Journal of Tax Research
پژوهشنامه مالیات
J Tax Res
Literature & Humanities
http://taxjournal.ir
1
admin
2251-6484
2717-1817
0
10.61186/taxjournal
0
0
0
fa
jalali
1397
12
1
gregorian
2019
3
1
26
40
online
1
fulltext
fa
کشف فرار مالیاتی اشخاص حقوقی : مقایسه کارایی رگرسیون خطی چند متغیره و شبکه های عصبی مصنوعی
The Comparison of Multi-variable Linear Regression and Artificial Neutral Networks in Tax Evasion of Legal Persons in Iranian Tax System
اقتصادی
Economic
پژوهشي
Research
<span style="font-family:b mitra;"><span style="font-size:13.0pt;">یکی از مهمترین مشکلات نظام مالیاتی در عمده کشورهای دنیا، فرار مالیاتی است. فرار مالیاتی عبارت از هر گونه تلاش غیرقانونی به منظور نپرداختن مالیات است؛ در تحقیق حاضر عوامل مؤثر بر فرار مالیاتی از دیدگاه خبرگان با استفاده از روش دِلفی استخراج گردید که بر این اساس تعداد 29 عامل شناسایی و از بین عوامل شناسایی شده با توجه به قابلیت اندازه گیری تعداد 16 عامل استخراج نهایی گردید. جامعه آماری شامل شرکت­های فعال دارای پرونده در 42 اداره کل امور مالیاتی سطح کشور بوده که بر اساس جدول مورگان تعداد 400 شرکت به عنوان نمونه برای عملکرد سال 1391 انتخاب گردید. داده های استخراج شده بر اساس روش های رگرسیون خطی چند متغیره و همچنین شبکه های عصبی مصنوعی مورد تحلیل و بررسی قرار گرفت که هر دو روش بیانگر تأثیر عوامل شناسایی شده بر فرار مالیاتی شرکت ها بوده است. در مرحله بعدی کارایی هر یک از تکنیک های رگرسیون خطی چند متغیره و شبکه عصبی مصنوعی مورد بررسی قرار گرفت که نتایج آن بیانگر کارایی بیشتر شبکه های عصبی مصنوعی در مقایسه با رگرسیون خطی چند متغیره بوده است. بر این اساس کارایی رگرسیون خطی چند متغیره در کشف فرار مالیاتی اشخاص حقوقی 60 درصد، در حالی که کارایی شبکه های عصبی مصنوعی 82,5 درصد بوده است. </span></span>
Tax evasion is one of the most important problems of tax system in the most countries around the world. It covers any unlawful attempt to avoid paying taxes. In present study, the affective factors on tax evasion based on experts’ views were extracted by using Delphi method, so we identified 29 factors and finally 16 factors were extracted based on measurement ability among them. The statistical population of this study was the companies who had files in Tax organization. Based on Morgan’s table, 400 companies were selected as sample for performance of year 2012. The extracted data were analyzed based on multi-variable linear regression and artificial neutral networks, that both methods represent the effect of identified factors on tax evasion of companies. Then we analyzed the efficiency of multi-variable linear regression and artificial neutral networks, the results showed that artificial neutral networks have more efficiency in comparison with multi-variable linear regression. So, efficiency of multi-variable linear regression to detect tax evasion of legal persons was 60%, while efficiency of artificial neutral networks was 82.5%.
اشخاص حقوقی, فرار مالیاتی, رگرسیون خطی چندمتغیره, شبکههای عصبی مصنوعی.
Legal Persons, Multi-variable Linear Regression, Artificial Neutral Networks
157
185
http://taxjournal.ir/browse.php?a_code=A-10-1450-2&slc_lang=fa&sid=1
دلیر
ناصرآبادی
10031947532846006259
10031947532846006259
Yes
بابک
جمشیدی نوید
10031947532846006260
10031947532846006260
No
علی اصغر
طاهرآبادی
10031947532846006261
10031947532846006261
No
مهرداد
قنبری
10031947532846006262
10031947532846006262
No