TY - JOUR T1 - Providing a Model for Detecting Tax Fraud Based on the Personality Types of Corporate Financial Managers using the Neural Network Approach TT - ارائه الگویی برای کشف تقلب مالیاتی بر اساس تیپ‌های شخصیتی مدیران مالی شرکتها با استفاده از رویکرد شبکه‌های عصبی JF - Journal-of-Tax-Research JO - Journal-of-Tax-Research VL - 30 IS - 53 UR - http://taxjournal.ir/article-1-2117-fa.html Y1 - 2022 SP - 71 EP - 96 KW - Personality Types KW - Tax Fraud KW - Neural Network Approach N2 - یکی از اقدامات مدیریتی به‌منظور کاهش تعهدات مالیاتی، عدم پرداخت مالیات از طریق تقلب مالیاتی است. ازآنجاکه عوامل شخصیتی احتمالاً در توضیح روحیه مالیات دخیل هستند، بررسی ویژگی­های شخصیتی و جنبه­های آن در رابطه با تقلب مالیاتی می­تواند به شناخت بهتر عوامل تأثیرگذار بر تصمیمات مالیاتی کمک کند. هدف اصلی این پژوهش ارائه الگویی برای کشف تقلب مالیاتی بر اساس تیپ­های شخصیتی مدیران مالی شرکت­ها با استفاده از رویکرد شبکه­های عصبی است. جامعه آماری پژوهش را کلیه مدیران مالی شرکت‌های بورسی و غیربورسی در سال 1399 که معاف از مالیات نیستند، تشکیل می‌دهند. اطلاعات مربوط به مدیران مالی از طریق پرسشنامه جمع­آوری و با استفاده از نرم­افزار SPSS نسخه 21 و نرم­افزار MATLAB نسخه 2015 مورد تجزیه‌وتحلیل قرار گرفت. نتایج پژوهش حاکی از آن است که الگوی شبکه عصبی طراحی‌شده با 10 نرون در لایه پنهان دارای دقت 5/79 درصد توانایی کشف تقلب مالیاتی صورت گرفته توسط مدیران مالی شرکت­ها را دارد. همچنین طبق نتایج حاصل از آزمون مدل رگرسیونی، تیپ­های شخصیتی روان­رنجوری، برون‌گرایی، انعطاف­پذیری و توافق­پذیری بر تقلب مالیاتی تأثیر مثبت و معنی­دار و تیپ شخصیتی باوجدان بودن تأثیر منفی و معنی­دار بر تقلب مالیاتی دارد. M3 10.52547/taxjournal.30.53.3 ER -