|
پیشبینی فرار مالیاتی با استفاده از الگوریتمهای دادهکاوی درخت تصمیم
|
محمد نمازی*1   ، محمد صادق زاده مهارلوئی1 |
| 1- دانشگاه شیراز |
|
|
چکیده: (2828 مشاهده) |
| 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. |
|
| واژه‌های کلیدی: پیشبینی فرار مالیاتی، درخت تصمیم، الگوریتم درخت تصادفی، الگوریتم جنگل تصادفی. |
|
|
متن کامل [PDF 781 kb]
(2819 دریافت)
|
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
