مشخصات پژوهش

عنوان	ارزیابی اثربخشی الگوریتم درخت تصمیم و رگرسیون چند متغیره خطی در پیش بینی فرار مالیاتی مؤدیان حقوقی استان مازندران
نوع پژوهش	مقاله چاپ شده
کلیدواژه‌ها	فرار مالیاتی ، الگوریتم سینوس کسینوس، الگوریتم درخت تصمیم، رگرسیون.
چکیده	درآمدهای مالیاتی یکی از مهم ترین منابع درآمدی دولت و تامین کننده بخش عمده ای از هزینه های دولت است.در مقابل یکی از مهم ترین مشکلات نظام مالیاتی در عمده کشور دنیا ، فرار مالیاتی است. فرار مالیاتی عبارت است از هرگونه تلاش غیرقانونی به منظور عدم پرداخت مالیات است. در این تحقیق ، هدف پیش بینی فرار مالیاتی اشخاص حقوقی اداره کل امور مالیاتی مازندران با استفاده از الگوریتم شبکه عصبی مصنوعی و رگرسیون چند متغیره خطی می باشد. برای انجام این تحقیق با تمرکز بر مجموعه ای متشکل از 57 شاخص مالی و غیرمالی در سطح کلان اقتصادی، مودیان و حسابرسان مالیاتی، در نمونه ای شامل 978 پرونده مودیان حقوقی اداره کل امور مالیاتی مازندران برای سال های 1391 تا 1398 مورد بررسی قرار گرفته است.نتایج حاصل شده از آزمون فرضیه های تحقیق نشان داد که قدرت پیش بینی فرار مالیاتی الگوریتم درخت تصمیم نسبت به رگرسیون چند متغیره خطی بیشتر می باشد. همچنین متغیرهای سطح مودیان مالیاتی و حسابرسان مالیاتی جهت پیش بینی فرار مالیاتی کارآمدتر می باشند.
پژوهشگران	علی ذبیحی (نفر چهارم)، بهرام محسنی ملکی (نفر سوم)، ایمان داداشی (نفر دوم)، محسن مقری گردرودباری (نفر اول)