برآورد ظرفیت مالیاتی کشور با استفاده از شبکه های عصبی

ظرفیت مالیاتی، ظرفیت اقتصادی یک کشور برای تحمل فشار انواع مالیات ها است به عبارت دیگر، میزانی است که مردم می توانند مالیات بپردازند. تعیین ظرفیت مالیاتی کار دشواری است. بررسی چگونگی افزایش درآمد مالیاتی به عنوان بخشی از درآمدهای دولت از اهمیت ویژه ای برخوردار است. در این راستا، یک برآورد دقیق از ظرفیت مالیاتی و شناخت منابع موجود آن، ضروری به نظر می رسد. مناسب ترین معیار برای محاسبه و برآورد این ظرفیت که می توان به صورت بالقوه از آن مالیات گرفت، پایه مالیاتی بخش های مختلف اقتصادی می باشد. بدین منظور، ارزش افزوده بخش ها در کشور نیز محاسبه شده است.در این مطالعه از روش مدلسازی شبکه عصبی استفاده شده است که درآن متغیرهای مستقل به عنوان لایه ورودی وارد سیستم یادگیری شبکه عصبی می شوند. متغیرهای ورودی در مدل یعنی، نرخ تورم، ضریب جینی، نسبت جمعیت شهری به کل جمعیت، درجه باز بودن اقتصاد و سهم ارزش افزوده بخش های کشاورزی و صنعت از GDP، متغیرهای مستقل مدل را تشکیل می دهند و متغیر وابسته یا تابع که همان ظرفیت مالیاتی است ، حکم لایه خروجی را در شبکه عصبی دارد. بر حسب روش آزمون و خطا برای لایه های پنهان و گره های هر لایه، شبکه عصبی به صورت مناسب انتخاب می شود. در این مدل آموزش از روش داخل شبکه ای (batch) و از رویکرد پرسپترون چـند لایه ای (MPL) بصورت پیشرو و بدون بازخورد استفاده شده است