انتخاب برای حسابرسی مالیات بر ارزش افزوده

در این مقاله به منظور مدیریت ریسک عدم تمکین مالیاتی، مدل بهینه "انتخاب برای حسابرسی مالیات بر ارزش افزوده" با استفاده از تکنیک های داده کاوی(ماشین بردار و درخت تصمیم) مورد مطالعه قرار می گیرد. در انتخاب برای حسابرسی، مسئله مهم انتخاب پرونده های مناسب برای حسابرسی از درون مجموعه ای از کاندیدهای بالقوه است، به نحوی که این انتخاب ضمن پوشش حداکثری ریسک مالیاتی موجب افزایش کارایی دستگاه مالیاتی گردد، چرا که با توجه به محدودیت های موجود در زمان و منابع، حسابرسی تمامی مودیان هزینه های مختلفی را به همراه خواهد داشت. علاوه بر این هزینه های مرتبط با حسابرسی و درآمد ناشی از حسابرسی هم مطرح است، بنابراین خروجی فرآیند حسابرسی مالیاتی به میزان زیادی به کیفیت انتخاب مجموعه مودیان مورد حسابرسی بستگی دارد. برای انجام این تحقیق در ابتدا با استفاده از روش دلفی عوامل موثر بر ریسک مالیاتی شناسایی و در ادامه با استفاده از نمونه های آماری تحقیق که شامل 281 شرکت که در سال های 1390تا 1393 مورد حسابرسی مالیات بر ارزش افزوده قرار گرفته اند مدل های مختلف استخراج و توانایی آن ها در انتخاب بهینه برای حسابرسی مالیات بر ارزش افزوده مورد ارزیابی قرار گرفت نتایج مطالعه نشان می دهد که روش ماشین بردار پشتیبان خطی(lsvm) تا70% از مودیان به وسیله این الگوریتم خوشه بندی به درستی با توجه به واکاوی داده های موجود تفکیک خواهند شد که از صحت بالاتری نسبت به سایر تکنیک های داده کاوی درخت تصمیم برخوردار می باشد.