درآمدهای مالیاتی یکی از مهمترین منابع درآمدی دولت و تأمینکننده بخش عمدهای از هزینههای آن میباشد. هدف اصلی پژوهش حاضر، ارزیابی توان پیشبینی تکنیکهای الگوریتم درخت تصمیم و رگرسیون چند متغیره خطی در پیشبینی فرار مالیاتی مؤدیان حقوقی بوده است. براساس مبانی نظری و پیشینه پژوهشهای صورتگرفته در این حوزه، مجموعهای متشکل از 57 شاخص مالی و غیرمالی در سه سطح کلان اقتصادی، مؤدیان و حسابرسان مالیاتی، در نمونهای مشتمل بر 964 پرونده مالیاتی اشخاص حقوقی اداره کل امور مالیاتی مازندران برای سالهای 1391 لغایت 1398 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 مؤدیان 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.
Moghri Gurderobari M, dadashi I, Mohseni Maleki B, zabihi A. Evaluating The Effectiveness of Decision Tree Algorithm
and Linear Multivariate Regression in Predicting
Tax Evasion of Legal Taxpayers in Mazandaran Province. qjerp 2023; 31 (107) :239-277 URL: http://qjerp.ir/article-1-3489-fa.html
مقری گردرودباری محسن، داداشی ایمان، محسنی ملکی بهرام، ذبیحی علی. ارزیابی اثربخشی الگوریتم درخت تصمیم و رگرسیون چند متغیره خطی در پیشبینی فرار مالیاتی مؤدیان حقوقی استان مازندران. فصلنامه پژوهش ها وسیاست های اقتصادی. 1402; 31 (107) :239-277