پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,113,604 |
| تعداد دریافت فایل اصل مقاله | 97,217,364 |
الگوسازی و پیش بینی درآمدهای مالیاتی در برنامهی پنجم توسعه براساس ساختاری ویژه از شبکه های عصبی غیرخطی | ||
| فصلنامه تحقیقات اقتصادی | ||
| مقاله 3، دوره 46، شماره 3، اسفند 1390، صفحه 45-63 اصل مقاله (389.12 K) | ||
| نویسندگان | ||
| حمید خالوزاده1؛ سعیده حمیدی علمداری2؛ میررستم اسدالله زاده بالی2 | ||
| 1دانشیار دانشکدهی مهندسی برق و کامپیوتر، گروه کنترل، دانشگاه صنعتی خواجه نصیرالدین طوسی | ||
| 2کارشناس ارشد علوم اقتصادی | ||
| چکیده | ||
| در این مقالهی، پیش‌بینی درآمدهای مالیاتی کشور طی سالهای برنامهی پنجم توسعه، یا بهکارگیری روش شبکههای عصبی غیرخطی انجام شده است. این پیش‌بینی بر مبنای داده-های درآمدهای مالیاتی به تفکیک مالیاتهای کل، مستقیم، غیرمستقیم (سالهای 87-1338)، شرکتها، درآمد، ثروت و واردات (87-1342) بوده است. از آنجا که پیش‌بینی‌ها مربوط به دورهی میان‌مدت میباشد، شناخت نسبی از میزان پیچیدگی سریهای زمانی موردنظر این امکان را فراهم می‌کند که با توجه به ساختار سریهای زمانی، از مدلهای مناسب برای پیش‌بینی و دستیابی به جوابهای قابل اطمینان استفاده شود، لذا در این مقاله ابتدا ماهیت ساختاری سری زمانی درآمدهای مالیاتی از جهت آشوبی و تصادفی بودن و میزان پیچیدگی، با استفاده از آزمون بُعد همبستگی، بررسی شده است. نتایج تخمین بُعد همبستگی علاوه بر تأیید وجود آشوب در داده‌ها، نشانگر پیچیدگی در ساختار سریهای زمانی موردنظر میباشد که میزان آن در مورد هر متغیر از جهت شدت و ضعف، متفاوت است. در مرحلهی بعد، درآمدهای مالیاتی به تفکیک منابع وصولی با استفاده از شبکهی عصبی پیشنهادی ویژهی مؤلفان با ساختار چندورودی چندخروجی و قانون یادگیری پیشنهادی برای سالهای 93-1388، به صورت یک بازهی درآمدی پیش‌بینی شده است. نتایج بهدست آمده از فرآیند پیش‌بینی شش سال آینده در فاز آموزش بسیار مطلوب بوده است و انتظار میرود در سالهای آینده نیز مقادیر پیش‌بینی شده چنانچه تغییر ساختار ویژهی مالیاتی رخ ندهد، با دقت خوبی برقرار باشد. طبقهبندی G11, G1 :JEL | ||
| کلیدواژه‌ها | ||
| آشوب؛ بعدهمبستگی؛ پیش بینی؛ شبکهی عصبی مصنوعی؛ مالیات؛ مدل چندورودی- چندخروجی. | ||
| عنوان مقاله [English] | ||
| Modeling and Forecasting of Revenue of Taxes in Fifth Development Plan of Iran Based on a Special Structure of Nonlinear Neural Networks | ||
| نویسندگان [English] | ||
| Hamid Khaloozadeh1؛ saeedeh hamidi alamdari2؛ Mirrostam Asadolahzadeh Bali2 | ||
| چکیده [English] | ||
| In this paper modeling and forecasting of revenue of taxes in fifth development plan is investigated based on a special structure of nonlinear neural networks. The time series of taxes which are studied in this research are related to total tax, direct tax, indirect tax, companies’ tax, income tax, wealth tax, and import tax. Based on the correlation dimension estimation technique, the structure of each time series with respect to linearity, nonlinearity and stochastic process are studied. The results indicate that there is chaotic behavior in tax time series generators and declare possibility of applying nonlinear modeling for mid-run forecast. Then, the results of modeling and forecasting of time series of the taxes during 1959- 2009 using a novel multi- input multi- output artificial neural networks are presented. An upper and a lower band of prediction are also derived for each time series of taxes. The results for next 6 years prediction are very good in training stage and it is supposed to have good results in real next 6 years. JEL Classification : G1, G11 | ||
| کلیدواژه‌ها [English] | ||
| Chaos, correlation dimension, forecasting, Multi- Input Multi- Output Artificial Neural Network, Tax | ||
|
آمار تعداد مشاهده مقاله: 2,970 تعداد دریافت فایل اصل مقاله: 1,994 |
||