臺灣博碩士論文加值系統

營利事業所得稅為國家主要稅源之一，目前稅務機關針對租稅偵查係利用電腦選案模式，區分出補稅可能性極高之案件，使查核人力得以集中運用於逃漏可能性較大的案件。而本研究欲藉由貝氏分類法之資料探勘技術來建立租稅查核預測模型並使用Weka軟體為探勘工具，且透過實地的專家問卷，篩選出關鍵的租稅審核評估指標，探討影響營利事業可能發生逃漏稅之重要因素，並運用貝氏網路呈現租稅審核評估指標互相影響的因果關係。而在最後的實驗結果顯示，本研究方法約達到88%的準確率，可提供稅務機關作為提升行政績效之參考。

With the advancement of information technology, the tax-collecting administration currently detects taxation by computer selection mode to distinguish highly probable duty repayment cases.It facilitates to allocate the cases of human resources in tax audit with higher likelihood of tax evasion. The study aims to analyze the credibility of the filing of profit-seeking enterprises by the amount of duty repayment which these enterprises should repay to explore several affecting factors in the taxation selection mode. Furthermore, the study uses profit-seeking enterprise filings and approves applications by tax-collecting administration in combination with professional tax staffs’ interviews to numerate explanatory variables influencing the tax repayment amount. The amount of approved tax repayable is set as the objective variable and Weka is used as the exploratory tool. The study establishes the selection projection model by employing data mining technique of Bayesian classifiers to discuss whether the selection projection model Therefore, it enable companies to have better classifying capabilities for the evasion of the profit-seeking enterprise income tax and promote administration performances as well as being employed by the tax-collecting administration for the audit.

口試合格證書 I
摘　要 II
ABSTRACT III
誌　謝 IV
目　錄 V
表目錄 VII
圖目錄 VIII
第一章、緒論 1
第一節、研究背景 1
第二節、研究動機 1
第三節、研究目的 2
第四節、研究範圍與限制 3
第五節、研究流程 4
第六節、研究架構 4
第二章、文獻探討 5
第一節、營利事業所得稅制度 6
第二節、營利事業所得稅選案 8
第三節、資料探勘 11
第四節、貝氏分類法 16
第五節、小結 20
第三章、研究方法 20
第一節、貝氏分類 20
第二節、研究流程 30
第三節、資料探勘工具 31
第四節、資料收集 32
第五節、資料前置處理 33
第四章、實驗結果與分析 35
第一節、實驗環境、實驗資料 35
第二節、實驗評估方法 40
第三節、實驗結果分析 43
第五章、結論與未來研究方向 55
第一節、研究結論 55
第二節、未來研究方向 56
參考文獻 57
中文文獻 57
英文文獻 59
附　錄 63

中文文獻
吳進照(2002),“類神經網路於營利事業所得稅選案之應用國立中央大學資訊工程研究所碩士論文。
吳慶輝(2006),“資料探勘技術於營利事業所得稅逃漏稅選查之應用國立中正大學會計與資訊科技學系碩士論文。
李怡靜(2012),“智慧型高維度財務危機探勘系統國立彰化師範大學企業管理學系碩士論文。
孟德成(2002),“營利事業所得稅選案調查模型之建立-類神經網路之應用國立臺灣大學會計學研究所碩士論文。
林世銘(2000),“會計師稅務簽證與租稅逃漏中華會計學刊 (Taiwan Accounting Review)，第1 卷，頁15-36。
林志憲(2004),“應用貝氏網路於工業製程之診斷與預測 交通大學電機與控制工程研究所碩士論文。
林坤淵(2002),“營利事業所得稅逃漏稅預測模式之比較研究國立交通大學經營管理 研究所碩士論文。
林欣瑾(2008),“財務報表舞弊偵測之研究－資料探勘之應用中國文化大學會計研究所碩士論文。
林苡妊(2003),“應用Logit模型於營利事業所得稅選案模式之實證研究逢甲大學會計與財稅所碩士論文。
施肇華(2002),“我國營利事業所得稅查核方式暨一般逃漏稅查緝方法之研究中原大學會計學系碩士論文。
胡坤德，「貝氏可能值推測方法之研究」，東海學報36，1995年，95-116頁。
張月芳、鄭志姮、吳弘玄、陳偉晃(2011),“運用資料探勘技術建立營利事業所得稅人工選查案件選案模式之研究財政部高雄市國稅局研究發展專題報告。
陳明進(2009)，「財務報表資料推估課稅所得之研究」，管理學報，民98年26卷6期，第625-636頁。
陳皆回(2011),“各種銀行對消費者房屋貸款預警模式績效之比較朝陽科技大學財務金融系碩士論文。
陳盈秀（2009）,“SVM類神經網路於單調性資料探勘之研究成功大學工業與資訊管理學系碩士論文。
黃素玲(2003),“台灣營利事業所得稅可延伸企業報告語言分類標準之建立靜宜大學會計學系研究所碩士論文。
黃壽佐(1980),“營利事業所得稅選案調查研究國立政治大學財政研究所碩士論文。
黃寶環(2009),“營利事業所得稅結算申報案件運用電腦選案查核之研究中原大學會計學系碩士論文。
楊永欽(2001),“預測模型在稅務選案上之比較靜宜大學會計學系碩士論文。
廖原豐(2006),“因果關聯規則挖掘國立中央大學資訊管理研究所碩士論文。
廖嘉雄(2000),“以貝氏網路為基礎的知識處理機制東海大學工業工程研究所碩士論文。
趙伯鈞(2011),“運用貝氏分類與類神經網路於金融業授信不正常繳款之研究元智大學資訊管理學系碩士論文。
劉昭雯(2012),“應用分類與迴歸樹及貝氏網路法分析全聯服務品質量表之重要指標國立彰化師範大學企業管理學系碩士論文。
劉珮芬(2002),“運用決策樹於營利事業所得稅結算申報書選案查核之研究國立台灣大學會計學系碩士論文。
潘俊帆(2001),“以貝氏網路為基礎的個人差異化知識處理機制東海大學工業工程研究所碩士論文。
蔡育銘(2012),“金融公司的財務資訊洩漏偵測之研究東吳大學資訊管理學系碩士論文。
穆守寬(2011),“運用貝氏網路機率模型在工具機業顧客滿意度分析之研究大葉大學工業工程與科技管理學系碩士論文。
鍾朝恭(2012),“貝氏網路於水力發電系統故障診斷分析之應用-以石門水庫水力發電系統為例國立臺灣科技大學營建工程系碩士論文。
簡禎富(2004),“決策分析清華大學工業工程與工業管理系決策分析上課講義。
蘇俊和(2002),“貝氏網路的建構與學習機制之研究-以航太產業績效管理為例東海大學工業工程與經營資訊研究所碩士論文。

英文文獻
Allingham, M.G., ＆ Sandmo, A.(1972),“Income tax evasion: a theoretical analysis. Journal of Public Economics 1 , PP.323-338.
Berry, A. J., Michael, Linoff ＆ Gordon.(1997),“Data Mining Techniques for Marketing,Sales,and Customer Support. John Wiley ＆ Sons, Inc.,.
Chang, O.H., ＆ Schultz, J.J.(1990),“The income tax withholding phenomenon: evidence from TCMP data.The Journal of the American Taxation Association 12, 88-93.
Chiang, T. A., ＆ Che, Z. H. (2010).“A fuzzy robust evaluation model for selecting and ranking NPD projects using Bayesian belief network and weight-restricted DEA.Expert Systems with Applications, Vol. 37, Issue 11, pp. 7408-7418.
Cooper, G. and Hersovits, E. (1992). “A bayesian method for the introduction of probabilistic networks from data., Maching Learning, 9, 309-347
Cowell, F. A.(1981),“Taxation and labor supply with risky activities.Economica, Vol. 48, pp. 365-379.
Cui, G., Wong, M. L. ＆ Lui, H. K. (2006).“Machine Learning for Direct Marketing Response Models: Bayesian Networks with Evolutionary Programming.Management Science,Vol. 52, No. 4, pp.597-612.
Duda, R. O., ＆ Hart, P. E. (1973),“Pattern Classification and Scene Analysis. Wiley.
Fayyad, U., Shapiro, G. P., ＆ Smyth, P.(1996).“From data mining to knowledge discovery in databases.AI Magazine, pp.37-54
Ferreira, L. ＆ Borenstein, D. (2012).“A fuzzy-Bayesian model for supplier selection.Expert Systems with Applications, Vol. 39, Issue 9, pp. 7834-7844.
Frawley, W. J., Shapiro, P. G., ＆ Matheus, C.J. (1991).“Knowledge Discovery in Databases: An Overview Knowledge Discovery in Database California. AAAI/MIT Press, pp. 1-30.
Grupe, F. H., ＆ Owrang,M. M.(1995).“Data Base Mining Discovering New Knowledge and Coperative Advantage.Information Systems Management, Vol.12, No. 4. Fall, pp.35-41.
Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., ＆ Witten, I. H. (2009).“The WEKA data mining software: an update.SIGKDD Explor. Newsl., 11(1), 10-18.
Han, J. ＆ Kamber, M.(2001).“Data Mining Concepts and Techniques.Morgan Kaufmaun, (pp.45-61).
Haykin, S., (1999).“Neural Network: A Comprehensive Foundation.Second Edition, Prentice Hall, Englewood Cliffs, NJ.
Heckerman, D. (1995).“A Tutorial on Learning With Bayesian Networks.Technical Report MSR-TR-95-06, Microsoft Research, Microsoft Corporation.
Huang, Z. , Chen, H., Hsu, C. J., Chen, W. H., Wu, S.(2004).“Credit rating analysis with support vector machines and neural networks: a market comparative study.Decision Support Systems, 37 , PP.543-558 .
Hunter, W. J. ＆ Nelson M. A.(1996).“An IRS production function.National Tax Journal, 49, pp. 105-115.
Kim, S.(2008).“Does political intention affect tax evasion? Journal of Policy Modeling 30,PP.401–415
Liu, B.,Xu, G., Xu, Q., ＆ Zhang, Nan.(2012),“Outlier Detection Data Mining of Tax Based on Cluster.Physics Procedia 33,PP.1689 – 1694
Mitchell T. M. (1997).“ Machine Learing.The McGraw-Hill companies, Inc.
Pearl, J.(1986).“Causality: Models, Reasoning and Inference.Cambridge University Press.
Perina, A., Cristani, M., Xumerle, L., Murino, V., Pignat, P. F., ＆ Malerba, G. (2009),“Fullynon-homogeneous hidden Markov model double net:A generative model for haplotype reconstruction and block discovery.Artificial Intelligence in Medicine, Vol. 45, Issues 2–3, pp. 135–150.
Spirtes, P., Glymour, C., ＆ Scheines, R.(1993).“Causation, Prediction and Search .Springer-Verlag, New York, Inc.
Vapnik, V. (1995).“ The Nature of Statistical Learning Theory. Springer Verlag.
Wu, R.S., Ou, C. S., Lin, H. Y., Chang, S.I., ＆ Yen, D. C. (2012).“Using data mining technique to enhance tax evasion detection performance.Expert Systems with Applications 39,PP.8769–8777
Yitzhaki, S.(1974).“A note on income tax evasion: a theoretical analysis. Journal of Public Economics 3:2, PP.201-202.
Zhu, Q. X., Guo, L. J, Liu, J., Xu, N., Li, W. X. (2009).“ Research of Tax inspection case-choice based on association rules in data mining.Proceedings of the Eighth International Conference on Machine Learning and Cybernetics, Baoding, PP.12-15



註1：基於稅務資料之機敏性，無法取得實際資料，是本研究所使用之資料係以台灣經濟新報網站蒐集我國上市櫃公司財務報告中相關財務指標及附註揭露中有關所得稅費用的構成項目（陳明進，2009）予以亂數模擬產生。
註2：相關網站:
Weka. Data Mining Software in Java,（http://www.cs.waikato.ac.nz/ml/weka/.）
台灣證券交易所公開資訊觀測站 http://mops.twse.com.tw/
台灣經濟新報（http://www.tej.com/twsite）