税务精细化服务汇总十篇
时间：2023-05-23 17:01:40
序论：好文章的创作是一个不断探索和完善的过程，我们为您推荐十篇税务精细化服务范例，希望它们能助您一臂之力，提升您的阅读品质，带来更深刻的阅读感受。
篇（1）
于是，我们一遍遍地向客户解释：你所理解的服务，不是我们向你提供的“服务”。我们的任务，是和企业一起建立起精细化服务营销的系统。
请牢记：服务营销≠服务、服务营销≠营销服务
服务：
我们来看看美国市场营销学会(AMA)对“服务”的定义“可被区分界定，主要为不可感知，却可使欲望获得满足的活动，这种活动并不需要与其它的产品或服务的出售联系在一起，生产服务时可能会或不会需要利用实物，而且，若需要借助某些实物协助生产服务，将不涉及这些实物所有权的转移。”
也许，菲利普科特勒的解释更通俗易懂一些：“服务是指交换的一方向另外一方提供的任何活动或利益，而这些活动主要是不可感知的，且不涉及所有权的转移，它们的生产可能，但也可能不与实物产品紧密地联系在一起。”
而在我国的《汉语大词典》中，“服务”的解释则是：“为社会或他人利益办事”。
显然，根据市场营销学者对服务的认识，至少有一点是明确的：服务是一种独立的产品，就象具有实体形状的工业品或消费品一样，这就把“服务”同“顾客服务”(Customer Service)区分开来。因为顾客服务，无论是售前服务还是售后服务，都只是附属于其它产品之上并为之提供附加价值的一种产品要素。
营销服务：
营销服务隶属于市场营销观念，服务被作为售后的一个环节紧随着销售成功而发生作用，同时，服务是不产生利润的。营销服务依然以市场为导向，指出：企业的营销活动是围绕市场需求来做的。在这种思想的带领下，企业虽然也重视产品的售后服务，但是它根深蒂固地认为：售后服务是解决有形产品的售后维修。从此得出的推论是：售后服务部门是成本中心而不是利润中心。
服务营销：
服务营销是以服务为导向，服务是营销的重要组成部分，企业营销的是服务，硬件是作为服务的媒介（行行都是服务业）。服务并不是从售后才开始的，它存在于企业的各个环节中：产品设计、生产、广告宣传、销售安装、售后服务等各个部门的事（环环都是服务链），甚至是前线、后台每一位员工的事（人人都是服务员）。
在服务营销的概念中，服务部门不是成本消耗部门，企业的产品在经过每一个部门都被赋予了新的增值。这个概念为我们的工作作出了新的指引和范畴设定：企业关心的不仅是产品是否成功售出，更注重的是客户对企业所提供的解决方案的全过程感受。为了向客户提供更好的解决方案的感受，企业的各个部门必须密切配合：
售后服务部将更积极主动地关注售后维修保养、收集用户对产品的意见和建议
售后服务部将反馈及时沟通给产品设计开发部门
产品设计开发部门不断推出能满足甚至超出用户预期的新产品，同时在可能的情况下对已售出的产品进行改进或升级服务
老客户以方案进行重复、交叉购买，新产品提供的解决方案开发新的市场。
从服务营销观念来解构整个流程，我们得到的结论是：销售成功是服务营销的开始。
以我们所服务的电信行业为例来进行说明。一般情况下，我们会将手机和SIM的成功销售作为结束。服务所关注的焦点在于：在所有的客户接触点上，我们的前线人员有没有露出专业的微笑，有没有向客户提供他们真正所需要的产品知识，有没有把款项收回来。而营销服务的关注重点则在于：客户在购买之后，手机和SIM出现问题后，是不是能得到及时的维修和售后服务，客户有抱怨、异议是不是有部门在跟进，客户最后的满意度如何，他们是否还忠诚地不离网。
篇（2）
但是，想要让区域电子商务能够有长足的发展，势必需要长效机制，而不是靠单纯的爆款。这需要一个强有力的平台保障，从政策、市场等各个方面入手，针对政府、平台、网商、供应商的不同需求、角色定位和制约区域电子商务发展的关键因素，区域电子商务公共服务体系应运而生。
公共服务体系中，培训教育、孵化支撑、平台建设、营销推广四大服务，能够解决区域电子商务发展中的瓶颈，有效补充在区域电子商务发展过程中凸显的生态链缺失，满足政府需求和市场需求。
不同阶段的网商需要哪些扶持
在区域电子商务发展的过程中，政府、平台、网商、供应商的实际需求各有不同，又相互紧密联系。资源有效投放、更好的消费体验、食品安全、网商培训、企业培训、产品包装、营销策划等一系列问题交织在一起，如同一张无形的网阻碍着区域电商的发展。
根据阿里研究中心提供的数据显示：破0成交、2心、4钻是卖家发展过程中的3个重要拐点，由此对应的4个阶段也就划分了出来。
第一阶段为初创期。这个阶段的网商刚涉足电子商务，市场竞争力弱，坚持不下去而选择放弃的现象很多。对这批网商的孵化支撑动作尤其重要，产品分销、创业班培训、专业团队的帮扶、相关政策的激励是必要、也是有效的手段，能够帮助他们度过最初的艰难时期。
第二阶段为成长初期。这个时期的网商基本可以养活自己，发展速度快的可能还需要安排帮手去打理包装、发货等次要工作。此时他们需要的是专业的培训，譬如美工、营销、客服等专业知识的学习和积累。通过培训，他们的市场竞争力和自身的生存能力能够得到提升。
第三个阶段为成长期。这个阶段的网商呈现出“小而美”的特征，个性化、品牌化、渠道化已经让电商生态变得多样化。区域销售、土特产、线上线下等模式在他们中间逐渐显现。这个阶段的培训和引导工作，以管理和流程化为主要方向。
第四阶段为成熟期。4钻以上的网商群体已拥有成熟的团队，经过前面3个阶段的磨练，能够很好地把握市场动态，参与市场竞争。他们需要的不是现金的奖励，一次大型活动的资源对接对他们而言效果更佳。这个阶段，网商更多地向中小企业升级转型，需要的是开设企业的绿色通道和场地房租的扶持政策。
公共服务中心的四个支点
1.系统的培训教育
公共服务培育主体包括政府主体、供应商和网商。
政府主体在区域电子商务发展过程中的定位和抓手需要明确，引用淳安县县长郭东晓的见解：“电子商务是一种工具，政府要学会合理使用工具，区域电子商务的发展要避免职能部门焦虑症。区域电子商务的发展不是一蹴而就的，需要在合适的时候、合适的时间节点给予最合理的政策指引和资源对接。”
对供应商来说，升级转型需要企业负责人、部门经理、工作人员自上而下的思维转变，否则就会变成“脑袋转了身子没转”、“身子转了腿没转”的局面。
而网商群体需要包括创业班、提升班、专业班、精英班、沙龙、论坛等一系列不拘形式的培育工作。
2.细心的孵化支撑
网货供应平台、电商创业大楼、网商培育支撑团队、企业产品设计团队等等都是孵化支撑工作的具体表现形式，核心是以公益为主、市场为辅。
3.务实的平台建设
特色馆、产业带的建设是区域电子商务发展的有效呈现，是区域电子商务发展的合理闭环。通过特色馆、产业带的建设来倒逼区域电子商务发展，是理顺政府工作机制、提升区域电子商务运营能力、树立区域电商产品（产业）地标的有效手段。
4.专业的营销推广
在电子商务市场“跑马圈地”，树立区域产业地标品牌，实现区域落差“弯道超车”，将传统、产业及节庆品牌与电商进行延伸推广。单品突破是增强区域电商发展的有效方法。通过营销推广树立区域品牌文化、协同产业发展，进而孵化帮助网商，是合理的区域电商发展思路。
区域公共服务体系的闭环，这个闭环主要表现在：区域政府理顺工作机制，以招投标的形式购买公共服务，设立公共服务中心机构，通过公共服务机构挖掘特色产品，提供平台对接与营销推广，同时提供培育支撑，服务区域电商发展。
公共服务中心通过教育培训、孵化支撑、平台建设、营销推广四大服务体系服务区域电商发展。通过资源有效对接、平台项目合作、特色产品营销推广获得区域经济增益，进而反哺地方政府。以电子商务方式进行营销推广所带来的线上和线下潜在购买力的变现，主要依赖于政府及企事业单位对这些信息的把握，以及当地产业能在多大程度上满足这些购买需求。
案例分析
地点：甘肃省陇南市成县
单品：成县核桃
现象：通过县委书记李祥为成县核桃代言，核桃电子商务交易额达到900余万元，成县农民人均增收360元。
篇（3）
林学院2007级学生陈某2011年6月下旬毕业。毕业前夕，他不慎从高台上摔下来，导致颈椎骨折，造成下肢瘫痪。由于该生家庭经济困难，林学院筹资7000多元予以帮扶，学校也通过困难补助机制提供了8000元的困难补助，还通过大病救助机制报销了1万元的医疗费。在学校的大力帮助下，该生及时得到治疗并迅速康复。
近年来，河南科技大学不断完善奖学金、助学金、国家助学贷款、临时困难补助、减免学费、“绿色通道”缓缴学费、医疗保险等“七位一体”的激励和解困助学体系，全力帮扶家庭经济困难学生，确保“不让一名学生因家庭经济困难而辍学”。学校把国家助学贷款工作作为解决家庭经济困难学生问题的主要途径，按照“应贷尽贷”的指导思想，努力提高贷款比例，同时加大其他各项措施的工作力度，实行多管齐下的帮扶策略，取得了突出成效。仅2011年，学校就为5562名学生办理了助学贷款，助学贷款覆盖率达到16.52%；为8530名学生发放国家助学金2559万元，为382名学生发放企业和社会助学金82万元；通过“绿色通道”现场为837名特困新生办理了学费缓缴手续；设立869个勤工助学岗位,发放勤工助学款101万元；为1000名学生发放了过冬棉被，并通过“情系特困生、严冬送温暖”活动，为340余名学生发放临时困难补助近30万元；对符合条件的267名家庭经济困难学生予以学费减免，减免总额77.8万元；完成了29458名学生的续保和新参保工作，建立了大病救助机制，给5名特困生解决医疗救助费用10余万元。5年来，学校累计发放国家助学贷款2亿元，发放各类奖学金、资助金、临时困难补助等累计1.5亿多元，惠及学生5万余人（次）。学校连续5年在河南省助学贷款工作和学生资助工作考核中获得“优秀”。
二、三级联动，点面结合，做好心理问题学生帮扶工作
材料科学与工程学院2009级学生王某，因未能考入理想的大学，在大学第一学期一直处于极度的失望和困惑中，还几度表现出可能会发生过激行为的迹象。为挽救该生，学院制定了心理帮扶方案，请心理健康教育中心的老师给予辅导，在他情绪出现波动时，宿舍成员每晚轮流通宵值班，班干部白天轮流值班跟着他，辅导员和学院领导定期找他谈话，全班同学关心他的心理变化。经过4个学期的努力，该生终于走上了正常的学习和生活之路。
河南科技大学通过“学校――学院――班级”三级网络体系，积极推进大学生心理健康教育。学校心理健康教育中心开展重点心理咨询工作，学院辅导员开展一般性的心理咨询工作，班级心理委员负责发现和关注苗头性的问题。三级网络互动，形成了完整的帮扶体系。学校每年5月都要开展大学生心理健康教育宣传周系列活动，宣传普及心理健康知识，举办各种主题的心理知识讲座。每年开展心理知识讲座、组织心理沙龙、团体辅导20余场（次）；每年都对本专科学生心理状况进行全面普查，并对普查结果进行分析，建立心理档案，对普查中发现的需要关注的学生进行筛选，对需要重点关注的学生及时与学院沟通并实施跟踪辅导。近年来的普查结果显示，有10.8%的学生存在心理异常，平均每年有700余人得到各学院的关注；学校心理健康教育中心每年接待“一对一”重点学生咨询300余人（次），每年对300余名心理联络员、心理委员、心理协会会员进行培训和指导。同时，对一些因各种原因不愿走进咨询室进行面对面咨询的学生，加强网络咨询力度，多渠道解决学生的心理问题。
三、建立档案，重点跟踪，做好学习困难学生帮扶工作
车辆与动力学院2007级学生李某，从大二开始沉迷网络游戏。到大三上学期，他还有50多学分未修完，并收到了两次退学警告。若再有一次退学警告，李某就要离开大学校园了。针对这一情况，学院动员各方力量开始了与网络游戏争夺学生的较量。学院分管教学、学生工作的老师找他谈心，同宿舍同学、学生干部和他一起上课、聊天……为帮助该生，他的父亲也到校陪读，学校后勤集团公司为他们父子单独安排了住房，并为其父亲找了份临时工作。经过一系列的努力，该生发生了巨大转变，性格开朗了，与同学们相处融洽了，有疑问能够主动向老师咨询。经过多方帮助，该生终于顺利毕业。该生父亲在给校党委副书记苟义伦的感谢信中写道：“是河南科技大学给了孩子勇气和信心去面对学习和生活，是河南科技大学挽救了他！”
近年来，学生工作系统高度关注学习困难学生的学习，尤其是关注处在退学边沿的学生，号召全校各学院建立学习困难学生档案，制定跟踪措施，采取多种帮扶措施，及时挽救学习困难学生。为做好学习困难学生的帮扶工作，除建立档案实行重点帮扶外，学校还通过“抓好学风建设、酿造学习氛围”“建设教育平台、引导学生学习”等方式激励大学生刻苦学习。近年来，学校把抓好学风建设作为学生工作的重要内容之一，每年11月开展“学风建设月”特色品牌活动，并通过英语四六级考试先进单位、考研工作先进单位、学风建设月优秀组织单位等评比活动，从整体上推动了全校各学院抓学风建设工作的积极性；学生工作处重点建设的“成长论坛”和“文化大讲堂”教育平台，通过开展系列讲座，引导学生学习，每年举办讲座50余场（次），在推动学生学习及成长成才方面发挥了重要的导向作用。
四、个案关爱，群体引导，做好适应困难学生帮扶工作
医学院2006级学生李某，高中复读过3年，2006年考入河南科技大学医学院5年制本科，进校后由于不适应医学专业的学习，于2007年休学一年。按规定休学复学后要留一级，这就意味着他至少要用7年时间才能完成学业。由于该生家庭十分困难，多上一年家里就无法承担。这样他就面临着两个难题：一是不能留级，二是不适应医学学习。怎么办？他终于鼓足勇气找到了校党委副书记苟义伦。苟书记根据他的实际情况，与学校相关部门协调，将他转入材料科学与工程学院4年制本科专业学习。最终，在各方面的共同努力下，李某顺利完成了学业。
适应大学生活是大学生面临的实际问题，学校高度重视学生的适应问题并给予特殊的关怀。学校重点从四个方面开展学生适应帮扶：一是各学院在新生入校时选派高年级优秀学生与新生结成帮扶对子，帮助新生办理报到手续，介绍学校和学院的基本情况、专业特点、校园周边环境、学校办事流程等，让新生尽快熟悉并适应大学生活；二是有针对性地解决学生不适应的个案问题，如由于特殊原因不适应某些专业的学习等；三是在军训活动中融入团队合作意识、集体主义观念、吃苦耐劳精神的培养，提高新生的适应能力；四是开展“破冰训练”等团体活动，增强学生之间的交流和沟通，培养学生主动寻求沟通与合作的能力，提高适应性。
五、分工协作，合力关注，做好就业困难学生帮扶工作
促进大学生顺利就业是高校人才培养工作的最后环节，也是检验高校人才培养质量的重要体现。为形成全方位服务毕业生就业的机制，河南科技大学要求全校教职员工人人关注学生就业、人人帮助学生就业，每一个教职员工都要充分发挥各自的优势，不断为毕业生拓展就业渠道。招生就业处下大力气组织各种类型的毕业生就业招聘会，充分发挥高校就业联盟的优势，利用高校就业信息网络平台，为毕业生提供大容量的就业信息服务；学生工作处高度关注对就业有特殊困难学生的帮扶，指导各学院加强就业教育，指导重点跟踪帮扶；各学院建立健全学生就业实习基地，以实习带动就业，多渠道加强创业教育，以创业带动就业，努力提高毕业生的就业率和就业质量。
篇（4）
关键词基尼系数；控制单元；污染负荷分配；公平性；贡献系数
中图分类号X24
文献标识码A文章编号1002-2104（2017）05-0008-09DOI：10.12062/cpre.20170307
随着“十三五”及未来经济社会的持续快速发展，中国水污染日益加剧、水环境不断恶化、水资源严重短缺，已经成为制约中国经济社会发展的瓶颈，目前国家正在开展“十三五”重点流域水污染防治规划编制，尽管以环境质量改善为主要导向，但对于一个区域或流域而言，污染物总量控制仍然是当地政府实现属地环境质量改善的有效途径和重要抓手，各地方均对国家污染物总量分配方案的制定过程高度关注。总量分配方法主要有等比例分配法[1]、基于排放绩效的分配法[2]、基于污染物削减费用最小分配法[3]、基于公平性考虑的分配法[4]、基于AHP的排放总量分配[5]、基于多人合作对策的总量分配协商仲裁法[6]、基于博弈论的总量分配[7]等。总量分配方案制定一直是一个有争议的话题，传统的总量分配方案制定过程中更多的还是充分听取各地区意见，由相关主管部门“拍板”决定，近年来，随着基尼系数这一在经济学中常用的衡量收入分配公平的参数被引入到水污染负荷分配中，并在九龙江流域[8]、汤逊湖[9]、黄河中上游[10]、巢湖[11]流域得到运用，较好的解决了负荷分配的公平性问题，但是，这些分配方式仍然缺乏考虑流域水环境管理需求，割裂了区域-流域关联关系，对于分配指标的选取也还不够全面，难以满足流域水污染防治工作的科学需求。实际上，中国各地域间在社会经济条件、减排潜力、资源环境禀赋、发展模式和路径等方面存在较大差异，考虑区域间差异性特征，处理好各种矛盾，制定出既在经济技术上可行、又公平合理的分配方案具有极其重要的现实意义[12-14]。本文在全面考虑影响分配的四大因素后，筛选出七项指标综合构建了流域环境基尼系数分配指标体系，并对流域内各控制单元基准年的COD和NH3N排放负荷不公平性进行评估，在此基础上再通过基尼系数优化的Lingo模型进行测算，从而得到目标年份各控制单元的水污染排放负荷，制定出符合各单元的最优负荷削减方案。
1基尼系数法原理
1.1基尼系数及存在问题
基尼系数（Gini Coefficient）是经济学家通过分析收入分布特征来研究贫富差距的重要分析工具[15]。基尼系数已被广泛应用于社会福利的经济学分析研究及实证研究领域[16-18]，它已经成为国际上通用的反映国家、区域或地区居民收入分配差异程度的一项重要指标[19]，由于其可以反映指标集中度，近年来更是被广泛应用于环境、地理、水利、地震预测等其他领域[20-25]。
环境系数在其应用中还存在下述问题：
（1）环境基尼系数的计算单元问题。现有计算单元划分多为行政单元[26-27]，而非基于流域傩缘目刂频ピ分配，以县域行政区为基本单位的水环境管理体系与行政职能直接挂钩，是区域行政管理的载体，这一分区体系缺乏流域上下游、左右岸之间协调的科学基础，无法解决与以流域自然特性为主要特征的水环境系统之间存在的矛盾。“十二五”时期，中国的流域水污染控制提出了“流域-控制区-控制单元”“三级分区体系，流域水污染控制正逐步结合行政分区与水资源分区，这一时期的流域控制单元能够同时体现流域属性和区域属性，较好的服务于流域水污染防治的科学需求。
（2）环境基尼系数的计算指标选取问题。现有研究中基尼系数评选指标主要是从人口、GDP、国土面积等方面出发，考虑因素多是造成水污染物排放不公平性的诸多因素之一，指标数量通常也在2―4个之间，无法涵盖涉及水循环的“社会-自然”二元系统全方位全过程，为保证计算结果的全面、合理及可靠性，需要建立一套从经济社会发展、水污染物产排放、水环境质量到各地的资源禀赋全面考虑的较为完善的评价指标体系。
1.2评价指标的筛选
运用环境基尼系数法进行污染负荷分配的过程中，首先需要解决的是基尼系数指标的选取问题。本文对流域内主要水污染负荷削减分配问题主要从“社会-自然”二元水循环理论角度来进行解析[28-30]。其中“社会”层面主要体现在经济社会与人类生存过程中污染物排放的差异，将影响污染负荷减排的“社会”因素归纳为三类：社会经济影响因素（包括人口和经济规模及产业结构影响）、科技进步影响因素和污染治理水平因素，“自然”层面主要体现在资源环境禀赋的差异，将其归纳为两类：水资源影响因素、水环境质量影响因素。
（1）体现社会经济的差异：包括人口和经济因素。经济又分为经济规模和经济结构因素，经济规模衡量指标包括GDP、工业行业增加值/利税额等，经济结构通常可用高污染行业增加值占GDP比重等来表征。本文最终筛选出人均GDP和重点行业总产值比重两项指标来表征社会经济影响因素。
（2）体现技术进步的差异：表征科技进步影响因素的指标主要是水污染物产生强度指标，主要包括单位GDP的、人均的、单位工业产值的水污染物产生强度等。本文最终筛选出人均污染物产生强度指标来表征科技进步影响因素。
（3）体现主要水污染物削减潜力的差异：水污染物治理水平越高的地区其废水和主要水污染物去除率一般较高，其表征指标主要包括废水处理量、水污染物处理率等。本文最终筛选出工业废水和城镇生活废水的主要污染物去除率指标来表征污染削减潜力影响因素。
（4）体现水资源禀赋的差异：一个地区的水污染物允许排放量与该区域的水资源丰度和土地面积大小密切相关，水资源丰富的地区往往纳污能力强，水资源禀赋因素可用水资源总量、单位国土面积水资源量、人均水资源占有量等来表征。本文最终筛选出单位国土面积水资源量指标来表征水资源禀赋影响因素。
（5）体现水环境质量禀赋差异：为了维护一个区域的水环境安全，区域的主要水污染负荷削减应尽量与区域的环境质量状况相适应，水环境质量状况可用江河湖库、重点流域等监测断面中各类水质所占的比例等指标来表征。本文最终筛选出国控监测断面中较差水质（V―劣V）断面所占比例指标来表征水环境质量禀赋影响因素。
削减规则：人均GDP、人均污染产生强度、重点行业工业总产值比重、国控监测断面中较差水质断面等四个指标为正向指标，即数值越大分配的污染负荷削减量越大；而工业废水与城镇生活废水主要污染物去除率、单位国土面积水资源量为逆向指标。
〖BT（1+1〗2改进基尼系数法应用于流域水污染物负荷分配
2.1流域负荷削减目标的确定
在应用环境基尼系数进行水污染负荷分配的过程中，首先要解决的问题就是负荷削减目标的确定，传统意义的目标大多指的是区域目标，本研究结合重点流域规划以及流域水污染物产排放预测模型，通过建立计量经济模型来试图反映中国经济社会发展与流域水环境之间的关联关系，预测不同经济发展情景下流域水污染排放负荷，并据此确定预测年份流域削p目标。流域水污染负荷包括工业、农业和生活源排放三大块，如式（1）―（4）所示。
式中，k=1，2分别代表农村生活和城镇生活。
2.2基尼系数的计算
基尼系数的计算方法有多种，这里采用简便易行的梯形面积法求解计算[31]。以流域控制单元为基本单元来计算环境基尼系数，将各单元按照单位各项指标所承载的水污染负荷递增排序，计算各单元各项指标累积比例和污染负荷累积比例，求解过程中首先对各分配指标斜率按从大到小的顺序进行排序，以污染负荷累积比例作为纵轴，以各项指标累积比例作为横轴，绘制洛伦兹曲线图，并计算出基尼系数：
2.3Lingo分配优化模型
以各项指标基尼系数总和最小为目标函数，设定各控制单元分配的污染负荷为决策变量，在污染负荷削减目标、各指标现状基尼系数和各单元削减比例上、下限的约束条件下利用Linear Interactive and General Optimizer方法优化求解，并分析其可行性，从而确定最终的优化分配方案，主要计算公式如下：
目标函数：
其中，Gini0j为初始环境基尼系数值；Ginij为污染负荷优化分配后j指标对应环境基尼系数值；ei为污染负荷优化分配后第i个单元的负荷削减比例；Ei为污染负荷优化分配后第i个单元的污染排放负荷；E0i为第i个单元的现状排放负荷；R为流域污染负荷削减率；MinR、MaxR分别为各单元污染负荷削减比例上限。为第i个控制单元在第j个指标洛伦茨图中排名。
最终，各单元经过优化分配后的目标排放负荷为：
2.4贡献系数的计算
除利用基尼系数表征各单元间内部污染负荷分配不公平性外，还可通过贡献系数来分辨外部影响，作为分辨外部不公平性依[21]，从而对分配结果进行佐证。贡献系数是某单元各项评价指标贡献率与污染物排放负荷贡献率之间的比值，其计算公式如下：
式中，CCij为各项指标的贡献系数（j=1，2，3，4分别对应国土面积、人口数量、GDP、水资源量）； Mij为第i个单元指标j的值，Mj为全流域指标j的值；Wik为第i个单元第k种污染物排放负荷（k=1，2分别对应COD与NH3N），Wk为全流域第k种污染物排放负荷。
由于各单元指标j涉及到的经济、社会、资源领域影响程度存在差异，通过赋予各影响因素相应权重从而得到最终贡献系数值：
式中，CCij为单元i的最终贡献系数，wcj为单元i第j项指标的权重。已有研究表明[32]，依据层次分析法计算的各项指标权重如表1所示。
3实证分析
3.1松花江流域现状排污公平性分析
松花江流域是中国七大重点流域之一，具体又包括黑龙江、吉林、内蒙古三大控制区，共计33个流域控制单元[27]，在行政区划上包含113个县（旗）。流域面积共55.68万km2，流域总河长和水资源总量均居全国第三位，干流长939 km。2012年全流域人口6 015万人，GDP25 938亿元，废水排放总量23.9亿t，COD排放负荷195.28万t，NH3N排放负荷12.15万t，根据前文所述预测方法计算得到2020年全流域COD排放负荷预计控制在135.31万t， NH3N排放负荷在7.29万t。本文基于此共选择7项评估指标，对流域内所有控制单元进行COD和NH3N污染负荷优化分配，首先绘制了基于各项指标的洛伦茨曲线，其次根据洛伦兹关系曲线，由式（5）可以计算出各项指标的环境基尼系数，如表2所示。
从表2可以看出，松花江流域7项指标基尼系数全部超过了0.4的警戒线，COD和 NH3N基尼系数的最高值更是达到了0.827和0.768，达到了“差距悬殊”的程度，表明在经济-社会-资源-环境多个层面考量上流域内污染排放很不均衡。以单位国土面积水资源量对应的水污染物基尼系数为例，依据环境统计、流域内地市统计年鉴和水资源公报数据进行计算的结果显示，松花江大庆绥化市控制单元该项指标仅为流域平均水平的36%，该单元却排放了占全流域9.03%的COD和5.92% 的NH3N；而第二松花江松原市控制单元该项指标达到流域平均值的8.58倍，却仅排放了占比约1.24%的COD和1.98%的NH3N。不同控制单元间差异较大，使得基于流域水资源量指标的基尼系数水平严重超出警戒线，流域内亟需进行污染负荷优化分配。
3.2排污不公平因子及分布特征
环境基尼系数可以量化出区域污染物分布不公平性，而通过对贡献系数的进一步分析计算可具体掌握造成这种不公平性的控制因素，为后续进行分配方案优化合理性提供参考依据。从经济-社会-资源-环境四个维度中，选取基尼系数较大，公平性较差指标进行分析，具体包括反映国土面积、人口数量、GDP以及水资源量，首先计算出各指标的贡献系数，之后根据表1中所计算出的权重得到各单元综合贡献系数。
流域内COD指标贡献系数结果如图1所示。从国土面积、人口、水资源贡献系数结果看，大于1的地区主要分布在流域北部、西北部的大小兴安岭山区，这些地方人口相对稀少，资源总量较大；小于1的地区主要出现在诸如松花江哈尔滨市辖区单元、第二松花江长春市单元、松花江大庆绥化控制单元等中心城市区，这些地区人口密集、工业发达、土地资源及水资源相对紧缺，是引起不公平的主要因子。而从GDP贡献系数来看，第二松花江松原市、松花江哈尔滨市辖区、第二松花江长春市控制单元等4个单元大于2，其排放污染物所带来的效益比最高。相比之下剩余大部分区域均小于1，生产方式较为粗放，需在今后的经济发展过程中逐步进行产业升级、摒弃高污染低附加值行业，提高工业和生活污染物治理效率。流域内NH3N指标的贡献系数如图2所示，其结果分布总体与COD相类似。
3.3流域污染负荷优化分配结果
根据流域产排放预测模拟得到的水污染负荷削减目标，到2020年，流域COD削减量为59.97万t/a，氨氮削减量为4.86万t/a，并综合考量相关地区减排潜力及经济社会发展水平，确定各控制单元COD（NH3N）负荷基于现状的削减率上、下限设定为40%、1%。在保证各分配对象在相应的污染负荷分配的洛伦茨曲线图中排列位序固定的情况下，按照基尼系数最小化模型公式3至公式9，利用Lingo软件编程对负荷分配模型求解，经过优化后松花江流域各项指标基尼系数值有所减小，但值仍大于0.4，这与分配模型基准年中流域内客观存在的严重不公平性有很大关系，如发展不均衡、产业结构偏向高污染行业、部分地区水资源供需矛盾突出等。经过优化调整后，得到最终的负荷分配方案，如表3所示。
从最终各控制单元排放负荷的结果来看，最终分配方案并非污染负荷量越大削减量越多。而是与前述计算的贡献系数较小单元相符，这反映出基尼系数优化分配法综合考虑社会经济生态方面因素，分配结果较为公平。例如单元29和单元13在2012年现状排放负荷较为接近，分别为12.67万t和10.12万t，然而其所分配的削减量分别为6.34万t和1.79万t，差距很大，单元29在2012年人均GDP为27 867元，全流域排名中上游，表明其经济发展态势较好，有能力支持污染物减排所带来的经济投入，反之单元13的现状年人均GDP仅为13 647元，为全流域最低发展水平，考虑到经济现状如果一味强调污染物减排可能会危害当地社会发展，所以削减量不宜过大。NH3N污染分配情况同COD类似，现状年排放负荷前5的控制单元占总排放量之比为39.78%，削减比率达到45.53%，符合公平性特征。
4结论
（1）松花江流域2012年主要水污染负荷的初始基尼系数显示，针对7项指标的基尼系数值均大于0.4，其中，基于工业水污染物去除率指标的基尼系数值最高，达到0.706―0.827，评价结果表明，从社会经济和资源环境角度来看，松花江流域各控制单元主要水污染负荷的分布存在不公平现象，亟需进行污染负荷的优化分配。
（2）松花江干流和第二松花江流域是不公平性特征
最为突出的2个流域。松花江干流的人口贡献系数最小，分别为1.106和1.100，表明其单位人口的排污量较大，松花江干流的资源贡献系数最小，为1.005―1.065，表明其单位面积及单位水资源量排污量较大，需严格控制排污负荷。此外，嫩江流域的经济贡献系数最小，COD和NH3N分别为0.778和0.773，表明其单位GDP的排污量较大，需尽快调整经济发展模型，走绿色发展道路。
（3）从优化分配方案可以看出，7项指标所对应基尼系抵和下降了0.223―0.259，但各项指标的基尼系数值仍然高于0.4，主要与流域内客观存在的严重不公平性、不均匀性有很大关系，在现有的条件下短时间内难以彻底解决。根据优化后基尼系数所计算出“十三五”松花江流域主要水污染负荷优化分配的结果显示，2020年排放分布主要集中于松花江干流水系以及第二松花江水系内，未来仍需予以重点控制，在上游嫩江水系内各控制单元分配排放量较小。到2020年，流域内松花江干流流域COD负荷年削减率最高，达到4.87%，其中单元21的年削减量最大，为1.82万t/a；第二松花江流域NH3N负荷年削减率最高，达到6.70%，单元21的年削减量最大，为0.08万t/a。
参考文献（References）
[1]林巍， 傅国伟. 公平规划及其在区域水环境综合整治规划中的应用[J]. 污染防治技术， 1994， 7（2）： 4-8. [LIN Wei， FU Guowei. Equal planning and its application in regional controlling and remedying planning of wate environment[J]. Pollution control technology， 1994， 7（2）： 4-8.]
[2]许艳玲， 杨金田， 蒋春来， 等. 排放绩效在火电行业大气污染物排放总量分配中的应用[J]. 安全与环境学报， 2013， 13（6）： 108-111. [XU Yanling， YANG Jintian， JIANG Chunlai， et al. Application of generation performance standard in total emissions allocation of air pollutants in thermal power industry[J]. Journal of safety and environment， 2013， 13（6）： 108-111.]
[3]若愚， 周源岗. 柳江柳州段水环境容量研究[J]. 水资源保护， 2001 （1）： 31-32. [GONG Ruoyu， ZHOU Yuangang. Study on capacity of water environment of Liuzhou section of Liujiang River[J]. Water resource protect， 2001 （1）： 31-32.]
[4]舒琨. 水污染负荷分配理论模型与方法研究――以巢湖流域为例[D]. 合肥： 合肥工业大学， 2010. [SHU Kun. Model and method of water waste loads allocation in a region： case of Chaohu Lake Basin[D]. Hefei： Hefei University of Technology， 2010.]
[5]闫正坤. 基于DelphiAHP和基尼系数法的流域水污染物总量分配模型研究[D]. 太原： 太原理工大学， 2012. [YAN Zhengkun. Study on river basin water pollution total amount assignment based on DelphiAHP and Gini Coefficient method[D]. Taiyuan： Taiyuan University of Technology， 2012.]
[6]毛战坡， 李怀恩. 总量控制中削减污染物合理分摊问题的求解方法[J]. 西北水资源与水工程， 1999，10（1）： 27-32. [MAO Zhanpo， LI Huaien. Solution to the optimal allocation of reduced pollutant in the total amount control[J]. Northwest water resources & water engineering， 1999， 10（1）： 27-32.]
[7]刘红刚， 陈新庚， 彭晓春. 基于合作博弈论的感潮河网区污染物排放总量削减分配模型研究[J]. 生态环境学报， 2011， 20（3）： 456-462. [LIU Honggang， CHEN Xingeng， PENG Xiaochun. Study on the model of total pollution load allocation in Tidal Network River regions with cooperative game theory[J]. Ecology and enrironmental sciences， 2011， 20（3）： 456-462.]
[8]杨芳. 基于基尼系数法的九龙江流域水污染物排放总量分配研究[J]. 环境科学与管理， 2012， 37（5）： 30-35. [YANG Fang. Study on total pollutant load allocation of water bodies in Jiulong River Basin based on Gini Coefficient method[J]. Environmental science and management， 2012， 37（5）： 30-35.]
[9]肖伟华，秦大庸，李玮， 等. 基于基尼系数的湖泊流域分区水污染物总量分配[J]. 环境科学学报， 2009， 29（8）： 1765-1771. [XIAO Weihua， QIN Dayong， LI Wei， et al. Model for distribution of water pollutants in a lake basin based on environmental Gini Coefficient[J]. Acta sciencetiae circumstantiae， 2009， 29（8）：1765-1771.]
[10]邱俊永. 基尼系数法在黄河中上游流域水污染物总量分配中的应用研究[D]. 镇江： 江苏大学， 2010. [QIU Junyong. Research on the application of Gini Coefficient in total water waste load allocation in the upper and middle Yellow River Basin[D]. Zhenjiang： Jiangsu University， 2010.]
[11]李如忠， 舒琨. 基于基尼系数的水污染负荷分配模糊优化决策模型[J]. 环境科学学报， 2010， 30（7）： 1518-1526. [LI Ruzhong， SHU Kun. Fuzzy optimization model for waste load allocations based on the Gini Coefficient[J]. Acta scientiae circumstantiae， 2010，30（7）： 1518-1526.]
[12]PINTO U， MAHESHWARI BL. Sustainable graywater reuse for residential landscape irrigation：a critical review[J]. Chinese journal of population， resources and environment， 2015， 13（3）： 250-264.
[13]WANG ZG， LIU Y， LI YZ， et al. Legislation on protection of drinking water sources and local management practices in the Pearl River Delta region of China[J].Chinese journal of population， resources and environment， 2016，14（2）：144-152.
[14]WANG AM， GE YX， GENG XY. Connotation and principles of ecological compensation in water source reserve areas based on the theory of externality[J]. Chinese journal of population， resources and environment. 2016，14（3）：189-196.
[15]王金南， 逯元堂， 周劲松， 等. 基于GDP的中国资源环境基尼系数分析[J]. 中国环境科学， 2006， 26（1）： 111-115. [WANG Jinnan， LU Yuantang， ZHOU Jinsong， et al. Analysis of China resourceenvironment Gini Coefficient based on GDP[J]. China environmental science， 2006， 26（1）： 111-115.]
[16]HU B. A note on calculating the Gini index[J]. Mathematics & computers in simulation， 1995， 39（3）： 353-358.
[17]BOSI S， SEEGMULLER T. Optimal cycles and social inequality： what do we learn from the Gini index？[J]. Research in economics， 2005， 60（1）： 35-46.
[18]徐宽. 基尼系数的研究文献在过去八十年是如何拓展的[J]. 经济学， 2003， 2（4）： 757-778. [XU Kuan. How has the literature on Gini’s index evolved in the past 80 years[J]. China economic quarterly， 2003， 2（4）： 757-778.]
[19]罗曰镁. 从基尼系数看居民收入差距[J]. 统计与决策， 2005， 8（6）： 89-90. [LUO Yuemei. Residents’ income disparity from Gini coefficient[J]. Statistics & decision， 2005， 8（6）： 89-90.]
[20]王媛， 牛志广， 王伟. 基尼系数法在水污染物总量区域分配中的应用[J]. 中国人口・资源与环境， 2008，18（3）： 177-180. [WANG Yuan， NIU Zhiguang， WANG Wei. Application of Gini Coefficient in total waste load district allocation for surfacewater[J]. China population， resources and environment， 2008， 18（3）： 177-180.]
[21]秦迪梗 韦安磊， 卢少勇， 等. 基于环境基尼系数的洞庭湖区水污染总量分配[J]. 环境科学研究， 2013， 26（1）： 8-15. [QIN Dilan， WEI Anlei， LU Shaoyong， et al. Total water pollutant load allocation in Dongting Lake area based on the environmental Gini coefficient method[J]. Research of environmental sciences， 2013， 26（1）： 8-15.]
[22]张音波， 麦志勤， 陈新庚， 等. 广东省城市资源环境基尼系数[J]. 生态学报， 2008， 28（2）： 728-734. [ZHANG Yinbo， MAI Zhiqin， CHEN Xingeng， et al. Analysis of city resourceenvironment Gini Coefficient in Guangdong Province[J]. Acta ecological sinica， 2008， 28（2）： 728-734.]
[23]邱俊永， 钟定胜， 俞俏翠， 等. 基于基尼系数法的全球CO2排放公平性分析[J]. 中国软科学， 2011 （4）： 14-21. [QIU Junyong， ZHONG Dingsheng， YU Qiaocui， et al. Equity analysis of global CO2e missions based on Gini Coefficient[J]. China soft science， 2011 （4）： 14-21.]
[24]苏旭， 张晓东. 基尼系数在地震预报中的应用[J]. 高原地震， 2001， 13（3）：1-9. [SU Xu， ZHANG Xiaodong. Application of Gini Coefficient in earthquake prediction[J]. Earthquake research in plateau， 2001， 13（3）： 1-9.]
[25]胡彩霞， 谢平， 许斌， 等. 基于基尼系数的水文年内分配均匀度变异分析方法――以东江流域龙川站径流序列为例[J]. 水力发电学报， 2012， 31（6）： 7-13. [HU Caixia， XIE Ping， XU Bin， et al. Variation analysis method for hydrologic annual distribution homogeneity based on Gini Coefficient： a case study of runoff series at Longchun Station in Dongjiang River Basin[J]. Journal of hydroelectric engineering， 2012， 31（6）： 7-13.]
[26]方玉杰， 万金保， 罗定贵， 等. 流域总量控制下赣江流域控制单元划分技术[J]. 环境科学研究， 2015， 28（4）： 540-549. [FANG Yujie， WAN Jinbao， LUO Dinggui， et al. Study on control unit division technology for total amount control in Ganjiang Basin[J]. Research of environmental sciences， 2015， 28（4）： 540-549.]
[27]王金南， 吴文俊， 蒋洪强， 等. 中国流域水污染控制分区方法与应用[J]. 水科学进展， 2013， 24（4）： 459-468. [WANG Jinnan， WU Wenjun， JIANG Hongqiang， et al. Zoning methodology and application to China’s watersheds for water pollution control[J]. Advances in water science， 2013， 24（4）： 459-468.]
[28]赵骞， 王卫平， 杨永俊， 等. 河流和海洋污染物总量分配研究述评[J]. 中国人口・资源与环境， 2014， 24（3）： 82-86. [ZHAO Qian， WANG Weiping， YANG Yongjun， et al. Review of study on total amount allocation of water pollutants in river and marine[J]. China population， resources and environment， 2014， 24（3）： 82-86.]
[29]田平， 方晓波， 王飞儿， 等. 基于环境基尼系数最小化模型的水污染物总量分配优化――以张家港平原水网区为例[J]. 中国环境科学， 2014， 34（3）： 801-809. [TIAN Ping， FANG Xiaobo， WANG Feier， et al. Use of a minimum environmental Gini coefficient model on optimizing the allocation plan of total pollutant load in water bodies： a case study at Zhangjiagang rivernetwork plain[J]. China environmental science， 2014， 34（3）： 801-809.]
[30]李都峰. 基于污染物量控制的能源消费总量分配优化研究[D]. 长春： 吉林大学， 2015. [LI Dufeng. Study on distribution optimization of the total energy consumption based on total amount control of pollutants[D]. Changchun： Jilin University， 2015.]
[31]钟晓航， 王飞儿， 俞洁， 等. 基于WASP水质模型与基尼系数的水污染物总量分配――以南太湖苕溪入湖口区域为例[J]. 浙江大学学报（理学版）， 2015， 42（2）： 181-188. [ZHONG Xiaohang， WANG Feier， YU Jie， et al. Application of WASP model and Gini coefficient in the total amount control of water pollutant： a case study in Tiaoxi estuary of south Taihu Lake[J]. Journal of Zhejiang University （science edition）， 2015， 42（2）： 181-188.]
篇（5）
该局时刻注意体现以“制度促管理，以管理出效益”的工作理念，先后制定并完善了83项内部管理制度，并汇编成册，发至人手一册，同时实行领导巡查制、路段负责制、徒步执法制“三位一体”的管理制度，建立健全了监督考核机制，把各项工作逐一量化，纳入到考核范畴，严格实行打分制、执法监督日通报制、末位淘汰制、绩效挂钩制、责任追究制等制度，并严格兑现奖惩，实现了用制度管人、管事。同时，在全局喊响一个口号，倡导两种精神、强化三种意识、树立四种风气、培养五种能力。一个口号是“负重实干、执法为民、坚韧创新、奉献有为”；两种精神是“爱岗敬业和严格执法”；三种意识是“大局意识、服务意识、创新意识”；四种风气是“解放思想、真抓实干，踏踏实实、令行禁止，加强信任、相互支持，发奋有为、争创一流”；五种能力是“依法执法、严格执法的行政能力，耐心细致的思想政治工作能力，善于处理各种社会矛盾的能力，高效能完成各项任务的能力，准确流畅的文字表达能力”，通过培训、考核等手段，使执法人员能够灵活运用“明、活、勤、礼、严”五字执法技巧，锻炼执法人员招之即来、来即能战、战即能胜的工作作风。
龙江县行政执法局牢固树立依靠人、围绕人、为了人的现代城市管理理念，不断研究新情况，解决新问题，融入“人本主义”的理念，构建起新型的管理模式。他们采取“人性化”管理政策，寓执法于服务之中，正确处理执法与教育、执法与服务、执法与处罚的关系。牌匾审批工作中,在坚持统一规划审批,区域规格一致,向高档次、高标准发展的同时，坚持上门服务，谁家要挂牌匾，只要一个电话，执法人员就会到现场帮助设计图案、规格、形状等，并现场办理审批手续，给业户提供方便。
该局牢固树立“执法为民”和“服务为本”的理念，遵循“一教育、二警告、三处罚”的工作程序，在纠正违章时先敬礼，问“您好”，再出示证件，说明违章事实及依据，做耐心地说服教育工作，坚持以情感人，以理服人，开展与业户谈心活动，帮助解决实际困难，让被管理对象感受到他们的文明服务，从源头上减少违规行为的发生。同时，他们在为民服务上做到“四个一把”即“老人扶一把，小孩领一把，自行车摆放理一把，为民服务帮一把”。在接待群众来信、来访等问题上做到“四一、四心”即“一张笑脸、一声问候、一把椅子、一杯热茶，接待群众热心、听取申诉耐心、答复询问细心、处理问题用心”。
篇（6）
1引言
全氟化合物（Perfluorinatedcompounds，PFCs）是指化合物分子中与碳原子连接的氢原子全部被氟原子所取代的一类有机化合物，根据其所含官能团的不同，主要可分为全氟羧酸类化合物（Perfluoroalkylcarboxylicacids，PFCAs）、全氟磺酸类化合物（Perfluoroalkylsulfonicacids，PFSAs）、全氟调聚醇类化合物（Perfluorinatedtelomericalcoholcompounds，FTOHs）及全氟酰胺类化合物（Perfluorooctanesulfonamides，PFOSAs）[1～3]。由于具有较高的热稳定、化学稳定及表面活性等性质，PFCs被广泛用作聚合物、表面活性剂、剂等，应用于工业、农业等领域[4，5]，并随之持续大量地进入环境[6～9]。目前已在饮用水[10，11]、地表水[6，12，13]、地下水[11，14]、沉积物[6，15，16]、土壤[6，17]等各种环境介质中普遍检出PFCs。
PFCs含有大量化学键能较高的〖JG（C〖ZJYF〖JG）键，进入环境后很难被降解，其中PFCAs和PFSAs生物降解性能最差，特别是全氟辛酸（PFOA）和全氟辛烷磺酸（PFOS）在自然环境中几乎不发生降解[15，18，19]，只有通过人工化学手段（如超声波辐照或紫外光催化氧化等）下才能被降解[18]。环境介质中的PFCs可发生迁移扩散，在远离排放点的边远地区甚至南北极地区都能检出[20]。同时PFCs可进入生物体内累积，并最终通过食物链或其它途径进入人体[15，21，22]，在血液、母乳中普遍检出[15，23～25]。进入人体的PFCs，具有肝脏毒性、胚胎毒性、生殖毒性、神经毒性、内分泌干扰毒性，甚至致癌性等，严重威胁人类健康[26～28]。因此PFCs环境污染与人体健康问题已成为近年来环境科学和毒理学研究的国际前沿课题[15，29]。
PFCs含有较多同系物和支链异构体（仅PFOA和PFOS的异构体就达数十种），且其在环境中通常为痕量水平（ng/g或μg/L数量级），因此开展PFCs环境及其健康问题研究时，需要可靠灵敏的样品前处理和检测技术。目前国内外已针对环境样品中痕量PFCs的检测开展了大量研究＼[7，30～34]，但有关环境样品尤其是沉积物、土壤、植物等复杂环境样品中PFCs前处理、分析方法的系统评述，以及PFCs样品基质效应及其同分异构体检测方法的系统总结还相对较少。本文综述了环境水样和固相样品（沉积物/污泥、土壤、植物）中PFCs前处理方法、检测方法（尤其是同分异构体）以及基质效应对PFCs测定的影响，以期为PFCs环境及其健康问题的研究提供参考。
2样品前处理
2.1样品萃取
2.1.1水样萃取水样中PFCs的萃取主要采用固相萃取法（SPE），该方法具有萃取耗时短、有机溶剂使用少，且可同步进行萃取和净化的特点＼[35，36]。常用的固相萃取柱主要包括弱离子交换柱（WAX）、亲水亲脂平衡柱（HLB）和碳18柱（C18）。其中WAX柱萃取效果最好，对PFCAs，PFSAs和FOSAs均有较高的萃取富集能力，而HLB柱只对长碳链的PFCAs和PFSAs具有较高萃取富集能力[37]，C18柱则因其填料中含有一定量的PFCs填料（46pg/LPFOA和12pg/LPFOS）[38]，对痕量PFCs测定有较大干扰，近年已较少应用。固相微萃取法（SPME）是在SPE法基础上发展起来的新型微萃取分离技术，具有萃取过程无需使用溶剂、回收率高等优点，但主要针对挥发或半挥发性有机物，因此采用该方法萃取PFCs时，需进行衍生化[20，39]。Monteleone等[40]以氯甲醇丙酯丙醇混合溶剂对水样中PFCAs进行衍生化，后在顶空模式下进行固相微萃取，萃取效果良好（回收率为84.4%～116.8%，RSD为0.4%～14.5%）。
2.1.2土壤样品萃取目前固相基质（土壤、植物、沉积物、污泥等）中PFCs的萃取主要采用超声萃取法（UAE），该方法具有萃取效率高、用时短、萃取设备容易获得的优点[41，43～45]，潘媛媛等[45]以甲醇为萃取剂，以UAE法萃取土壤中PFCs获得理想回收率（81.5%～119.2%）。除了UAE法外，加速溶剂萃取（ASE）法也被用于固相基质中PFCs萃取，该方法是在高温、高压条件下萃取固体基质中有机污染物的方法，具有耗时短、自动化程度高、消耗有机溶剂少的特点。Wang等[42]以ASE法萃取土壤中PFCAs（C6～C12，C14）和PFSAs（C4，C6，C8）的回收率为71.2%～119.2%，RSD
2.1.3植物样品萃取与土壤相比，植物基质（色素、纤维素、糖类等）更为复杂，PFCs可通过氢键、疏水作用力及色散力等与这些基质成分吸附、络合，导致单一溶剂萃取效果较差[46]。因此，植物样品中PFCs需选用混合溶剂萃取。以二氯甲烷（醋酸铵甲醇（99〖KG-3∶〖KG-51，V/V））混合溶剂（50〖KG-3∶〖KG-550，V/V）超声萃取不同蔬菜（生菜、西红柿）各部位（根、茎、叶）PFCAs（C4～C10）和PFSAs（C4，C6～C8，C10）均获得良好结果（平均回收率为85%）[47]。乙腈/水及混合溶液也能有效萃取蔬菜（土豆、四季豆、生菜、菠菜）中的PFCAs（C4～C12）及PFSAs（C4，C6，C8，C10），其回收率为70%～105%，RSD为1%～21%[33]。PFCs在碱性条件下可解离为阴离子化合物，并与阳离子配对试剂四丁基硫酸氢氨（TBA）通^强静电作用形成疏水离子缔合物，该物质可通过较弱极性溶剂有效萃取。目前，以NaOH为解离剂，以TBA为离子配对剂，以甲基叔丁基醚（MTBE）为萃取剂，通过离子配对法进行超声萃取，已成为植物样品中PFCs萃取的重要方法[48～50]。Felizeter等[50]以该方法萃取不同蔬菜（生菜、西红柿、南瓜、卷心菜）中PFCAs（C4～C14）和PFSAs（C4、C6、C8）的回收率在70%～97%之间，PFCA（C4）回收率较低（48%）与基质残留成分对其检测有抑制作用及缺少适合内标化合物有关。
2.1.4污泥、沉积物样品萃取与植物样品不同，污泥、底泥的异质性程度较高，离子配对法不适用于这类基质。为测定这类基质中的PFCs，往往采用混合溶剂交替萃取[4]。文献＼[4，43＼]以1%乙酸及乙酸酸化甲醇（甲醇1%乙酸，90〖KG-3∶〖KG-510，V/V）交替超声萃取沉积物、活性污泥中13种PFCs，其回收率大多为70%～115%，个别化合物（PFTeA）回收率较低（41%），与该化合物碳链较长（C>10）。不易从固相萃取柱洗脱及残留基质成分的抑制效应有关。值得注意的是，由于PFCs在四氢呋喃（THF）水混合溶液中有较强的溶解和分配能力，因此以该混合溶液（THF〖KG-3∶〖KG-5水=75〖KG-3∶〖KG-525，V/V）为萃取剂，超声萃取河流沉积物（荷兰）、活性污泥（荷兰市政污泥）[44]及植物（菠菜、胡萝卜、橘子、苹果）[46]中PFCs均获得良好效果（回收率为88%～110%，RSD
2.2样品净化和基质效应
2.2.1样品净化水样中PFCs萃取后，通常可直接浓缩、进样。固体基质（土壤、植物、沉积物、污泥等）由于具有复杂的基质成分，PFCs萃取过程中，基质成分往往被同时萃取，这些残留成分会改变PFCs的离子化率，从而严重影响其分析定量，因此固体基质萃取后还需进行净化处理[4，43，45]。固相萃取（SPE）法是PFCs样品前处理过程中最为常用的净化方式，所用净化柱包括HLB柱、WAX柱、C8/季胺盐混合柱和硅酸镁载柱（Florisil柱）[33，35，43，48～51]。其中WAX柱对多数PFCs均具有良好净化效果，被广泛应用于土壤[4，52]、植物[46]和沉积物[44，52]样品的净化。
2.2.2基质效应及其评价经过固相萃取柱净化后，大部分样品基质成分被去除，但残留的基质成分（如叶绿素、纤维素、脂质等）会造成基质效应，即残留基质成分改变目标化合物离子化效率，导致其测定时分析信号增强或减弱的现象[41，55]。基质效应程度可用目标化合物基质信号强度与其溶剂信号强度之比（Smatrix/Ssolvent）或基质标线与其溶剂标线斜率之比（Kmatrix/Ksolvent）评价，通常认为，当Smatrix/Ssolvent或Kmatrix/Ksolvent1.1时为增强效应，当0.9
2.2.3植物样品基质效应基质效应的程度与植物样品种类、部位及PFCs化合物性质等因素有关。卷心菜根、茎、叶残留基质成分对PFCAs（C4、C5、C10～C12）及PFSA（C8）测定有抑制效应（Kmatrix/Ksolvent为0.19～0.90），而其根、茎残留基质成分对PFCAs（C8）及PFSA（C6）测定有增强效应（Kmatrix/Ksolventt为1.11～1.12）[50]；南瓜根、叶基质残留成分均对PFCAs（C4～C12）及PFSA（C8）有抑制效应（Kmatrix/Ksolventt为0.19～0.89），而其茎残留基质成分对PFSA（C6）测定有增强效应（Kmatrix/Ksolvent为1.11）[50]；西红柿叶、果实残留基质成分对PFCAs（C4、C8、C10～C12）测定均有抑制效应（Kmatrix/Ksolvent为0.34～0.84），除此之外其根、茎残留基质成分对PFCAs（C4）也有抑制效应[50]。本研究组最近的研究显示，总溶解性糖是影响作物可食部分（胡萝卜、生菜、南瓜和大米）中全氟己磺酸PFSA（C6）测定的主要基质成分[56]。
2.2.4土壤样品基质效应与植物样品相比，有关土壤残留基质成分对PFCs检测基质效应的报道较少，Li等[4]研究显示，土壤残留基质可对PFCAs（C2、C4）检测信号造成抑制效应，而对PFCAs（C10、C11）检测信号造成增强效应，其Smatrix/Ssolvent或Kmatrix/Ksolventt在0.85～1.41之间。
2.2.5污泥、沉积物样品基质效应污泥、沉积物等样品基质成分变异度较高，其对PFCs的基质效应受样品来源影响较大[4，43]。Li等[4]发现黄埔江干流采样点沉积物残留基质成分对PFCAs（C2～C13）的测定主要表现为抑制效应（Kmatrix/Ksolventt为0.73～0.87），而其支流（苏州河）采样点沉积物残留基质成分则主要表现为增强效应（Kmatrix/Ksolventt为1.10～1.35）；还发现初沉池污泥及化学（混凝等）污泥残留基质成分对PFCAs（C2～C13）测定的基质效应相对较小（Kmatrix/Ksolvent为0.84～1.03），而曝气池活性污泥残留基质成分则可表现出明显的抑制或增强效应（Kmatrix/Ksolvent为0.66～0.99或1.06～1.37）。值得注意的是，曝气池活性污泥的抑制效应主要发生于较短碳链PFCAs（C2～C6），而增强效应则主要发生于较长碳链PFCAs（C10～C13），说明碳链长度也与基质效应大小有关，并显著影响污泥等样品中PFCs的检测。
2.2.6基质效应控制石墨碳粉（ENVICarb粉）具有空间层状结构，其π电子可有效吸附、去除具有芳环或杂环结构的残留基质成分（如叶绿素等），但却难以与具有高电负性氟原子的PFCs相互作用[45，48]。石墨碳粉净化基质成分的过程绘制示意图见图1。为减少或控制PFCs测定过程中的基质效应，一些研究在样品（蔬菜、土壤）萃取液经过固相萃取净化后，还进一步采用石墨碳粉进行净化[45，48，57]。经石墨碳粉净化后，植物、土壤样品残留基质成分对PFCs的基质效应明显降低，降低幅度可达30%～50%[57]。为进一步减少基质效应的干扰，提高分析方法的稳定性和重现性，在测定环境样品PFCs时，通常采用基质标线进行内标法定量[56]，其中短碳链PFCAs（C6～C9）、长碳链PFCAs（C10～C14）以及PFSAs（C6～C8）可分别以碳同位素标记的MPFOA（13C4PFOA）、MPFDA（13C2PFDA）、MPOS（13C4PFOS）作为内标化合物。需要说明的是，样品的基质效应与其前处理及检测方法密切相关。因此，选择恰当的前处理和检测方法是有效减少或去除基质效应的前提。研究人员发现PFCs检测过程中，大气压化学电离源（APCI）对基质效应的敏感程度@著低于电喷雾离子源（ESI），因此以前者代替后者可有效减少样品残留基质成分产生的基质效应[32，58，59]。Takino等[58]采用APCI测定河水样品中PFCs时，基质效应可忽略（Smatrix/Ssolventt为0.958～0.997）。目前有关环境样品PFCs检测基质效应问题的研究已引起研究者的重视，很多研究评估了样品测定过程中基质效应的大小程度，并通过基质标线内标法控制基质效应，但有关基质效应的主要影响因素、作用机理等方面还需深入研究，以期获得低基质效应甚至无基质效应的高效分析方法。
3仪器分析
3.1高效液相色谱串联质谱（HPLCMS/MS）法测定直链PFCs
由于不同质量分析器的优势不同，且串联质谱分析器（MS/MS）的选择性和灵敏度显著高于单级质谱分析器（MS）[20]，因此，目前普遍采用高效液相色谱串联质谱仪（HPLCMS/MS）测定环境样品中的痕量PFCs，其中以高效液相色谱串联三重四极杆质谱仪HPLCMS/MS（QqQ）和高效液相色谱串联四极杆线性离子阱质谱仪HPLCMS/MS（QTrap）应用最广[36，43，47]。采用HPLCMS/MS（QqQ）测定环境样品中PFCs的检出限可达pg/L或pg/g数量级，其中水样、土壤、沉积物/污泥及蔬菜样品PFCs的检出限分别为12～73pg/L[36]、10～100pg/g[45]、10pg/g[44]及1～30pg/g[46]。QTrap分析器对PFCs具有较高的选择性，但灵敏度较QqQ分析器略低。以HPLCMS/MS（QTrap）检测水样、土壤、沉积物/污泥及蔬菜样品中PFCs的检出限分别为15～472pg/L[52]、30～300pg/g＼[45]、41～246pg/g[43]及1～1500pg/g[47，49]。与QqQ和QTrap相比，四极杆飞行时间质谱（QTOF）分析器分析范围和分辨率较高，可给出PFCs的精确分子量（精确至小数点后4位），并可对非目标分析物定性分析，但其线性范围较窄、灵敏度较低且分析成本较高，目前多用于PFCs结构鉴定，在常规实验室或日常定量检测中使用相对有限。最近的研究显示，高效色相色谱串联QTOF分析器及高分辨检测器（HRMS）后，其测定土豆、四季豆、生菜等蔬菜中PFCs的检出限可达pg/g级（1.8～20pg/g）[33]。考虑到QTOF分析器的高选择性，相信未来其将逐渐成为复杂环境基质样品中痕量PFCs测定的重要工具。
另外，近年出现的超高效液相色谱技术（UPLCMS/MS）和毛细管液相色谱质谱联用技术（CLCMS/MS）也可显著提高复杂环境基质样品中痕量PFCs的分析能力。Yoo[54]和Onghena等[60]以UPLCMS/MS和CLCMS/MS分别测定河水样品中PFCs，其回收率与传统HPLCMS/MS相当，但灵敏度提高数倍甚至上百倍。另有研究以UPLCMS/MS测定蔬菜中PFCs的检出限可达pg/g（0.3～3.3pg/g），且分析速度较传统HPLCMS/MS提高数倍[48]。
3.2气相色谱串联质谱（GCMS）法测定直链PFCs
GCMS法可直接测定具有挥发性的PFCs（如FOSAs和FTOHs等），测定时通常采用正化学电离（PCI）或大气化学电离（APCI）作为离子源。Ellington等[61]以PCI为离子源，采用GCMS测定土壤中FTOHs（6〖KG-3∶〖KG-52～14〖KG-3∶〖KG-52FTOHs，8〖KG-3∶〖KG-51～17〖KG-3∶〖KG-51FTOHs，7MeFTOH和9MeFTOH）的检出限为1.6～8.3pg/g；以同样条件测定植物（牛毛草、大麦、早熟禾及狗牙草）中FTOHs（6〖KG-3∶〖KG-52～14〖KG-3∶〖KG-52FTOHs）的检出限为0.1～0.35ng/g（dw）[54]。另有研究表明，以APCI为离子源，采用GCMS/MS（QTrap）测定水样中FTOHs（4〖KG-3∶〖KG-52～10〖KG-3∶〖KG-52）和FOSAs（NMeFOSA，NEtFOSA，NMeFOSE及NEtFOSE）的检出限为1～5ng/L[51]。
与PFOSAs和FTOHs不同，由于PFCAs和PFSAs较难挥发，采用GCMS法测定二者时通常需进行衍生化，衍生化的方法包括烷基化、酰胺化或硅烷化[53，62]。其中常用的衍生剂包括碘甲烷、重氮甲烷和三氟化硼甲醇等（烷基化剂），2，4二氟苯胺、3，4二氯苯胺等（酰胺化剂）及三甲基氯硅烷和N，O双三甲基硅基乙酰胺（硅烷化剂）等。前人以2，4二氟苯胺进行酰胺化衍生，测定水样中PFCAs（C2～C9）的检出限为0.5ng/g[64]，而以三氟化硼甲醇烷基化衍生，测定沉积物中PFCAs（C7～C10）的检出限为0.5～0.8ng/g[62]。然而，由于衍生过程较为复杂且部分衍生化产物不稳定性，GCMS在检测非挥发性PFCs方面的应用相对较少[59，65]。
3.3PFCs同分异构体的测定
除直链产物外，PFCs生产过程中（尤其是电氟化法）会产生较多的同分异构体，包括支链异构体（单甲基和二甲基异构体）和对映异构体等[63]。由于存在结构方面的差异，PFCs不同同分异构体间的生物富集效应、毒性效应等也存在明显差异，例如PFOS支链异构体（1～5m，isoPFOS）在胎盘的转移速率大于其直链异构体（nPFOS），从而导致支链PFOS优先进入婴儿体内，而直链异构体在母体比例较高[66]。因此嗜凡舛环境中不同PFCs同分异构体的含量及组成分布对于全面、客观评估该类化合物的环境和健康效应以及其源解析等方面有重要意义。
PFCs同分异构体也主要采用HPLCMS/MS法和GCMS法测定，但在分析条件、分析时间等方面与直链PFCs分析存在差异。为了提高对PFCs同分异构体的分离度，采用HPLCMS/MS法测定时，常采用与目标PFCs具有亲和作用的固定相（五氟苯基、全氟辛基或五氟苯丙基等）反相色谱柱（表2）。Houde等[67]以全氟辛基反相色谱柱，通过HPLCMS/MS测定了水及沉积物中多种PFOS同分异构体（6～7种），分析时间为20min。Chen等[68]则通过LCMS/MS，以全氟辛基反相色谱柱同时分离测定了〖CM（44水样中4种PFOA同分异构体及6种PFOS同分异构体、2种FOSA同分异构体及8种直链PFCs，但分〖CM）
析时间长达90min。最近，牛夏梦等[69]利用五氟苯基反相色谱柱，通过HPLCMS/MS同时测定了水及沉积物中PFOS（6种）和PFOA（5种）的同分异构体，方法回收率为90.8%～127%（水样）、74%～124%（沉积物），检出限分别为0.05～1.1ng/L和0.025～0.56ng/g，分析时间达60min。值得注意的是，PFCs同分异构体取代基的数目和位置可显著改变其疏水性，从而影响其在反相色谱柱中的分离。一般而言，取代基数目越多，PFCs疏水性越弱，反之亦然。因此，支链PFCs出峰通常快于直链PFCs，且其分支位点越多，出峰越快（图2）[70]。
〖CM（172熔融核色谱柱技术的应用显著提高了〖CM）
HPLCMS/MS法对PFCs同分异构体的测定效率。Benskin等[73]利用五氟苯丙基反相熔融核色谱柱，在23min内同时分离测定了垃圾渗滤液中19种PFCAs（C6～C11）＼，24种PFSAs（C6，C8，C10）＼，5种FOSA和26种FOSAAS的同分异构体。UPLC技术也可进一步提高LCMS/MS测定PFCs同分异构体的能力。Krrman等[74]利用UPLCMS/MS，以C18反相色谱柱，在23min内测定了环境样品（水、土壤和沉积物）中8种PFOA同分异构体及8种PFOS同分异构体。
由于气相色谱毛细管柱分离能力较强，可有效分离PFCs同分异构体，因此GCMS法也是环境样品中PFCs同分异构体测定的重要方法。deSilva等[71]以2，4二氟苯胺为衍生化剂，并以聚乙二醇为填料的强极性色谱柱，通过GCMS测定了降水及沉积物中4种PFOA同分异构体及其他6种直链全氟羧酸化合物PFCAs（C6，C7，C10～C13）。最近，Naile等[72]以叠氮甲醇为衍生剂，以DB5MS（30m）和手性色谱柱（BGB172，30m）串联，通过GCMS测定了土壤、沉积物、植物中4种PFOA异构体，但该方法分析间较长，部分样品仅色谱分离时间就长达300min以上。
与普通直链PFCs同系物分析方法相比，目前PFCs同分异构体分析方法还存在灵敏度低、稳定性差、可检测同分异构体化合物少（主要为PFOA和PFOS异构体）、可检测环境样品基质范围较窄等问题，未来尚需开发灵敏度高、稳定性好及应用范围广的新技术。
4结论与展望
全氟化合物是一类新型持久性有机污染物，在环境中普遍检出，其对环境污染与人体健康的威助已成为全球关注的热点问题。灵敏可靠的样品分析技术是研究这一问题的前提。目前，已针对复杂环境样品基质（沉积物/底泥、土壤以及植物等）中痕量PFCs的分析开展了大量研究，建立了高效、成熟、灵敏的环境样品PFCs前处理方法和检测技术，并探讨了样品基质效应对PFCs分析的影响和控制方法，但有关基质效应的主要影响因素、形成机理等方面还需要进一步研究，以获得高效测定复杂的环境基质样品中PFCs的低基质效应或无基质效应的分析方法。另一方面，与普通直链PFCs同系物相比，现有PFCs同分异构体分析方法存在灵敏度低、稳定性差、耗时长、应用范围窄等诸多问题。这些问题的研究和解决有助于进一步建立复杂环境样品中高效、灵敏、稳定的PFCs及其同分异构体分析方法，客观评价PFCs在环境中的污染特征、污染来源、环境行为、毒性效应、品种差异、健康风险及其影响因素等，这将成为今后PFCs分析技术领域研究的热点和趋势。
References
1DingG，WouterseM，BaerselmanR，PeijnenburgWJ.Arch.Environ.Con.Toxicol.，2012，62（1）：49-55
2TheobaldN，CaliebeC，GerwinskiW，HuhnerfussH，LepomP.Environ.Sci.Pollut.Res.Int.，2012，19（2）：313-324
3ArsenaultG，ChittimB，McAleesA，McCrindleR，RiddellN，YeoB.Chemosphere，2008，70（4）：616-625
4LiF，ZhangC，QuY，ChenJ，ChenL，LiuY，ZhouQ.Sci.Total.Environ.，2010，408（3）：617-623
5SepulvadoJG，BlaineAC，HundalLS，HigginsCP.Environ.Sci.Technol.，2011，45（19）：8106-8112
6WangYW，FuJJ，WangT，LiangY，PanYY，CaiYQ，JiangGB.Environ.Sci.Technol.，2010，44（21）：8062-8067
7ZareitalabadP，SiemensJ，HamerM，AmelungW.Chemosphere，2013，91（6）：725-732
8ZhengH，LiJL，LiHH，HuGC，LiHS.J.Food.Sci，2014，79（6）：1123-1129
9PanCG，ZhaoJL，LiuYS，ZhangQQ，ChenZF，LaiHJ，PengFJ，LiuSS，YingGG.Ecotoxicol.Environ.Safe，2014，107（7）：192-199
10PostGB，CohnPD，CooperKR.Environ.Res.，2012，116（5）：93-117
11EschauzierC，RaatKJ，StuyfzandPJ，deVoogtP.Sci.Total.Environ.，2013，458460（5）：477-485
12YAOYao，DENGJieWei，YANGYunYun，FANGLing，ZHOUHaiYun，LIUHongTao，WANGXiaoWei，LUANTianGang.ChineseJ.Anal.Chem.，2015，43（7）：1053-1057
姚，邓洁薇，杨运云，方玲，周海云，刘洪涛，王晓玮，栾天罡.分析化学，2015，43（7）：1053-1057
13LuZ，SongL，ZhaoZ，MaY，WangJ，YangH，MaH，CaiM，CodlingG，EbinghausR，XieZ，GiesyJP.Chemosphere，2015，119（9）：820-827
14YaoY，ZhuH，LiB，HuH，ZhangT，YamazakiE，TaniyasuS，YamashitaN，SunH.Ecotoxicol.Environ.Safe，2014，108（8）：318-328
15SHIYaLi，PANYuanYuan，WANGJieMing，CAIYaQi.Prog.Chem.，2009，21（2/3）：369-376
史亚利，潘媛媛，王杰明，蔡亚歧.化学进展，2009，21（2/3）：369-376
16ZhengH，HuG，XuZ，LiH，ZhangL，ZhengJ，ChenL，HeDB.Environ.Contam.Toxicol.，2015，94（4）：503-510
17HUGuoCheng，ZHENGHai，ZHANGLiJuan，XUZhengCheng，CHENLaiGuo，HEDeChun，LIHuaShou.J.Environ.SciChina，2013，33（S1）：37-42
胡成，郑海，张丽娟，许振成，陈来国，贺德春，黎华寿.中国环境科学，2013，33（S1）：37-42
18LiuJ，MejiaAvendanoS.Environ.Int.，2013，61（10）：98-114
19StahlT，RiebeRA，FalkS，FailingK，BrunnH.J.Agric.Food.Chem.，2013，61（8）：1784-1793
20SHIYaLi，CAIYaQi.Prog.Chem.，2014，26（4）：665-681
史亚利，蔡亚岐.化学进展，2014，26（4）：665-681
21NoorlanderCW，vanLeeuwenSP，teBiesebeekJD，MengelersMJ，ZeilmakerMJ.J.Agric.Food.Chem.，2011，59（13）：7496-7505
22MüllerCE，DeSilvaAO，SmallJ，WilliamsonM，WangX，MorrisA，KatzS，GambergM，MuirDC.Environ.Sci.Technol.，2011，45（20）：8665-8673
23BarbarossaA，MasettiR，GazzottiT，ZamaD，AstolfiA，VeyrandB，PessionA，PagliucaG.Environ.Int.，2013，51（11）：27-30
24AntignacJP，VeyrandB，KadarH，MarchandP，OlekoA，LeBizecB，VandentorrenS.Chemosphere，2013，91（6）：802-808
25KarrmanA，DomingoJL，LlebariaX，NadalM，BigasE，vanBavelB，LindstromG.Environ.Sci.Pollut.Res.Int.，2010，17（3）：750-758
26PerezF，LlorcaM，KockSchulmeyerM，SkrbicB，OliveiraLS，daBoitMartinelloK，AlDhabiNA，AnticI，FarreM，BarceloD.Environ.Res.，2014，135（10）：181-189
27CornelisC，D'HollanderW，RoosensL，CovaciA，SmoldersR，vandenHeuvelR，GovartsE，vanCampenhoutK，ReyndersH，BervoetsL.Chemosphere，2012，86（3）：308-314
28QuBC，ZhaoHX，ZhouJT.Chemosphere，2010，79（5）：555-560
29WangT，WangYT，LiaoCY，CaiYQ，JiangGB.Environ.Sci.Technol.，2009，43（14）：5171-5175
30ClarkeBO，SmithSR.Environ.Int.，2011，37（1）：226-247
31WangP，WangT，GiesyJP，LuY.Chemosphere，2013，91（6）：751-757
32ValsecchiS，RusconiM，PoleselloS.Anal.Bioanal.Chem.，2013，405（1）：143-157
33UllahS，AlsbergT，VestergrenR，BergerU.Anal.Bioanal.Chem.，2012，404（8）：2193-2201
34YUYuCheng，XUDunMing，LUOChao，ZHOUYu，PENGTao，YUEZhenFeng.J.FoodSafeQual.，2014，（8）：2550-2559
余宇成，徐敦明，罗超，周昱，彭涛，岳振峰.食品安全质量检测学报，2014，（8）：2550-2559
35GonzálezBarreiroC，MartínezCarballoE，SitkaA，ScharfS，GansO.Anal.Bioanal.Chem.，2006，386（78）：2123-2132
36BooneJS，GuanB，VigoC，BooneT，ByrneC，FerrarioJ.J.Chromatogr.A，2014，1345（4）：68-77
37WANGChao，LYUYiBing，CHENHaiJun，TANLi，TENGEnJiang.ChineseJournalofChromatography，2014，32（9）：919-925
王超，吕怡兵，陈海君，谭丽，滕恩江.色谱，2014，32（9）：919-925
38YamashitaN，KannanK，TaniyasuS，HoriiY，OkazawaT，PetrickG，GamoT.Environ.Sci.Technol.，2004，38（21）：5522-5528
39LiXJ，GanPS，PengRF，HuangC，YuH.J.Chromatogr.Sci.，2010，48（3）：183-187
40MonteleoneM，NaccaratoA，SindonaG，TagarelliA.J.Chromatogr.A，2012，1251（6）：160-168
41LiYW，ZhanXJ，XiangL，DengZS，HuangBH，WenHF，SunTF，CaiQY，LiH，MoCH.J.Agric.FoodChem.，2014，62（49）：11831-11839
42WANGYi，KONGDeYang，SHANZhengJun，TANLiChao.Environ.Chem.，2012，31（1）：113-119
王懿，孔德洋，握军，谭丽超.环境化学，2012，31（1）：113-119
43HigginsCP，FieldJA，CriddleCS，LuthyRG.Environ.Sci.Technol.，2005，39（11）：3946-3956
44EsparzaX，MoyanoE，deBoerJ，GalceranMT，vanLeeuwenSP.Talanta，2011，86（9）：329-336
45PANYuanYuan，SHIYaLi，CAIYaQi.Environ.Chem.，2010，29（3）：519-523
潘媛媛，史亚利，蔡亚岐.环境化学，2010，29（3）：519-523
46BallesterosGómezA，RubioS，vanLeeuwenS.J.Chromatogr.A，2010，1217（38）：5913-5921
47BlaineAC，RichCD，HundalLS，LauC，MillsMA，HarrisKM，HigginsCP.Environ.Sci.Technol.，2013，47（24）：14062-14069
48VestergrenR，UllahS，CousinsIT，BergerU.J.Chromatogr.A，2012，1237（3）：64-71
49FelizeterS，McLachlanMS，deVoogtP.Environ.Sci.Technol.，2012，46（21）：11735-11743
50FelizeterS，McLachlanMS，DeVoogtP.J.Agric.Food.Chem.，2014，62（15）：3334-3342
51PortolesT，RosalesLE，SanchoJV，SantosFJ，MoyanolE.J.Chromatogr.A，2015，1413（9）：107-116
52LIUQing，HEDeChun，XUZhenCheng，LIJie，ZHANGSuKun，PANLang.EnvionmentalMonitoringinChina，2014，30（4）：134-139
刘庆，贺德春，许振成，李杰，张素坤，潘浪.中国环境监测，2014，30（4）：134-139
53SHANGuoQiang，SUNHuaiHua，HOUZheng，ZHULingYan.Prog.Chem.，2012，24（10）：2019-2027
单国强，孙怀华，侯征，祝凌燕.化学进展，2012，24（10）：2019-2027
54YooH，WashingtonJW，JenkinsTM，EllingtonJJ.Environ.Sci.Technol.，2011，45（19）：7985-7990
55XiangL，WangXK，LiYW，HuangXP，WuXL，ZhaoHM，LiH，CaiQY，MoCH.J.Agric.FoodChem.，2015，63（30）：6689-6697
56XiangL，SunTF，ChenLei，XiaoT，CaiQY，LiH，HeDC，MongMH，LiYW，MoCH.FoodAnal.Method，2017（acceptedDOI：10.1007/s1216101708074）
57PowleyCR，GeorgeSW，RyanTW，BuckRC.Anal.Chem.，2005，77（19）：6353-6358
58TakinoM，DaishimaS，mun.Mass.Spectrom.，2003，17（5）：383-390
59JahnkeA，BergerU.J.Chromatogr.A，2009，1216（3）：410-421
60OnghenaM，MolinerMartinezY，PicóY，CampínsFalcóP，BarcelóD.J.Chromatogr.A，2012，1244（5）：88-97
61EllingtonJJ，WashingtonJW，EvansJJ，JenkinsTM，HafnerSC，NeillMP.J.Chromatogr.A，2009，1216（28）：5347-5354
62AlzagaR，SalgadoPetinalC，JoverE，BayonaJ.J.Chromatogr.Sci.，2005，1083（1）：1-6
63BenskinJP，AhrensL，MuirDC，ScottBF，SpencerC，RosenbergB，TomyG，KylinH，LohmannR，MartinJW.Environ.Sci.Technol.，2011，46（2）：677-685
64ScottBF，MoodyCA，SpencerC，SmallJM，MuirDC，MaburySA.Environ.Sci.Technol.，2006，40（20）：6405-6410
65TrojanowiczM，KocM.Microchim.Acta，2013，180（1112）：957-971
66BeesoonS，WebsterGM，ShoeibM，HarnerT，BenskinJP，WartinJW.Environ.Health.Persp.，2011，119（11）：1659-1664
67HoudeM，CzubG，SmallJM，BackusS，WangX，AlaeeM，MuirDC.Environ.Sci.Technol.，2008，42（24）：9397-9403
68ChenXW，ZhuLY，PanXY，FangSH，ZhangYF，YangLP.WaterRes.，2015，80（5）：235-244
69NIUXiaMeng，SHIYaLi，ZHANGChunHui，CAIYaQi.Environ.Chem.，2015，34（8）：1453-1459
牛夏簦史亚利，张春晖，蔡亚岐.环境化学，2015，34（8）：1453-1459
70LangloisI，mun.Mass.Spectrom.，2006，20（5）：844-850
71deSilvaAO，MuirDC，MaburySA.Environ.Toxicol.Chem.，2009，28（9）：1801-1814
72NaileJE，GarrisonAW，AvantsJK，WashingtonJW.Chemosphere，2016，144（11）：1722-1728
73BenskinJP，IkonomouMG，WoudnehMB，CosgroveJR.J.Chromatogr.A，2012（5），1247：165-170
74KrrmanA，ElghDalgrenK，LafossasC，MskelandT.Environ.Chem.，2011，8（4）：372-380
AbstractPerfluorinatedcompounds（PFCs），agroupofpersistentorganicpollutants，havebeenwidelydetectedinenvironmentalmediaandposedgreatthreattohumanhealth.TheresearchesonenvironmentalpollutionandhealthconcernofPFCsarethehotspotareas.BecausePFCscontainlotsofhomologsandisomerswhicharedetectedattracelevels（ng/gorμg/L）inenvironment，advancedandreliableanalyticalmethodsfordeterminationofPFCsinenvironmentareurgentlyneeded.Atpresent，studiesonanalyticalmethodsoftracePFCsinenvironmentalsampleshavebeenwidelycarriedoutinChinaandabroad.However，systematicreviewonthesamplepretreatment，analyticalmethod，andmatrixeffectofPFCsdeterminationincomplexenvironmentalmatrixesisrelativelyscarce.Therefore，thispaperreviewsthepretreatmentmethods，martixeffects，anddetectiontechniques（especaillyisomers）ofPFCsinenvironmentsamples（water，sediment/sluge，soilandplant）.WehopethatthisreviewmayprovidevaluablereferencefortheenviromentalresearchesonPFCs.
篇（7）
税源管理是税收征管的基础性工作,对税务机关来说是一项非常重要的工作。而在税收精细化管理中尤为重要的是税源精细化管理。税源精细化管理是一项系统的工作,要开展这项工作,必须要具备一定的条件。税源精细化管理的内涵应该包括五点:管理对象细分、税源信息全面掌握、管理方法不断创新与多样化、纳税情况综合监控分析、管理流程明晰顺畅。
广义的税源精细化管理应该是包括从纳税人办理税务登记到税款征收入库前的所有税务管理环节,包括对税源管理运用的各种方法和手段。税务机关目前开展工作的是狭义的,都是围绕纳税评估开展的,主要目的是监控应征税源。税源精细化管理既有利于提高税源管理质量,又能增加税收收入。税源精细化管理的意义在于为基层人员提供了一种崭新的管理思路和方法,有效地改变了长期以来税收管理的不利局面,变被动管理为主动出击,进一步深化了纳税评估,增强了管理的针对性和主动性。
总之,我们应加快脚步,使税收管理实现由任务管理向税源管理、粗放型管理向精细化管理的转变。逐步推行税源精细化管理,加大地税系统税源监控的范围和力度,其影响将是深远的。
二、开展税源精细化管理应具备的条件
税源精细化管理是一项系统的工作,要开展这项工作,必须要具备一定的条件。而开展税源精细化管理应具备的条件就是指税源管理诸环节的精细和量化。
1.税源底数精细。经济状况决定税收状况,经济总量决定税收总量,经济结构决定税收结构,经济增长决定税收增长。但是,理论上的潜在的税收要变成事实上的现实的税收,要靠各类纳税人根据法律自觉进行税务登记和纳税申报,同时要靠征税人对属地所辖纳税人的户数及其基本情况,包括纳税人户数,分布,名称、电话、地址、生产经营主业、原材料来源、生产经营状况、销售状况、投资状况、资金流、货物流等的全面了解和把握,以达到税源底数精细,尽量减少漏征漏管户。
2.管理过程精细。一是税源信息收集的精细。通过税务登记、纳税申报、税源巡查,外部门调查等工作,尽可能收集与纳税人有关的信息,构建相对全面完整的纳税人信息档案库,是税源管理事前工作的精细。二是税源监控的精细。利用收集的信息,通过中国税收征管信息系统、金税工程、纳税评估、发票监控等系统,对纳税人实时监控,及时发现问题,及时处理。这是税源管理事中工作的精细。三是税源分析评价的精细。利用有关信息对纳税人纳税状况进行分析评价,是税源管理事后工作的精细。要综合利用建立的各种指标或模式,做纵向横向的对比分析,找出疑点核查落实,使税源最大限度地变成应征税款纳入管理。
3.管理方法精细。税源精细化管理是对日常税源管理的进一步深化、细化,是对纳税评估、分类管理的进一步完善。通过多家行业的探索和实践,归纳提炼出不同的管理指标和方法,最大程度地掌控纳税人的资金流、货物流、信息流,实现票、款、货、税四者的全面监控。
4.管理标准量化。管理的最终目标是提高征收管理质量,实现应收尽收。通过建立一些量化的指标体系,如行业分类的细化程度、电子税源数据库的完善程度、税源监控指标的细化程度、征管流程的优化程度、管理基础健全程度,信息化应用程度、成果认定的科学程度等等,比较准确地衡量税源管理精细化的程度与水平。
三、加强地税系统税源精细化管理的措施
1.构建“扁平化”管理机构。效益管理、成本管理、效率管理以及质量管理都属于税源精细化管理。采用扁平化的组织机构不但可以缩减管理层次还可以很大程度上压缩管理机构并简化管理程序。对于我国的地税系统实行精细化管理的过程中可从撤销、合并现有征收成本高、管理范围小、税源相对有限、社会效益低的基层征管单位为突破口,按照属地管理、征管合一、大稳定小调整的原则,构建“扁平化”管理机构,实行相对集中征收和专业化管理的格局。按照效能原则,进一步优化现有征管业务流程,以流程导向替代职能导向,确保每一个税收岗位都成为税收征管“流水线”作业上的一环。设立税源监控、税收核批、税收服务、税务稽查、法律救济等为主要内容的管理流程。做到权责分离、职能分解、环环相扣,实现资源配置集约化、税源管理精细化
篇（8）
“管理问题是税制改革的核心而非辅助的问题”( Richard M. Byrd，1989) ，［1］( P213)精细化管理是在税收常规管理基础上对管理工作的进一步深化，是提高税收征管效率和税收服务质量的必然要求。税务机关作为国家的税收管理部门，随着社会发展和技术进步，需要不断引入新的管理方法和理念，以降低管理成本，提高管理效率和服务质量。如何有效评估过去一段时期我国税收征管水平，以及未来如何进一步加强税收管理工作，建立全新的精细化管理目标与模式，己成为当前税务研究中的热点问题。在国外，税收精细化管理问题很早就引起了学者的重视，如威廉•配第、亚当•斯密和瓦格纳等人，在他们提出的课税原则中，从税制行政成本最小化角度讨论税收管理优化问题。而将税收征管作为一个独立的研究对象始于 20 世纪 70 年代，美国财政学家马斯格雷夫( Musgrave，1973)［2］( P85 －97)提出税收管理的有效性与一国经济结构、收入水平及分配结构、纳税遵从度、税收管理部门与法院对税法执行程度等有关。美国学者詹姆斯•沃麦克和丹尼尔•鲁斯( James P. Womack，Daniel Roos，1999)［3］( P247 －289)主要探讨了精细化管理的起源、原则及应用范围，认为精细化管理主要来源于企业管理，是为了防止工业化大生产出现浪费而应运而生的。卡洛斯•西尔法尼和凯瑟琳•巴尔( Carlos Sizvani，Katherine Baer，1997)［4］根据税收差距大小，将税收管理水平按税收差距分为四个区间，分别是小于 10%、10% ～ 20%、20% ～ 40% 和 40% 以上，对应的税收管理效率分别为很高、相对有效、相对无效和非常无效，并指出了对应的征管目标和方法。国外已经对税收管理进行了多年的理论研究和实践探索，积累了大量经验和方法，为我国税收精细化管理提供了很好的借鉴。“理论是实践的先导”，但在国内，相对于理论研究，税收精细化管理实践探索起步更早，发展更快。从 20世纪 80 年代开始，税务部门从征管实践中摸索出许多改革经验，如税收征管模式、税务机构设置、信息化征管、人力资源管理等方面。在理论分析中，首次从精细化视角分析税收管理的是叶峥、藏显文( 1994)［5］，但他们主要是对我国涉外税收政策进行探讨，所提精细化管理是对“宜粗不宜细”立法模式的检讨和扬弃，并未对税收精细化管理方法进行深入分析。之后，随着市场经济与法制化进程的不断加快，理论与实务界对税收精细化管理研究逐步深入。在对精细化内涵的理解方面，汪中求( 2008)［6］指出精细化管理是一种管理理念和管理技术，是通过对规则的系统化和细化，运用标准化、程序化和信息化的手段，使各组织单元精确、协同和持续运行;在税收征管现状方面，张咏苹( 2004)［7］( P89 －138)认为当前税收管理瓶颈在于负责税收征收管理的一线机构偏少且过于集中、税收管理员制度不够科学、征管流程不够合理、纳税服务不够改善; 在税收管理改革取向方面，许月刚( 2002)［8］提出应实现组织机构“扁平化”、征管程序“简易化”、管理手段“多样化”、管理方式“人本化”和人员素质“专业化”。黄泽勇( 2006)［9］提出我国个人所得税管理中，由于缺乏个人纳税代码，使个人所得税征收困难，存在个人收入与纳税不对称的情况。应借鉴发达国家经验，建立健全个人纳税代码制度，制定《个人纳税代码法》，以更好地堵塞偷、漏税现象。曾国祥( 2002)［10］( P67 －98)提出税收征管改革中机构设置要遵循精简、高效和便利原则，不能增加机构，增加成本。2004 年全国税收征管工作会议上，谢旭人指出，要加强精细化管理，抓住税收征管的薄弱环节，有针对性地采取措施，抓紧、抓细、抓实，不断提高管理效能。［11］虽然目前对税收精细化管理的研究如火如荼，但其在税收管理领域仍是一个较新概念，众多学者并未对税收精细化管理的内容、方法和改革路径形成共识。国家税务总局提出的精细化管理，仅仅是针对“疏于管理，淡化责任”现实提出的治税理念，尚未形成一套系统的促进税收精细化管理贯彻落实的制度体系，甚至对“税收精细化管理”亦未曾进行准确定义。有鉴于此，本文试图对税收精细化管理进行进一步探讨，追溯其理论渊源，定量分析税收征管因素在我国税收增长中的作用，并针对我国征管现状提出改进建议。
二、税收精细化管理的理论基础
税收精细化管理就是基于社会经济发展和纳税人实际状况，将企业管理与公共管理相融合，在依法治税的前提下，提高税收管理水平和服务质量。税收精细化管理目标包括管理对象精细化、管理手段精细化、管理内容精细化和考核评价精细化等。从理论渊源上讲，税收精细化管理是在汲取现代西方管理中的流程再造理论、精益生产理论、纳税遵从理论和公共管理理论等理论成果而逐渐演化发展起来的，并与税务部门工作实际相结合产生的一种管理办法，税收精细化管理是对加强税收征管、提高纳税服务质量的必然要求。
( 一) 流程再造理论
流程再造理论是美国首创的关于企业经营管理方式的一种新的理论和方法。简而言之就是以生产流程为中心，重新设计企业的经营管理模式及运作方式。为了能够适应新的市场竞争环境，企业必须摒弃已成惯例的运营模式和管理方式，以生产流程为中心，对企业的生产、经营及管理方式进行重新设计。通过对企业原来生产经营诸环节进行全面调查和细致分析，将其不合理、不必要的环节进行彻底之变革。根据流程再造理论在税收精细化管理中的运用，需要对税务部门的外部征管流程和内部控制流程，按精细化的要求，彻底改造、剔除不必要的税收管理环节，以税收工作流程为中心，重新整合设计外部征管及内部控制方式。
( 二) 精益生产理论
税收精细化管理发轫于精益生产理论。精益生产源于丰田生产方式( TPS) ，丰田公司认为，在等待、搬运、工艺流程、安排库存等环节及由于生产过量、产品缺陷等原因，如果管理不当均会造成浪费，这些浪费对企业生存发展足以致命。要有效减少浪费，需要在生产、库存、作业再分配等各环节精益求精，实行精细化管理。实行精细化管理给丰田公司带来了巨大的回报，其生产与管理方式也引起了理论界的高度关注，美国麻省理工学院组织了 14 个国家的专家学者历时 5 年，对丰田制造方式进行探索、总结及提炼，并将该生产方式称之为精益生产。精益生产的理论和方法随着环境的变化而不断变迁、广为传播，并跨出了制造业领域，作为一种先进的管理理念在交通运输业、服务业、软件开发等行业得以应用与发展。税收精细化管理将精细化管理理念应用到税收工作中，吸收精益生产理论的精髓，避免粗放式管理，提高征管效率，降低税收成本。
( 三) 纳税遵从理论
纳税遵从是指纳税人按照税收法律法规的要求，使自身行为符合税收政策意图和税收立法精神，准确计算应纳税额，自觉履行纳税义务的行为。纳税遵从理论源自美国，主要包括对税收遵从度的研究和对遵从成本的研究。按纳税遵从度理论，纳税遵从主要分为三类［12］，包括由于担心因逃税而受到处罚的防卫性遵从、由于税收制度和税收管理十分严密而无机可逃的制度性遵从、由于对履行纳税义务的正确认知及获得高质量纳税服务而产生的忠诚性遵从。纳税遵从度可用四个指标来衡量( 理查德•伯德、米卡尔•卡萨内格拉•韩舍尔，1994)［13］( P136 －204): 包括潜在纳税人和登记纳税人之间的差额、登记注册的纳税人与实际申报的纳税人之间的差额、纳税人申报税额与根据法律应缴纳税额之间的差额、税务机关核定的税额与纳税人实际缴纳的税额之间的差额。西方学者研究认为，影响纳税人遵从的因素有很多，其中之一就是税收征管水平。税收征管水平越高，就越会对纳税人形成威慑力。纳税遵从理论对税收精细化管理具有以下启示意义: 税务部门要通过提高税收征管水平，对纳税人进行有力的监控，增加纳税不遵从的风险成本，促进纳税人自觉遵守税收法规，提高纳税遵从度，形成诚信纳税的良好氛围。
( 四) 公共管理理论
公共管理是以政府为核心的公共部门整合社会的各种力量，综合运用政治、经济、法律、管理等手段，强化政府的治理能力，提升政府工作绩效和公共服务质量，以实现社会福祉与公共利益。公共管理作为公共行政和公共事务重要组成部分，以公共利益为目标，强调政府、公民、企业多方主体的互动以及在公共问题上的收益共享、责任共担。公共管理理论既重视制度、法律的前提作用，更关注管理战略、管理方法的合理运用。税收管理是公共管理的一部分，公共管理的理论是税收精细化管理的基石，为税收精细化管理指明了原则和方向。
三、我国税收精细化管理现状的实证分析———以税收征管对税收收入增长贡献率为例
影响一国税收增减变动的因素有很多，如 GDP 规模、价格水平、产业结构、税制结构与税收政策、税收征管能力等。其中，税收征管是影响税收增减变动的重要一环，其对税收变动的影响分析在税制设计、税负分析、税收征管水平测定等方面都具有重要意义。此处通过分析和分解影响税收收入的各种因素，测算税收征管因素对我国税收增长的贡献率。
( 一) 实证分析思路及方法
在税收征管对税收增长贡献率的实证分析中，首先描述税收变化量计算公式，并在此基础上对引起税收变动的因素进行分解，结合相关数据测算出各因素对税收增长的贡献率。从宏观经济的角度看，税收直接取决于经济规模、价格变动和税收占名义 GDP 的比例。据此，可设定如下关系式:Ti= Gi* Pi* Ri( 1)其中: Ti表示第 i 期的税收收入; Gi表示第 i 期实际 GDP( 按上年价格计算) ; Pi表示第 i 期的 GDP 价格平减指数; Ri表示第期税收收入占名义 GDP 的比重; i =1，0 分别表示本期与上期。对( 1) 进行因素分解，有:T1T0=G1* P1* R1G0* P0* R0=G1G0P0* P1*R1R0=G1R0G0P0R0*G1P1R0G1R0*G1P1R1G1P1R0=G1R0N0R0*N1R0G1R0*N1R1N1R0( 2)其中 Ni表示第 i 期的名义 GDP( Ni= Gi* Pi) 。公式( 2) 表明，税收增长率等于本期实际 GDP 增长速度、GDP 价格平减指数与税收收入占名义 GDP 比重变化的连乘积。对( 2) 式两边取对数可得:lnT1－ lnT0=［ln( G1* R0) － ln( N0* R0) ］+［ln( N1* R0) － ln( G1* R0) ］+［ln( N1* R1) － ln( N1* R0) ］ ( 3)公式( 3) 表示为税收增长率的影响因素，若考虑影响税收绝对额变动的影响因素，则可作以下转化:T1－ T0= ( G1* R0－ N0* R0) + ( N1* R0－ G0* R0) + ( N1* R1－ N1* R0) ( 4)即: 税收收入变化量 = 由于经济增长增加的税收收入 + 由于价格上涨增加的税收收入 + 由于税收占 GDP比重变化增加的税收。根据上述影响税收的各因素可知，经济增长主要指 GDP 的增长，表现为上期名义 GDP 到本期实际 GDP 的变动( N0G1) ; 价格变动主要指 GDP 平价指数变动，表现为本期实际 GDP 到名义 GDP 的变动( G1N1) ; 税收占 GDP 比重变化主要是指产业结构变动、税收制度和税收征管因素变化等，表现为上期到本期税收占名义GDP 的变动( R0R1) 。特别指出的是，虽然税收占 GDP 比重变化因素包括因素较多，但通过具体考察某一产业的税收增长情况可剔除产业结构变动影响，而且税收制度变化一般较为缓慢，在实际分析中予以忽略，此时可将税收占 GDP 比重变化因素简述为征管因素对税收变化的影响。如果我们分别计算税收增长额、经济增长对税收增长的贡献和价格变化对税收增长的贡献，就可以匡算出税收占 GDP 比重变化对税收增长的贡献。这样就为分析税收征管因素对税收的影响程度提供了一种计算思路。
( 二) 数据检验。按照 2001 －2010 年《中国统计年鉴》及《中国财政年鉴》相关数据，根据前述税收增量因素分解方法计算得到结果如表 1、表 2 所示。表 1、表 2 显示了影响我国税收收入变动的因素变化趋势。从经济增长、价格变动和征管能力三个因素比较来看，近十年来价格变动因素对税收增长的贡献最大，2008 年前价格变动因素所引致的税收增长呈逐年上升趋势，并在最近两年维持高位震荡格局。2010 年由于价格因素导致的税收增加占税收总增量的一半以上( 58. 15%) ，即有过半的税收增长是由于价格上升导致的“名义性增长”; 除价格因素外，经济增长因素和征管能力因素在促进税收增长的贡献率的重要性上处于交替变化趋势。从税收征管能力提高对税收增长的贡献率来看，近十年来呈现出先升后降再升的“M”型变动趋势，随着税收管理手段和信息化水平的逐步提高，税收征管对促进税收增长的影响日益凸显，在 2007 年最高峰时贡献了 3364 亿元的税收增长，但由于税收增长的长期性因素在于经济增长带来的税源增加，税收征管效应在征管能力没有实质性的突破前难免“后劲不足”，在2007 年后呈现缓慢递减趋势，这就要求我们应高度重视税收征管因素对税收增长的影响，进一步加强税收征管力度，提高征管水平，以保证税收的健康、可持续增长。
四、税收精细化管理目标
强化税收征管是促进税收增长的重要因素。从上述分析可知，虽然我国税收征管水平较之以往有了较大幅度提升，但总体仍处于粗放式管理状态，具体表现之一是税收征管因素对税收增收的贡献率不高。2002 －2010 年间税收征管对税收增长贡献率最低年份不到 5% ，最高年份也仅为三分之一左右，平均贡献率为21. 34% ( 表 2) ，明显低于价格因素对税收增长的贡献率，大部分年份也低于经济增长因素对税收增长的贡献率; 其二是税收征管因素对税收增收的贡献率在年度间波动较大，且呈现震荡下降趋势。从表 2 可知，税收征管对税收增长贡献率在年度间呈现剧烈震荡格局，年度标准差为 9. 80，分别高于 7. 12 和 8. 80 的经济增长因素和价格因素对税收增长贡献的年度标准差值，在税收增长的三种因素中是最不稳定的，表明税收征管力度不稳定、不连续，无法形成对税收增长贡献的合理预期。此外，税收征管贡献率在近年来呈缓慢下降趋势，从 2002年的 36. 19%下降到 2010 年的 16. 71%，表明税收征管水平提高乏力，对税收增长的影响式微。税收征管因素对税收增收的贡献不大，表明税收征管某些环节可能存在缺陷，需要借助更先进的税收管理理念和方法来提升。此时学界提出的“精细化管理”概念应运而生，精细化管理是实现税收管理集约化、信息化的内在要求，是克服粗放式管理的必然选择。根据我国具体国情，税收精细化管理目标主要包括管理对象、管理手段、管理内容和考核评价的精细化等方面:
( 一) 实行科学分类，实现管理对象的精细化
管理对象精细化就是针对不同情况的纳税人实施不同的管理方式，即对纳税人实施分级、分类管理。为此，需制定切实可行的纳税人分类管理办法，根据纳税对象规模大小、行业类型、税种、经营方式、组织方式、信用记录等情况，在纳税信用分级管理基础上，制定和实施纳税人分级分类管理办法，集中力量解决矛盾主要方面，特别是对税收流失相对严重的行业、资产规模较大的企业及信用等级较差的纳税人进行重点管理，以实现精细化管理。［14］以企业规模分类为例，对大型企业，应根据大企业信息化程度较高优势，充分利用电子报税、税控装置等现代化管理工具，全面掌握企业的生产经营、财务核算以及物流、资金流信息，综合评价企业的经营能力和纳税能力; 对中小企业，税务机关应利用信息化手段，在属地管理的基础上，实行行业分类管理。从不同行业纳税人生产经营情况及涉税信息的分析入手，分行业确定监控指标体系，并运用合理的分析方法和模型对纳税人纳税申报信息的真实性和准确性进行综合评定; 对个体工商户，要深入推行电脑定税和定税公示制度，并进一步推行重点监控，特别是重点行业( 如移动通讯、建材、家具等) 和个体工商大户的税收管理，严格限制没达到起征点的情况，以保证税收收入，公平税负。
( 二) 提高科技含量，实现管理手段的精细化
以信息化为导向的手段精细化是管理精细化的前提。要提高税收管理精细化水平，应将信息技术引入税收监管，充分发挥税收征纳系统、税收征管数据库和信息资源数据库的作用。有几项工作需要深入研究: 一要拓宽信息来源渠道。注重通过税务登记、纳税申报、发票使用等环节收集纳税人的基本信息，保证纳税人涉税信息的完整和准确。同时应广泛推行纳税人网上申报、网上认证等电子申报方式，扩大信息采集的渠道和范围。二是做好与其他职能部门的信息情报交流交换工作，建立统一入口的纳税人信息系统平台，加快建立同银行、财政、工商、海关等部门的信息交换和共享。三要适时对涉税信息进行检查更新，确保涉税信息质量。定期对税收征管数据库进行清理，将“失真数据”、“垃圾数据”及时从信息管理系统中予以清除，保证涉税信息的真实性、准确性、及时性和完整性。
( 三) 强化基础管理，实现管理内容的精细化
篇（9）
人是生产力中的第一要素，是一切管理活动的主体。实施科学化、精细化管理，首要的是要加强对税收征管主体——税务干部的教育和管理，努力形成一种人人不甘落后，奋发向上，积极进取，争创一流的工作精神。
加强理想信念教育。理想信念是居于支配地位的价值观念，是思想政治工作的核心。在全面建设小康社会的新阶段，思想政治工作必须定位于促进人的全面发展，以人的全面发展为核心，努力形成尊重人、理解人、关心人、激励人的人本理念，激发干部工作热情，调动干部的工作积极性。深入持久地开展以爱岗敬业、公正执法、诚信服务、廉洁奉公为主要内容的职业道德建设，努力营造人尽其才、安居乐业的工作和生活环境。积极开展各种争先创优活动，努力形成一个良好的学习、工作氛围，使每一名税务干部养成精益求精的工作态度和作风。
强化责任意识。增强干部职工做好工作的主动性，养成精益求精的工作态度，必须强化责任意识。一是建立健全税收执法责任制。将税收的征收、管理、稽查等执法工作，细化为具体的执法岗位，以岗定责，以责定人，构建完整的岗责体系；对每个岗位的工作步骤、顺序、时限、形式和标准等作出明确细致的规定，设计科学、严密的工作规程；以岗位职责和工作规程为标准，对执法质量进行定期检查，建立奖励与约束相结合的评议考核体系；与评议考核、执法检查相衔接，实行严格的过错责任追究。二是要严格落实好以查促管工作制度。通过税务稽查，不仅要查处纳税人违法违规的问题，也要发现和分析税务部门自身存在的问题和原因。从而强化税务干部的责任意识，为实施科学化、精细化管理指明方向、找准症结、提供对策。
二、实施税收科学化、精细化管理，重点是抓住征管工作的具体环节
天下大事必作于细。细节贯穿于管理活动的全过程，体现着管理者的管理水平，凝结着管理的质量、效率及效果。只有不断地关注细节，认真加以规范和解决，才能不断提升管理水平，提高管理的有效性。实施科学化、精细化管理，当前应重点抓好以下几个环节：
1、纳税人户籍管理。这是税收征管工作最基础、最基本的管理环节。按照属地管理的原则，建立健全税收管理员制度，明确征管范围，落实管理责任；建立户籍日常巡察、实地核查工作制度，防止漏征漏管；健全户籍管理档案，及时归纳、整理和分析户籍管理的各类动态信息，强化和细化管理。
2、纳税申报管理。尽快探索完善纳税评估管理制度，使之成为税务机关强化税源管理、解决申报不实问题的一项重要管理手段。同时，要规范申报资料在征、管、查环节中的传递，注重申报信息的应用。
3、税源管理。强化税源管理，一是要明确管理责任。二是要明确管理重点——税基，就是要核实纳税人的收入与支出。三是实施分类管理。就是针对不同类型的纳税人，根据其生产经营状况和纳税信誉好坏程度，进行科学合理分类后，实施与之相对应的监控办法。对重点税源实行重点监控网络管理；对市场税源实行划片集中征收管理；对零星税源借助各行业、部门的管理优势，实行源泉控管综合治理；对关、停、并、转企业，失踪户、非正常户等特殊税源，按地域分户到人，实行行业监控和户籍管理，定期开展清理。
4、征管工作规程。征管工作规程是开展税收征管所必须遵循的基本的操作规范，包括业务处理流程及与之相关的表、证、单、书等，建立科学、规范、严密的征管工作规程，是推动实施科学化、精细化管理的基本手段和基本要求。由于各地在征管模式及计算机应用水平等方面存在差异，完全制定全国统一的征管工作规程难度很大，但其中的对外执法类业务流程及其相关文书必须统一。
篇（10）
税源精细化管理，是将精细化管理理论引入税收征管工作，按照法律法规赋予税务机关的职责权限和“信息化加专业化”的工作要求，结合征管业务重组和流程优化，在对纳税人充分了解和掌握的基础上，根据不同类型纳税人的特点，准确把握纳税人涉税信息及变动规律，明确税源管理内容和标准，细化监控指标，优化管理流程，合理设置岗位职责，全面落实管理责任，实现税源管理的“零缺陷”目标。税源精细化管理的最终目标就是要提高征管质量和效率。
一、精细化管理中税收管理员主体地位的确立及其重要性
针对目前经济税源呈现出多元化、复杂化的特征，税源分布的领域越来越广，税源的结构越来越复杂，税源的流动性和隐蔽性越来越强，税源监控的难度越来越大。而税源控管能力相对滞后于经济发展和企业发展，致使“疏于管理，淡化责任”的问题一直没有得到有效地解决，主要体现在税源监控人员对纳税人生产经营情况不了解、税源底数不清、掌握信息失真，申报真实性难以得到及时准确的分析和控制等。
税收管理员是精细化管理中人的因素，是管理中的主体，是精细化管理工作中活的灵魂，对税收管理员的管理、制约、监督和考核，从根本上影响着精细化管理工作实践的成败。开发区国税局在认真研究精细化管理工作理论的基础上，从人本管理的理念出发，探索出了一条税源精细化管理工作的新路。
二、税收管理员是精细化管理工作中的主体。起着承上启下的桥梁纽带作用
1．对税收管理员的要求
一是增强管理主体的工作责任感。积极引导干部深入学习“三个代表”重要思想，牢固树立和全面落实科学发展观，坚持聚财为国、执法为民。不断强化职责意识，认真做好每个岗位的工作，恪尽职守，精益求精。坚决防止和克服不思进取、无所事事、懈怠散漫的现象。
二是加强对管理主体的教育培训。以能力建设为核心，以信息化技术为依托，加大了对税收管理员的教育培训力度。在认真落实干部教育培训规划的基础上，全面开展了税源管理干部的岗位技能培训。培训过程中，税收管理员集中学习了省局制定的关于税源精细化管理的若干制度(办法)，熟悉了税源监控的内容、指标、方法及标准。加强了税收征管法、财务会计、稽查审计、计算机技术等内容的培训，提高了税源管理人员的业务素质和实际操作能力。
三是实行能级管理。合理划分岗位级别，通过考试、考核、竞争上岗等方式推行能级管理，科学测试和评定税源管理人员的能级，实行按能定岗、以岗定责，切实将政治素质高、业务能力强的税务干部选拔到税源管理岗位。深化劳动分配制度改革，适当拉开收入分配差距，激发税务干部积极进取、力争上游的工作主动性。
四是严格工作考核。对现有的税源管理考核指标进行了认真梳理，提高了考核的实用性、有效性和可操作性。坚持实事求是原则，注重工作实绩，将定量考核与定性考核相结合，能级与工作实际相结合。依托信息化手段加强税源管理过程控制，形成了科学的考核机制。对税收管理员工作的监督考评坚持了以人为本、公正公开、注重实效、奖惩兑现的原则。
坚持内外并举，通过设立举报箱、发放问卷、调查走访等形式，让社会各界和纳税人评判税收管理员的工作质量，增强监督考评的客观性、全面性、真实性。
坚持监督考评与效能监察和执法过错责任追究工作的有机结合。积极开展行政执法检查和执法监察，将监督考评结果与税收管理员评先树优、能级评定挂钩，严格兑现奖惩，对发现的索贿受贿、徇私舞弊、玩忽职守、滥用职权等违法违纪行为和执法过错及时移交有关部门追究相关税收管理员的责任。
2．税收管理员对纳税人的精细化管理
税收管理员专职承担税源监控管理任务，主要职责包括税源监控、纳税评估、日常检查、纳税服务等。税源监控方面：运用“信息化加专业化”的多种有效手段，通过对纳税人涉税信息的采集、整理、比对、分析，对所有可能影响税收收入的源头进行监督控制。
针对不同行业、不同区域、不同规模、不同税种及不同信用等级的纳税人，实施动态分类管理，全面准确掌握其生产经营状况、财务核算情况和涉税信息变动规律，堵塞税收漏洞，引导纳税遵从，突出税源管理的针对性和时效性。
税收管理员有计划地对辖区进行巡察，充分利用外部信息管理系统比对信息或通过其他信息渠道发现漏征漏管户线索，对查找到的督促其限期改正，并视情节轻重向有关部门提出处罚建议。
对申请领购发票的纳税人进行实地调查核实，初步核定其用票种类、领购方式(批量供应、交旧领新罐}旧领新)等，报经有关部门或负责人审批后反馈给办税服务厅。加强对纳税人使用、取得、保管、缴销发票情况的监控管理，督促用票单位和个人建立逐笔开具发票制度，加强对农产品收购、废旧物资销售、交通运输、海关完税凭证等发票的监控管理，把发票控管与掌握企业生产经营信息结合起来，认真审核确认生产经营行为的真实性，及时比对纳税情况，堵塞几种发票在抵扣税款方面的漏洞。
实行动态监控，切实做好防伪税控系统、税控收款机、税控加油机等税控器具推广应用的监控管理工作和申报数据与税控数据的核对、记录工作。
定期到纳税人生产经营场所实地了解情况，全面准确掌握其生产工艺、设备、产品、原料、销售、库存、能耗、物耗等生产经营状况和成本、价格、利润等财务情况，通过对纳税人当期涉税指标与历史指标的纵向比对、同行业纳税人涉税指标的横向比对、实物库存及流转情况与账面记录情况的账实比对，及时取得动态监控数据，找出影响税负变化的主要因素，分析税负变化趋势。
建立了重点税源企业的管理台账，积累重点税源企业档案资料，做好重点税源企业年度税收计划的编制和落实，实时监控税源变动，定期编写上报重点税源调查分析、预测报告。
纳税评估方面：每一纳税申报期结束后，充分利用“一户式”纳税信息资料管理系统，结合企业生产经营状况及行业指标的横向分析和历史指标的纵向分析，对所辖纳税人纳税申报的真实性和准确性做出初步判断，并有重点地对零负申报、低于各税种警戒指标、领购发票数量增幅较大而应税收入计税依据和应交税金增幅不大、票表稽核有偷漏税嫌疑以及日管发现有疑点的纳税人进行综合分析，确定纳税评估对象。
对纳税评估发现的一般性问题，如计算填写、政策理解等非主观性质差错，可约谈纳税人。通过约谈进行必要的提示与辅导，引导纳税人自行纠正差错，在申报纳税期限内的，根据税法有关规定免予处罚。对纳税评估发现需要进一步核实的问题，可下户做进一步调查核实，调查核实的过程和结果要进行记录。
日常检查方面：针对纳税人、扣缴义务人在某一纳税环节或某一方面履行纳税义务情况进行检查，及时了解纳税人生产经营和财务状况等不涉及立案检查与系统审计。认真搞好纳税服务方面，做好对所辖纳税人的税法宣传工作，对新出台的各项税收政策及有关规定，及时宣传到每一户纳税人，并有针对性地选择重点税源、重点行业和纳税意识相对薄弱的纳税人进行重点宣传和讲解。
三、管理主体精细化中需要注意的几个问题
1．发挥信息化在税源管理中的作用，建立起规范高效的税源控管机制
充分发挥信息技术在税源监控中的应用要做好以下几点：一是要切实提高工作人员信息化应用水平；二是要充分采集税源的基础资料。积极筹建“一户式”管理系统，提高信息共享水平，实现税源情况“一网通”；三是要加快信息数据的处理。及时淘汰、更新垃圾数据，最大限度的提高数据信息的增值利用。
2．合理配置人力资源，建立科学合理的岗责体系
一是要充实税收管理员队伍，保证税源监控岗位人员“不缺位”；二是对税收管理员队伍不断优化组合。挑选业务骨干不断充实到税收管理员队伍中。三是不断对税收管理员队伍进行“充电”，加大培训力度。
同时，建立起合理的岗位体系。因事设岗，因岗配置人员。将涉及税收管理的各项指标进行量化、细化、固化，确定科学合理的考核标准，并逐一分解落实到具体部门、岗位和人员，对确实难以量化的要抓住关键部位、关键环节，选准关键控制点，进行有效的监督控制。
