مدل سازی اقتصاد سایه ای و تخمین فرار مالیاتی در ایران با استفاده از شبکه عصبی مصنوعی
نویسندگان
چکیده مقاله:
بخش عمده ای از منابع درآمدی دولت، از طریق مالیات تامین می شود. فرار مالیاتی و گریز از مالیات در کشورها باعث شده است تا درآمدهای مالیاتی کشورها، همواره از آنچه که برآورد می شود، کمتر باشد و تمامی کشورها تلاش خود را برای کاهش این دو پدیده به کار می گیرند یا از طریق اصلاح نظام مالیاتی، به چاره جویی برمی خیزند. در این مقاله با استفاده از تکنیک شبکه عصبی مصنوعی به بررسی و مدل سازی حجم اقتصاد پنهان و محاسبه میزان فرار مالیاتی در اقتصاد ایران طی سال های 1387-1357 پرداخته شده است. روش شبکه عصبی پرسپترون چند لایه می باشد. نتایج حاصل از مطالعه با استفاده از مدل شبکه عصبی پیش خور نشان می دهد که متغیرهای حجم دولت، نرخ خود اشتغالی و باز بودن اقتصادی از مهم ترین عوامل موثر بر حجم اقتصاد پنهان در ایران می باشدو متغیّرهای بار مالیاتی و نرخ تورم اثر ضعیف تری در تعیین اندازه اقتصاد سایه ای ایران دارد. همچنین در نظر گرفتن روند فزاینده گسترش اقتصاد پنهان در ایران، پیشنهاد می شود مقابله با این پدیده در ردیف اولویت های سیاست گذاری و برنامه ریزی کلان کشور قرار گیرد.
منابع مشابه
فرار مالیاتی در واردات ایران، رویکرد مدل ترکیبی شبکه عصبی مصنوعی و الگوریتم تبرید تدریجی
Import tax is one of the government revenue sources that some of its portion is not accessible to government due to tax evasion. In this study, the factors affecting tax evasion in import, have been identified by using the combinatorial model of artificial neural network and simulated annealing algorithms that is capable to analyze the nonlinear systems. For this purpose, four explanatory varia...
متن کاملمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملفرار مالیاتی در واردات ایران، رویکرد مدل ترکیبی شبکه عصبی مصنوعی و الگوریتم تبرید تدریجی
مالیات بر واردات یکی از منابع درآمدی دولت است که بخشی از آن به دلیل فرار مالیاتی در اختیار دولت قرار نمی گیرد. عوامل مختلفی بر فرار مالیاتی در بخش واردات موثرند که این عوامل، در این مقاله با استفاده از مدل ترکیبی شبکه عصبی مصنوعی و الگوریتم تبرید تدریجی که قادر به تحلیل سیستم های غیرخطی است، مورد شناسایی قرار گرفته اند. به این منظور ابتدا چهار متغیر توضیح دهنده فرار مالیاتی شامل بار مالیات بر و...
متن کاملمدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی
در این مقاله, انرژی ضربهëی فولادهای مرتبهëای در دماهای مختلف با استفاده از شبکهëهای عصبی مصنوعی مدلëسازی شده است. فولادهای مرتبهëای با استفاده از چیدمانëها و ضخامتëهای مختلف فولادهای ساده کربنی و زنگëنزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سربارهëای الکتریکی، تولید میëشوند. نفوذ اتمëهای مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبهëای فریتی و آستنیتی میëگردد. شش نوع مدل...
متن کاملتخمین انرژی شکست بتن با استفاده از شبکه عصبی مصنوعی
بتن یکی از رایجترین مصالح صنعتی و ساختمانی است که به دلیل اقتصادی بودن اهمیت روز افزونی پیدا میکند. در سال‌های اخیر با بهره‌گیری از روش‌های مختلف آزمایشگاهی، پارامترهای شکست مواد سیمانی مانند بتن مورد بررسی قرار گرفته است؛ نقش این پارامترها در طراحی سازههای سطحی و زیرسطحی از اهمیت ویژه‌ای برخوردار است. در این مقاله مدل شکست بر اساس شبکه عصبی برای تخمین پارامترشکست بتن GF(انرژی مخصوص شکس...
متن کاملتخمین سختی برشی شکست ( ) با استفاده از شبکه عصبی مصنوعی
در سال‌های اخیر با بهره‌گیری از روش‌های مختلف آزمایشگاهی، چگونگی مد برشی شکست با استفاده از نمونه‌های سنگی مورد بررسی قرار گرفته است. اغلب گسیختگی‌های رخ داده در طبیعت در اثر عملکرد نیروهای کششی و برشی در توده سنگ می‌باشد. تعیین دقیق سختی برشی شکست برای درک و تحلیل رفتار گسیختگی‌ها در حفریات سطحی و زیرزمینی از اهمیت ویژه‌ای برخوردار می‌باشد. بررسی جامع دستاوردهای علمی‌در خصوص تعیین سختی برش...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 2 شماره None
صفحات 33- 58
تاریخ انتشار 2012-05
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023