全文总字数：5025字
1. 研究目的与意义、国内外研究现状（文献综述）
本课题的意义：
在涉税信息日益丰富的今天，使用数学建模的思想，充分利用现有的涉税信息，深层次地挖掘税收基础数据，为税收部门的日常纳税评估提供高水平、高准确率的案源，从而为税收管理服务，给领导决策提供依据，已成为税收管理数据分析中不可或缺的重要途径。而目前用于税收预测的方法包括回归方法、时间序列方法、神经网络方法等，这些方法或关注税收与相关经济要素的关系，或发觉税收自身的变化特点，有各自的适用范围和优势所在。而近些年来，河北省经济在取得长足发展的同时也带动了税收收入的超速增长，本文主要介绍时间序列模型在河北省生产税收预测中的应用，并根据其中存在的问题提出建议。
2. 研究的基本内容和问题
研究目标、内容：
税收分析是指运用各种科学的理论，对已有的经济税源调查资料进行综合统计分析，对税收征收管理及税收政策的执行做出客观的评估和预测，找出引起税收增减变化的原因，揭示影响税收收入进度的因素,预测税收发展的趋势,为编制税收计划、完善征管措施、开展纳税评估以及实施税务稽查提供依据。它是税收管理的重要内容和环节,是促进税收科学化精细化管理、充分 发挥税收职能的重要手段。
在国家税务总局办公厅印发的《微观税收分析基本方法》中提到了利用数学模型进行税收分析。数学模型实现税收高级分析决策主要从三类数学模型进行分析，分别是时间序列分析、相关性分析和聚类分析。本文主要以时间序列进行税收收入预测为研究目标，利用时间序列税收分析模块实现河北省总税收收入趋势预测。未来可用于河北省总税收收入趋势预测、全省重点行业总税收收入预测、各地区重点行业总税收收入预测。
3. 研究的方法与方案
研究方法：
数学模型实现税收高级分析决策主要从三类数学模型进行分析，分别是时间序列分析、相关性分析和聚类分析。本文主要以时间序列进行税收收入预测为研究目标，而典型的时间序列分析是arima建模法。
arima建模思路适合于平稳序列或者通过差分达到平稳序列。包括三种基本模型：
4. 研究创新点
作为信息与计算科学专业的本科生，本科阶段主要课程涉及数学以及计算机类课程，而本人希望毕业后考税收方面的公务员，该课题与就业方向方向密切相关，是基于数学计算方法与计算机软件方面的综合课题，且有一定深度，适合作为本科生毕业论文的课题。
arima模型允许模型中包含趋势变动、季节变动、循环变动和随机波动等综合因素影响，减少了多因素对税收预测的影响，具有较高的预测精度，可以把握过去数据变动模式，有助于解释预测趋势规律
模型建立过程中对于样本数据取了自然对数，从而消除了时间序列中的自相关和异方差，使得预测值更接近真实值。
5. 研究计划与进展
12月1日-2月28日：前期准备时期，阅读时间序列模型在税收分析及预测中的应用的相关文献，了解相关背景，熟悉时间序列模型中的arima模型。熟悉r语言对于数据分析的处理方法，编写相关代码，着手各实验的前期准备；撰写开题报告。
3月1日-4月15日：收集河北省生产税收收入数据及国内生产总值数据，对数据进行时间序列分析，利用r语言建立初步数学模型并进行相关检验，确定最终模型，然后进行税收预测，撰写、分析实验报告；完成毕业论文中期检查表。
4月16日-5月10日：撰写毕业论文初稿。
