住宿业增值税的税收风险识别模型

前言：想要写出一篇引人入胜的文章？我们特意为您整理了住宿业增值税的税收风险识别模型范文，希望能给你带来灵感和参考，敬请阅读。

摘要：本文以营改增后住宿业的税收风险管理为重点，设计一套住宿业增值税税收风险识别模型，从而加强住宿业的税收征管，降低税收风险。

关键词：住宿业；税收风险；识别模型

2016年5月1日起，全国范围内全面推开营业税改征增值税，住宿业作为生活服务业的重要组成部分，纳入增值税征收范围，由原来按照旅店业5%的税率缴纳营业税改为按照“营改增”的相关规定缴纳增值税。“营改增”后住宿业涉税风险点主要包括以下几个方面：隐匿收入、发票管理不规范、行业管理不规范、经营状况难以把握等。因此，针对住宿业的特点和税务机关的实际需要，本文设计了一套住宿业税收风险识别模型，用以评估住宿业纳税人的税收风险。

一、涉税信息（数据）采集

（一）纳税人报送数据

目前住宿业纳税人通过纳税申报系统填报涉税信息，但这些信息存在填报不准确、不真实或空白填报的情况，特别是管理不规范的小规模经营者。并且，许多纳税人信息在征管系统中无法取得，这给模型的构建带来一定的难度。因此，监督纳税人严格系统内填报涉税信息的基础上，增加一些指标运行必须的涉税数据和涉税信息，为风险识别系统提供数据支撑例如，可以要求纳税人定期填报住宿业经营指标采集表（《评估模型信息采集表》）。

（二）税务机关采集数据

税收征管信息系统按月或按风险识别获取数据，税务机关通过一定的手段，确保纳税人提供信息的真实性、可靠性。税务机关需要对纳税人进行实地核查，核查经营单位客房数量、客房设施、装修情况、住宿标准等相关经营信息。根据报送的资料测算出行业指标并对已有的指标模型进行修正、完善，通过结合机打增值税专用发票使用情况，横向、纵向数据比对和数据指标逻辑关系，找出疑点。

（三）第三方数据

发挥综合治税的优势，与公安部门建立治安管理信息共享机制，准确掌握住宿业经营单位的每名旅客的入住时间、退房日期和房间号等重要涉税信息，摸清各经营单位的真实资料。通过公安部门数据进行处理，计算出经营收入数据。采用综合分析判断推算法，结合纳税人的机打发票使用情况和入住情况，分析营业收入较真实水平，加强对增值税税基管理。

二、风险指标的选取与应用

根据住宿业自身特点构建风险模型，建立几个关键的预警指标。各地方根据采集的信息，采用加权平均法得到各预警指标参考值（标准值）。对于偏离参考值正负5%的为无风险，偏离平均值正负5%—10%的为低风险，偏离平均值正负10%—30%的为高风险，偏离平均值正负50%以上为超高风险。

（一）公安登记信息测算收入指标

数据模型：增值税申报的客房收入与公安登记信息测算收入比率=申报客房收入÷根据公安登记信息测算收入×100%。指标功能：当期应补缴税额=（当期测算后客房收入﹣申报收入）×增值税税率（或征收率）。根据通过公安登记信息和核实后的住宿业经营单位客房（住宿）收费标准，并充分考虑淡旺季和节假日的因素，得到测算出的收入。如果差额过大，则可能有少计收入的情况。正常值区间为0.9—1.05。

（二）客房收入变动指标

数据模型：客房收入变动率=（本期客房收入﹣基期客房收入）÷基期客房收入×100%。指标功能：如果住宿业经营单位收入变动率低于预警值范围，则可能存在少计收入的问题（需要排除重大内部环境或外部环境变化的情况）。正常值区间：0.8—1.2。

（三）净资产收益指标

数据模型：净资产收益率=客房收入÷平均净资产×100%。指标功能：住宿业资产往往较大，通过净资产收益率指标分析纳税人资产综合利用情况（这里的净资产是用于住宿服务业务的净资产）。如果指标与预警值相差较大，可能存在隐瞒收入的问题。

（四）收入利润指标

数据模型：收入利润率=本期住宿服务利润总额÷本期成本费用总额×100%。指标功能：分析纳税人客房收入和经营利润之间的关系，如果经营单位的收入利润率超出预警值范围，可能存在隐瞒收入的情况。正常值区间：0.15—0.35。

（五）低值易耗品指标

数据模型：低值易耗品费用占收入比率=本期低值易耗品费用÷本期客房收入×100%。指标功能：如果低值易耗品费用占收入比率低于预警值范围，则可能存在少计入收入的问题。正常值区间：0.04—0.08。

（六）洗涤费指标

数据模型：洗涤费占收入比率=本期洗涤费支出÷本期客房收入×100%。指标功能：洗涤费支出应该与客房收入成正比，如果洗涤费占收入比率超出预警值范围，则可能存在少计入收入的问题。

三、税收风险识别模型评价机制

（一）评分标准

各地方税务机关根据地方实际情况，确定本地区风险识别采用的指标，再根据采集的涉税信息，计算本地区住宿业税收风险指标值（标准值），在以指标值（标准值）为标准分别计算偏离行业平均值百分比时的指标值，0分—50分每5分1档分别对应5%以下、5%、10%……45%、50%及以上，非5整数取最近的分值。其中：偏离程度=（经营单位单项风险指标值﹣地区住宿业单项风险指标值）÷地区住宿业单项风险指标值×100%

（二）评价机制

各地税务机关根据实际情况确定每一项风险指标的权重，之后按照权重计算该地区住宿业纳税人增值税税收风险评分值，分数越高风险越大，从而判断可能存在的税收风险。权重的分配需要考虑不同风险指标的重要性，例如在信息比较充分的情况下公安登记信息测算收入指标权重可以较高。

（三）等级排序和推送

根据风险数据整备，运用住宿业税务风险识别模型加工处理的结果，排序生成高、中、低风险纳税人清单，通过风险管理平台推送不同应对机关处理。

四、结语

税收风险管理是税收管理的一项重要领域，强化税收风险管理能够有效保证税收稳定、安全，降低税收征管成本，提高税收征管效率。在信息化时代的今天，税务机关可以利用相关数据，构建税收风险识别模型，从而实现对税收风险管理。本文是在“营改增”针对住宿行业的特点和现实情况，构建一套针对住宿服务的增值税税收风险识别模型，从而加强对住宿业税收征管工作，评估税收风险，减少增值税税款流失。

参考文献：

[1]夏智灵.税收风险管理的理论和实践[J].税务研究，2017，（01）：117-120.

[2]李晓曼著.税收风险管理理论与方法[M].北京：中国财政经济出版社.2013.

[3]李小平著.税收风险管理与模型应用[M].北京：经济科学出版社.2012.

作者:董琦 单位:云南财经大学财政与公共管理学院