پیش بینی فرار مالیاتی با استفاده از الگوریتم های داده کاوی درخت تصمیم

پژوهش حاضر به بررسی قابلیت پیش بینی فرار مالیاتی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوهای درخت تصمیم پرداخته است. جامعه آماری پژوهش حاضر کلیه شرکت­های پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی ۱۳۸۴ تا ۱۳۹۴ است و نمونه پژوهش برابر با ۱۰۸۱ سال-شرکت می­باشد. برای تحلیل داده­ها از روش­های آماری تحلیل واریانس یک­طرفه و الگوریتم­های داده­کاوی درخت تصمیم استفاده شد. در این راستا، داده­های پژوهش با استفاده از نرم­افزارهای SPSS و Weka مورد تجزیه وتحلیل آماری قرار گرفتند. نتایج حاصل از بررسی­ها نشان می­دهد که به ترتیب، روش­های جنگل تصادفی، کاهش خطای هرس، J۴۸، LMT، ریشه تصمیم و درخت تصادفی از دقت و کارایی بیشتری در پیش­بینی فرار مالیاتی برخوردار هستند. هم­چنین، نتایج تحلیل واریانس یک­طرفه نشان داد که تفاوت در کارایی پیش­بینی­های روش­های مختلف درخت تصمیم از لحاظ آماری نیز معنادار است.

کلیدواژه ها:

Tax Evasion Prediction ، Decision Tree ، Random Tree Algorithm ، Random Forest Tree algorithm. ، پیش بینی فرار مالیاتی ، درخت تصمیم ، الگوریتم درخت تصادفی ، الگوریتم جنگل تصادفی.