税收收入是国家财政收入的重要组成部分。国家各项机制的正常运行以及社会公共职能和公共物品的提供都离不开税收收入的支持,可以说税收是一国发展之本。税收对于国家发展的举足轻重地位也决定了税收规模的确定和预测尤为重要。在现代社会,信息技术不断发展,大量数据的提供已不是难事。这为使用数据进行分析和预测提供了基础。为了对税收收入进行预测,最主要的方法就是采用模型进行估计。为了确定模型中各变量的组成,需要进一步研究税收收入的各影响因素。而税收与经济关系密切,税收通过对社会总需求与总供给的影响,从而影响经济生活的方方面面。同样,税收收入也受到经济中的各种因素的影响。在分析这种互相影响的关系的基础上,建立适当的模型做好税收收入预测对税源管理、税收计划、税收政策制定、财政预决算等都有重要意义。本文从税收收入模型预测的意义切入,深入分析了国内外研究现状,按时间梳理了常用的模型类别,接下来论述了税收收入预测的内涵界定和类型的选择。在此基础上,深入剖析了税收收入与宏观经济各因素的双向影响关系,包括税收收入与国民收入、税收与价格、税收与产业结构、税收与投资、税收与消费、税收与进出口、税收与就业、税收与环境、税收与技术等宏观经济指标关系,为之后选择建立模型所需的指标提供思路。模型的特征会影响预测的准确度,为了选择适合的模型进行分析,需要先了解各模型的应用条件及优缺点,因此,接下来对税收收入预测的常用方法和模型作了介绍和比较,模型的分类具体包括回归分析模型、时间序列分析模型、数据挖掘算法的模型、组合预测模型、可计算一般均衡模型、灰色预测模型。比较发现模型各有优劣,分析发现系统动力学模型可以为解决现有模型存在的问题提供思路。所以,本文尝试使用这种学者较少使用的模型——系统动力学模型进行税收收入预测,并选择了几种比较成熟的模型作为比较,包括运用降维思想提取主要影响成分的主成分分析模型,采用税收自身数据进行预测的时间序列模型,以及数据挖掘算法的人工神经网络。为了对模型变量进行选择,本文还剖析了吉林省经济发展与税收收入情况,包括吉林省的老工业基地的历史特点、吉林省税收收入的规模、增速和税源结构特点。在选定了税收收入影响因素指标之后,进行了税收收入预测模型实证分析。依次建立主成分分析模型,时间序列ARIMA模型,神经网络模型,系统动力学模型,然后对预测税收收入的效果进行比较。几个预测模型各从不同角度进行税收收入预测,但时间序列模型和系统动力学模型具有可以不依赖同期其他因素指标进行预测的优势,将二者结合进行税收收入预测,互相补充,可以得出有效的预测结果。