مدل ترکیبی شبکه عصبی با الگوی ARIMA جهت پیش بینی مالیات بر ارزش افزوده بر مصرف بنزین در ایران
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 158
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ECOR-16-2_005
تاریخ نمایه سازی: 11 دی 1403
چکیده مقاله:
یکی از مسائل مهم هنگام بودجه ریزی، دسترسی به درآمدهای قابل تحقق است که این موضوع مستلزم پیش بینی های دقیق از انواع درآمدها در آینده می باشد. یکی از منابع درآمدی پر اهمیت دولت مالیات بوده که در این مقاله، پیش بینی مالیات بر ارزش افزوده ناشی از مصرف بنزین مدنظر قرار گرفته است. هدف اصلی، دستیابی به روشی کارا جهت پیش بینی مصرف بنزین و مالیات بر ارزش افزوده ناشی از آن در ایران می باشد. در این مقاله، برای پیش بینی مصرف بنزین، از یک الگوی ترکیبی روش شبکه عصبی چندلایه (MLP) با الگوی خودتوضیح میانگین متحرک انباشته (ARIMA) استفاده شده است. سپس با تایید عملکرد مناسب این روش در مقایسه با روش ARIMA، از طریق اعمال نرخ های مالیات بر مصرف پیش بینی شده بنزین، مالیات بر ارزش افزوده ناشی از مصرف بنزین در کشور به دست آمده است. نتایج نشان می دهد که طی سال های ۱۳۹۲ الی ۱۳۹۵، مالیات بر ارزش افزوده از این محل، به طور متوسط در حدود ۶/۳۱ درصد رشد خواهد داشت.
کلیدواژه ها:
Value Added Tax (VAT) ، Gasoline Consumption ، Multilayer Neural Networks ، Hybrid Methods ، مالیات بر ارزش افزوده ، مصرف بنزین ، شبکه عصبی چندلایه ، روش ARIMA ، روش ترکیبی
نویسندگان
یگانه موسوی جهرمی
Faculty / Payame Noor University
الهام غلامی
Assistant Professor of Economics, Islamic Azad University, Science and Research Branch, Faculty of Management and Economics, Department of Economics, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
