The Comparison of Multi-variable Linear Regression and Artificial Neutral Networks in Tax Evasion of Legal Persons in Iranian Tax System
. J Tax Res 2019; 26 (40) :157-185
URL:
http://taxjournal.ir/article-1-1595-fa.html
ناصرآبادی دلیر، جمشیدی نوید بابک، طاهرآبادی علی اصغر، قنبری مهرداد. کشف فرار مالیاتی اشخاص حقوقی : مقایسه کارایی رگرسیون خطی چند متغیره و شبکه های عصبی مصنوعی . پژوهشنامه مالیات. 1397; 26 (40) :157-185
URL: http://taxjournal.ir/article-1-1595-fa.html
چکیده: (3678 مشاهده)
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.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
اقتصادی دریافت: 1398/4/24 | پذیرش: 1398/4/24 | انتشار: 1398/4/24