بررسی سودمندی روش انتخاب متغیر ریلیف در بهبود نتایج پیش بینی فرار مالیاتی با استفاده از داده کاوی

پژوهش حاضر به بررسی سودمندی روش های ریلیف و داده کاوی در پیش بینی فرار مالیاتی شرکت های پذیرفته شده در بورس اوراق بهادار تهران، با استفاده از داده های حسابداری و الگوهای درخت تصمیم، در دو حالت بدون انتخاب متغیرها و با انتخاب متغیرها، می‎پردازد. جامعه آماری پژوهش حاضر کلیه شرکت‎های پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1384 تا 1394 است و نمونه پژوهش برابر با 1081 سال شرکت می باشد. از روش‎های آماری تحلیل واریانس یک طرفه، آزمون t-test نمونه های مستقل، الگوریتم های داده‎کاوی درخت تصمیم و روش انتخاب متغیر ریلیف برای تحلیل داده ها استفاده شد. داده های پژوهش با استفاده از نرم‎افزارهای SPSS و Weka مورد تجزیه و تحلیل آماری قرار گرفتند. نتایج حاصل از الگوریتم ریلیف نشان داد که متغیرهای نسبت سود عملیاتی به جمع دارایی ها، نسبت بازده دارایی ها و ارزش بازار شرکت برای پیش بینی فرار مالیاتی مناسب تر از سایر متغیرها هستند. همچنین، نتایج آزمون تحلیل واریانس نشان داد که تفاوت در دقت پیش‎بینی روش‎های مختلف درخت تصمیم از لحاظ آماری نیز معنادار است. افزون بر این، نتایج نشان داد در هنگام مقایسه هر یک از الگوریتم ها به تنهایی در دوحالت با و بدون مرحله انتخاب متغیر، تفاوت تنها در الگوریتم LMT معنادار بود و در سایر الگوریتم ها، اگرچه دقت نتایج بهتر شده بود، اما این دقت از لحاظ آماری معنادار نبود. به عبارت دیگر، استفاده از روش انتخاب متغیر ریلیف، در هر حالتی موجب به بهبود عملکرد الگوریتم ها نمی شود.