由于每个纳税人和企业为了自身利益最大化,都有偷、逃、欠、骗和抗税的动机,但是纳税不遵从行为对于国民经济发展,社会财富再分配等都会造成直接影响。纳税评估是税收征管的重要组成部分,纳税评估工作具有很强的现实意义,是国内外学者关注的焦点。税收行为可以被分为两大类:税收遵从和税收不遵从,纳税评估模型构建的主要目的就是:从样本数据中识别出异常样本,即纳税不遵从行为人。纳税评估的核心工作是从纳税人上报的财务指标中识别纳税人是否存在异常行为实现纳税人分类。完成此工作的关键在于纳税评估指标体系的构建和纳税评估模型的构建。纳税评估指标体系的构建要求指标数据便于获取,指标要具有代表性、科学性和系统性。纳税评估模型要求性能优异,具有很好的识别精度和搜索速度。本研究首先分析纳税评估指标的构建原则,然后采用专家法选用纳税评估指标,并基于杜邦分析构建纳税评估指标体系。在指标体系的完善过程中采用了德尔菲法进行了指标的筛选,构建更加科学的指标体系。同时,为解决纳税评估模型的识别精度和学习问题,提出以解决不确定性、高纬度数据能力更强的相关向量机模型为基础构建纳税评估RVM模型,从实现纳税评估。在完成上述研究内容过程中,得到了如下研究结论:(1)根据杜邦分析方法和德尔菲法获取的指标体系,分为三个维度,销售净利率、权益乘数和总资产周转率。对应的指标项是主营业务收入增长率、净利润增长率、资产负债率、总资产周转率和存货周转率。(2)IHS-RVM组合模型的诊断性能最优:诊断时间为1.9012E-4,分类精度为100%;BP模型训练需要大量故障样本才能保障分类性能的稳定性,本研究数据测试样本只有1 8个,样本量较小,BP模型故障分类精度较低。IH S-RVM优于IHS-SVM故障诊断模型,这是由于RVM采用概率式的贝叶斯框架,克服SVM的Mercer条件限制、参数多等不足,具备更优异的分类性能。因此,采用IHS-RVM组合模型性能更佳优异。