[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: سال 25، شماره 35 - ( 9-1396 ) ::
جلد 25 شماره 35 صفحات 11-36 برگشت به فهرست نسخه ها
تحلیل آینده‌نگر تشخیص فرار مالیاتی مؤدیان مالیات بر ارزش افزوده با استفاده از الگوریتم‌های طبقه‌بندی و خوشه‌بندی.
محمدتقی تقوی‌فرد، ایمان رئیسی‌ وانانی، ریحانه پناهی*
کارشناس ارشد
چکیده:   (280 مشاهده)

فرار از مالیات یکی از دغدغه‌های مستمر برای هر نظام مالیاتی به‌خصوص در کشور‌های درحال‌توسعه است. هدف از دریافت مالیات ‌بر ‌ارزش‌ افزوده، شفاف‌‌‌‌‌سازی تدریجی مبادلات اقتصادی به‌دلیل ویژگی خودکنترلی و قابلیت ردیابی معاملات در زنجیره‌های مبادلات و هم‌چنین ایجاد منبع درآمدی جدید، ثابت و قابل اتکا برای تامین هزینه‌های دولت است و ضرورت دارد این شفاف‌‌‌سازی در مبادلات فی‌مابین فعالان اقتصادی از مراحل اولیه خرید مواد اولیه تا تولید و فروش کالا در کار باشد تا بتوان مالیات را به‌درستی دریافت کرد. هوش تجاری به‌طورکلی و داده‌کاوی به‌طورخاص، ابزارهای مؤثری برای افزایش کارایی و اثربخشی تشخیص فرار از پرداخت مالیات هستند. در این پژوهش بر اساس اطلاعات موجود در اظهارنامه‌های مالیاتی مؤدیان مالیات بر ارزش افزوده در سال‌های مورد مطالعه (93-88) که از سوی سازمان امور مالیاتی حسابرسی شده‌اند و روش‌های داده‌کاوی شامل الگوریتم‌های طبقه‌بندی K-Nearest Neighbor ،Naive Bayes ،Decision Tree و الگوریتم‌های خوشه‌بندی K-means و K-medoids اقدام به پیش‌بینی فرار مالیاتی مؤدیان شد، سپس با استفاده از شاخص سیلوئت (Silhouette) به اعتبارسنجی نتایج به‌دست آمده پرداخته و با توجه به تحلیل‌های صورت گرفته بر روی شاخص‌های مالیاتی خوشه‌های به‌دست آمده، مؤدیان در دو گروه کم‌ریسک و پرریسک طبقه‌بندی شدند. نتایج به‌دست ‌آمده با استفاده از الگوریتم‌های طبقه‌بندی و خوشه‌بندی، می‌تواند به سازمان امور مالیاتی جهت برنامه‌ریزی برای تشخیص فرار مالیاتی کمک کند.

واژه‌های کلیدی: فرار مالیاتی، مالیات بر ارزش افزوده، داده‌کاوی، طبقه‌بندی، خوشه‌بندی.
متن کامل [PDF 1556 kb]   (82 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سایر
دریافت: ۱۳۹۵/۱۰/۲۷ | پذیرش: ۱۳۹۶/۹/۱۲ | انتشار: ۱۳۹۶/۱۲/۱۵
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

کد امنیتی را در کادر بنویسید >


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Taghavi Fard M, Raeesi Vanani I, Panahi R. A Predictive Analytics for Detection of VAT Taxpayers Evasion Through Classification & Clustering Algorithms.. tax research. 2017; 25 (35)
URL: http://taxjournal.ir/article-1-931-fa.html

تقوی‌فرد محمدتقی، رئیسی‌ وانانی ایمان، پناهی ریحانه. تحلیل آینده‌نگر تشخیص فرار مالیاتی مؤدیان مالیات بر ارزش افزوده با استفاده از الگوریتم‌های طبقه‌بندی و خوشه‌بندی.. پژوهشنامه مالیات . 1396; 25 (35)

URL: http://taxjournal.ir/article-1-931-fa.html



سال 25، شماره 35 - ( 9-1396 ) برگشت به فهرست نسخه ها
فصلنامه پژوهشنامه مالیات (علمی-پژوهشی) Iranian National Tax Administration (INTA)
Persian site map - English site map - Created in 0.05 seconds with 31 queries by YEKTAWEB 3638