住宿業增值稅的稅收風險識別模型

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了住宿業增值稅的稅收風險識別模型范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：本文以營改增后住宿業的稅收風險管理為重點，設計一套住宿業增值稅稅收風險識別模型，從而加強住宿業的稅收征管，降低稅收風險。

關鍵詞：住宿業；稅收風險；識別模型

2016年5月1日起，全國范圍內全面推開營業稅改征增值稅，住宿業作為生活服務業的重要組成部分，納入增值稅征收范圍，由原來按照旅店業5%的稅率繳納營業稅改為按照“營改增”的相關規定繳納增值稅。“營改增”后住宿業涉稅風險點主要包括以下幾個方面：隱匿收入、發票管理不規范、行業管理不規范、經營狀況難以把握等。因此，針對住宿業的特點和稅務機關的實際需要，本文設計了一套住宿業稅收風險識別模型，用以評估住宿業納稅人的稅收風險。

一、涉稅信息（數據）采集

（一）納稅人報送數據

目前住宿業納稅人通過納稅申報系統填報涉稅信息，但這些信息存在填報不準確、不真實或空白填報的情況，特別是管理不規范的小規模經營者。并且，許多納稅人信息在征管系統中無法取得，這給模型的構建帶來一定的難度。因此，監督納稅人嚴格系統內填報涉稅信息的基礎上，增加一些指標運行必須的涉稅數據和涉稅信息，為風險識別系統提供數據支撐例如，可以要求納稅人定期填報住宿業經營指標采集表（《評估模型信息采集表》）。

（二）稅務機關采集數據

稅收征管信息系統按月或按風險識別獲取數據，稅務機關通過一定的手段，確保納稅人提供信息的真實性、可靠性。稅務機關需要對納稅人進行實地核查，核查經營單位客房數量、客房設施、裝修情況、住宿標準等相關經營信息。根據報送的資料測算出行業指標并對已有的指標模型進行修正、完善，通過結合機打增值稅專用發票使用情況，橫向、縱向數據比對和數據指標邏輯關系，找出疑點。

（三）第三方數據

發揮綜合治稅的優勢，與公安部門建立治安管理信息共享機制，準確掌握住宿業經營單位的每名旅客的入住時間、退房日期和房間號等重要涉稅信息，摸清各經營單位的真實資料。通過公安部門數據進行處理，計算出經營收入數據。采用綜合分析判斷推算法，結合納稅人的機打發票使用情況和入住情況，分析營業收入較真實水平，加強對增值稅稅基管理。

二、風險指標的選取與應用

根據住宿業自身特點構建風險模型，建立幾個關鍵的預警指標。各地方根據采集的信息，采用加權平均法得到各預警指標參考值（標準值）。對于偏離參考值正負5%的為無風險，偏離平均值正負5%—10%的為低風險，偏離平均值正負10%—30%的為高風險，偏離平均值正負50%以上為超高風險。

（一）公安登記信息測算收入指標

數據模型：增值稅申報的客房收入與公安登記信息測算收入比率=申報客房收入÷根據公安登記信息測算收入×100%。指標功能：當期應補繳稅額=（當期測算后客房收入﹣申報收入）×增值稅稅率（或征收率）。根據通過公安登記信息和核實后的住宿業經營單位客房（住宿）收費標準，并充分考慮淡旺季和節假日的因素，得到測算出的收入。如果差額過大，則可能有少計收入的情況。正常值區間為0.9—1.05。

（二）客房收入變動指標

數據模型：客房收入變動率=（本期客房收入﹣基期客房收入）÷基期客房收入×100%。指標功能：如果住宿業經營單位收入變動率低于預警值范圍，則可能存在少計收入的問題（需要排除重大內部環境或外部環境變化的情況）。正常值區間：0.8—1.2。

（三）凈資產收益指標

數據模型：凈資產收益率=客房收入÷平均凈資產×100%。指標功能：住宿業資產往往較大，通過凈資產收益率指標分析納稅人資產綜合利用情況（這里的凈資產是用于住宿服務業務的凈資產）。如果指標與預警值相差較大，可能存在隱瞞收入的問題。

（四）收入利潤指標

數據模型：收入利潤率=本期住宿服務利潤總額÷本期成本費用總額×100%。指標功能：分析納稅人客房收入和經營利潤之間的關系，如果經營單位的收入利潤率超出預警值范圍，可能存在隱瞞收入的情況。正常值區間：0.15—0.35。

（五）低值易耗品指標

數據模型：低值易耗品費用占收入比率=本期低值易耗品費用÷本期客房收入×100%。指標功能：如果低值易耗品費用占收入比率低于預警值范圍，則可能存在少計入收入的問題。正常值區間：0.04—0.08。

（六）洗滌費指標

數據模型：洗滌費占收入比率=本期洗滌費支出÷本期客房收入×100%。指標功能：洗滌費支出應該與客房收入成正比，如果洗滌費占收入比率超出預警值范圍，則可能存在少計入收入的問題。

三、稅收風險識別模型評價機制

（一）評分標準

各地方稅務機關根據地方實際情況，確定本地區風險識別采用的指標，再根據采集的涉稅信息，計算本地區住宿業稅收風險指標值（標準值），在以指標值（標準值）為標準分別計算偏離行業平均值百分比時的指標值，0分—50分每5分1檔分別對應5%以下、5%、10%……45%、50%及以上，非5整數取最近的分值。其中：偏離程度=（經營單位單項風險指標值﹣地區住宿業單項風險指標值）÷地區住宿業單項風險指標值×100%

（二）評價機制

各地稅務機關根據實際情況確定每一項風險指標的權重，之后按照權重計算該地區住宿業納稅人增值稅稅收風險評分值，分數越高風險越大，從而判斷可能存在的稅收風險。權重的分配需要考慮不同風險指標的重要性，例如在信息比較充分的情況下公安登記信息測算收入指標權重可以較高。

（三）等級排序和推送

根據風險數據整備，運用住宿業稅務風險識別模型加工處理的結果，排序生成高、中、低風險納稅人清單，通過風險管理平臺推送不同應對機關處理。

四、結語

稅收風險管理是稅收管理的一項重要領域，強化稅收風險管理能夠有效保證稅收穩定、安全，降低稅收征管成本，提高稅收征管效率。在信息化時代的今天，稅務機關可以利用相關數據，構建稅收風險識別模型，從而實現對稅收風險管理。本文是在“營改增”針對住宿行業的特點和現實情況，構建一套針對住宿服務的增值稅稅收風險識別模型，從而加強對住宿業稅收征管工作，評估稅收風險，減少增值稅稅款流失。

參考文獻：

[1]夏智靈.稅收風險管理的理論和實踐[J].稅務研究，2017，（01）：117-120.

[2]李曉曼著.稅收風險管理理論與方法[M].北京：中國財政經濟出版社.2013.

[3]李小平著.稅收風險管理與模型應用[M].北京：經濟科學出版社.2012.

作者:董琦 單位:云南財經大學財政與公共管理學院