کاربست روشهای داده کاوی به منظور ارتقای عملکرد تشخیص فرار مالیاتی

95/05/05 - 04:30

شماره: 13950504000557

چکیده:

این پژوهش به بررسی کاربست روشxadهای داده کاوی به منظور ارتقای عملکرد تشخیص فرار مالیاتی می پردازد. داده کاوی، فرایند کشف اطلاعات نامعلوم، ناشناخته و پنهان از یک پایگاه داده است و روشی است منحصر به فرد برای یافتن حقایق جدید و روابط بین داده xadهای موجود که به وسیله صاحب نظران کشف نشده است. در این پژوهش سودمندی داده کاوی مبتنی بر قواعد وابستگی به عنوان ابزاری برای تشخیص فرار مالیاتی به کار گرفته شده است. جامعه آماری این پژوهش کلیه شرکتxadهای پذیرفته شده در بورس اوراق بهادار تهران میxadباشد که بر اساس شرایط در نظر گرفته شده برای انتخاب نمونه به روش حذف سامانمند، 125 شرکت در دورۀ زمانی 1383 تا 1390 انتخاب گردید. در این پژوهش از 28 متغیر مالی و غیرمالی در قالب 9 طبقه به منظور ایجاد مدل استفاده شد. قواعد وابستگی با بهxadکارگیری الگوریتم پیشینار برای تشخیص فرار مالیاتی شرکتxadها استفاده شد. بدین منظور دادهxadها به طور تصادفی به سه دسته آموزش، اعتبارسنجی و آزمون تقسیم شدند. نتایج پژوهش نشان داد که روشxadهای دادهxadxad کاوی مبتنی بر قواعد وابستگی با ایجاد دو مدل با درصد صحت 91% بر روی داده xadهای آموزش، با درصد صحت 88% بر روی داده xadهای اعتبارسنجی و با درصد صحت 86% بر روی داده xadهای آزمون توانسته است موفق به تشخیص فرار مالیاتی گردد.

نویسندگان:

محسن دستگیر ، مریم غریبی

پژوهشنامه مالیات - سال بیست و سوم، شماره 4 (پیاپی 76)، زمستان 1394.

برای مشاهده کامل مقاله روی فایل مقابل کلیک کنید.

http://fna.ir/3YQADK