توسعه مدل شناسایی مؤدیان کم‌اظهار مالیات بر ارزش افزوده با رویکردهای داده‌کاوی

عدم ارائه اظهارنامه‌های مالیاتی دقیق توسط مؤدیان مالیات بر ارزش افزوده از مشکلات سازمان‌ مالیاتی کشور است. تعداد زیاد اظهارنامه‌ها، محدودیت منابع و مقرون به صرفه‌نبودن بررسی تمامی آن‌ها، توسعه روشی هوشمند جهت شناسایی مؤدیان با ریسک بالا در کم‌اظهاری مالیات را ضروری می‌نماید. در این مقاله، بر اساس نظرات ممیزین مالیاتی، داده‌های هجده متغیر بالقوه مؤثر بر شناسایی کم‌اظهاری مالیات بر ارزش افزوده در یکی از مناطق تهران به همراه نتایج ممیزی آن‌ها جمع‌آوری شده است. روش‌های فیتلری و روش الگوریتم ژنتیک تعداد متغیرهای مؤثر را به ترتیب ده و هفت متغیر شناسایی کرده‌اند. دو روش پایه رده‌بندی «درخت تصمیم» و «k‌ نزدیک‌ترین همسایگی» بر‌اساس دو نوع متغیرهای مؤثر (روش‌های فیلتری و الگوریتم ژنتیک) برای شناسایی کم‌اظهاری توسعه داده شده و برای توازن داده‌ها دو روش‌ جمعی «بگینگ» و «بوستینگ» استفاده شده است. بررسی دقت پیش‌بینی در دوازده مدل پیش‌بینی (درخت تصمیم و K نزدیکترین همسایگی با دو گروه متغیر مستقل و در سه حالت عادی، «بگینگ» و «بوستینگ») نشان می‌دهد، روش‌های جمعی «بگینگ» و «بوستینگ» تأثیری بر پیش‌بینی ندارند و درخت تصمیم ساده با ده متغیر منتخب با روش‌های فیلتری بیشترین دقت پیش‌بینی و معادل ‌۱۴/82%‌‌ را برای تشخیص مؤدیان کم‌اظهار دارد. استخراج قوانین مناسب برای تشخیص مؤدیان کم‌اظهار بر اساس ده متغیر مؤثر بر پیش‌بینی آن‌ها از دیگر نتایج این مقاله است.