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

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.

فرارمالیاتی، قواعد وابستگی، داده کاوی