دوره 30، شماره 55 - ( 1401 )
جلد 30 شماره 55 صفحات 126-108 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
فلاح شمس میرفیض، زمردیان غلامرضا، انواری رستمی علی اصغر، خرم نیا هوشنگ. مقایسه مدل شبکه عصبی و رگرسیون لاجیت در اعتبارسنجی مؤدیان مالیاتی. پژوهشنامه مالیات. 1401; 30 (55) :108-126
1- ، khoramniah@gmail.com
چکیده: (1135 مشاهده)
یکی از مراحل مهم در اجرای طرح جامع مالیاتی، انجام حسابرسی بر مبنای ریسک است. این امر موجب کاهش چشمگیر هزینههای حسابرسی مالیاتی و صرفهجویی در زمان میشود. حسابرسی بر مبنای ریسک نیازمند شناسایی سطح ریسک هر مؤدی مالیاتی می باشد؛ لذا تبیین مدلی جامع و کامل جهت شناسایی درجه ریسک مؤدیان مالیاتی یکی از گام های اساسی در اجرای طرح جامع مالیاتی میباشد. جامعه آماری این پژوهش شرکتهای پذیرفته شده در بورس اوراق بهادار تهران هستند که طی سالهای 1392 تا 1397 فعال بوده اند و برای انتخاب نمونه از روش غربالگری (حذفی (استفاده شده است. در این پژوهش ابتدا با استفاده از تکنیک دلفی و متا سنتز 164 مؤلفه مؤثر در اعتبارسنجی مؤدیان مالیاتی شناسایی گردید. درگام بعد دادههای مورد نیاز برای اندازهگیری متغیرهای پژوهش از سایت کدال و با بررسی پرونده های مالیاتی طی سالهای 1397-1392 استخراج شد و در نهایت با استفاده از دادههای جمع آوری شده به بررسی میزان دقت دو مدل شبکه عصبی و رگرسیون لاجیت در اعتبارسنجی مؤدیان مالیاتی پرداختیم. یافتهها نشان داد که هرچند مدل لاجیت در شناسایی مؤدیان پر ریسک توان بیشتری دارد، ولی در سایر موارد تشخیص مناسبی ندارد و در مجموع بر اساس نتایج حاصل از مقدار AUC[1] مدل شبکه عصبی برازش بهتری دارد.
[1]. Area under the ROC Curve
ارسال پیام به نویسنده مسئول
| ./files/site1/images/%D8%B3%D9%85%DB%8C%D9%85_%D9%86%D9%88%D8%B1.pngبازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
