臺灣博碩士論文加值系統

營業稅是政府重要的稅收來源之一，其課稅基礎為營利之加值額。營業人經常利用各種方式逃漏營業稅，為避免政府稅收短少，有必要採用有效率的資訊科技工具執行選案作業。為達公平課稅、遏止營業人逃漏稅，理論上應逐案審查，但實務上，受制有限人力及稽查人員流動頻繁，使營業稅逃漏之稽查更加困難。
利用資料探勘的資訊技術建立自動化的選案模式，是個可行的方案。本研究採用關聯式法則進行營業稅的資料探勘，藉以探究逃漏營業稅的營業人在營業資料申報或稅籍狀況申辦等行為是否具有特定規則或顯著性特徵，依此模式對每期之申報資料及相對稅籍資料作全面篩選，找出逃漏營業稅可疑案件。避免稽查人員浪費時間在不具查核價值案件上。
透過本研究獲得結果可知，應用稽徵機關即時更新維護之營業人稅籍資料及營業人每期(月)申報資料進行資料探勘，對發掘逃漏稅嫌疑案件較有效率，選案正確率有顯著提高。

Business tax is one of the important tax incomes for government. The calculation of business tax is based on the amount of values difference in between output items and input items from the business operations. The business entities often use various ways to escape tax. It has been difficult for tax auditors to audit all tax evasion cases on business tax due to limited human resources and turnover rate of auditors. To avoid government’s tax loss, it is essential for tax revenue agent to apply information technologies in order to screen potential tax evasion cases from taxation databases for further investigation.
This research work is to apply association rule method of data mining technique to develop a model for screening potential business tax evasion cases. We develop a data warehouse to integrate different taxation databases, and then implement data cubes at multiple levels of abstraction for investigating inter-dependencies between data attributes and discovering a set of association rules.
The result shows the model is more effective on screening business tax evasion cases than the existing screening method.

目錄
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究流程 5
1.4 研究範圍 6
第二章 文獻探討 7
2.1 營業稅制度及查核制度 7
2.1.1 現行營業稅制簡介 7
2.1.2 營業稅選案查核作業概述 8
2.1.3 營業稅逃漏型態 9
2.2 資料探勘(Data Mining) 14
2.2.1 資料探勘定義 14
2.2.2 資料探勘方法 15
2.2.3 資料探勘架構 17
2.2.4 資料探勘步驟 18
2.2.5 線上分析探勘 20
2.2.6 關聯式法則（Association Rule）介紹 24
2.3 應用資料探勘於稅務資料研究之探討 26
2.3.1 應用資料探勘技術於租稅查核等相關研究 27
2.3.2 應用資料探勘技術於營利事業所得稅選案查核等相關文獻 31
2.3.3 應用資料探勘技術於營業稅查核等相關文獻 32
2.4 文獻探討總結 33
第三章 研究方法 35
3.1 研究設計與流程 35
3.1.1 研究設計 35
3.1.2 研究流程 36
3.2 研究範圍及樣本 37
3.3 參數的選擇 38
3.4 資料倉儲的建置 40
3.5 資料市集/資料立方體的建置 41
3.6 資料探勘 42
第四章 實證研究 45
4.1 研究範圍及樣本 45
4.2 參數的選擇與分類 49
4.3 建立資料探勘模式 51
4.4 結果解說與討論 53
第五章 結論與後續研究建議 67
5.1 研究結論 67
5.2 研究貢獻 68
5.3 研究限制 69
5.4 後續研究建議 69
參考文獻 71
附錄 75
圖目錄
圖1.1研究步驟流程............... 5
圖2.1資料庫知識發現流程圖….....15
圖2.2資料探勘架構圖…...........18
圖2.3 稽徵業務資料探勘架構......29
圖2.4 稽徵業務資料倉儲模式…....30
圖3.1 研究系統架構圖............35
圖3.2 研究進行之步驟流程........36
圖4.1 資料探勘實作架構圖........48
圖4.2 92年期資料立方體１星狀架構圖...........52
圖4.3 92年期資料立方體２星狀架構圖...........52

表目錄
表1.1 營業稅等四大稅目賦稅收入表.................. 2
表1.2 營業稅等四大稅目違章漏稅及財務罰鍰統計表.... 3
表2.1營業稅逃漏型態及查核運用課稅資料與其存放地點..13
表4.1研究樣本之原始件數.…………………………………45
表4.2研究樣本經聚集後之研究件數...................46
表4.3違章案件資料表.………………………………………49
表4.4稅籍資料表.……………………………………………49
表4.5申報書資料表.…………………………………………50
表4.6 92年期資料立方體1－不同支持度與可靠度分析結果...53
表4.7 92年期資料立方體２－不同支持度與可靠度分析結果..54
表4.8 92年期資料立方體１Support：7%，Confidence：85%之規則............55
表4.9 92年期資料立方體１Support：8%，Confidence：80%之規則............56
表4.10 92年期資料立方體２Support：10%，Confidence：80%之規則..........57
表4.11 93年期資料立方體１驗證結果分析表..................61
表4.12 93年期資料立方體２驗證結果分析表..................61
表4.13 9402期資料立方體１測試結果分析表..................63
表4.14 9402期資料立方體２測試結果分析表..................64
表4.15 9302期資料立方體１測試及驗證結果分析表............64
表4.16 9302期資料立方體２測試及驗證結果分析表............64
表4.17 9302期資料立方體１測試及驗證結果歸類錯誤率分析...............66
表4.18 9302期資料立方體２測試及驗證結果歸類錯誤率分析...............66

參考文獻
中文文獻：
王國揚，2002，角色衝突、工作壓力與離職傾向關係之探討 –以財政部台灣省中區國稅局為例，中山大學人力資源管理研究所未出版碩士論文。
吳德章，1988，我國營業稅逃漏型態及防制方法之研究，中國文化大學經濟研究所未出版碩士論文，頁4-7。
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研究所未出版碩士論文。
林幸怡，1997，擴充先前知識以輔助資料發掘，國立政治大學資訊管理研究碩士論文。
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未出版碩士論文。
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未出版碩士論文。
財政部，2002，「營業稅稽徵作業手冊」，財政部編印。
財政部財稅資料中心，2004，「財稅資訊處理手冊─營業稅」，財政部財稅資料中心編印。
財政部臺北市國稅局、財政部臺灣省北區國稅局、財政部臺灣省中區國稅局、財政部臺灣省南區國稅局及財政部高雄市國稅局合編，2003，國稅查核技術手冊—營業稅查核實務。
財政部臺北市國稅局、財政部臺灣省北區國稅局、財政部臺灣省中區國稅局、財政部臺灣省南區國稅局及財政部高雄市國稅局合編，2003，國稅查核技術手冊—加值型及非加值型營業稅違章審理查核實務。
陳彥文，2003，類神經網路之應用--以營業稅選案模型為例，銘傳大學資訊管理研究所未出版碩士論文。
陳偉民，2001，我國對逃漏營業稅處罰之研究，中原大學財經法律研究所未出版碩士論文，頁48-49。
黃則強，1999，營業稅逃漏﹕實務與模型分析，政治大學財政研究所未出版碩士論文。
黃坤光，1998，我國加值型營業稅之進項稅額扣抵銷項稅額制度之研究-以營業稅申報資料實證分析，朝陽大學財務金融研究所未出版碩士論文，頁19-20。
黃娟娟，1992，自動化知識擷取－ＩＤ３在稅務查核之應用，東吳大學會計研究所未出版碩士論文。
劉興浚，1998，類神經網路在稅務稽核選案模式之應用，元智大學管理研究所未出版碩士論文。
劉祖漶A2003，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，國立臺灣大學會計學研究所未出版碩士論文。
黎萬益、黃國華、孫惠玲、林文彥、吳澤松，財稅資料中心，財政部八十九年度研究報告，「運用資料倉儲平行處理、整合分析等技術特性強化租稅查核勾績效能之研究」
鄭義熙、蘇俊榮、蘇麗娥、謝昆忠、李明章，財政部高雄市國稅局，財政部八十八年下半年及八十九年度研究報告，「資料倉儲在稽徵業務運用之研究」
賴慶贊，2002，資料倉儲之建置與資料模式適域性之研究－以營業稅申報查核為例，銘傳大學資訊管理研究未出版碩士論文。

英文文獻：
Berry, M. J. A. and Linoff, G. 1997. Data mining Technique：For Marketing, Sale, and Customer Support. John Wiley & Sons.
Chaudhuri, S. and Dayal, U. 1997. “An overview of data warehousing and OLAP technoloty.” ACM SIGMOD Record,Vol. 26:65-74.
Codd, E. F., Codd, S. B., and Salley C. T. 2000. “Providing OLAP (On-line Analytical Processing) to User-Analysts: An IT Mandate”
http://www.hyperion.com/%20products/whitepapers.cfm
Fayyad, U. M. 1996a, “Data mining and knowledge discovery: making sense out of data,” IEEE expert, Vol. 11, No.5,(October): 20-25.
Fayyad, U.M., Piatesky-Shapiro, G., and Padhraic, S. 1996b , “From data mining to knowledge discovery: an overview.” Advance in knowledge discovery and data mining, American Association for Artificial Intelligence, Menlo park, CA.USA:1-34.
Frawley, W. J., Paitetsjy-Shapiro, G. and Matheus, C.J. 1991, “KnowledgeDiscovery in Databases: An Overview.” Knowledge Discovery in Databases, California, AAAI/MIT Press:1-30
Grupe, F. H. and Owrang, M. M. . Fall 1995, “Data Base Mining DiscoveringNew Knowledge and Coperative Advantage.” Information Systems Management, Vol. 12, No. 4:26-31.
Han, J. 1999. “Data mining.” in J. Urban and P. Dasgupta (eds.). Encyclopedia of Distributed Computing. Kluwer Academic Publishers.
Han, J. , 1998. Towards on-line analytical mining in large databases. ACM SIGMOD Record, 27:97-107.
Han, J. , Kamber. M. 1999. Data Mining Concepts and Techniques. Morgan Kaufmann Publishers.
Han, J. and Fu, Y. Sep./Oct. 1999. “Mining Multile-Level Association Rules in Large Databases”, IEEE Transactions of knowledge and data engineering, vol. 11, No. 5:798.
Han, J. , Pei, J. , Yin Y. and Mao. R., 2004, “Mining Frequent Patterns without Candidate Generation: A Frequent-Pattern Tree Approach”, Data Mining and Knowledge Discovery, 8:53-87
Hunter, W. J. and M. A. Nelson. 1996, “An IRS production function”, National Tax Journal, 49:105-115.
Inmon, W. H. 1996. Building the Data Warehouse. New York:John Wiley & Sons.
OLAP Council. 2000. “OLAP Council White Paper ,”
http://www.olapcouncil.org/research/whtpaply.htm
Yoon, Younghoc. Spring 1999. “Discovery knowledge in corporate databases.” Information System Management.
Zhou, X., Truffet D. and Han, J. 1999. Efficient Polygon Amalgamation Methods for Spatial OLAP and Spatial Data Mining. In Proc. 6th Int. Symp. Large Spatial Databases (SSD’99):167-187, Hong Kong, July.