The purpose of this study is to determine which of three forecasting methods provides the most accurate short-term forecasts, in terms of absolute and mean absolute percentage error, for a unique set of data. The study applies three forecasting techniques--the Box-Jenkins or ARIMA method, cycle regression analysis, and multiple regression analysis--to quarterly sales tax revenue data. The final results show that, with varying success, each model identifies the direction of change in the future, but does not closely identify the period to period fluctuations. Indeed, each model overestimated revenues for every period forecasted. Cycle regression analysis, with a mean absolute percentage error of 7.21, is the most accurate model. Multiple regression analysis has the smallest absolute percentage error of 3.13.

本文之主要目的，係探究綜合所得稅收入之預測方法。由於我國過去關於綜合所得稅收入預測之文獻，其估測方法大多是以概括性指標（如GNP水準），或利用趨勢值（如去年稅收水準）等方式進行單一迴歸之估測，如江振南(1973)、林華德(1978)等。針對以上的估計方法，本文乃提出不同之觀點及作法。 　　由賦稅稽徵的基本資料觀察得知，所得級距與納稅單位數之關係曲線所呈現的型態與趨勢相當規律。因此本文嘗試為其尋找分配函數以配適之，並藉由對分配函數參數值的掌握，即可準確預測綜合所得稅的稅收。 　　由本文的配適結果發現，「修正級距應納稅額差異最小化模型」不論是在最高所得級距應納稅額，或是總稅收的預測，皆有極佳的配適，在二十二年的歷史資料中，此一模型的總稅收估計誤差皆低於1000元。 　　因此，只要能掌握「修正級距應納稅額差異最小化模型」中的指數分配參數值與常數項趨勢值，即可精確估計最高所得級距應納稅額與總稅收。

本文的主要目的係探究「民營企業所得稅稅收」之預測方法，由於以往關於我國營利事業所得稅稅收預測之文獻，其估測方法大致相同，亦即以行政院主計處所公佈之國民生產毛額(GNP)預測資料來估計企業利潤，並進而以企業利潤預測出未來之營利事業所得稅稅額。針對以上之估計方法，本文乃提出不同之觀點及作法，換言之，本文之研究步驟及特色分述如下： 　　（一）研究步驟 　　1.建立各業別營所稅稅額與企業利潤之迴歸式，亦即稅收函數。 　　2.考慮因產業別之不同，而其利潤之解釋變數亦有所差異，故進而建立各業別之利潤函數。 　　3.利用簡單之ARIMA模型，自行預測用以解釋企業利潤之各項外生變數。 　　綜言之，亦即欲藉由模型本身所預測之各項外生變數未來值，進而求得企業利潤及營所稅稅額之預測值。 　　（二）研究特色 　　1.按產業別各自進行估測，以求得更為精確之稅收預測值。 　　2.本文乃藉由ARIMA模型，主動對那些影響企業利潤之外生變數（例如：國民所得、出口總額、貨幣供給量以及失業率）加以預測及估計，而異於以往學者對於「國民生產毛額」變數乃採取行政院主計處所公佈之預測資料的做法。 　　實證結果顯示，本模型所估測出的營所稅稅額與實際徵起之稅額，其近五年之平均誤差率有減少情況，也就是估計值與實際值二者相互接近，故估測結果實具參考價值。