استفاده از تکنیک های داده کاوی برای سنجش ریسک مالیاتی مودیان مالیات بر ارزش افزوده

پیام:
چکیده:

در این مقاله با استفاده از تکنیک های داده کاوی ریسک مالیاتی مودیان در نظام مالیات بر ارزش افزوده مورد مطالعه قرار می گیرد. اهمیت ارزیابی ریسک مالیاتی مودیان مالیات بر ارزش افزوده به منظور تدوین طرح موثر انتخاب مودیان برای حسابرسی مالیاتی با هدف افزایش کارایی و اثر بخشی در نظام مالیات بر ارزش افزوده کشور می باشد. مودیان مالیاتی در این تحقیق به سه گروه مودیان فاقد ریسک، با ریسک پایین و پر ریسک طبقه بندی شده اند به منظور ارزیابی ریسک مالیاتی از دو تکنیک داده کاوی ماشین بردار پشتیبان و رگرسیون لجستیک استفاده شده است. جامعه آماری پژوهش شامل اشخاص حقوقی بزرگ در شهر تهران می باشد که در سال های 1390 تا 1393 مورد حسابرسی مالیاتی در نظام مالیات بر ارزش افزوده قرار گرفته اند در این تحقیق متغیرها شامل ساز و کارهای حاکمیت شرکتی، ویژگی های خاص شرکتی، ماهیت فعالیت مودیان سیستم کنترلی مودیان و نسبت های مالی می باشد که به منظور آموزش و آزمون مدل استفاده شده اند نتایج تحقیق نشان می دهد دو تکنیک LSVM و Logistic از توان صحت ارزیابی 70% برخوردار هستند و نوعی ادغام در نتایج این دو تکنیک توانسته است با کسب نزدیک به 83% صحت ارزیابی از توان بالاتری برخوردار باشد.

نوع مقاله:
مقاله پژوهشی/اصیل
زبان:
فارسی
صفحات:
347 -363
لینک کوتاه:
magiran.com/p2077201 
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 300,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
توجه!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.