پیش بینی فرار مالیاتی با استفاده از الگوریتم های داده کاوی درخت تصمیم
- سال انتشار: 1396
- محل انتشار: فصلنامه حسابداری مالی، دوره: 9، شماره: 36
- کد COI اختصاصی: JR_QFAJ-9-36_004
- زبان مقاله: فارسی
- تعداد مشاهده: 492
نویسندگان
Shiraz University
Shiraz University
چکیده
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.اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.