پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,991,611 |
| تعداد دریافت فایل اصل مقاله | 89,660,675 |
الگوسازی غیرخطی و پیشبینی درآمدهای مالیات بر مشاغل در اقتصاد ایران | ||
| فصلنامه تحقیقات اقتصادی | ||
| مقاله 6، دوره 41، شماره 6، اسفند 1385 اصل مقاله (485.51 K) | ||
| نویسندگان | ||
| محمد علی فلاحی1؛ حمید خالوزاده2؛ سعیده حمیدی علمداری* 3 | ||
| 1استادیار دانشکده علوم اداری و اقتصادی، گروه اقتصاد، دانشگاه فردوسی مشهد | ||
| 2استادیار دانشکده مهندسی برق، گروه کنترل، دانشگاه صنعتی خواجه نصیرالدین طوسی | ||
| 3کارشناسی ارشد اقتصاد | ||
| چکیده | ||
| در این مقاله، با هدف دستیابی به پیشبینیهای دقیقتر، سه نوع الگوی رگرسیون خطی، سریزمانی و شبکه عصبی مصنوعی طراحی و براورد شده است. در ابتدا ماهیت ساختاری سریزمانی مورد نظر از جهت خطی، غیرخطی و تصادفی بودن با استفاده از آزمون نمای لیاپانوف بررسی شده است. نتایج این آزمون، وجود آشوب ضعیفی را در سیستم نشان میدهد و بیانگر امکان استفاده از الگوسازی غیرخطی برای پیشبینی دقیق تر کوتاه مدت است. در مرحله بعد با استفاده از رگرسیون خطی، الگوی سری زمانی و شبکههای عصبی مصنوعی، ضمن انجام پیشبینی درآمدهای مالیات بر مشاغل طی دوره زمانی 1379-1383، عملکرد این سه روش با یکدیگر مقایسه شده است. نتایج براورد الگوها نشان دهنده عملکرد بهتر الگوی شبکه عصبی مصنوعی میباشد. طبقهبندی JEL :E62; C53; C20; C45 | ||
| عنوان مقاله [English] | ||
| - | ||
| چکیده [English] | ||
| In this paper, in order to have a more a accurate forecast, three kinds of models: linear regression, time series and artificial neural network are used. Using Lyapunov exponent test, the structure of time series based on linearity, nonlinearity and stochastic process is studied. The results show a weak chaos in the system and declare possibility of applying nonlinear modeling for short-run forecasts. Using artificial neural network, linear regression and time series methods, occupational income tax are forecasted for period 1379-1383 and their performance is compared with each other. The results indicate better performance of neural network model. JEL Classification : E62; C53; C20; C45 | ||
|
آمار تعداد مشاهده مقاله: 2,132 تعداد دریافت فایل اصل مقاله: 4,776 |
||