日本的所得稅計算方式


? 【1】所得稅的計算步驟(概要)

日本的所得稅大致按照以下順序來計算:

1?? 統計收入(銷售額、工資等)
2?? 扣除必要經費等,得到「所得金額」
3?? 扣除各類「所得控除」(所得扣除),得到「課稅所得」
4?? 對課稅所得按累進稅率計算稅額
5?? 扣掉稅額控除(稅額抵免)后,得出最終應納稅額


? 【2】超簡單示例

以下以工資收入為例子來說明。
(※ 事業所得、不動產所得等也用相同流程,但中間的細節略有不同)


【步驟1】收入金額

例如:年收入(工資)600萬日元


【步驟2】所得金額(扣除工資所得扣除)

工資所得有個固定的「給與所得控除」(工資所得扣除)金額。

? 2025年為例(近似數值):

  • 600萬日元年收入 → 約174萬日元的工資所得扣除(精確數額需看國稅廳速算表)

工資所得 = 600萬 ? 174萬 = 426萬日元


【步驟3】扣除所得控除

在這個基礎上,再扣除「所得控除」。

? 主要的所得控除

  • 基礎扣除:48萬日元
  • 扶養控除、配偶者控除、社會保險費控除等

如果只考慮基礎扣除:

課稅所得 = 426萬 ? 48萬 = 378萬日元


【步驟4】對課稅所得按稅率計算

日本的所得稅是累進稅制,課稅所得不同區間采用不同稅率。

2025年也基本如下(國稅部分的稅率速算表):

課稅所得(區間)稅率速算控除額
1,000円~1,949,000円5%0円
1,950,000~3,299,000円10%97,500円
3,300,000~6,949,000円20%427,500円
6,950,000~8,999,000円23%636,000円
… (以下省略)

? 課稅所得378萬 → 落在20%這一檔

  • 378萬 × 20% ? 427,500
  • = 756,000 ? 427,500
  • = 328,500日元

→ 這就是國稅部分的概算所得稅額


【步驟5】稅額控除等

  • 如果有住宅貸款控除等,在這里可以抵減
  • 得出最終應繳所得稅額

? 【3】別忘了住民稅

除了所得稅(國稅),還需要繳納地方稅,也就是住民稅(都道府縣+市區町村稅),大約是一律10%左右(包含均等割和所得割)。

  • 對課稅所得約按10%來算
  • 例如課稅所得378萬 → 住民稅約38萬日元

? 【4】總結示例

以年收600萬日元的工資所得者(簡化版計算)為例

  • 工資所得:426萬日元
  • 課稅所得:378萬日元
  • 所得稅(國稅):約32萬日元
  • 住民稅:約38萬日元
  • 合計稅負:約70萬日元

? 【5】如果要更精確計算

  • 先查到準確的工資所得扣除金額(用國稅廳公布的表來查)
  • 計算時包含所有所得控除(社會保險費扣除、扶養控除、配偶者控除等)
  • 最后再考慮稅額控除(如住宅貸款控除等)

? 【6】官方和實用鏈接

  • 國稅廳「所得稅速算表」
  • 國稅廳「所得稅申告書等作成コーナー」
  • 各市區町村的住民稅計算網頁

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/pingmian/88926.shtml
繁體地址,請注明出處:http://hk.pswp.cn/pingmian/88926.shtml
英文地址,請注明出處:http://en.pswp.cn/pingmian/88926.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

【langchain4j篇01】:5分鐘上手langchain4j 1.1.0(SpringBoot整合使用)

目錄 一、環境準備 二、創建項目、導入依賴 三、配置 application.yml 四、注入Bean,開箱即用 五、日志觀察 一、環境準備 首先和快速上手 Spring AI 框架一樣的前置條件:先申請一個 apikey ,此部分步驟參考:【SpringAI篇01…

js運算符

運算符 jarringslee*賦值運算符 - / 對變量進行賦值的運算符,用于簡化代碼。左邊是容器,右邊是值一元運算符正號 符號- 賦予數據正值、負值自增 自減– 前置和后置:i和i:一般情況下習慣使用后置i,兩者在單獨…

next.js 登錄認證:使用 github 賬號授權登錄。

1. 起因, 目的: 一直是這個報錯。2. 最終效果, 解決問題,能成功登錄、體驗地址:https://next-js-gist-app.vercel.app/代碼地址: https://github.com/buxuele/next-js-gist-app3. 過程: 根本原因: github 的設置&…

深入理解設計模式:原型模式(Prototype Pattern)

在軟件開發中,對象的創建是一個永恒的話題。當我們需要創建大量相似對象,或者對象創建成本較高時,傳統的new操作符可能不是最佳選擇。原型模式(Prototype Pattern)為我們提供了一種優雅的解決方案——通過克隆現有對象…

Rocky Linux 9 源碼包安裝php8

Rocky Linux 9 源碼包安裝php8大家好,我是星哥!今天咱們不聊yum一鍵安裝的“快餐式”部署,來點兒硬核的——源碼編譯安裝PHP 8.3。為什么要折騰源碼?因為它能讓你深度定制PHP功能、啟用最新特性,還能避開系統默認源的版…

Django母嬰商城項目實踐(四)

4、路由規劃與設計 1、概述 介紹 路由稱為 URL(Uniform Resource Locator,統一資源定位符),也稱為 URLconf,對互聯網上得到的資源位置和訪問方式的一種簡潔表示,是互聯網上標準梓源的地址。互聯網上的每個文件都有一個唯一的路由,用于指出網站文件的路由位置,也可以理…

論文閱讀:arxiv 2025 A Survey of Large Language Model Agents for Question Answering

https://arxiv.org/pdf/2503.19213 https://www.doubao.com/chat/12038636966213122 A Survey of Large Language Model Agents for Question Answering 文章目錄速覽論文翻譯面向問答的大型語言模型代理綜述摘要一、引言速覽 這篇文檔主要是對基于大型語言模型(…

ONNX 是什么

ONNX 是什么? ONNX,全稱 Open Neural Network Exchange,是微軟和 Facebook(現在的 Meta)聯合發起的一個開放的神經網絡模型交換格式。簡單理解:ONNX 是一個通用的「AI 模型存檔格式」。用 PyTorch、TensorF…

【Python3】掌握DRF核心裝飾器:提升API開發效率

在 Django REST Framework (DRF) 中,裝飾器(Decorators)通常用于視圖函數或類視圖,以控制訪問權限、請求方法、認證等行為。以下是 DRF 中常用的裝飾器及其功能說明: 1. api_view 用途: 用于基于函數的視圖&#xff0c…

Datawhale AI 夏令營第一期(機器學習方向)Task2 筆記:用戶新增預測挑戰賽 —— 從業務理解到技術實現

Datawhale AI夏令營第一期(機器學習方向)Task2筆記:用戶新增預測挑戰賽——從業務理解到技術實現 一、任務核心:業務與技術的“翻譯” 本次Task聚焦“用戶新增預測挑戰賽”的核心邏輯,核心目標是鍛煉“將業務問題轉化為…

【人工智能】華為昇騰NPU-MindIE鏡像制作

本文通過不使用官方鏡像,自己在910b 進行華為mindie的鏡像制作,可離線安裝部署。 硬件:cann 8.0 1. 部署參考文檔: 安裝依賴-安裝開發環境-MindIE安裝指南-MindIE1.0.0開發文檔-昇騰社區 2. 參數說明文檔:https://www.hiascend.com/document/detail/zh/mindie/100/min…

關于我用AI編寫了一個聊天機器人……(番外1)

極大地精簡了1.3.6版本的邏輯。 不會作為正式版發布。 未填充數據。核心結構代碼包含兩個主要部分&#xff1a;數據結構&#xff1a;使用map<string, string>存儲問答對&#xff0c;其中鍵是問題&#xff0c;值是答案主程序流程&#xff1a;初始化預定義的問答對進入無限…

全球鈉離子電池市場研究,市場占有率及市場規模

鈉離子電池是一種新興的儲能技術&#xff0c;利用鈉離子&#xff08;Na?&#xff09;代替鋰離子作為電荷載體&#xff0c;為鋰離子電池提供了一種經濟高效且可持續的替代品。它們的工作原理類似&#xff0c;在充電和放電循環過程中&#xff0c;鈉離子在陽極和陰極之間移動。關…

SwiftUI 全面介紹與使用指南

目錄一、SwiftUI 核心優勢二、基礎組件與布局2.1、基本視圖組件2.2、布局系統2.3、列表與導航三、狀態管理與數據流3.1、狀態管理基礎3.2、數據綁定與共享四、高級功能與技巧4.1、動畫效果4.2、繪圖與自定義形狀4.3、網絡請求與異步數據五、SwiftUI 最佳實踐六、SwiftUI 開發環…

ADC采集、緩存

FPGA學習筆記_李敏兒oc的博客-CSDN博客 TLV5618.v&#xff1a;實現DAC數模轉換&#xff0c;產生模擬信號&#xff0c;輸出指定電壓值 時序圖 FPGA學習筆記&#xff1a;數據采集傳輸系統設計&#xff08;二&#xff09;&#xff1a;TLV5618型DAC驅動-CSDN博客 ADC128S052.v&…

(C++)STL:stack、queue簡單使用解析

stack 棧 簡介 stack 棧——容器適配器 container adapter 與前面學的容器vector、list的底層實現不同&#xff0c;stack功能的實現是要借助其他容器的功能的&#xff0c;所以看stack的第二個模板參數是容器。 最大特點&#xff1a;LIFO&#xff1a;Last In, First Out&#xf…

在Adobe Substance 3D Painter中,已經有基礎圖層,如何新建一個圖層A,clone基礎圖層的紋理和內容到A圖層

在Adobe Substance 3D Painter中&#xff0c;已經有基礎圖層&#xff0c;如何新建一個圖層A&#xff0c;clone基礎圖層的紋理和內容到A圖層 在 Substance 3D Painter 中克隆底層紋理到新圖層的最快做法 操作步驟 添加空白 Paint Layer 在 Layer Stack 頂部點擊 → Paint La…

視頻編碼中熵編碼之基于上下文的變長編碼(Huffman霍夫曼編碼和指數哥倫布)

視頻編碼中熵編碼之基于上下文的變長編碼&#xff08;Huffman霍夫曼編碼和指數哥倫布&#xff09; 視頻編碼中熵編碼之基于上下文的變長編碼Huffman霍夫曼編碼和指數哥倫布&#xff09;視頻編碼中熵編碼之基于上下文的變長編碼&#xff08;Huffman霍夫曼編碼和指數哥倫布&#…

游戲玩法的專利博弈

首席數據官高鵬律師數字經濟團隊創作 AI輔助一、數字戰場的護城河&#xff1a;游戲玩法的專利價值覺醒在數字經濟的浪潮中&#xff0c;游戲行業正以每年超15%的增速重塑全球娛樂版圖。2024年中國游戲市場規模突破3257億元&#xff0c;用戶規模達6.74億&#xff08;數據來源&…

小架構step系列11:單元測試引入

1 概述 在還沒有寫什么代碼之前&#xff0c;就引入單元測試&#xff0c;是要強調單元測試的重要性。當一套代碼的生命周期比較長的時候&#xff0c;單元測試更加重要。生命周期長的代碼&#xff0c;不管是產品人員還是開發人員&#xff0c;可能都會換了一批又一批&#xff0c;…