پیش‌بینی فرار مالیاتی با استفاده از الگوریتم‌های داده‌کاوی درخت تصمیم

پژوهش حاضر به بررسی قابلیت پیش‌بینی فرار مالیاتی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوهای درخت تصمیم پرداخته است. 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 می­باشد. برای تحلیل داده­ها از روش­های آماری تحلیل واریانس یک­طرفه و الگوریتم­های داده­کاوی درخت تصمیم استفاده شد. در این راستا، داده­های پژوهش با استفاده از نرم­افزارهای SPSS و Weka مورد تجزیه‌وتحلیل آماری قرار گرفتند. نتایج حاصل از بررسی­ها نشان می­دهد که به ترتیب، روش­های جنگل تصادفی، کاهش خطای هرس، J48، LMT، ریشه تصمیم و درخت تصادفی از دقت و کارایی بیشتری در پیش­بینی فرار مالیاتی برخوردار هستند. هم­چنین، نتایج تحلیل واریانس یک­طرفه نشان داد که تفاوت در کارایی پیش­بینی­های روش­های مختلف درخت تصمیم از لحاظ آماری نیز معنادار است.