có mức thu nhập bình quân đầu người cao hơn và tỉ lệ tham nhũng thấp hơn thì sẽ có tính minh bạch và tính chính thức (trong dự tính số thu từ thuế) cao hơn. Có hai nhóm mô hình chủ yếu được dùng cho hầu hết các loại thuế. Một loại mô hình thứ 3 với tên gọi “Mô hình thu hàng tháng” sẽ dự báo tính mực số thu thực tế của mỗi loại thuế thay vì mức số thu tiềm năng cũng được sử dụng như trước đây (King 1995, 254-57). (a) Dựa trên GDP hay mô hình vĩ mô Mô hình dự trên GDP hay mô hình vĩ mô khá đơn giản với những yêu cầu về cơ sở dữ liệu có thể quản lí được. Mô hình này dựa trên mối quan hệ giữa cơ sở nền tảng thuế và nguồn thu từ thuế. Nguyên tắc căn bản là nếu không có sự thay đổi nào trong các bộ luật thuế (mức thuế và cơ sở thuế hiện tại không đổi) thì việc tăng thu nhập thuế từ năm này sang năm khác sẽ là do tăng cơ sở thuế theo thời gian chức năng trong nền tảng thuế qua các giai đoạn (GDP, thu nhập, tiêu thụ, giá trị nhập khẩu, v.v.) và sự co giãn của thu nhập thuế đối với nền tảng cơ sở thuế đó. Do vậy, để áp dụng mô hình này, cần phải tính toán sự co giãn của các loại thuế nói chung hoặc 1 loại thuế đặc biệt cụ thể nào đó bằng cách sử dụng phương pháp phân tích hồi qui các dữ liệu về số thu thuế và cơ sở thuế theo thời gian. Bước tiếp theo là dự báo tăng trưởng trong nền tảng cơ sở thuế và cuối cùng là dự báo tính số thu từ thuế với sự trợ giúp của chỉ số co giãn của thuế và mức tăng trong thuế cơ bản cơ sở thuế. Việc dự báo tính tăng trưởng trong cơ sở thuế cơ bản (GDP, tiêu dùng) có thể được lấy từ những dự báo tính toán trong lĩnh vực thực sự (kinh tế vĩ mô). Nếu mức thuế và/hoặc cơ sở thuế cũng thay đổi, chẳng hạn, có những thay đổi trong mức thuế và/hoặc cơ sở thuế thì mức tăng trong thu nhập thuế của năm đó sẽ phụ thuộc vào mức tăng thông thường trong thuế cơ bản, cơ sở thuế cộng với tác động của những thay đổi do các biện pháp tức thì đột ngột cần thiết tiến hành. Giờ đây
8 người ta không phải tính toán tác động của những thay đổi bất ngờ đó nữa. Nếu chúng ta cố gắng tính độ co giãn trong một năm của những thay đổi đó bằng những biện pháp phân tích hồi qui thì chúng ta sẽ tính toán được độ đàn hồi, bao gồm cả khả năng phục hồi của hệ thống thuế. Điều này không chỉ bao gồm ảnh hưởng của tăng trưởng kinh tế với những thay đổi căn bản. Nếu T0 là số thu từ thuế trong năm nay, khi T1 là doanh số thu từ thu nhập thuế dự kiến năm tới, có thể liên kết các yếu tố khác với T0 như sau: T1 = T0 + (Tăng trưởng số trong doanh thu mà không có sự thay đổi về kết cấu thuế) + (Thay đổi do các biện pháp tức thì cần thiết) Do vậy để áp dụng mô hình này, cần tách riêng mức tăng trong thu nhập thuế bắt nguồn từ mức tăng trong cơ sở thuế và mức tăng xuất phát từ những thay đổi căn bản do các biện pháp được tiến hành. Người ta gọi đó là mô hình dựa trên GDP, nhưng cơ sở thuế không phải lúc nào cũng là GDP và nó có thể là tổng chi lương hoặc lợi nhuận doanh nghiệp hay chi tiêu giá trị tiêu dùng hay giá trị/lưu lượng nhập khẩu. Đây là một mô hình tương đối đơn giản với những yêu cầu dữ liệu cần được quản lí. (b) Mô hình mô phỏng vi mô cụ thể về thuế: Ngoài ra còn có những mô hình thuế cụ thể, đôi khi được biết đến với cái tên “Những mô hình mô phỏng vi mô”, với 2 mục đích chính: Phân tích tác động của chính sách: Chúng cho phép chúng ta phân tích tác động của một thay đổi nào đó trong chính sách thuế hay sự thay đổi trong cơ cấu thuế lên những người chịu thuế, những nhóm liên quan cụ thể cũng như tổng thu nhập thuế. Do đó cần phải tiến hành phân tích bối cảnh, có nghĩa là đưa ra những phương án bối cảnh của các chính sách thuế khác nhau và so sánh chúng, để rồi lựa chọn chính sách phù hợp với nhu cầu của đất nước mình; Dự báo tính tổng thu thuế: Các mô hình cũng cho phép tính toán chính xác tổng thu thuế mà có/không có bất kì sự thay đổi nào trong chính sách thuế hay cơ cấu thuế. Đối với những mô hình dự báo dựa trên GDP được miêu tả ở trên thì hậu quả của việc can thiệp thuế là rất khó để đưa ra khuôn mẫu nào vào mô hình hóa, nhất là đối với thuế TNCN và thuế TNDN. Một nhóm khác của mô hình mô phỏng vi mô là kết hợp mô hình thuế với mô hình kinh tế (ví dụ như với từng ngành, từng khu vực, loại hàng hóa tiêu dùng, v.v.), với điều kiện là các chỉ số hiệu quả hoạt động kinh tế chính (tiêu dùng, tiền công, tiền lương, thu nhập và lợi nhuận khu vực doanh nghiệp) và số thu từ thuế có quan hệ phụ thuộc. Điều này cho phép làm sáng tỏ những phản hồi của các tác động trở lại
9 của loại thuế đối với những những nền tảng kinh tế cơ bản. Vì những lí do thực tiễn, những mô hình này thường được thực hiện riêng biệt. Một mô hình tập trung vào dự báo kinh tế và mô phỏng những thay đổi của chính sách trong khi (những) mô hình khác tập trung vào tổng thuế thu. Mặc dù những mô hình này không nhất thiết phải tự động kết nối với nhau, chúng cần phải được tạo ra theo những dự báo số doanh thu thuế và kinh tế vĩ mô thống nhất với nhau. Rõ ràng là những mô hình này phức tạp hơn, và đòi hỏi nhiều dữ liệu hơn. Và ta cũng cần thêm thời gian để xây dựng nên những mô hình như thế. Nhưng những mô hình này có thể và nên được xây dựng bởi chính những người sử dụng và đừng nên quá phức tạp. Một khi được sử dụng thì chúng phải là những mô hình thân thiện với người dùng và có hiệu quả cao. Cần xét đến 2 khía cạnh quan trọng sau: Khoảng thời gian được phân tích: Xét theo quan điểm của khuôn khổ chi tiêu giữa kì trung hạn thì khoảng thời gian cho công tác tính toán nên trong khoảng 3 năm để đảm bảo có được sự khái quát đúng đắn những rủi ro vĩ mô như hậu quả (thâm hụt) ngân sách trong tương lai gần; Cơ sở tiền mặt hay là cơ sở nợ dồn tích: sự khác biệt của hai cơ sở (tính thuế) nằm ở chỗ liệu một người nộp thuế sẽ đối phó với các khoản tiền mặt nhận được hay chịu các khoản nợ thuế trong một thời hạn nhất định. Thông thường, các mô hình vĩ mô thường dự đoán các khoản tiền mặt, trái lại những mô h.nh vi mô lại nghiên cứu những khoản nợ hay thuế tiềm năng có thể phát sinh bất kì lúc nào vào một thời điểm nhất định (nửa năm chẳng hạn) và cần phải được điều chỉnh để sao cho chúng vẫn gói gọn trong khoản thu tiền mặt thực sự, và đây là mối quan tâm lớn nhất của chính phủ. (c) Mô hình mức thu hàng tháng Có một nhóm các mô hình có thể dự báo các khoản thu hàng tháng chứ không dự báo số thu từ thuế tiềm năng. Điều này lại không thích hợp lắm cho công tác phân tích tác động và quy mô của nó lại bị hạn chế trong phạm vi dự tính mức thu kỳ vọng hàng tháng. Tuy nhiên đây là công cụ hữu ích cho việc phân bổ mục tiêu thu thuế hàng tháng giữa các cán bộ thuế và giám sát thực hiện nhiệm vụ của các cán bộ này. Hơn nữa, nó tính đến thời vụ của các khoản thu. Yêu cầu về dữ liệu là rất nhỏ. Theo đó, chỉ cần tính mức thu hàng tháng trong vòng 12 tháng của năm ngoái, số mức thu hàng tháng của tháng hiện tại của năm nay và tốc độ tăng trưởng GDP của năm hiện tại. Đây thực sự là một công cụ hữu ích cho công tác phân bổ mục tiêu thu thuế của các cán bộ ngành thuế đồng thời hỗ trợ cho công tác quản lí hoạt động của họ.
10 Còn với Việt Nam, trong bối cảnh tình hình kinh tế trong nước và thế giới ngày càng diễn biến nhanh, phức tạp, khó lường và có những tác động lớn đối với kết quả thu thuế, dự báo thu theo phương pháp truyền thống chưa đáp ứng được yêu cầu quản lý đặt ra, đòi hỏi công tác dự báo thu phải được đổi mới, hiện đại hóa để có thể dự báo nhanh, chính xác, phục vụ hiệu quả công tác điều hành vĩ mô của nhà nước. Vì vậy từ năm 2006, được sự tài trợ của Dự án hỗ trợ kỹ thuật của Châu Âu (EU) đối với Bộ Tài chính trong hợp phần 2 (ETV2/PTF2), các chuyên gia Hoa Kỳ và EU đã giúp Tổng Cục Thuếtrong quá trình thực hiện đề án "Nghiên cứu xây dựng mô hình dự báo thu NSNN" thông qua các khóa đào tạo về kiến thức, kỹ năng, các đợt làm việc về giới thiệu kinh nghiệm các nước trên thế giới, đánh giá thực trạng công tác dự báo của Việt Nam, tư vấn, hỗ trợ triển khai xây dựng thử nghiệm các mô hình dự báo tại Việt Nam. Từ năm 2009 đến nay, sau khi kết thúc chương trình hỗ trợ của EU, Tổng Cục Thuếvẫn tiếp tục cập nhật số liệu, chạy thử nghiệm các mô hình, phân tích, đánh giá kết quả dự báo so với thực tế để từng bước điều chỉnh mô hình. Thực tế, lãnh đạo Tổng Cục Thuếđã nhận thức rõ tầm quan trọng phải đổi mới phương pháp phân tích, dự báo thu, từng bước tiếp cận và đưa vào ứng dụng các công cụ dự báo thu hiện đại. Hiện tại, Tổng Cục Thuếđang lưu giữ cơ sở dữ liệu và tiến hành dự báo số thu từ tất cả các nguồn tổng thu thuế, số thu từ thuế GTGT, thuế tiêu thụ đặc biệt, thuế TNCN, thu nhập doanh nghiệp và thuế đánh vào khai thác tài nguyên thiên nhiên, bao gồm cả doanh thu từ dầu. Những dự tính toán thu cho năm tới chủ yếu dựa trên tốc độ tăng số thu năm hiện tại so với số thu thuế cùng kỳ của năm trước. Tốc độ tăng trưởng này được điều chỉnh cho phù hợp sau khi đi xem xét tốc độ tăng số thu từ thuế thu nhập của các ngành công nghiệp có liên quan, các lĩnh vực và khu vực thích hợp của nền kinh tế và sau khi tham vấn kỹ với các Bộ và với cơ quan thuế ở cấp tỉnh và chi Cục Thuếcấp huyện, Rõ ràng là hiện nay việc dự báo tổng thu từ thuế hoặc dự báo doanh thu từ từng loại thuế cá nhân không sử dụng bất kì mô hình toán kinh tế hay mô phỏng vi mô nào mà mới chỉ đơn thuần là sử dụng phương pháp phân tích xu hướng mà thôi. Hiện nay, Tổng Cục Thuếbước đầu tiến hành xây dựng thử nghiệm một số mô hình dự báo thu như: Mô hình dự báo tháng dùng cho dự báo số thu hàng tháng cho từng sắc thuế và tổng thu thuế; mô hình dự báo thuế giá trị gia tăng theo phương pháp dựa trên bảng cân đối I-O trên cơ sở bảng I-O năm 2000; mô hình hồi quy tổng thu nội địa theo GDP
11 Theo đó, mô hình dự báo số thu tháng là một mô hình dự báo ngắn hạn được sử dụng để dự báo số thu hàng tháng đối với các sắc thuế chính và dự báo tổng thu chung. Mô hình này xem xét đến cả các tác động của yếu tố mùa vụ trong hoạt động thu thuế và cho kết quả tương đối chính xác về số thu thực tế hàng tháng. Cơ sở dữ liệu cần có để sử dụng mô hình này là số thu thuế thực tế qua hàng tháng của năm trước liền kề và các tháng trước liền kề tháng dự báo và sử dụng tỷ lệ tăng trưởng GDP hàng năm để dự báo. Hàng năm, Tổng Cục Thuếđều thực hiện cập nhật mô hình tháng theo thời điểm từng tháng, quý, kết quả dự báo được điều chỉnh cho phù hợp và được sử dụng làm một kênh tham khảo trong quá trình đánh giá thực hiện dự báo thu NSNN hàng tháng, quý, năm. Theo đó, kết quả dự báo các tháng năm 2013 sau khi loại trừ các yếu tố ảnh hưởng, dự báo một số sắc thuế chính qua các tháng tương đối sát với số thực hiện của từng tháng. Tuy nhiên, về tổng thể số dự báo của một số tháng còn sai lệch cao lên tới hơn 5%, do trong những năm gần đây, Chính phủ áp dụng nhiều chính sách ưu đãi miễn giảm thuế đối với các nhóm doanh nghiệp, người nộp thuế, nên ảnh hưởng đến số thu NSNN. Hiện tại, Tổng Cục Thuếđang thực hiện tách các số ảnh hưởng thu ra khỏi số liệu đầu vào cũng như số thực hiện để kết quả dự báo sát hơn. Với mô hình dự báo thuế giá trị gia tăng theo phương pháp I-O sẽ sử dụng bảng cân đối liên ngành I-O để ước tính cơ sở tính thuế; căn cứ vào tỷ lệ tuân thủ thuế giá trị gia tăng, thuế suất áp dụng cho từng ngành hàng kinh tế, dự báo thu thuế giá trị gia tăng cho năm tiếp theo. Theo đó, dữ liệu đầu vào sẽ là bảng cân đối liên ngành I-O và hệ thống tài khoản quốc gia do Tổng Cục Thống kê ban hành hàng năm, các chỉ tiêu kinh tế vĩ mô dự báo của cả nước Tuy nhiên, khó khăn của việc thu thập dữ liệu đối với mô hình này là việc Tổng cục Thống kê thường ban hành các chỉ tiêu trong hệ thống tài khoản quốc gia không kịp thời; đồng thời việc lựa chọn các chỉ tiêu kinh tế vĩ mô được dự báo hàng năm cũng gặp khó khăn, do các chỉ số này được nhiều cơ quan, tổ chức khác nhau thực hiện và cho kết quả khác nhau. Hơn nữa, kết quả dự báo theo mô hình bảng I-O cho kết quả dự báo chưa sát do cơ sở dữ liệu về thu ngân sách của ngành thuế chia theo ngành chưa tương thích với phân ngành kinh tế trên bảng I-O của Tổng cục Thống kê. Trước mắt, mô hình này mới được ứng dụng trong việc hoạch định, xây dựng các phương án chính sách thuế giá trị gia tăng mới cũng như đánh giá tác động đến số thu NSNN khi chính sách thuế giá trị gia tăng thay đổi. Đối với mô hình hồi quy tổng thu nội địa theo GDP dựa trên lý thuyết vĩ mô nhằm xác định các biến số có liên quan đến kết quả thu thuế, từ đó, xây dựng mô hình
12 toán học biểu thị quan hệ giữa các biến số đó với số thu thuế hoặc cơ sở tính thuế. Mô hình này có ưu điểm là dễ thực hiện, số liệu đầu vào có khả năng đáp ứng được. Mô hình hồi quy có thể sử dụng để dự báo tổng thu NSNN hoặc dự báo thu riêng từng sắc thuế. Yêu cầu quan trọng nhất của mô hình này là phải có chuỗi số liệu đủ dài và được làm sạch, loại trừ yếu tố ảnh hưởng của chính sách và quản lý thu, đồng thời, các mô hình hồi quy phải được điều chỉnh, kiểm nghiệm sai số để có thể đưa ra được kết quả dự báo hợp lý. Hiện tại, cơ sở dữ liệu ngành Thuế có thể đáp ứng một phần yêu cầu cơ sở dữ liệu phục vụ cho mô hình hồi quy. Cũng theo Tổng Cục thuế, mô hình mô phỏng vi mô dự báo thuế TNDN được sử dụng để phân tích nghĩa vụ thuế của doanh nghiệp và ước lượng số thuế có thể thu được cho chính phủ thông qua hệ thống thuế hiện tại và đánh giá ảnh hưởng của việc áp dụng các chính sách thuế mới. Mô hình được sử dụng để dự báo tổng thu thuế TNDN và số thu thuế TNDN theo các ngành, lĩnh vực. Ưu điểm của mô hình này là có thể phân tích, đánh giá được ảnh hưởng của số thu NSNN khi nhà nước dự kiến áp dụng chính sách thuế mới. Tuy nhiên, phương pháp thực hiện phức tạp và dữ liệu đầu vào đòi hỏi nhiều thông tin chi tiết của người nộp thuế, do đó, việc đảm bảo đủ thông tin phục vụ xây dựng mô hình mô phỏng vi mô dự báo thuế TNDN tại cơ quan Tổng Cục Thuếcòn gặp nhiều hạn chế. Thực tế hiện nay, cơ sở dữ liệu ngành Thuế đã có thể khai thác một phần thông tin của tờ khai thuế TNDN cũng như báo cáo tài chính của doanh nghiệp để phục vụ cho xây dựng mô hình dự báo thuế TNDN theo phương pháp mô phỏng vi mô. Tuy nhiên cũng còn một phần dữ liệu hiện vẫn chưa được tích hợp đầy đủ trong ứng dụng ngành Thuế là số thuế và thông tin báo cáo tài chính của các đơn vị thuộc một số chi Cục Thuếquản lý. Riêng với công tác dự báo số thu thuế TNCN, các nước phát triển trên thế giới thường áp dụng hai mô hình là: mô hình người nộp thuế điển hình và mô hình tổng hợp về dự báo. Hiện tại, ngành Thuế đang triển khai xây dựng chương trình quản lý thuế TNCN và cập nhật hệ thống thông tin cơ sở dữ liệu. Như vậy, sau khi chương trình quản lý thuế và hệ thống thông tin cơ sở dữ liệu hoàn thành mới có thể khai thác được các thông tin để triển khai nghiên cứu, xây dựng mô hình người nộp thuế điển hình cũng như mô hình tổng hợp. Như vậy, để dự báo thu chính xác, ngành Thuế có thể phải sử dụng nhiều mô hình phức tạp hơn để dự báo được sự tác động của nền kinh tế đặc thù của Việt Nam đến số thuế thu được. Muốn làm được điều này cần xây dựng một cơ sở dữ liệu tập trung thống nhất về số thu ngân sách, trong đó đặc biệt chú trọng đến việc xây dựng cơ sở dữ liệu doanh nghiệp và cá nhân nộp thuế để tránh thất thu thuế.
13 Tóm tắt chƣơng 1 Các lí thuyết thuế tối ưu và thuế nói chung, cũng như thuế TNDN nói riêng là nền tảng của quá trình nghiên cứu sự biến động của số thu thuế TNDN do tác động của các yếu tố về kinh tế - xã hội, các chính sách thuế, ưu đãi hay miền giảm thuế. Vai trò của thuế TNDN trong nền kinh tế hiện nay vô cùng to lớn, chiếm tỷ trọng lớn trong số thu NSNN, nên việc đảm bảo nguồn thu này là vô cùng quan trọng Dự báo số thu là xuất phát điểm trong việc lập dự toán ngân sách nhà nước và là điểm mấu chốt của lập dự toán ngân sách của khu vực công. Việc dự báo nguồn thu phải thực hiện trước khi bắt đầu chu kỳ ngân sách. Dự báo số thu là cần thiết để tránh thâm hụt không mong muốn có thể phải được bù đắp bằng những khoản vay ngoài kế hoạch, cắt giảm chi tiêu và những biện pháp thu ngoài dự tính. Dự báo số thu ngày càng trở nên quan trọng vì sự trông đợi của khuôn khổ chi tiêu trung hạn (MTEF) được dựa trên dự báo tính số thu trong trung hạn. Tổng quát về các mô hình mà các nước trên thế giới và Việt Nam đã, đang áp dụng để thực hiện dự báo số thu thuế TNDN trong thời gian qua. Từ các mô hình, kết quả thực hiện dự báo để đánh giá tình trạng cụ thể của việc dự báo số thu thuế TNDN. Xác định vai trò quan trọng của việc dự báo số thu thuế TNDN trong quá trình lập NSNN hiện tại, các kế hoạch kiểm tra – thanh tra phù hợp để đảm bảo số thu thuế. Bên cạnh việc dự báo số thu thuế trong tương lai cho dự toán ngân sách, các kỹ thuật dự báo được sử dụng để ước tính khả năng nguồn thu và theo dõi quá trình thu thuế đánh giá các khía cạnh kinh tế và cơ cấu của chính sách tài khóa và dùng để phân tích chi tiêu thuế.
14 Chƣơng 2: TÌNH HÌNH THỰC HIỆN THU THUẾ TNDN TẠI CỤC THUẾTP.HCM GIAI ĐOẠN 2006 - 2013 2.1. Giới thiệu về Cục ThuếTP.HCM 2.1.1. Giới thiệu chung về Cục thuế Cục ThuếThành phố Hồ Chí Minh là tổ chức trực thuộc Tổng Cục thuế, có chức năng tổ chức thực hiện công tác quản lý thuế, phí, lệ phí và các khoản thu khác của NSNN (gọi chung là thuế) thuộc phạm vi nhiệm vụ của ngành thuế trên địa bàn Thành phố Hồ Chí Minh theo quy định của pháp luật. Cục ThuếTP.HCM có tư cách pháp nhân, con dấu riêng, được mở tài khoản tại Kho bạc Nhà nước theo quy định của pháp luật. Cục ThuếTP.HCM với số thu lớn nhất, chiếm trên 1/3 tổng số thu của cả nước; luôn hoàn thành xuất sắc nhiệm vụ thu NSNN, góp phần quan trọng giữ vững ổn định tài chính vĩ mô, động viên, huy động nguồn lực phục vụ cho phát triển, thiết thực đóng góp tăng trưởng kinh tế của đất nước, giải quyết được nhiều vấn đề xã hội như xóa đói giảm nghèo, đầu tư nhiều công trình về hạ tầng, tích lũy và thực hiện chế độ lương mới. Là đơn vị dẫn đầu ngành thuế trong nhiều lĩnh vực và được chọn làm thí điểm trong việc áp dụng các Luật thuế, các quy trình quản lý thu thuế mới được toàn ngành học tập như: Hoàn thiện quy trình quản lý hộ; Tổ chức lại đội thuế phường, xã, xoá bỏ tình trạng kế toán doanh nghiệp tìm gặp công chức thuế chuyên quản; Cải tiến quy trình thu thuế qua kho bạc bằng giấy nộp tiền in sẵn nên giảm thiểu được số công chức ghi biên lai, giảm sai sót trong quá trình ghi biên lai, nhanh chóng cập nhật số thu; Là đơn vị tiên phong tổ chức trung tâm tư vấn thuế miễn phí cho người nộp thuế, thực hiện thành công mô hình Tuyên truyền hỗ trợ tổ chức, cá nhân nộp thuế; dẫn đầu về quản lý thuế thu nhập đối với người có thu nhập cao, một trong hai đơn vị trong cả nước thành lập và đưa vào hoạt động hiệu quả Phòng thuế TNCN. Là đơn vị đầu tiên được chọn làm thí điểm thực hiện quy trình quản lý theo hướng doanh nghiệp tự kê khai, tự tính thuế và tự nộp thuế vào Kho bạc Nhà nước . Thiết lập các đường dây nóng, tổ chức đối thoại với các doanh nghiệp, kịp thời giải đáp, xử lý những vướng mắc, hàng năm có trên 15.000 lượt doanh nghiệp, trên 35.000 lượt hộ cá thể SXKD được tập huấn; giải đáp thắc mắc qua điện thoại, qua phương tiện thông tin đại chúng, trên mạng Internet. Là đơn vị đầu tiên trong cả nước thực hiện ISO 9001:2000 cho các sản phẩm Tuyên truyền hỗ trợ – Cấp mã số thuế cho Doanh nghiệp – Quản lý đăng ký thuế đối với người có thu nhập cao – Cung cấp thông tin hồ sơ lưu trữ – Đăng ký và duyệt hóa đơn tự in.
15 Là đơn vị tiên phong của ngành thuế trong việc ứng dụng công nghệ tin học vào công tác quản lý thuế trong nghiên cứu, thử nghiệm và có nhiều đóng góp cho sự hình thành, phát triển hệ thống xử lý thông tin của Tổng Cục Thuếmang lại hiệu quả cao được toàn ngành học tập; xây dựng nhiều chương trình ứng dụng có hiệu quả như trang Website của Cục Thuế đã giúp người dân, doanh nghiệp tìm biết những thông tin cần thiết về văn bản pháp luật thuế, lựa chọn đối tác kinh doanh; những đơn vị, cá nhân hoạt động không hợp lệ, các hoá đơn không hợp pháp đang lưu hành qua đó phát hiện các thủ đoạn gian lận trốn thuế kịp thời xử lý theo pháp luật. Không ngừng xây dựng bộ máy tổ chức và đội ngũ công chức ngày càng trong sạch vững mạnh, có trình độ, giỏi chuyên môn nghiệp vụ, tiếp thu và ứng dụng được khoa hoc công nghệ tiên tiến, đáp ứng yêu cầu của công tác quản lý thuế trong giai đoạn mới. Là đơn vị dẫn đầu của ngành thuế cả nước trên các lãnh vực ứng dụng máy tính trong quản lý thuế, thanh tra và xử lý tố tụng về thuế, quản lý thuế các doanh nghiệp có vốn đầu tư nước ngoài, thuế khu vực kinh tế công thương nghiệp dịch vụ ngoài quốc doanh, thuế khu vực kinh tế quốc doanh Có nhiều đóng góp cho ngành về biện pháp quản lý thu thuế tạo điều kiện để xây dựng chính sách thuế hợp lý sát thực tiễn của Việt Nam và xây dựng kế hoạch, chương trình mục tiêu phát triển kinh tế của các quận, huyện, thành phố. Để ghi nhận những thành tích trên, Cục Thuếthành phố đã được Nhà nước khen thưởng 24 Huân chương, 7 Cờ thi đua và 4.144 bằng khen cụ thể như sau: Từ năm 1990 đến năm 1998: 6 Huân chương Lao động hạng 3; 264 Bằng khen. Từ năm 1999 đến nay, Nhà nước khen thưởng 18 Huân chương bao gồm: 1 Huân chương Lao động hạng I; 3 Huân chương Lao động hạng II; 14 Huân chương Lao động hạng III; 2 Cờ đơn vị dẫn đầu của Thủ tướng Chính phủ, 5 Cờ thi đua xuất sắc khối chính quyền thành phố, 51 Bằng khen của Thủ tướng chính phủ; 393 Bằng khen của Bộ Tài chính; 438 Bằng khen UBND Thành phố; 622 Bằng khen Tổng Cục Thuế. Năm 2004, Cục ThuếTP. Hồ Chí Minh vinh dự được Chủ tịch nước phong tặng danh hiệu Anh hùng Lao động đã có thành tích đặc biệt xuất sắc trong thời kỳ đổi mới, góp phần vào việc xây dựng CNXH và bảo vệ Tổ quốc; Năm 2005, 01 cá nhân vinh dự được Chủ tịch nước phong tặng danh hiệu Anh hùng lao động trong thời kỳ đổi mới; 02 cá nhân nhận danh hiệu Chiến sỹ thi đua toàn quốc trong nhiều năm.
16 2.1.2. Cơ cấu tổ chức Lãnh đạo Cục Thuế: có 1 Cục trưởng và 5 Phó Cục trưởng. Cục trưởng Cục Thuếchịu trách nhiệm trước Tổng cục trưởng Tổng Cục Thuếvà trước pháp luật về toàn bộ hoạt động của Cục Thuếtrên địa bàn. Phó Cục trưởng Cục Thuếchịu trách nhiệm trước Cục trưởng và trước pháp luật về lĩnh vực công tác được phân công phụ trách. Việc bổ nhiệm, miễn nhiệm, cách chức Cục trưởng, Phó Cục trưởng và các chức danh lãnh đạo khác của Cục Thuếthực hiện theo quy định của pháp luật và quy định về phân cấp quản lý cán bộ của BTC. Cơ cấu tổ chức: có 22 phòng chức năng tham mưu giúp việc Cục trưởng 2.1.3. Chức năng, nhiệm vụ các phòng của Cục Thuế TP.HCM. Phòng Tuyên truyền, Hỗ trợ NNT: tổ chức thực hiện công tác tuyên truyền về chính sách, pháp luật thuế, hỗ trợ NNT trong phạm vi Cục Thuếquản lý. Phòng Kê khai và Kế toán thuế: tổ chức thực hiện công tác đăng ký thuế, xử lý hồ sơ khai thuế, kế toán thuế, thống kê thuế trong phạm vi Cục Thuếquản lý. Phòng Quản lý nợ và cƣỡng chế nợ thuế: thực hiện công tác quản lý nợ thuế, đôn đốc thu tiền thuế nợ, cưỡng chế thu tiền thuế nợ, tiền phạt trong phạm vi quản lý. Phòng Kiểm tra thuế số 1, 2, 3, 4: kiểm tra, giám sát kê khai thuế; chịu trách nhiệm thực hiện dự toán thu đối với NNT thuộc phạm vi quản lý trực tiếp của Cục Thuếtheo phân công quản lý . Phòng Thanh tra thuế số 1,2,3,4: triển khai thực hiện công tác thanh tra NNT trong việc chấp hành pháp luật thuế; giải quyết tố cáo về hành vi trốn lậu thuế, gian lận thuế liên quan đến NNT thuộc phạm vi Cục Thuếquản lý. Phòng Tổng hợp - Nghiệp vụ + Dự toán: chỉ đạo, hướng dẫn nghiệp vụ quản lý thuế, chính sách, pháp luật thuế; xây dựng và thực hiện dự toán thu NSNN thuộc phạm vi Cục Thuếquản lý. Phòng Pháp chế: tổ chức thực hiện công tác pháp chế về thuế thuộc phạm vi quản lý của Cục Thuếquản lý. Phòng Quản lý thuế TNCN: tổ chức thực hiện thống nhất chính sách thuế TNCN; kiểm tra, giám sát kê khai thuế TNCN; tổ chức thực hiện dự toán thu thuế TNCN với NNT thuộc phạm vi quản lý của Cục thuế. Phòng Kiểm tra nội bộ: tổ chức chỉ đạo, triển khai thực hiện công tác kiểm tra việc tuân thủ pháp luật, tính liêm chính của cơ quan thuế, công chức thuế; giải quyết khiếu nại (gồm cả khiếu nại các quyết định xử lý về thuế của cơ quan thuế, khiếu nại liên quan trong nội bộ cơ quan thuế, công chức thuế), tố cáo liên quan đến việc chấp hành công vụ và bảo vệ sự liêm chính của cơ quan thuế, công chức thuế trong phạm vi quản lý của Cục trưởng Cục thuế.
17 Phòng Tin học: tổ chức quản lý và vận hành hệ thống trang thiết bị tin học ngành thuế; triển khai các phần mềm ứng dụng tin học phục vụ công tác quản lý thuế và hỗ trợ hướng dẫn, đào tạo cán bộ thuế trong việc sử dụng ứng dụng tin học trong công tác quản lý. Phòng Tổ chức cán bộ: tổ chức chỉ đạo, triển khai thực hiện về công tác tổ chức bộ máy, quản lý cán bộ, biên chế, tiền lương, đào tạo cán bộ và thực hiện công tác thi đua khen thưởng trong nội bộ Cục thuế. Phòng Hành chính – Lƣu trữ: tổ chức thực hiện công tác hành chính, văn thư, lưu trữ, chương trình, kế hoạch công tác của Cục Thuếtrong phạm vi toàn Cục thuế. Phòng Quản trị + Tài vụ: tổ chức chỉ đạo, triển khai thực hiện các công tác quản lý tài chính, quản lý đầu tư xây dựng cơ bản, quản trị. Phòng Quản lý Ấn chỉ: thực hiện các công tác in ấn chỉ thuế theo phạm vi được phân cấp; thực hiện cấp phát, bán hoá đơn ấn chỉ thuế cho các đơn vị trong và ngoài ngành thuế và các tổ chức và cá nhân nộp thuế; quản lý sử dụng hoá đơn ấn chỉ thuế và quản lý hoá đơn tự in của các tổ chức và cá nhân nộp thuế. Trung tâm tích hợp và lƣu trữ thông tin NNT: tổ chức thực hiện công tác thu nhập, tiếp nhận, số hoá, tích hợp, lưu trữ đồng bộ, thống nhất và khai thác hiệu quả hệ thống thông tin NNT trong phạm vi Cục Thuếquản lý. Phòng Quản lý các khoản thu từ đất: tổ chức thực hiện công tác quản lý các khoản thu từ đất trên địa bàn Cục Thuếquản lý. (Thực hiện theo Quyết định số 502/QĐ-TCT ngày 29/3/2010 của Tổng cục Trƣởng Tổng Cục thuế)
18 Cơ cấu tổ chức của Cục ThuếTP.HCM có thể được tóm tắt trong sơ đồ sau: 2.2. Tình hình về số thu thuế TNDN từ giai đoạn 2006 – 2013 Năm 1997, thuế TNDN chính thức thay thế thuế lợi tức. Kể từ thời điểm ra đời, thuế TNDN đã bắt đầu mang lại nguồn thu đáng kể cho NSNN nói chung và TP.HCM nói riêng.
19 Hình 2. 1 Số thu thuế TNDN của các doanh nghiệp có yếu tố nước ngoài giai đoạn 2006 - 2013 6000000 5615357 5052195 5000000 4714400 4000000 3180231 2966919 3000000 2637210 1974845 2000000 1437528 1000000 0 2006 2007 2008 2009 2010 2011 2012 2013 Đơn vị: triệu đồng Nguồn: Phòng Kiểm tra số 2 – Cục ThuếTP.HCM Số thu thuế TNDN trong giai đoạn 2006 – 2013 vẫn gia tăng đáng kể trong suốt giai đoạn. Bắt đầu từ năm 2004, khi thuế suất thuế thu nhập giảm từ 33% xuống còn 28%, các doanh nghiệp có vốn đầu tư nước ngoài bắt đầu phát triển mạnh mẽ và mang lại nguồn thu lớn cho ngân sách, chiếm 31,5%, trong khi đó khu vực DNNN trung ương chỉ chiếm 20,3%. Và nguồn thu gia tăng đỉnh điểm vào năm 2008 với mức 19,975 tỷ đồng, tăng đến 69,4% so với năm 2007. Sau đó, bất ngờ tụt giảm bị sự ảnh hưởng của hậu cuộc khủng hoảng kinh tế thế giới, hàng loạt các doanh nghiệp tuyên bố phá sản, làm nguồn thu giảm tới 22,3% vào năm 2009, mặc dù đây cũng là năm thuế suất thuế thu nhập được giảm xuống còn 25% nhằm khuyến khích các doanh nghiệp phát triển sau hậu khủng hoảng năm 2008. Trong vòng 3 năm 2010 đến 2013, sau sự tụt dốc trầm trọng vào năm 2009, số thu thuế TNDN đã có những bước tăng trưởng trở lại do các chính sách của Nhà nước nhằm khôi phục kinh tế, giảm thuế suất thuế TNDN theo lộ trình cam kết giảm thuế suất. Trong năm 2010, tình hình số thu thuế đạt 90,07% dự toán pháp lệnh năm, tăng 21,81% so với cùng kỳ năm 2009. Giá trị sản xuất công nghiệp khu vực có vốn đầu tư nước ngoài trong năm 2010 tăng 15,5% so với cùng kỳ; tổng mức bán lẻ hàng hoá chưa loại trừ biến động giá tăng 14,5%; kim ngạch xuất khẩu tăng 22%; doanh thu vận chuyển hàng hoá tăng 75, 4% và vận tải hành khách tăng 14,5%.
20 Một số DN có số nộp tăng cao so với cùng kỳ là: Cty điện tử Samsung Vina (tăng 17,79%), Một số DN có số nộp giảm so với cùng kỳ là: Ngân Hàng HSBC Việt Nam (giảm 14,19%), bảo hiểm nhân thọ Prudential (giảm 10,33%), Cty LD Phú Mỹ Hưng (giảm 25,16%), Ở năm 2011, số thu ở khu vực này trong năm 2011 vượt dự toán và có tốc độ tăng cao do 2 nguyên nhân chính: số DN hết thời hạn ưu đãi khai nộp thuế TNDN; tác động của công tác thanh tra, kiểm tra giảm lỗ của Cục thuế Năm 2013 là năm khó khăn cho ngành thuế nói chung và cho các doanh nghiệp đầu tư nước ngoài nói riêng bởi tình trạng suy giảm kinh tế trên toàn quốc và thành phố Hồ Chí Minh làm ảnh hưởng đến hoạt động sản xuất kinh doanh của các doanh nghiệp trên địa bàn TP.HCM và cũng ảnh hưởng đến kế hoạch thu năm 2013 của ngành thuế. Nhằm tháo gỡ khó khăn cho các DN, Chính phủ đã ban hành nhiều chính sách giảm, giãn, ưu đãi thuế cho các DN nhỏ và vừa. Chính điều này làm ảnh hưởng đến tình hình thu NSNN của ngành. Thu từ DN có vốn Đầu tư nước ngoài có số thực hiện dự toán pháp lệnh và tốc độ tăng so với cùng kỳ cao nhất trong các khu vực KT, ngoài một số ít DN vẫn đảm bảo có số nộp tăng, còn có lý do từ công tác thanh tra, kiểm tra giảm lỗ của Cục thuế. Trong các nguồn thu NSNN, thuế TNDN luôn chiếm một tỉ lệ lớn nhất trong suốt nhiều năm qua.
21 Hình 2. 2 Tỷ trọng thuế TNDN của các doanh nghiệp có yếu tố nước ngoài trong nguồn thu NSNN giai đoạn 2011- 2013 Nguồn: Phòng Kiểm tra số 2, Cục ThuếTP.HCM
22 2.3. Sự biến chuyển của thuế suất thuế TNDN từ năm 2006 đến nay Khắc phục những hạn chế của thuế lợi tức, Luật thuế TNDN được ban hành phục vụ cho nhu cầu tất yếu của nền kinh tế. Theo Hệ thống văn bản quy phạm Pháp luật ghi nhận, trong giai đoạn từ năm 1997 tới năm 2013, thuế TNDN đã trải qua 4 giai đoạn thay đổi về mức thuế suất như sau: Ngày 10/5/1997, Quốc hội khóa IX đã thông qua luật thuế TNDN đầu tiên, có hiệu lực thi hành kể từ ngày 01/01/1999. Thời điểm này, còn phân biệt giữa doanh nghiệp trong nước và doanh nghiệp có vốn đầu tư nước ngoài. Theo đó, thuế suất thuế TNDN áp dụng đối với cơ sở kinh doanh trong nước và tổ chức, cá nhân nước ngoài kinh doanh ở Việt Nam không theo Luật đầu tư nước ngoài tại Việt Nam là 32%. Cơ sở sản xuất, xây dựng, vận tải đang nộp thuế lợi tức với thuế suất là 25%, nay nộp thuế TNDN với thuế suất 32% mà có khó khăn được áp dụng thuế suất 25% trong thời hạn ba năm, kể từ khi Luật này có hiệu lực thi hành; hết thời hạn ba năm, thực hiện thuế suất 32%. Chính phủ quy định các cơ sở sản xuất, xây dựng, vận tải được áp dụng thuế suất 25%. Cơ sở kinh doanh có thu nhập cao do lợi thế khách quan mang lại thì ngoài việc nộp thuế thu nhập theo thuế suất 32%, còn phải nộp thuế thu nhập bổ sung 25% trên phần thu nhập cao do lợi thế khách quan mang lại. Chính phủ quy định phương pháp xác định phần thu nhập cao do lợi thế khách quan mang lại. Đối với dự án đầu tư mới thuộc các lĩnh vực, ngành nghề, địa bàn khuyến khích đầu tư được áp dụng thuế suất 25%, 20%, 15% do Chính phủ quy định. Thuế suất thuế TNDN đối với tổ chức, cá nhân trong nước và nước ngoài tiến hành tìm kiếm, thăm dò, khai thác dầu khí là 50%; khai thác tài nguyên quí hiếm khác thì có thể áp dụng mức thuế suất từ 32% đến 50% phù hợp với từng dự án, từng cơ sở kinh doanh. Trên thực tế, sự phát triển nền kinh tế thị trường, đã chứng minh sự phân biệt giữa doanh nghiệp trong nước và doanh nghiệp có vốn đầu tư nước ngoài trở thành lực cản đối với doanh nghiệp trong nước. Đặc biệt trong bối cảnh cần nâng cao khả năng cạnh tranh khi hội nhập nền kinh tế khu vực và toàn cầu. Đây là một trong những nguyên nhân chính, dẫn đến sự thay đổi chính sách thuế thu nhập đối với cơ sở kinh doanh. Ngày 17/6/2003, Quốc hội khóa XI đã thông qua luật thuế TNDN sửa đổi có hiệu lực từ ngày 01/01/2004.
23 Luật thuế mới đã thống nhất thuế suất, ưu đãi thuế suất giữa doanh nghiệp trong nước và doanh nghiệp có vốn đầu tư nước ngoài; bãi bỏ thuế bổ sung đối với doanh nghiệp trong nước và thuế chuyển thu nhập ra nước ngoài đối với doanh nghiệp có vốn đầu tư nước ngoài. Cụ thể: Thuế suất thuế TNDN đối với cơ sở kinh doanh là 28%. Thuế suất thuế TNDN đối với cơ sở kinh doanh tiến hành tìm kiếm thăm dò, khai thác dầu khí và tài nguyên quý hiếm khác từ 28% đến 50% phùhợp với từng dự án, từng cơ sở kinh doanh. Ngày 3/6/2008 Quốc hội khóa XII đã ban hành Luật thuế TNDN mới (sau đây gọi là luật thuế TNDN năm 2008) có hiệu lực kể từ ngày 01/01/2009. Luật thuế TNDN mới cắt giảm mức thuế suất thuế TNDN từ 28% xuống còn 25% nhằm mục tiêu khuyến khích hoạt động sản xuất, kinh doanh; trừ trường hợp đặc biệt như doanh nghiệp mới thành lập, hoạt động trong các lĩnh vực đặc thù và được hưởng chế độ ưu đãi thuế suất. Thuế suất thuế TNDN đối với hoạt động tìm kiếm, thăm dò, khai thác dầu khí và tài nguyên quý hiếm khác từ 32% đến 50% phù hợp với từng dự án, từng cơ sở kinh doanh. Ngày 19 tháng 06 năm 2013, Quốc hội đã thông qua Luật số 32/2013/QH13 sửa đổi, bổ sung một số điều của Luật Thuế TNDN số 14/2008/QH12 (“Luật thuế TNDN”) có hiệu lực thi hành từ ngày 01 tháng 01 năm 2014. Một số điểm thay đổi đáng lưu ý như: Thu nhập miễn thuế: Luật sửa đổi làm rõ các loại thu nhập được miễn thuế TNDN trong lĩnh vực nông, lâm, ngư và diêm nghiệp; thu nhập miễn thuế TNDN từ hoạt động sản xuất, kinh doanh hàng hóa, dịch vụ của doanh nghiệp có lao động là người khuyết tật, sau cai nghiện, nhiễm HIV/AIDS và một số trường hợp khác. Thu nhập khác: Bổ sung thu nhập khác bao gồm: thu nhập từ chuyển nhượng quyền góp vốn, chuyển nhượng dự án đầu tư, chuyển nhượng quyền tham gia dự án đầu tư, chuyển nhượng quyền thăm dò, khai thác, chế biến khoáng sản; Các khoản dự phòng được đưa ra khỏi thu nhập khác. Các khoản chi được trừ và không được trừ Các khoản chi thực hiện nhiệm vụ quốc phòng an ninh theo quy định của pháp luật sẽ được coi là chi phí hợp lý; Quy định thanh toán không dùng tiền mặt được cụ thể trong luật thuế TNDN khi yêu cầu các hóa đơn mua hàng hóa, dịch vụ từng lần có giá trị từ 20 triệu đồng trở lên phải có chứng từ thanh toán không dùng tiền mặt;
24 Doanh nghiệp không phải thông báo định mức tiêu hao chi phí nguyên liệu, vật liệu,nhiên liệu, năng lượng, hàng hóa cho cơ quan thuế để làm căn cứ xác định chi phí hợp lý, hợp lệ; Mức giới hạn về chi quảng cáo, tiếp thị, khuyến mại được nâng từ 10% lên 15% tổng số chi được trừ không bao gồm các khoản chi về chi quảng cáo, tiếp thị. Giới hạn này không áp dụng đối với chiết khấu thanh toán. Thuế suất: Thuế suất thuế TNDN được điều chỉnh xuống 22% từ ngày 01 tháng 01 năm 2014và giảm xuống 20% kể từ ngày 01 tháng 01 năm 2016; Doanh nghiệp có tổng doanh thu của năm trước liền kề năm tính thuế không quá 20 tỷ đồng được áp dụng thuế suất 20% kể từ 01tháng 07 năm 2013; Thu nhập từ dự án đầu tư kinh doanh nhà ở xã hội theo quy định pháp luật hưởng thuế suất 10% từ 01 tháng 07 năm 2013. Chuyển lỗ Lỗ từ hoạt động chuyển nhượng bất động sản, chuyển nhượng dự án đầu tư, chuyển nhượng quyền tham gia dự án đầu tư được bù trừ với lãi của hoạt động sản xuất, kinh doanh trong kỳ tính thuế. Nếu doanh nghiệp vẫn còn lỗ thì được tiếp tục chuyển sang năm sau, nhưng không quá 05 năm; Lỗ từ hoạt động chuyển nhượng quyền thăm dò, khai thác khoáng sản được chuyển lỗ sang năm sau vào thu nhập tính thuế của hoạt động đó, nhưng không quá 05 năm. Ưu đãi thuế cho dự án mới thành lập và một số loại thu nhập: Luật thuế TNDN đã bổ sung, mở rộng đối tượng hưởng ưu đãi thuế TNDN đối với: Thu nhập của doanh nghiệp từ thực hiện dự án đầu tư mới trong một số lĩnh vực như khoa học - công nghệ, công nghệ cao, sản xuất vật liệu tiên tiến, năng lượng tái tạo, năng lượng sạch, công nghệ sinh học và bảo vệ môi trường; Thu nhập của doanh nghiệp công nghệ cao và doanh nghiệp nông nghiệp ứng dụng công nghệ cao được hưởng ưu đãi về thuế TNDN kể từ ngày được cấp Giấy chứng nhận là doanh nghiệp công nghệ cao/ứng dụng công nghệ cao; Các dự án đầu tư mới trong lĩnh vực sản xuất có vốn đầu tư lớn (tối thiểu 6.000 tỷ đồng), đáp ứng điều kiện về tốc độ giải ngân và có doanh thu lớn hoặc sử dụng nhiều lao động sẽ được hưởng ưu đãi thuế; Ưu đãi thuế suất đối với thu nhập từ dự án đầu tư- kinh doanh nhà ở xã hội để bán, cho thuê, cho thuế mua; thu nhập từ hoạt động báo in, hoạt động xuất bản; thu nhập của doanh nghiệp từ một số hoạt động trong lĩnh vực nông
25 nghiệp, lâm nghiệp, ngư nghiệp, diêm nghiệp ,và một số ngành sản xuấtnhư năng lượng sạch, máy móc phục vụ cho nông, lâm, ngư nghiệp; Ưu đãi đối với thu nhập từ dự án đầu tư mới tại một số khu công nghiệp (không bao gồm khu công nghiệp thuộc địa bàn có điều kiện kinh tế -xã hội thuận lợi). Quy định về vốn mỏng: Quy định về vốn mỏng không được đề cập trong Luật thuế TNDN. Theo dự thảo trước đó, Việt Nam đã cân nhắc áp dụng các quy định về vốn mỏng với các doanh nghiệp, tổ chức tín dụng và ngân hàng theo một lộ trình cụ thể. Ưu đãi đối với đầu tư mở rộng: Luật thuế TNDN sửa đổi bổ sung đã chính thức cho phép tiếp tục áp dụng ưu đãi thuế cho đầu tư mở rộng sau 05 năm kể từ khi Luật số 14/2008/QH12 có hiệu lực. Theo đó, doanh nghiệp có dự án đầu tư đang hoạt động thuộc lĩnh vực, địa bàn ưu đãi thuế TNDN theo quy định của Luật này. Nếu doanh nghiệp có đầu tư mở rộng thì được lựa chọn hưởng ưu đãi thuế TNDN theo dự án đang hoạt động cho thời gian còn lại hoặc hưởng thời gian miễn giảm thuế TNDN như một dự án mới thành lập trong cùng lĩnh vực, địa bàn ưu đãi. Để hưởng ưu đãi như trên, phần đầu tư mở rộng phải đáp ứng một trong ba tiêu chí sau: Nguyên giá tài sản cố định tăng thêm khi dự án đầu tư hoàn thành đi vào hoạt động đạt tối thiểu từ 20 tỷ đồng đối với dự án đầu tư mở rộng thuộc lĩnh vực hưởng ưu đãi thuế TNDN theo quy định của Luật này hoặc từ 10 tỷ đồng đối với các dự án đầu tư mở rộng thực hiện tại địa bàn có điều kiện kinh tế - xã hội khó khăn hoặc địa bàn có điều kiện kinh tế - xã hội đặc biệt khó khăn theo quy định của pháp luật; hoặc Tỷ trọng nguyên giá tài sản cố định tăng thêm đạt tối thiểu từ 20% so với tổng nguyên giá tài sản cố định trước khi đầu tư; hoặc Công suất thiết kế tăng thêm tối thiểu từ 20% so với công suất thiết kế trước khi đầu tư Ưu đãi thuế TNDN quy định tại khoản này không áp dụng đối với các trường hợp đầu tư mở rộng do sáp nhập, mua lại doanh nghiệp hoặc dự án đầu tư đang hoạt động.
26 Tóm tắt chƣơng 2 Cục ThuếTP.HCM là một trong những đơn vị luôn dẫn đầu trong việc đảm bảo thu NSNN trong cả nước. Tìm hiểu cơ cấu tổ chức, các chức năng của phòng góp phần làm rõ hơn nhiệm vụ, trách nhiệm, phạm vi công tác của các phòng. Bên cạnh đó, tìm hiểu rõ hơn đơn vị thực tập, các biến động về nhân sự để có cái nhìn sâu sát hơn về tình hình thực tế tại Cục, có cơ sở để đánh giá hiệu quả hoạt động của phòng ban, để đề xuất phương án tăng cường số thu thông qua kết quả dự báo của mô hình nghiên cứu. Khát quát tình hình số thu thuế TNDN giai đoạn 2006 – 2013, bên cạnh đó là các biến động của thuế suất thuế TNDN trong giai đoạn trên. Thueest suất thay đổi ảnh hưởng rât lớn đến số thu thuế TNDN. Số thuế trong giai đoạn này có những biến động bất thường do tác động của cuộc khủng hoảng tài chính 2009, đến nay mặc dù kinh tế đã có những dấu hiệu hồi phục nhưng chưa hoàn toàn khởi sắc, nên khó tránh khỏi những khó khăn. Đánh giá được tình hình số thu trong thời gian qua, góp phần vào việc đánh giá số thuế trong thời gian tới, đồng thời có cơ sở để thực hiện dự báo chính xác, có thể sử dụng kết quả để tham khảo.
27 Chƣơng 3: PHƢƠNG PHÁP NGHIÊN CỨU VÀ KẾT QUẢ KIỂM ĐỊNH 3.1. Các bước tiến hành nghiên cứu: 3.1.1. Dữ liệu chuỗi thời gian 3.1.1.1. Khái niệm chuỗi thời gian thực Dữ liệu thời gian thực hay chuỗi thời gian là một chuỗi các giá trị của một đại lượng nào đó được ghi nhận là thời gian. Ví dụ : Số lượng hàng hóa được bán ra trong 12 tháng năm 2009 của một công ty. Các giá trị của chuỗi thời gian của đại lượng X được kí hiệu là X1, X2, X3, , Xt, , Xn với X là giá trị của X tại thời điểm t. 3.1.1.2. Các thành phần của dữ liệu chuỗi thời gian thực Các nhà thống kê thường chia chuỗi theo thời gian thành 4 thành phần:  Thành phần xu hướng dài hạn Thành phần này dùng để chỉ xu hướng tăng hay giảm của đại lượng X trong thời gian dài. Về mặt đồ thị thành phần này có thể biểu diễn bởi một đường thẳng hay một đường cong trơn. Hình 3. 1 Xu hướng tăng theo thời gian  Thành phần mùa Thành phần này dùng để chỉ xu hướng tăng hay giảm của đại lượng X tính theo mùa trong năm (có thể tính theo tháng trong năm)
28 Ví dụ : Lượng tiêu thụ chất đốt sẽ tăng vào mùa đông và giảm vào mùa hè, ngược lại, lượng tiêu thụ xăng sẽ tăng vào mùa hè và giảm vào mùa đông. Lượng tiêu thụ đồ dùng học tập sẽ tăng vào mùa khai trường Hình 3. 2 Thành phần mùa  Thành phần chu kỳ Thành phần này chỉ sự thay đổi của đại lượng X theo chu kỳ. Thành phần này khác thành phần mùa ở chỗ chu kỳ của đại lượng X kéo dài hơn 1 năm. Để đánh giá thành phần này các giá trị của chuỗi thời gian được quan sát hàng năm. Ví dụ, Lượng dòng chảy đến hồ Trị An từ năm 1959 – 1985 Hình 3. 3 Thành phần chu kỳ  Thành phần bất thường Thành phần này dùng để chỉ sự thay đổi bất thường của các giá trị trong chuỗi thời gian. Sự thay đổi này không thể dự đoán bằng các số liệu kinh nghiệm trong quá khứ, về mặt bản chất thành phần này không có tính chu kỳ.
29 3.1.2. Kiểm định tính dừng của chuỗi thời gian Việc nghiên cứu thực nghiệm dựa vào dữ liệu chuỗi thời gian giả định rằng chuỗi thời gian được đề cập tới phải là dừng. Dữ liệu của bất kì chuỗi thời gian nào đều có thể được coi là tạo ra nhờ một quá trình ngẫu nhiên và một tập hợp dữ liệu cụ thể được coi là kết quả (cá biệt), tức là một mẫu, của quá trình ngẫu nhiên đó. Quá trình ngẫu nhiên dừng là một dạng của quá trình ngẫu nhiên, một quá trình ngẫu nhiên được coi là dừng nếu như trung bình và phương sai của nó không đổi theo thời gian và giá trị của đồng phương sai giữa hai thời đoạn chỉ phụ thuộc vào khoảng cách và độ trễ về thời gian giữa hai thời đoạn này chứ không phụ thuộc vào thời điểm thực tế mà đồng phương sai được tính. Một chuỗi dữ liệu dùng sẽ có xu hướng trở về giá trị trung bình vag những dao động xung quanh giá trị trung bình (được đo bằng phương sai là những biến thiên của giá trị chuỗi thời gian xoay quanh giá trị trung bình) sẽ như nhau. Bên cạnh đó, nếu một chuỗi thời gian không dừng theo cách ta vừa định nghĩa trên, ta có thể gọi đó là chuỗi không dừng, hay chuỗi này có giá trị trung bình thay đổi theo thời gian, hoặc giá trị phương sai thay đổi theo thời gian hoặc cả hai. Tại sao chuỗi thời gian dừng lại quan trọng? Nếu một chuỗi thời gian không dừng, chúng ta chỉ có thể nghiên cuauw hành vi của nó chỉ trong một khoảng thời gian đang được xem xét. Vì thế, mỗi một mẫu dữ liệu thời gian sẽ mang một tình tiết nhất định và chỉ thể hiện những hành vi cụ thể trong một khoảng thời gian xem xét. Kết quả, chúng ta không thể khái quát hóa cho các giai đoạn thời gian khác. Với mục đích dự báo, các chuỗi thời gian không dừng như vậy có thể sẽ không có giá trị thực tiễn. Vì như thế, trong dự báo chuỗi thời gian, chúng ta luôn giả định rằng xu hướng vận động của dữ liệu trong quá khứ và hiện tại được duy trì cho các giai đoạn tương lai. Và như vậy, chúng ta không thể dự báo được điều gì cho tương lai nếu như bản rthana dữ liệu luôn thay đổi. Hơn nưa, đối với phân tích hồi quy, nếu chuỗi thời gian không dừng thì tất cả các kết quả điển hình của một phân tích hồi quy tuyến tính cổ điển sẽ không có giá trị cho việc dự báo và thường được gọi là hiện tượng “hồi quy giả mạo”. Do vậy, điều kiện cơ bản nhất cho việc dự báo một chuỗi thời gian là nó phải có tính dừng. Hai phương pháp kiểm định tính dừng thường được sử dụng là Giản đồ tự tương quan (dựa vào thống kê t và thống kê Q) và kiểm định nghiệm đơn vị (dụa vào thống kê tau (τ) của Dickey – Fuller.
30 3.1.3. Tổng quan về mô hình dự báo kinh tế theo chuỗi thời gian 3.1.3.1. Giới thiệu về dự báo Từ thuở xa xưa, những nhà tiên tri đã giữ một vị trí quan trọng trong cộng đồng. Khi văn minh nhân loại phát triển đã làm gia tăng các mối quan hệ phức tạp của các giai đoạn trong cuộc sống, con người có nhu cầu quan tâm đến tương lai của họ. Kỹ thuật về dự báo đã hình thành từ thế kỷ thứ 19, tuy nhiên dự báo có ảnh hưởng mạnh mẽ khi công nghệ thông tin phát triển vì bản chất mô phỏng của các phương pháp dự báo rất cần thiết sự hỗ trợ của máy tính. Đến năm 50 của thế kỷ này, các lý thuyết về dự báo cùng với các phuơng pháp luận được xây dựng và phát triển có hệ thống. Dự báo là một nhu cầu không thể thiếu cho những hoạt động của con người trong bốì cảnh bùng nổ thông tin. Dự báo sẽ cung cấp những cơ sở cần thiết cho các hoạch định vĩ mô hoặc vi mô, và có thể nói rằng nếu không có khoa học dự báo thì những dự định tương lai của con người vạch ra sẽ không có sự thuyết phục đáng kể. Hiện nay, khoa học dự báo đang là môn học của một số trường đại học trên thế giới và trở thành một trong những tác nghiệp quan trọng ở các đơn vị kinh doanh cũng như các bộ phận hoạch định chiến lược. Trong công tác phân tích dự báo, vấn đề quan trọng hàng đầu cần đặt ra là việc nắm bắt tối đa thông tin về lĩnh vực dự báo. Thông tin ở đây có thể hiểu một cách cụ thể gồm: (1) các số liệu quá khứ của lĩnh vực dự báo, (2) diễn biến tình hình hiện trang cũng như động thái phát triển của lĩnh vực dự báo, và (3) đánh giá một cách đầy đủ nhất các nhân tố ảnh hưỏng cả về định lượng lẫn định tính. Căn cứ vào nội dung phương pháp và mục đích của dự báo, người ta chia dự báo thành hai loại: phương pháp định tính và phương pháp định lượng. 3.1.3.2. Phương pháp định tính Phương pháp định tính thường phụ thuộc rất nhiều vào kinh nghiệm của một hay nhiều chuyên gia trong lĩnh vực liên quan. Phương pháp này thường được áp dụng, kết quả dự báo sẽ được các chuyên gia trong lĩnh vực liên quan nhận xét, đánh giá và đưa ra kết luận cuối cùng. 3.1.3.3. Phương pháp dự báo định lượng Mặc dù các mô hình định lượng tương đối đa dạng, nhưng về cơ bản có các loại sau: (ngoài ra có thể mở rộng phân loại theo tĩnh và động, nền kinh tế mở và đóng, ) 3.1.3.3.1. Mô hình kinh tế lượng (econometric model) Mô hình được thể hiện bằng hệ thống các phương trình. Các phương trình này mô tả mối quan hệ giữa các biến số kinh tế với nhau. Một phương trình sẽ bao gồm một
31 biến phụ thuộc và một hoặc nhiều biến giải thích. Sự tác động của một biến giải thích lên biến phụ thuộc được đo lường bằng hệ số của nó và hình thức hàm của phương trình. Một phương trình tiêu biểu như sau: Y(t) = f{x1(t), x2 (t), xn(t), u(t)} Y(t) là biến phụ thuộc tại thởi điểm t, biểu trưng cho chỉ tiêu cần nghiên cứu hay dự báo (ví dụ như GDP, việc làm, lạm phát, ). x1(t), x2 (t), xn(t) là các biến giải thích tại thời điểm t, biểu trưng cho các nhân tố tác động lên biến phụ thuộc. Sự thay đổi của một hay nhiều biến này sẽ dẫn tới sự thay đổi của biến phụ thuộc. u(t) là sai số ngẫu nhiên, biểu trưng cho các nhân tố không xác định được tác động lên biến phụ thuộc tại thời điểm t. Một mô hình kinh tế lượng sẽ bao gồm nhiều phương trình dạng trên (và các đẳng thức). Mô hình này không đi chi tiết vào các ngành kinh tế như mô hình I/O và mô hình cân bằng tổng thể (CGE). Các biến thường là tổng hợp cho toàn bộ nền kinh tế, thể hiện các mối quan hệ kinh tế vĩ mô. Mô hình đơn giản bao gồm hàm số của các khối cầu, khối cung và khối tiền tệ. Việc ước lượng các hệ số của các phương trình này đòi hỏi phải có chuỗi số liệu thời gian (time-series data) dài. Sau khi xây dựng xong hệ thống các phương trình, nhà nghiên cứu phải tập hợp đủ các chuỗi số liệu thời gian cho các biến và tiến hành ước lượng các hệ số của các phương trình. Kỹ thuật hồi quy (regression) được áp dụng để ước lượng các hệ số của các phương trình. Sau khi ước lượng xong toàn bộ các phương trình của mô hình, nhà nghiên cứu sẽ tiến hành mô phỏng (simualation) tác động của các thay đổi chính sách trong tương lai lên các biến kinh tế mà mình quan tâm (ví dụ như tăng trưởng việc làm, lạm phát, ). Trên cơ sở đó, các kịch bản dự báo sẽ được đề xuất. Nhà nghiên cứu cũng có thể tham mưu cho lãnh đạo về việc áp dụng chính sách nào là tối ưu nhất dựa trên kết quả của mô phỏng. 3.1.3.3.2. Mô hình cân đối liên ngành (gọi tắc là I/O, Input-output) Ưu điểm của mô hình I/O so với mô hình kinh tế lượng là nó phản ánh được mối quan lệ liên ngành trong nền kinh tế. Nền kinh tế được phân thành nhiều ngành và bảng I/O thể hiện mối liên hệ đa ngành này (ví dụ như bảng I/O của Việt Nam và TP.HCM năm 1996 có 97 ngành). Bảng I/O được xây dựng cho một năm nhất định nào đó. Về mặt hình thức, bảng I/O có dạng như sau:
32 Ngành 1 Ngành 2 Ngành 3 Ngành n Zi YI Xi Ngành 1 X11 X12 X13 X1n Z1 Y1 X1 Ngành 2 X21 X22 X23 X2n Z2 Y2 X2 Ngành 3 X31 X32 X33 X3n Z3 Y3 X3 Ngành n X41 X42 X43 X4n Zn Yn Xn Zj Z1 Z2 Z3 Zn Vj=Wj+Rj V1 V2 V3 Vn Nền kinh tế được phần ra thành n ngành. Bảng trên được hiểu như sau: Xij: là giá trị sản phẩm của ngành i cung ứng cho ngành j Zi: là tổng giá trị sản phẩm của ngành i cung ứng cho các ngành sản xuất khác. Zj: là tổng giá trị sản phẩm của các ngành cung ứng cho ngành j Yi: là giá trị sản phẩm của ngành i cung ứng cho nhu cầu tiêu dùng cuối cùng. Và ta có: Y = C + I + G + X là GDP Với G : Tiêu dùng chính phủ I : Đầu tư của nhà sản xuất C : Tiêu dùng dân cư X : Xuất khẩu ròng (xuất khẩu trừ đi nhập khẩu) Xi: là tổng giá trị sản xuất của ngành i Vj : là giá trị tăng thêm của ngành j (thực tế bao gồm cả khấu hao và thuế gián thu) Wj : thu nhập của lao động trong ngành j Rj: thu nhập về vốn của ngành j Từ công thức trên, chúng ta thấy rằng có thể dự báo giá trị sản xuất và GDP của từng ngành khi biết được sự thay đổi của nhu cầu cuối cùng. Như vật, nếu chúng ta dự báp được sự thay đổi của các thành phần của nhu cầu cuối cùng, chúng ta sẽ dự báo được sự thay đổi sản lượng của tất cả các ngành kinh tế. 3.1.3.3.3. Mô hình cân bằng tổng thể (CGE-Computable General Equilibrium) Mô hình cân bằng tổng thể phát triển trên nền của bảng I/O nhưng mở rộng ra cho nhiều khu vực khắc ngoài khu vực sản xuất. Ví dụ như các dòng thu nhập và chi tiêu của các hộ gia đinh, dòng di chuyển vốn, Ngoài ra, mô hình cân bằng tổng thể còn bao gồm cả các phương trình hành vi của mô hình kinh tế lượng. Do đó,
33 trong các loại mô hình trên thì mô hình cân bằng tổng thể là toàn diện nhất, phức tạp nhất và phản ánh gần với nền kinh tế thực hơn. Mô hình được gọi là cân bằng tổng thể vì nó được xây dựng trofn giả định cân bằng đồng thời của các loại thị trường và khu vực trong nền kinh tế. Giá cả và sản lượng điều chỉnh sao cho không còn cầu quá mức (excess demand) hay cung quá mức (excess supply). Mô hình thể hiện sự cân bằng đồng thời trên tất cả các loại thị trường. Giả định của mô hình là nhà sản xuất tối đa hóa lợi nhuận, người tiêu dùng tối đa hóa hữu dụng. Thông tin và thị trường là hoàn hảo. Trong điều kiện cân bằng, lợi nhuận kinh tế sẽ bằng không, các nhân tố sản xuất dược hữa dụng hóa hoàn toàn (fully utilised). 3.1.3.4. Giới thiệu mô hình trung bình trượt kết hợp tự hồi quy (ARIMA) Mô hình ARIMA (AutoRegressive Integrate Moving Average) do Box- Jenkins đề nghị năm 1976, dựa trên mô hình tự hồi quy AR và mô hình trung bình động MA. ARIMA là mô hình dự báo định lượng theo chuỗi thời gian, giá trị tương lai của biến số" dự báo sẽ phụ thuộc vào xu thế vận động của đôi tượng đó trong quá khứ. Mô hình ARIMA phân tích tính tương quan giữa các dữ liệu quan sát để đưa ra mô hình dự báo thông qua các giai đoạn nhận dạng mô hình, ước lượng các tham số từ dữ liệu quan sát và kiểm tra các tham số ước lượng để tìm ra mô hình thích hợp. Mô hình sau cùng gồm các tham số thể hiện mức độ tương quan trên dữ liệu, vàđược chọn để dự báo giá trị tương lai. Giới hạn độ tin cậy của dự báo được tính dựa trên phương sai của sai số dự báo. Trên thế giới, ARIMA được áp dụng dự báo trong nhiều lĩnh vực. Mô hình ARIMA không phức tạp, nhưng có thể áp dụng hữu hiệu cho nhiều dạng bài toán dự báo khác nhau. Trong lĩnh vực kinh tế, có nhiều ứng dụng được tiến hành với mô hình ARIMA: Dự báo tỷ giá giữa đồng Guarani của Paraguay và đồng đô-la Mỹ của Ngân hàng Trung Tâm Paraguay [12] bằng mô hình ARIMA. Mô hình được thực hiện với dự báo tỷ giá theo từng ngày và tiến hành dự báo dựa trên 752 quan sát dữ liệu Một ứng dụng khác là dự báo giá trà trên thế giới dựa trên giá xuất khẩu trà của các nước có nền công nghiệp xuất khẩu trà: Bangladesh, Trung Quốc, Ấn Độ, Đức, Indonesia, Kenya, Sri Lanka và Anh Quốc. Đây là ứng dụng dự báo mô hình ARIMA trong khoảng thời gian dài hạn từ năm 1970 đến 1998. ARIMA cũng được sử dụng trong việc dự báo lạm phát ở Ireland [17]. Từ đầu năm 1999, Hội đồng chính phủ Ngân hàng Trung Tâm châu Âu (Governing Council of the European Central Bank ECB) quyết định về chính sách tiền tệ chung để duy trì giá cả cho mười một nước châu Âu trong đó có Ireland, vấn đề dự báo lạm phát để
34 duy trì tính ổn định tiền tệ nảy sinh cho quốc gia này. Mô hình ARIMA được áp dụng để dự báo lạm phát ở Ireland, dữ liệu quan sát được thực hiện từ năm 1976- 1999. Đề tài là một cách tiếp cận trong việc nghiên cứu và phát triển mô hình và sử dụng nó để dự báo số thu thuế TNDN. Như chúng ta đã biết, trong nghiên cứu định lượng, tồn tại 3 loại số liệu cơ bản là số liệu theo thời gian, số liệu chéo và số liệu hỗn hợp. Đối với các vấn đề kinh tế, loại số liệu chúng ta thường xuyên tiếp cận nhất có lẽ là số liệu theo thời gian, hay còn gọi là các chuỗi thời gian như chuỗi số liệu GDP, chỉ số VN-Index hay giá vàng theo thời gian Tuy nhiên, chuỗi thời gian cũng gây ra không ít khó khăn cho các nhà nghiên cứu, bởi nhiều nghiên cứu đã cho thấy, trong nhiều trường hợp, các mô hình hồi quy cổ điển dường như không hiệu quả với loại dữ liệu này. Vậy vấn đề đặt ra là làm thế nào chúng ta có thể nghiên cứu một chuỗi thời gian, rút ra những kết luận và sử dụng nó để dự báo một cách có hiệu quả? Để trả lời cho câu hỏi này có nhiều phương pháp khác nhau. Tuy nhiên phương pháp được hầu hết các nhà nghiên cứu thừa nhận và sử dụng thường xuyên đó là môhình: ARIMA. Mô hình Trung bình trượt, đồng liên kết, tự hồi quy ARIMA dựa trên triết lý “hãy để dữ liệu tự nói”, nó không sử dụng các biến ngoại sinh độc lập để giải thích cho Y, mà nó sử dụng chính các giá trị trong quá khứ của Y để giải thích cho bản thân nó ở hiện tại. Nó cũng không giả định bất kỳ một mô hình cụ thể nào, mà việc xác định mô hình là dựa trên phân tích dữ liệu cụ thể từng trường hợp và cả một chút nghệ thuật của người sử dụng. Chính vì thế, ARIMA đôi khi còn được gọi là mô hình lý thuyết mới vì nó không dựa bất kỳ một lý thuyết kinh tế nào.Và cũng do đó, ARIMA có được tính linh hoạt và tiết kiệm hơn hẳn các phương pháp khác, đồng thời tính hiệu quả của ARIMA trong công tác dự báo cũng đã được thực tế chứng minh. 3.1.4. Cơ sở lý thuyết Mô hình ARIMA 3.1.4.1. Hàm tự tương quan ACF (Autocorrelation Function) Hàm tự tương quan đo lường độ phụ thuộc tuyến tính giữa các cặp quan sát y(t) và y(t+k), ứng với thời đoạn k = 1,2, (k còn gọi là độtrễ). Với mỗi độ trễ k, hàm tự tương quan tại độ trễ k được xác định qua độ lệch giữa các biến ngẫu nhiên Yt, Yt+k so với giá trị trung bình, và được chuẩn hoá qua phương sai (variance). Giả sử rằng các biến ngẫu nhiên trong chuỗi dừng thay đổi quanh giá trị trung bình µ với phương sai hằng số ơ2. Hàm tự tương quan tại các độ trễ khác nhau sẽ có các giá trị khác nhau.
35 Trong thực tế, ta có thể ước lượng hàm tự tương quan tại độ trễ thứ k qua phép biến đổi trung bình của tất cả các cặp quan sát, phân biệt bằng các độ trễ k, với giá trị trung bình mẫu là µ, được chuẩn hóa bởi phương sai ơ2. Chẵng hạn, cho một chuỗi N điểm, giá trị rk của hàm tự tương quan tại độ trễ thứ k được tính như sau [ 1 ]: ∑ r = k với µ = ∑ 휎2 = ∑ y, : dữ liệu chuỗi thời gian dừng tại thời điểm t yl+k: dữ liệu chuỗi thời gian dừng tại thời điểm t+k µ : giá trị trung bình của chuỗi thời gian dừng rk : giá trị tương quan giữa y,vàyl+k tại độ trễ k rk=0 thì không có hiện tượng tự quan, rk ± 1 Về mặt lý thuyết, chuỗi thời gian dừng khi tất cả các rk = 0 hay chỉ vài rkkhác không. Do chúng ta xét hàm tự tương quan mẫu, do đó sai sốmẫu sẽ xuất hiện, vì vậy ta giải thích hiện tượng tự tương quan khi rk =0 theo ý nghĩa thống kê Để kiểm định có phải là mô hình AR hay không hay rk = 0 theo ý nghĩa thông kê, ta sử dụng kiểm định t cho những mẫu lớn. Khi n khá lớn, các hệ số rk sẽ gần như tuân theo phân phối chuẩn và có µ= 0. Gọi v là phương sai, v được xác định theo công thức: v = Như vậy, giá trị tới hạn t được tính như sau: t = √ Nếu chúng ta muốn kiểm định pk ở mức ý nghĩa 5%, ta sử dụng giá trị tới hạn là 2 để so sánh với thống kê khi kiểm tra các giả thiết: t = √ ∑ √ Trong đó, k = độ trễ n = số quan sát j = 1,2, k-1 (j <k) Nếu t <2 thì ta sẽ không có AR (pk< 0). VÍ DỤ Giả sử ta có một chuỗi gồm 15 giá trị đưa vào, giá trị trung bình mẫu 48.4 và phương sai mẫu là 92.6 42, 59, 35, 66, 37, 58, 49, 63, 52, 45, 36, 50, 43, 39, 52 Hình 1.1 mô tả hàm tự tương quan ACF của chuỗi tại 10 độ trễ đầu tiên. Thanh đầu hiển thị giá trị của hàm tự tương quan tại độ trễ 0, luôn có giá trị 1 vì mỗi quan sát
36 luôn tự tương quan với chính nó. Thanh thứ nhì mô tả giá trị của hàm tự tương quan tại độ trễ thứ nhất, dao động trung bình giữa các quan sát liên tục: 42 và 59, 59 và 35, 35 và 66, Áp dụng tiếp tục nguyên tắc tương tự với tất cả các độ trễ khác. Hình 3. 4 Hàm tự tương quan ACF cho chuỗi ví dụ Dấu hiệu và độ rộng của một giá trị trên hàm tự tương quan xác định hướng chung và thứ tự của mối quan hệ giữa các cặp quan sát. Trong ví dụtrên, hàm tự tương quan âm (-0.48) tại độ trễ thứ nhất cho thấy khi một thời điểm tăng, thời điểm kế giảm và ngược lại. Nói cách khác, hàm tự tương quan dương tại độ trễ thứ hai cho thấy thời điểm phân chia giữa hai độ trễ có khuynh hướng tăng/ giảm với nhau. Nói chung, hàm tự tương quan ACF thể hiện thay đổi (hình sin) giảm dần về không. Khi hàm tự tương quan ACF giảm đột ngột, có nghĩa rkrất lớn ở độ trễ 1,2 và có ý nghĩa thống kê (|t|>2). Những rk này được xem là những “đỉnh” và ta nói rằng hàm tự tương quan ACF giám đột ngột sau độ trễ k nếu không có những “đỉnh” ở độ trễ lớn hơn k. Hầu hết hàm tự tương quan ACF sẽ giảm đột ngột sau độ trễ 1, 2. Nếu hàm tự tương quan ACF của chuỗi thời gian không dừng không giảm đột ngột mà trái lại giảm nhanh nhưng đều: không có đỉnh, ta gọi chiều hướng này là “tắt dần” . Xem minh hoạ trong hình 1.3, hàm tự tương quan ACF có thể “tắt dần” trong vài dạng sau: . Dạng phân phối mẫu (hình 2.2 a và b) . Dạng sóng sin (hình 2.2 c)
37 . Kết hợp cả hai dạng 1 và 2. Sự khác nhau giữa hiện tượng “tắt dần” nhanh và “tắt dần” chậm đều được phân biệt khá tùy tiện. 3.1.4.2. Hàm tự tương quan riêng phần PACF (Partial Autocorrelation Function) Song song với việc xác định hàm tương quan giữa các cặp y(t) và y(t+k), ta xác định hàm tự tương quan riêng phần cũng có hiệu lực trong việc can thiệp đến các quan sát y(t+l),y(t+k - l). Hàm tự tương quan riêng phần tại độ trễ k Ckk được ước lượng bằng hệ số liên hệ y(t) trong mối kết hợp tuyến tính bên dưới. Sự kết hợp được tính dựa trên tầm ảnh hưởng của y(t) và các giá trị trung gian y(t+k). y(t + k) = Ck1y(t + k -1) + Ck2y(t + k- 2) + + Ckk-1y(t +1) + Ckky(t) + e(t) Giải phương trình hồi quy dựa trên bình phương tối thiểu (OLS) vì hệ số hồi quy Ckj phải được tính ở mỗi độ trễ k, với j chạy từ 1 đến k. Giải pháp ít tốn kém hơn do Durbin phát triển dùng để xấp xỉ đệ quy hệ số hồi quy cho mô hình ARIMA chuỗi dừng, sử dụng giá trị hàm tự tương quan tại độ trễ k rk và hệ số hồi quy của độ trễ trước. Duới đây là phương pháp Durbin sử dụng cho 3 độ trễ đầu tiên:  Độ trễ 1: Khởi tạo, giá trị của hàm tự tương quan riêng phần tại độ trễ 1 có cùng giá trị với hàm tự tương quan tại độ trễ 1 vì không có các giá trị trung gian giữa các quan sát kế tiếp: C11 = r1  Độ trễ 2: Hai giá trị C22và C21 được tính dựa vào hàm tự tương quan r2 và r1, cùng với hàm tự tương quan riêng phần trước đó C22 = C21 = C11 - C22 C11  Độ trễ 3: Tương tự, ba giá trị C33, C32 và C31 được tính dựa vào các hàm tự tương quan trước r3, r2, r1 cùng với các hệ số được tính ớ độ trễ thứ 2: C22 và C21 C33 = C32 = C21 - C33 C22 C31 = C22 - C33 C21 Tổng quát, hàm tự tương quan riêng phần được tính theo Durbin: ∑ Ckk = ∑ Trong đó: rk: hàm tự tương quan tại độ trễ k
38 v: phương sai Ckj: hàm tự tương quan riêng phần cho độ trễ k, loại bỏ những ảnh hưởng của các độ trễ can thiệp j Ckj = Ck-1, j – (Ckk).(Ck-1,k-j) C11 = r1 Sử dụng những giả thiết cho kiểm định: Ho : pkk = 0 Hα : pkk ≠ 0 t = √ √ Khi độ trễ tăng, số các hệ số tăng theo. Phương pháp của Durbin cho phép việc tính đệ quy dựa vào việc sử dụng kết quả trước đó. Trong thực tế, với chuỗi có N quan sát, Box - Jenkins đưa ra cách tính hàm tự tương quan và hàm tự tương quan riêng phần với N/4 độ trễ, giá trị tối thiểu của N là 50. Tại độ trễ thứ 1, giá trị của hàm tự tương quan riêng phần chính là giá trị hàm tự tương quan. Giá trị âm cho thâ'y hệ sô" âm giữa các khoảng thời gian kề nhau. Tóm lại, hàm tự tương quan ACF và hàm tự tương quan riêng phần PACF của chuỗi thời gian có các đặc tính khác nhau. Hàm tự tương quan ACF đo mức độ phụ thuộc tuyến tính giữa các cặp quan sát. Hàm tự tương quan riêng phần PACF đo mức độ phụ thuộc tuyến tính từng phần. ARIMA khai thác những điểm khác biệt này để xác định cấu trúc mô hình cho chuỗi thời gian. Hình 3. 5 Hàm tự tương quan riêng phần PACF cho chuỗi ví dụ
39 Xu hướng vận động của hàm tự tương quan riêng phần PACF có thể giảm đột ngột (thường sau độ trễ 1 hoặc 2) hay có thể giảm đều (dying down). Cũng như hàm tự tương quan ACF, xu hướng giảm đều của hàm tự tươngquan riêng phần PACF cũng có các dạng phân phối mũ, dạng sóng hình sin hoặc kết hợp cả 2 dạng này (Hình 3.6, 3.7, 3.8) Hình 3. 6 a) Dao động hàn số mũ tắt dần Hình 3. 7 b) Dao động tắt dần theo luật số mũ Hình 3. 8 c) Dao động tắt dần theo hình sin
40 3.1.4.2.1. Mô hình AR(p) Ý tưởng chính của mô hình này là hồi quy trên chính số liệu của mình ở những chu kỳ trước. y(t) = a0 + a1y(t-1) + a2y(t-2) + + ap(t-p) + e(t) Trong đó: y(t): quan sát dừng hiện tại y(t-l), y(t-2), : quan sát dừng quá khứ (thường sử dụng không quá 2 biến này) a0, a,, a2, : các tham số phân tích hồi quy et : sai số dự báo ngẫu nhiên của giai đoạn hiện tại. Giá trị trung bình được mong đợi bằng 0. y(t) là một hàm tuyến tính của những quan sát dừng quá khứ y(t-l), y(t-2), Nói cách khác, khi sử dụng phân tích hồi quy y(t) theo các giá trị chuỗi thời gian dừng có độ trễ, chúng ta sẽ được mô hình AR (yếu tố xu thế đã được tách khỏi yếu tố thời gian, chúng ta sẽ mô hình hoá những yếu tố còn lạiđó là sai số). Số quan sát dừng quá khứ sử dụng trong mô hình hàm tự tương quan là bậc p của mô hình AR. Nếu ta sử dụng hai quan sát dừng quá khứ, ta có mô hình tương quan bậc hai là AR(2) . Điều kiện dừng là tổng các tham số phân tích hồi quy nhỏ hơn 1: ai + a2 + + ap<1 Mô hình AR(1): y(t) = a0+ a1y(t -1) + e(t) Mô hình AR(2): y(t) = a0 + a1y(t -1) + a2y(t - 2) + e(t) 3.1.4.2.2. Mô hình MA(q) Quan sát dừng hiện tại y(t) là một hàm tuyến tính phụ thuộc các biến sai số dự báo quá khứ và hiện tại. Mô hình bình quân di động là một trung bình trọng số của những sai số mới nhất. y(t) = b0+e(t) + b1e(t -1) + b2e(t -2) + + bqe(t -q) Trong đó: y(t): quan sát dừng hiện tại e(t): sai số dự báo ngẫu nhiên, giá trị của nó không đựơc biết và giá trị trung bình của nó là 0. e(t-l), e(t-2), : sai số dự báo quá khứ (thông thường mô hình sẽ sử dụng không quá 2 biến này) b0, b1, b2, : giá trị trung bình của y(t) và các hệ số bình quân di động. q: sai số quá khứ được dùng trong mô hình bình quân di động, nếu ta sử dụng hai sai số quá khứ thì sẽ có mô hình bình quân di động bậc hai là MA(2).
41 Điều kiện cần là tổng các hệ số bình quân di động phải nhỏ hơn 1 : b1 + b2 + + bq<1 Mô hình MA(1): y(t)= b0 + e(t) + b1e(t -1) Mô hình MA(2): y(t) = b0 + e(t) +b1e(t -1) + b2e(t - 2) 3.1.4.2.3. Mô hình ARMA(p,q) Mô hình ARMA(p,q): là mô hình hỗn hợp của AR và MA. Hàm tuyến tính sẽ bao gồm những quan sát dừng quá khứ và những sai số dự báo quá khứ và hiện tại: y(t) = a0+ a1y(t -1) + a2y(t -2) + + apy(t -p) + e(t) +b1e(t-1) + b2e(t -2) + + bqe(t - q) Trong đó: y(t): quan sát dừng hiện tại y(t-p)và e(t-q): quan sát dừng và sai số dự báo quá khứ a0,a1, a2, ,,b1, b2 : các hệ số phân tích hồi quy Ví dụ: ARMA(1,2) là mô hình hỗn hợp của AR(1) và MA(2) Đối với mô hình hỗn hợp thì dạng (p,q) = (1,1) là phổ biến. Tuy nhiên, giá trị p và q được xem là những độ trễ cho ACF và PACF quan trọng sau cùng. Cả hai điều kiện bình quân di động và điều kiện dừng phải được thỏa mãn trong mô hình hỗn hợp ARMA. 3.1.4.2.4. Mô hình ARIMA(p,d,q): Do mô hình Box-Jenkins chỉ mô tả hay trình bày chuỗidừng hoặc những chuỗi đã sai phân hóa, nên mô hình ARIMA(p,d,q) thể hiện những chuỗi dữ liệu không dừng, đã được sai phân. Trong đó: d chỉ mức độ sai phân. Khi chuỗi thời gian dừng được lựa chọn (hàm tự tương quan ACF giảm đột biến hoặc giảm đều nhanh), chúng ta cò thể chỉ ra một mô hình dự định bằng cách nghiên cứu xu hướng của hàm tự tương quan ACF và hàm tự tương quan riêng phần PACF. Theo lý thuyết, nếu hàm tự tương quan ACF giảm đột biến và hàm tự tương quan riêng phần PACF giảm đều nhanh thì chúng ta có mô hình hàm tự tương quan. Nếu hàm tự tương quan ACF và hàm tự tương quan riêng phần PACF đều giảm đột biến thì chúng ta có mô hình hỗn hợp. Về mặt lý thuyết, không có trường hợp hàm tự tương quan ACF và hàm tự tương quan riêng phần PACF cùng giảm đột biến. Trong thực tế, hàm tự tương quan ACF và hàm tự tương quan riêng phần PACF giảm đột biến khá nhanh. Trong trường hợp này, chúng ta nên phân biệt hàm nào giảm đột biến nhanh hơn, hàm còn lại được xem là giảm đều. Do đôi lúc sẽ có trường hợp giảm đột biến đồng thời khi quan sát biểu đồ hàm tự tương quan ACF và hàm tự tương quan riêng phần PACF,
42 biện pháp khắc phục là tìm vài dạng hàm dự định khác nhau cho chuỗi thời gian dừng. Sau đó, kiểm tra độ chính xác định mô hình tốt nhất. 3.1.4.2.5. Trình tự cơ bản của phương pháp Box-Jenkins Phương pháp Box-Jenkins bao gồm các bước chung: xác định mô hình, ước lượng tham số, kiểm định độ chính xác và dự báo.  Xác định mô hình: Yếu tố xu thế được tách ra khỏi dữ liệu (bằng cách lấy sai phân bậc một hoặc 2 của dữ liệu) và sau đó nhận dạng một mô hình dự định. Mô hình có thể trình bày theo dạng AR, MA hay ARMA. Phương pháp xác định mô hình thường được thực hiện qua nghiên cứu chiều hướng biến đổi của hàm tự tương quan ACF hay hàm tự tương quan riêng phần PACF.  Ước lượng tham số: Tính những ước lượng khởi đầu cho các tham số a0, a1, ap, b0, b1, bq của mô hình dự định. Sau đó xây dựng những ước lượng sau cùng bằng một quá trình lặp.  Kiểm định độ chính xác: sau khi các tham số của mô hình tổng quát đãxây dựng, ta kiểm tra mức độ chính xác và phù hợp của mô hình với dữ liệu. Chúng ta kiểm định phần dư (Y, - Ỷ,) và có ý nghĩa cũng như mối quan hệ các tham số. Nếu bất cứ kiểm định nào không thỏa mãn, mô hình sẽ nhận dạng lại các bước trên được thực hiện lại.  Dự báo: Khi mô hình thích hợp với dữ liệu đã tìm được, ta sẽ đưa yếu tố xu thế trở lại mô hình và thực hiện dự báo. Hình 3. 9 Sơ đồ mô phỏng mô hình Box-Jenkins:
43 3.1.4.3. Ứng dụng mô hình ARIMA Sự phát triển của công nghệ thông tin và việc ứng dụng công nghệ thông tin trong nhiều lĩnh vực của đời sống, kinh tế xã hội trong nhiều năm qua cũng đồng nghĩa với lượng dữ liệu đã được các cơ quan thu thập và lưu trữ ngày một tích lũy nhiều lên. Họ lưu trữ các dữ liệu này vì cho rằng trong nó ẩn chứa những giá trị nhất định nào đó. Tuy nhiên, theo thống kê thì chỉ có một lượng nhỏ của những dữ liệu này (khoảng từ 5% đến 10% ) là luôn được phân tích, số còn lại họ không biết sẽ phải làm gì hoặc có thể làm gì với chúng nhưng họ vẫn tiếp tục thu thập rất tốn kém với ý nghĩ lo sợ rằng sẽ có cái gì đó quan trọng đã bị bỏ qua sau này có lúc cần đến nó. Mặt khác, trong môi trường cạnh tranh, người ta ngày càng cần có nhiều thông tin với tốc độ nhanh để trợ giúp việc ra quyết định và ngày càng có nhiều câu hỏi mang tính chất định tính cần phải trả lời dựa trên một khối lượng dữ liệu khổng lồ đã có. Với những lý do như vậy, các phương pháp quản trị và khai thác cơ sở dữ liệu truyền thống ngày càng không đáp ứng được thực tế đã làm phát triển một khuynh hướng kỹ thuật mới đó là kỹ thuật phát hiện tri thức và khai phá dữ liệu (KDD – Knowledge Discovery and Data Mining). Như trình bày trong, kỹ thuật dự báo đã hình thành từ thế kỉ thứ 19, tuy nhiên dự báo có ảnh hưởng mạnh mẽ khi công nghệ thông tin phát triển vì bản chất mô phỏng của các phương pháp dự báo rất cần thiết sự hỗ trợ của máy tính. Đến năm những 1950, các lý thuyết về dự báo cùng với các phương pháp luận được xây dựng và phát triển có hệ thống. Dự báo là một nhu cầu không thể thiếu cho những hoạt động của con người trong bối cảnh bùng nổ thông tin. Dự báo sẽ cung cấp những cơ sở cần thiết cho các hoạch định, và có thể nói rằng nếu không có khoa học dự báo thì những dự định tương lai của con người vạch ra sẽ không có sự thuyết phục đáng kể.Trong công tác phân tích dự báo, vấn đề quan trọng hàng đầu cần đặt ra là việc năm bắt tối đa thông tin về lĩnh vực dự báo. Thông tin ở đây có thể hiểu một cách cụ thể gồm : (1) các số liệu quá khứ của lĩnh vực dự báo, (2) diễn biến tình hình hiện trạng cũng như động thái phát triển của lĩnh vực dự báo và(3) đánh giá một cách đầy đủ nhất các nhân tố ảnh hưởng cả về định lượng lẫn định tính.
44 Tóm tắt chƣơng 3 Khóa luận tập trung nghiên cứu mô hình ARIMA để thực hiện phân tích dữ liệu chứng khoán hướng tới việc dự báo chứng khoán. Mô hình ARIMA (AutoRegressive Integrate Moving Average) do Box-Jenkins đề nghị năm 1976, dựa trên mô hình tự hồi quy AR và mô hình trung bình động MA. ARIMA là mô hình dự báo định lượng theo thời gian, giá trị tương lai của biến số dự báo sẽ phụ thuộc vào xu thế vận động của đối tượng đó trong quá khứ. Mô hình ARIMA phân tích tính tương quan giữa các dữ liệu quan sát để đưa ra mô hình dự báo thông qua các giai đoạn nhận dạng mô hình, ước lượng các tham số từ dữ liệu quan sát và kiểm tra các tham số ước lượng để tìm ra mô hình thích hợp. Mô hình kết quả của quá trình trên gồm các tham số thể hiện mức độ tương quan trên dữ liệu, và được chọn để dự báo giá trị tương lai. Giới hạn độ tin cậy của dự báo được tính dựa trên phương sai của sai số dự báo.
45 Chƣơng 4: KẾT QUẢ NGHIÊN CỨU 4.1. Số liệu và nguồn gốc số liệu Số liệu được tiến hành dự báo là số thu thuế TNDN theo quý từ qui I-2006 đến quý IV-2013 của các doanh nghiệp có vốn đầu tư nước ngoài do phòng Kiểm tra 2, Cục ThuếTP.HCM quản lí. Thực hiên dự báo theo các thay đổi từng quý, nên ta có dữ liệu quan sát được là 32 quý. Bảng 4. 1 Số liệu sô thu thuế TNDN từ quý 1-2006 đến quý 4-2013 (đơn vị: triệu đồng) Năm Quý I Quý II Quý III Quý IV Năm 2006 774485 101246 252941 308856 Năm 2007 437238 342012 734955 460640 Năm 2008 545536 1649999 405200 366184 Năm 2009 1212421 131148 509480 784161 Năm 2010 636282 603506 1119349 821094 Năm 2011 661075 2353777 796929 902619 Năm 2012 2349783 331011 980196 1391205 Năm 2013 1603674 584169 1901116 1526398 Nguồn gốc số liệu: Phòng Kiểm tra 2 – Cục ThuếTP.HCM 4.2. Ứng dụng mô hình vào dự báo Sử dụng phần Eview để thực hiện dự báo số thuế TNDN bằng mô hình Arima. Sau đó ta tiến hành nhập dữ liệu vào phần mềm: Và ta nhập số liệu vào, đặt tên biến là “TNDN” ta được như sau:
46 Khi nghiên cứu số liệu về số thu thuế TNDN theo quý trong giai đoạn 2006 – 2013, có những chính sách thuế và chính sách kinh tế của chính phủ tác động lên số thu thuế TNDN, nhưng vì đề tài chưa đủ dữ liệu để đo lường sự tác động của các thay đổi này đến số thu thuế TNDN nên đề tài chỉ sử dụng phương trình ARIMA có biến độc lập duy nhất là số thu thuế TNDN để miêu tả mối quan hệ của các biến độc lập tới biến phụ thuộc. Chuỗi số liệu sử dụng trong mô hình ARIMA giả định là chuỗi dừng. Vì vậy để dự đoán số thu thuế TNDN trong 3 quý đầu năm 2014 bằng mô hình ARIMA, chúng ta cần phải xem xét liệu chuỗi đó có phải là chuỗi dừng hay không. Để khẳng định điều này trước tiên có thể dựa vào quan sát trực tiếp đồ thị của chuỗi số liệu đó, sau đó phải kiểm định. Hai phương pháp kiểm định rất phổ biến là Augmented Dickey- Fuller (ADF) và Perron-Phillips (PP) mà kinh tế lượng gọi là kiểm định gốc đơn vị (unit root test) cho các chuỗi số liệu gốc và các chuỗi sai phân. Hình 4. 1 Đồ thị LNTNDN Hình 4. 2 Đồ thị TNDN
47 Hình 4.2 ta thấy số thu thuế TNDN (đặt là “TNDN”) trong thời gian nghiên cứu lúc nào số thu thuế cũng tăng vào cuối năm, và có xu hướng tăng dần và không ổn định trong năm. Vì thông thường các doanh nghiệp thường sẽ tổng kết tình hình sản xuất kinh doanh vào cuối năm, cuối năm tình hình sản xuất kinh doanh tăng nên vì vậy số thu thuế cũng được tăng mạnh. Nhưng nhìn chung trong suốt giai đoạn, số thuế TNDN có xu hướng tăng và biến động theo từng thời kì. Như vậy có thể dự đoán chuỗi số thu thuế TNDN qua các quý là chuỗi không dừng. Tuy vậy, khi lấy loga nepe của chuỗi này thì ta được chuỗi mới, được thực hiện bằng lệnh Genr ltndn=log(tndn) (tạm đặt là LNTNDN) chuỗi này không rõ xu hướng và xoay quanh một giá trị trung bình nào đó (Hình 4.1). Đây được xem như là biểu hiện của một chuỗi dừng. Để khẳng định những suy đoán trên, phương pháp kiểm định ADF được sử dụng để xem liệu kết quả có nhất quán hay không. Kết quả kiểm định cho chuỗi số liệu gốc và chuỗi lấy loga nepe được trình bày ở bảng Bảng 4. 2 Kết quả kiểm định ADF đối với chuỗi gốc và chuỗi laga nepe Kí hiệu chuỗi Giá trị kiểm định ADF Chuỗi gốc TNDN 0,6994 Chuỗi loga nepe LNTNDN 0,0000 Hình 4. 3 Kiểm định tính dừng
48 Hình 4.3 cho thấy rằng với kiểm định Unit Roor Test cho chuỗi số liệu đã lấy loga nepe, giá trị p-value=0 (nhỏ hơn các giá trị tới hạn ở mức thống kê 1%, 5%, 10%), chứng tỏ bác bỏ giả thiết H0: Biến có nghiệm đơn vị, hay dữ liệu ta đang xét đã dừng. Bên cạnh đó, ta cũng cần lưu ý p-value của C và Trend, nếu p-value này có giá trị thống kê thì dữ liệu có hệ số chẵn và có xu hướng, ở đây, bảng kết quả đã chỉ ra đã đúng, vậy dữ liệu của ta đã có tính dừng bậc 0. 4.3. Xây dựng mô hình ARIMA cho chuỗi biến động số thu thuế TNDN Bước 1: Nhận dạng (xác định các giá tri p, d, q) Chuỗi dữ liệu TNDN kiểm định ở trên cho thấy chuỗi này dừng ở bậc gốc, ta có d=0. Để xác định p, Box &Jenkins (1976) đưa ra phương pháp nhận dạng như sau: một chuỗi dừng tự tương quan bậc p nếu (i) Các hệ số tự tương quan giảm từ từ theo dạng mũ hoặc hình sin, (ii) Các hệ số tương quan riêng phần giảm đột ngột xuống bằng 0 có ý nghĩa ngay sau độ trễ p. Hình 4.4 cho thấy đồ thị tự tương quan và tương quan riêng phần của chuỗi LNTNDN, cho thấy tồn tại hệ số tương quan riêng (PAC3) bậc ba có ý nghĩa thống kê, vậy có thể thích hợp với mô hình AR(3). Như vây, p có thể mang giá trị là 3. Tương tự như cách xác định p, quan sát đồ thị tự tương quan và tương quan riêng phần của chuỗi LNTNDN ta nhận thấy q có thể mang một trong hai giá trị: 3 và 12. Như vậy ta có mô hình ARIMA (p,0,q) với các tổ hợp của p và q đã tìm thấy: p =3 và q ɛ {3,12} Hình 4. 4 Đồ thị tự tương và tương quan riêng phần của chuỗi LNTNDN