دوره 25، شماره 33 - ( 1396 )
جلد 25 شماره 33 صفحات 37-11 |
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:
تحلیل آینده‌نگر تشخیص فرار مالیاتی مؤدیان مالیات بر ارزش افزوده با استفاده از الگوریتم‌های طبقه‌بندی و خوشه‌بندی. پژوهشنامه مالیات. 1396; 25 (33) :11-37
چکیده: (3807 مشاهده)
فرار مالیاتی یکی از دغدغه‌های مستمر نظامهای مالیاتی به‌خصوص در کشور‌های در حال توسعه میباشد. هدف از دریافت مالیات بر ارزش افزوده، شفافسازی تدریجی مبادلات اقتصادی و هم‌چنین ایجاد منبع درآمدی جدید، ثابت و قابل اتکاء برای تأمین هزینه‌های دولت است و ضرورت دارد این شفافسازی از مرحله خرید مواد اولیه تا تولید و فروش کالا صورت گیرد تا بتوان مالیات را به‌درستی وصول کرد. هوش تجاری به‌طورکلی و داده‌کاوی به‌طور خاص، 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 (1393-1388) که از سوی سازمان امور مالیاتی کشور حسابرسی شده‌اند و روش‌های داده‌کاوی شامل الگوریتم‌های طبقه‌بندی Decision Tree، Naive Bayes و K-Nearest Neighbor و الگوریتم‌های خوشه‌بندی K-means و K-medoidsاقدام به پیش‌بینی فرار مالیاتی مؤدیان شد، سپس با استفاده از شاخص سیلوئت (Silhouette) ، نتایج به‌دست آمده اعتبارسنجی شد. این نتایج می‌تواند به سازمان امور مالیاتی کشور جهت برنامه‌ریزی برای تشخیص فرار مالیاتی کمک کند.
نوع مطالعه: پژوهشي |
موضوع مقاله:
اقتصادی
دریافت: 1396/12/28 | پذیرش: 1396/12/28 | انتشار: 1396/12/28
دریافت: 1396/12/28 | پذیرش: 1396/12/28 | انتشار: 1396/12/28
| ./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. |
