other مقایسه مدل شبکه عصبی و رگرسیون لاجیت در اعتبارسنجی مؤدیان مالیاتی مدیریتی Management پژوهشي Research <span style="font-size:10pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span sans-serif="" style="font-family:Calibri,"><span lang="FA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">یکی از مراحل مهم در اجرای طرح جامع مالیاتی، انجام حسابرسی بر مبنای ریسک است. این امر موجب کاهش چشم&shy;گیر هزینه&shy;های حسابرسی مالیاتی و صرفه&shy;جویی در زمان می&shy;شود. حسابرسی بر مبنای ریسک نیازمند شناسایی سطح ریسک هر مؤدی مالیاتی می باشد؛ لذا تبیین مدلی جامع و کامل جهت شناسایی درجه ریسک مؤدیان مالیاتی یکی از گام های اساسی در اجرای طرح جامع مالیاتی می&shy;باشد. </span></span><span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">جامعه</span></span> <span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">آماری</span></span> <span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">این</span></span> <span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">پژوهش</span></span> <span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">شرکت&shy;های پذیرفته شده در بورس </span></span><span lang="FA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">اوراق بهادار تهران هستند </span></span><span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">که طی سالهای 1392 تا 1397 فعال بوده اند</span></span><span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:"> و</span></span> <span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">برای</span></span> <span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">انتخاب</span></span> <span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">نمونه</span></span> <span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">از</span></span> <span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">روش</span></span> <span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">غربالگری</span></span><span lang="FA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:"> (</span></span><span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">حذفی</span></span> <span dir="LTR" style="font-size:13.0pt"><span b="" lotus="" style="font-family:">(</span></span><span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">استفاده</span></span> <span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">شده است. </span></span><span lang="FA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">در این پژوهش ابتدا با استفاده از <span style="color:black">تکنیک دلفی و متا سنتز </span>164 مؤلفه مؤثر در اعتبارسنجی مؤدیان مالیاتی شناسایی گردید. درگام بعد داده&shy;های مورد نیاز برای اندازه&shy;گیری متغیرهای پژوهش از سایت کدال و با بررسی پرونده های مالیاتی طی سال&shy;های 1397-1392 استخراج شد و در نهایت با استفاده از داده&shy;های جمع آوری شده به بررسی میزان دقت دو مدل شبکه عصبی و رگرسیون لاجیت در اعتبارسنجی مؤدیان مالیاتی پرداختیم. یافته&shy;ها نشان داد که </span></span><span lang="FA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">هرچند مدل لاجیت در شناسایی مؤدیان پر ریسک توان بیشتری دارد، ولی در سایر موارد تشخیص مناسبی ندارد و در مجموع بر اساس </span></span><span lang="AR-SA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:">نتایج حاصل از مقدار </span></span><span dir="LTR" style="font-size:13.0pt"><span new="" roman="" style="font-family:" times="">AUC<a href="#_ftn1" name="_ftnref1" title=""><span class="MsoFootnoteReference" style="vertical-align:super"><span class="MsoFootnoteReference" style="vertical-align:super"><span style="font-size:13.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times="">[1]</span></span></span></span></span></a></span></span><span lang="FA" style="font-size:13.0pt"><span b="" mitra="" style="font-family:"> مدل شبکه عصبی برازش بهتری دارد. </span></span><span lang="FA" style="font-size:9.0pt"><span style="font-family:"Arial","sans-serif""></span></span></span></span></span></span> <div>&nbsp; <hr align="left" size="1" width="33%" > <div id="ftn1"><span style="font-size:10pt"><span sans-serif="" style="font-family:Calibri,"><a href="#_ftnref1" name="_ftn1" title=""><span class="MsoFootnoteReference" style="vertical-align:super"><span class="MsoFootnoteReference" style="vertical-align:super"><span style="font-size:10.0pt"><span style="line-height:107%"><span calibri="" style="font-family:">[1]</span></span></span></span></span></a><span arial="" dir="RTL" lang="AR-SA" style="font-family:">.</span> <span new="" roman="" style="font-family:" times="">Area under the ROC Curve</span></span></span></div> </div> اعتبار سنجی مؤدیان, ریسک مؤدی, دلفی, شبکه عصبی, رگرسیون لاجیت 108 126 http://taxjournal.ir/browse.php?a_code=A-10-908-3&slc_lang=other&sid=1 میرفیض فلاح شمس fallahshams@gmail.com 10031947532846009631 10031947532846009631 No غلامرضا زمردیان gh.zomorodian@gmail.com 10031947532846009632 10031947532846009632 No علی اصغر انواری رستمی anvary@modares.ac.ir 10031947532846009633 10031947532846009633 No هوشنگ خرم نیا khoramniah@gmail.com 10031947532846009634 10031947532846009634 Yes