ارزیابی اثربخشی الگوریتم درخت تصمیم و رگرسیون چند متغیره خطی در پیش بینی فرار مالیاتی مودیان حقوقی استان مازندران

درآمدهای مالیاتی یکی از مهمترین منابع درآمدی دولت و تامینکننده بخش عمدهای از هزینههای آن میباشد. هدف اصلی پژوهش حاضر، ارزیابی توان پیشبینی تکنیکهای الگوریتم درخت تصمیم و رگرسیون چند متغیره خطی در پیش بینی فرار مالیاتی مودیان حقوقی بوده است. براساس مبانی نظری و پیشینه پژوهشهای صورتگرفته در این حوزه، مجموعهای متشکل از ۵۷ شاخص مالی و غیرمالی در سه سطح کلان اقتصادی، مودیان و حسابرسان مالیاتی، در نمونهای مشتمل بر ۹۶۴ پرونده مالیاتی اشخاص حقوقی اداره کل امور مالیاتی مازندران برای سالهای ۱۳۹۱ لغایت ۱۳۹۸ با استفاده از نرم افزار متلب و استاتا مورد بررسی قرار گرفته است. در این پژوهش، پس از انتخاب متغیرهای اثرگذار با استفاده از الگوریتم شناسایی سینوس-کسینوس، اقدام به پیشبینی فرار مالیاتی با بهرهگیری از تکنیکهای الگوریتم درخت تصمیم و رگرسیون شده است. نتایج حاصل از بررسی دادهها نشان داد که متغیرهای سطح مودیان و حسابرسان مالیاتی جهت پیشبینی فرار مالیاتی اثربخشی بیشتری دارند. همچنین یافتهها حاکی از آن بوده که توان پیشبینی الگوریتم درخت تصمیم نسبت به رگرسیون چند متغیره خطی، بیشتر است.

کلیدواژه ها:

Tax evasion ، Sine-cosine algorithm ، Decision tree algorithm ، Regression ، فرار مالیاتی ، الگوریتم سینوس کسینوس ، الگوریتم درخت تصمیم ، رگرسیون