کاربست روشهای داده کاوی مبتنی بر قواعد وابستگی به منظور ارتقای عملکرد تشخیص فرار مالیاتی
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 960
This Paper With 26 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CAAME01_164
تاریخ نمایه سازی: 19 تیر 1394
Abstract:
پیچیدگی مبادلات و معاملات تجاری شرکت ها، گسترش تکنولوژی اطلاعات، نگرانی های اخیر مقامات مالیاتی در چالش شناسایی و وصول مالیات، عدم توانایی روش های مورد استفاده برای شناسایی فرار از پرداخت مالیات، باعث شده است تا داده کاوی توجه زیادی را به خود جلب کند و از آنجا که به طور موفقیت آمیزی برای کشف فعالیت هایی مانند پول شویی و انواع تقلب استفاده شده است؛ در پژوهش حاضر نیز سعی شده است که سودمندی داده کاوی مبتنی بر قواعد وابستگی به عنوان ابزاری برای تشخیص فرار مالیاتی مورد بررسی قرار گیرد. جامعه آماری این پژوهش کلیه شرکت های پذیرفته شده در بورس اوراق بهادر تهران می باشد که براساس شرایط در نظر گرفته شده برای انتخاب نمونه به روش حذف سامانمند، 125 شرکت در دوره زمانی 1383 تا 1390 انتخاب گردید. در این پژوهش از 28 متغیر مالی و غیرمالی در قالب 9 طبقه به منظور ایجاد مدل استفاده شد. قواعد وابستگی با به کارگیری الگوریتم پیشینار برای تشخیص فرار مالیاتی شرکت ها استفاده شد. بدین منظور داده ها به طور تصادفی به سه دسته آموزش، اعتبارسنجی و آزمون تقسیم شدند. نتایج پژوهش نشان می دهد که روش های داده کاوی مبتنی بر قواعد وابستگی با ایجاد دو مدل با درصد صحت 91 % بر روی داده های آموزش، با درصد صحت 88 % بر روی داده های اعتبارسنجی و با درصد صحت 86 % بر روی داده های آزمون توانسته است موفق به تشخیصفرار مالیاتی گردد.
Keywords:
Authors
مریم غریبی
دانشجویکارشناسی ارشد حسابداری دانشگاه آزاد اسلامی واحد مبارکه
محسن دستگیر
پروفسور حسابداری و عضو هیات علمی حسابداری دانشگاه آزاد اسلامی واحد علوم و تحقیقات اصفهان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :