fa پیش‌بینی فرار مالیاتی با استفاده از الگوریتم‌های داده‌کاوی درخت تصمیم تخصصي Special پژوهشي Research <span style="font-family:b nazanin;">پژوهش حاضر به بررسی قابلیت پیش‌بینی فرار مالیاتی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران </span><span style="font-family:b nazanin;">با استفاده از الگوهای درخت تصمیم </span><span style="font-family:b nazanin;">پرداخته است. جامعه آماری پژوهش حاضر کلیه شرکت&shy;های پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1384 تا 1394 است و نمونه پژوهش برابر با 1081 سال-شرکت می&shy;باشد. برای تحلیل داده&shy;ها از روش&shy;های آماری تحلیل واریانس یک&shy;طرفه و الگوریتم&shy;های داده&shy;کاوی درخت تصمیم استفاده شد. در این راستا، داده&shy;های پژوهش با استفاده از نرم&shy;افزارهای </span><span dir="LTR"><span style="font-size:11.0pt;">SPSS</span></span><span style="font-family:b nazanin;"> و </span><span dir="LTR"><span style="font-size:11.0pt;">Weka</span></span> <span style="font-family:b nazanin;">مورد تجزیه‌وتحلیل آماری قرار گرفتند. نتایج حاصل از بررسی&shy;ها نشان می&shy;دهد که به ترتیب، روش&shy;های جنگل تصادفی، </span><span style="font-family:b nazanin;">کاهش خطای هرس، </span><span dir="LTR">J48</span><span style="font-family:b nazanin;">، </span><span dir="LTR">LMT</span><span style="font-family:b nazanin;">، ریشه تصمیم و درخت تصادفی از دقت و کارایی بیشتری در</span> <span style="font-family:b nazanin;">پیش&shy;بینی فرار مالیاتی برخوردار هستند. هم&shy;چنین، نتایج تحلیل واریانس یک&shy;طرفه نشان داد که تفاوت در </span><span style="font-family:b nazanin;">کارایی</span><span style="font-family:b nazanin;"> پیش&shy;بینی&shy;های روش&shy;های مختلف </span><span style="font-family:b nazanin;">درخت تصمیم از لحاظ آماری نیز معنادار است.</span><strong><span style="font-family:b nazanin;"></span></strong> This study investigates the ability of tax evasion prediction of listed companies in Tehran Stock Exchange (TSE) by Decision Tree Algorithms. Statistical population of this study is all companies listed in TSE from 2005 to 2016. Statistical sample includes 1081 year-company. Data was analyzed by One-Way ANOVA and Decision Tree Algorithms. In this regard, research data test was done by using SPSS and Weka softwares. The research results showed that the best performances are respectively as what follows here: Random Forest, REPTree, J48, LMT, Decision Stump, and Random Tree. In addition, the One-Way ANOVA showed that differences in the efficiency of Decision Tree Algorithms are statistically significant. پیش‌بینی فرار مالیاتی, درخت تصمیم, الگوریتم درخت تصادفی, الگوریتم جنگل تصادفی. Tax Evasion Prediction, Decision Tree, Random Tree Algorithm, Random Forest Tree algorithm. 76 101 http://qfaj.mobarakeh.iau.ir/browse.php?a_code=A-10-1079-2&slc_lang=fa&sid=1 Mohammad Namazi محمد نمازی mnamazi@rose.shirazu.ac.ir 10031947532846006568 10031947532846006568 Yes Shiraz University دانشگاه شیراز Mohammad Sadeghzadeh Maharluie محمد صادق زاده مهارلوئی sadeghzadeh.mohammad@gmail.com 10031947532846006569 10031947532846006569 No Shiraz University دانشگاه شیراز