دانلود پایان نامه ارشد:پیشبینی درآمدهای مالیاتی استان مازندران با استفاده از شبکه های عصبی مصنوعی

–تعاریف واژه ها و اصطلاحات……………………………………………………………………………………………………….. 8

فصل دوم: ادبیات و پیشینه تحقیق

2-1- مقدمه………………………………………………………………………………………………………………………………………… 14

2-2-تاریخچه مالیات و تحول آن……………………………………………………………………………………………………………. 14

2-3-1-نحوه تاسیس و ساختار کلی سازمان امور مالیاتی………………………………………………………………………………………. .15

2-3-2-وظایف نظام مالیاتی کشور………………………………………………………………………………………………………………… 15

2-4-مفهوم مالیات…………………………………………………………………………………………………………………………………. 17

2-5- بررسی پایه های مالیات در ایران……………………………………………………………………………………………………… 18

2-6-انواع مالیات از لحاظ منبع………………………………………………………………………………………………………………… 19

2-7-نرخ مالیاتی و مالیات در مکاتب اقتصادی……………………………………………………………………………………………. 20

2-7-1-اصول مالیاتی از نظر کلاسیک ها…………………………………………………………………………………………………………….. 21

2-7-2-اصول مالیاتی از دید کینزین ها………………………………………………………………………………………………………………. .21

2-8-نگرش جدید به اصول مالیاتی…………………………………………………………………………………………………………… 22

2-9-اسیب شناسی نظام مالیاتی کشور……………………………………………………………………………………………………….. 23

2-10-نارسایی های وصول مالیات دراقتصاد ایران………………………………………………………………………………………. 23

2-11-اصلاحات ساختاری در نظام مالیاتی………………………………………………………………………………………………… 23

2-12-نظریاتی در مورد اصلاح نظام مالیاتی کشور……………………………………………………………………………………… 24

2-13-فرایند های موثر درن زا و برون زای وصول مالیات…………………………………………………………………………… 24

2-13-1-عوامل موثر برون زا در وصول مالیات…………………………………………………………………………………………………… 25

2-13-2-عوامل موثر برون زا در وصول مالیات……………………………………………………………………………………………………. 25

2-14-بررسی روند درآمد مالیاتی در ایران………………………………………………………………………………………………… 25

2-15-فرار مالیاتی چیست؟……………………………………………………………………………………………………………………… 27

2-15-1-تمایز فرار مالیاتی و اجتناب مالیاتی……………………………………………………………………………………………………….. .27

2-15-2-زمینه های پیدایش فرار مالیاتی…………………………………………………………………………………………………………….. .28

2-15-3-اندازه گیری فرار مالیاتی در ایران………………………………………………………………………………………………………….. 29

2-16- اندازه گیری ظرفیت مالیاتی و تعریف آن………………………………………………………………………………………… 29

2-16-1-عوامل موثر بر ظرفیت مالیاتی……………………………………………………………………………………………………………… 31

2-16-2-ضرورت برآورد ظرفیت مالیاتی……………………………………………………………………………………………………………. 35

2-16-3-ضرورت برآورد ظرفیت مالیاتی استانی……………………………………………………………………………………………………. 35

2-16-4-پایه نظری تیین ظرفیت مالیاتی…………………………………………………………………………………………………………….. 36

2-16-5-ساختار ظرفیت مایاتی درآمد ملی………………………………………………………………………………………………………….. 36

2-16-6-ساختار ظرفیت مالیاتی سرمایه ملی………………………………………………………………………………………………………… 37

2-16-7-ساختار ظرفیت مالیاتی برای بازدهی نهایی سرمایه………………………………………………………………………………………. .37

2-17-شبکه عصبی…………………………………………………………………………………………………………………………………. 39

2-17-1-هوش محاسباتی…………………………………………………………………………………………………………………………….. 39

2-17-2-الگوی شبکه های عصبی مصنوعی………………………………………………………………………………………………………… 40

2-17-3-مقدمه ای در باب شبکه های مصنوعی…………………………………………………………………………………………………….. 41

2-17-4-ساختار شبکه های عصبی مصنوعی……………………………………………………………………………………………………….. 41

2-17-5-خصوصیات شبکه های عصبی مصنوعی …………………………………………………………………………………………………. 43

2-17-6-ساختار شبکه عصبی مصنوعی……………………………………………………………………………………………………………… 44

2-17-7-موشکافی شبکه های عصبی مصنوعی…………………………………………………………………………………………………….. 45

2-17-8-بردارهای ورودی- خروجی………………………………………………………………………………………………………………… 45

2-17-9-الگوهای ارتباطی بین واحد های پردازشگر……………………………………………………………………………………………….. .46

2-17-10-واحد های پردازشگر شبکه عصبی مصنوعی……………………………………………………………………………………………. 46

2-17-11-توابع تحریک……………………………………………………………………………………………………………………………… 47

2-17-12-توپولوژی……………………………………………………………………………………………………………………………….. 48

2-17-13-یادگیری در شبکه های عصبی مصنوعی………………………………………………………………………………………………. 50

2-17-14-الگوریتم آموزشی انتشار به عقب……………………………………………………………………………………………………….. 51

2-18-مروری بر تحقیقات انجام شده در داخل کشور…………………………………………………………………………………. 52

2-19-مروری بر تحقیقات انجام شده درخارج کشور………………………………………………………………………………….. 59

فصل سوم: روش تحقیق

3-1-مقدمه……………………………………………………………………………………………………………………………………………… 62

3-2-روش تحقیق……………………………………………………………………………………………………………………………………. 62

3-3-جامعه اماری……………………………………………………………………………………………………………………………………. 63

3-4-نمونه اماری…………………………………………………………………………………………………………………………………….. 63

3-5-نحوه جمع آوری اطلاعات………………………………………………………………………………………………………………… 63

3-6-قلمرو تحقیق……………………………………………………………………………………………………………………………………. 64

3-7-متغیر های تحقیق……………………………………………………………………………………………………………………………… 64

3-8-محدودیت های تحقیق………………………………………………………………………………………………………………………. 64

3-9-دستاورد های تحقیق…………………………………………………………………………………………………………………………. 65

3-10-عوامل تاثیر گذار بر تحقیق……………………………………………………………………………………………………………… 65

3-11-معیار های آماری جهت پیش بینی…………………………………………………………………………………………………… 65

3-12-میانگین مربعات خطاها………………………………………………………………………………………………………………….. 66

3-13-میانگین قدرمطلق مجموع خطاها…………………………………………………………………………………………………….. 66

3-14-روش حداقل مجذورات…………………………………………………………………………………………………………………. 66

3-15-شبکه عصبی…………………………………………………………………………………………………………………………………. 67

3-16-روش تجزیه و تحلیل اطلاعات………………………………………………………………………………………………………… 67

3-16-1-نرم افزار GMDH SHELL……………………………………………………………………………………………………………. 67

فصل چهارم: تجزیه و تحلیل داده ها

4-1-مقدمه……………………………………………………………………………………………………………………………………………… 72

4-2-معرفی الگو و متغیر ها……………………………………………………………………………………………………………………… 72

4-3-امار توصیفی متغیر های تحقیق………………………………………………………………………………………………………….. 73

4-4-اماده سازی نرم افزار برای تحلیل داده ها…………………………………………………………………………………………… 73

4-5-روش رگرسیون……………………………………………………………………………………………………………………………….. 77

4-6-حالت last (30 درصد داده ها)……………………………………………………………………………………………………….. 77

4-7-حالت last (33 درصد داده ها)……………………………………………………………………………………………………….. 79

4-8-حالت uniforn (30 درصد پیش بینی)…………………………………………………………………………………………….. 79

4-9-حالت uniform (46 درصد پیش بینی)…………………………………………………………………………………………… .81

4-10-حالت uniform (47 درصد پیش بینی)…………………………………………………………………………………………. 82

4-11-جمع بندی الگوریتم رگرسیون……………………………………………………………………………………………………….. 83

4-12-الگوریتم سری های زمانی………………………………………………………………………………………………………………. 84

4-13-پیش بینی 5 ساله و 10 ساله با استفاده از سری های زمانی……………………………………………………………….. 86

4-14-مقایسه روشها و انتخاب روش برتر………………………………………………………………………………………………….. 88

فصل پنجم: نتیجه گیری و پیشنهادات

5-1-نتیجه گیری…………………………………………………………………………………………………………………………………….. 91

5-2- یافته های تحقیق……………………………………………………………………………………………………………………………… 93

5-3- پیشنهادات مبتنی بر یافته های تحقیق………………………………………………………………………………………………… 93

5-4- پیشنهادات به محققین آینده……………………………………………………………………………………………………………… .94

چکیده لاتین……………………………………………………………………………………………………………………………………………. 95

منابع

منابع فارسی……………………………………………………………………………………………………………………………………………… 96

منابع لاتین……………………………………………………………………………………………………………………………………………….. 98

فهرست جداول

عنوان صفحه

جدول 4-1- آمار توصیفی متغیرهای تحقیق……………………………………………………………………………………………….. 73

جدول 4-2- پارامترهای solver نرم‌افزار………………………………………………………………………………………………….. 76

جدول 4-3- دقت نتایج رگرسیون در حالت last برای 30 درصد پیش بینی……………………………………………….. 78

جدول 4-4: دقت نتایج رگرسیون در حالت Uniform برای 30 درصد پیش بینی………………………………………. .80

جدول 4-5: دقت نتایج رگرسیون در حالت Uniform برای 46 درصد پیش بینی………………………………………. 82

جدول 4-6: مقایسه مقادیر پیش بینی با مقادیر واقعی در الگوریتم رگرسیون………………………………………………….. 84

جدول 4-7: دقت نتایج در الگوریتم سری زمانی برای 30 درصد پیش بینی…………………………………………………. 86

جدول 4-8: پیش بینی های 5 ساله و 10 ساله……………………………………………………………………………………………. 87

جدول 4-9: مقایسه الگوریتمها………………………………………………………………………………………………………………….. 88

فهرست اشکال

عنوان صفحه

شکل 1-1-مدل مفهومی تحقیق…………………………………………………………………………………………………………………. 7

شکل 1-2-درآمد مالیاتی ایران………………………………………………………………………………………………………………….. 9

شکل 2-1- بررسی روند درآمد مالیاتی در ایران…………………………………………………………………………………………. 26

شکل 2-2- نمای شماتیكی از یك سلول عصبی…………………………………………………………………………………………. 42

شکل2-3- نمای شماتیكی از سیناپس‏های تقویت‏كننده و تضعیف‏كننده………………………………………………………… 42

شكل 2-4- شمای شماتیكی از یك واحد پردازشگر( نورون مصنوعی)………………………………………………………… 44

شكل 2-5- نمای شماتیكی از یك واحد پردازشگر…………………………………………………………………………………… 47

شكل2-6- توابع تحریك متداول مورد استفاده در واحدهای پردازشگر…………………………………………………………. 48

شكل 2-7- نمای شماتیكی از یك شبكه چند لایه پیشرونده……………………………………………………………………….. 49

شكل 2-8- طبقه‏بندی الگوریتم‏های یادگیری شبكه‏های عصبی…………………………………………………………………….. 50

شكل2-9- نمای شماتیكی از متغیرها و ارتباطات یك شبكه………………………………………………………………………… 52

شکل 3-1-نمایی از برنامه GMDH SHELL…………………………………………………………………………………………..69

شکل4-1-عمل پردازش میان داده های ورودی و خروجی………………………………………………………………………….. 72

شکل 4-2-کانتور درآمد مالیاتی با توجه به ارزش افزوده بخش‌های اقتصادی و نرخ تورم………………………………. 75

شکل 4-3- کانتور درآمد مالیاتی با توجه به متوسط درآمد خانوار و نرخ تورم……………………………………………….. 76

فهرست نمودارها

عنوان صفحه

نمودار2-1-عوامل مؤثر بر ظرفیت مالیاتی………………………………………………………………………………………………….. 32

نمودار 3-1-مراحل پردازش داده در نرم افزار “GMDH SHELL”………………………………………………………. 68

نمودار 4-1- تغییرات ارزش افزوده بر حسب سال…………………………………………………………………………………….. 74

نمودار 4-2- تغییرات متوسط درآمد خانوار بر حسب سال…………………………………………………………………………. .74

نمودار 4-3- تغییرات درآمد مالیاتی بر حسب سال…………………………………………………………………………………….. 75

نمودار 4-4- تغییرات نرخ تورم بر حسب سال………………………………………………………………………………………….. 75

نمودار 4-5- نمودار پیش بینی درامد مالیاتی برای الگوریتم رگرسیون………………………………………………………….. 77

نمودار 4-6- نمودار باقیمانده پیش بینی برای الگوریتم رگرسیون ………………………………………………………………. 78

نمودار 4-7- نمودار پیش بینی درامد مالیاتی برای الگوریتم رگرسیون………………………………………………………….. 79

نمودار 4-8- نمودار پیش بینی درامد مالیاتی برای الگوریتم رگرسیون………………………………………………………….. 79

نمودار 4-9: نمودار باقیمانده پیش بینی برای الگوریتم رگرسیون…………………………………………………………………. 80

نمودار 4-10: نمودار پیش بینی درامد مالیاتی برای الگوریتم رگرسیون………………………………………………………… 81

نمودار 4-11- نمودار باقیمانده پیش بینی برای الگوریتم رگرسیون……………………………………………………………… 81

نمودار 4-12: نمودار پیش بینی درامد مالیاتی برای الگوریتم رگرسیون………………………………………………………… 83

نمودار 4-13: نمودار پیش بینی درآمد مالیاتی برای الگوریتم سری زمانی……………………………………………………… 85

نمودار 4-14: نمودار باقیمانده پیش بینی برای الگوریتم سری زمانی……………………………………………………………. 85

نمودار 4-15: پیش بینی 5 ساله با استفاده از الگوریتم سری های زمانی……………………………………………………….. .87

نمودار 4-16: پیش بینی 10 ساله با استفاده از الگوریتم سری های زمانی…………………………………………………….. 88

چکیده

مالیاتها مهمترین منبع تامین مالی دولت پس از نفت است. لذا پیش بینی درامد مالیاتی کشور و استان های مختلف همراه با معرفی توان بالقوه مالیاتی کشور و استان ها، کمک بزرگی به افزایش درآمد مالیاتی دولت محسوب می شود. در این راستا این مقاله به بررسی عوامل موثر بر درآمد مالیاتی استان مازندران و پیش بینی درامد مالیاتی استان با استفاده از شبکه های عصبی مصنوعی می پردازد.

با توجه به اهمیتی که درآمد های مالیاتی در تامین هزینه های دولت داد، پیش بینی درآمد مالیاتی نقش مهمی را می تواند درسیاست گذاری های اقتصادی ایفا کند. درآمد مالیاتی در واقع حجم مالیاتی است که جامعه توانست بپردازد. و از آنجا که مالیات ها یکی از مهمترین منابع درآمدهای دولت پس از درآمد نفتی هستند لزوم پیش بینی دقیق درآمد مالیاتی در استانها و شناخت منابع موجود در آن به وضوح به چشم میخورد. در این راستا در مطالعه حاضر به پیش بینی درآمد مالیاتی استان مازندران طی دوره 1377 تا 1391 پرداخته شده است. در این پایان نامه عوامل موثر بر درآمد مالیاتی استان مازندران عبارت است از: متوسط درآمد شهری، نرخ تورم، درآمد مالیاتی کل، ارزش افزوده بخش های مختلف اقتصادی است. برای مدلسازی درآمد مالیاتی استان مازندران از روش شبکه عصبی مصنوعی استفاده شده است که در آن متغیرهای مستقل به عنوان الیه ورودی وارد سیستم یادگیری شبکه عصبی می گردند و متغیر وابسته یا تابع که درآمد مالیاتی استان است، حکم الیه خروجی را در شبکه عصبی دارد. در این تحقیق با استفاده از روش شبکه عصبی به آنالیز دادهها خواهیم پرداخت و خروجی مربوط به این روش را در برنامه GMDH SHELL مستخرج می نماییم.

واژگان کلیدی: استان مازندران، مالیات، پیشبینی، درآمد مالیاتی، شبکههای عصبی مصنوع

فصل اول

کلیات تحقیق

1-1-مقدمه

مالیات مهمترین ابزار سیاست مالی دولت است که روند رشد اقتصادی را تسریع می بخشد و یکی از عمده ترین و با ثبات ترین منابع درآمدی دولت ها را تشکیل می دهد .مقایسه این منبع با منابع دیگر حاکی از این است که هر چه سهم مالیات ها در تأمین مخارج دولت بیشتر باشد از ایجاد اثار نامطلوب اقتصادی به میزان چشم گیری جلوگیری می شود .یکی از نکات مهمی که در سند چشم انداز ، مورد توجه قرار گرفته است ، تأمین مخارج دولت از طریق مالیات ها و در نتیجه سهم بیشتر مالیات ها در تأمین هزینه های جاری دولت بوده است . لازم به توضیح است که به دلیل مشکلات موجود در سیستم مالیاتی کشور این سیستم قادر به تأمین بخش عمده ای از درآمدهای دولت نبوده است . بر این اساس ، لازم است تا با برآورد ظرفیت مالیاتی مالیاتی ، به تحلیل مشکلات موجود در نظام مالیاتی کشور پرداخت و با اتخاذ روش ها و تدابیری در جهت رفع آنها و شناخت روش های جدید مالیاتی به منظور کاهش شکاف مالیاتی بین درآمدهای مالیاتی موجود و ظرفیت مالیاتی اقدام نمود.(عرب مازار ، 1388)

مالیاتها به عنوان معمولترین و مهمترین منبع مالی برای تامین درآمدهای عمومی و یکی از کاراترین و موثرترین ابزارهای سیاست مالی در دنیا به شمار می رود که دولت می تواند به واسطه آن بسیاری از خدمات اجتماعی و رفاهی را در خدمت مردم قراردهد و به بسیاری از فعالیتها و جریانات اقتصادی و اجتماعی سمت و سو ببخشد. متاسفانه تلقی برخی از افراد از وصول مالیاتها در ایران محدود به کسب درآمد بیشتر به منظور اداره کردن تشکیلات دولتی است و آنچه کمتر به آن توجه می شود این است که بالا بودن سهم وصولیهای درآمدی حاصل از نفت و پایین بودن سهم درآمدهای مالیاتی در ترکیب درآمد دولت علاوه بر آنکه عوارض ناگواری همچون وابستگی درآمد کشور به صدور یک کالا را در بر دارد ؛ اقتصاد کشور را از امکان استفاده از ابزار مالی محروم ساخته است. در حالیکه با استفاده از این ابزار می توان بسیاری ازنابسامانی اقتصادی را به سمت صحیحی هدایت نمود. با تغییر در پایه های مالیاتی می توان مکانیزم هایی ایجاد نمود که مسایل و معضل های اقتصادی همچون : کسری بودجه ، تورم ، بیکاری ، نامتعادل بودن توزیع درآمد ، کاهش صادرات غیر نفتی و افزایش واردات ، افزایش مهاجرت به شهرهای بزرگ ، بالا رفتن مصرف کالاهای تجملی در مناطق شهری و بسیاری از مسایل دیگر را سامان بخشید و ضمانت لازم برای رشد و شکوفایی اقتصاد و تحقق اهداف اقتصادی ، اجتماعی و سیاسی را فراهم آورد .(پیرایی ،1387 ) . در اقتصاد ایران نیز یكی از اجزای بسیار مهم بودجه دولت درآمدهای مالیاتی كشور میباشد. اطلاع از میزان درآمدهای مالیاتی قابل حصول در منابع مختلف مالیاتی، علاوه بر تخصیص بهینه منابع در جهت وصول آنها، دولت را درانجام برنامه ریزیهای دقیق مالی كمك كرده و میزان مشاركت مردم را در تأمین مالی هزینه های عمومی دولت مشخص میكند. در این میان سوال اساسی مورد نظر دولتمردان و سیاستگزاران این است كه با همین شرایط اقتصادی و قانونی موجود و با فرض ثابت بودن كارایی و تلاش مالیاتی و با توجه به عملكرد سالهای گذشته ؛ چه میزان مالیات برای سالهای آینده قابل وصول بوده و می توان پیش بینی كرد .یکی از مهمترین کاربردهای مدلهای اقتصادی ؛ پیش بینی مقادیر آتی متغیرهای اقتصادی است . در حقیقت مدل اقتصادی را می توان با میزان صحت پیش بینی شان مورد آزمون قرار داد . بدین ترتیب که اگر یک مدل اقتصادی در تبیین روابط موجود متغیرها موفق باشد باید قادر به پیش بینی درستی از آینده باشد (برگرفته از كتاب مبانی اقتصادسنجی؛ترجمه ابریشمی). برآورد ظرفیت بالقوه مالیات در سطح یک کشور یا استان می تواند اطلاعات لازم در مورد توان اقتصادی کشور یا استان مورد بررسی را در تجهیز منابع مالیاتی برای پاسخگویی به مشکلات مالی و اجرای سیاستهای اقتصادی را فراهم کرده و آشکار خواهد نمود و تلاش مالیاتی دست اندرکاران را خواهد سنجید. در بررسیهای به عمل آمده در مورد ظرفیت بالقوه مالیاتی کشور ؛ مشخص شده که شکاف قابل توجهی میان ظرفیت مالیاتی بالقوه و مالیات وصولی بالفعل وجود دارد. در سطح استانهای کشور نیز تحقیقات نشاندهنده وجود شکاف مالیاتی می باشد(مهرگان،1383).

بنابراین در این پژوهش قصد داریم تا متغیرهای مؤثر بر ظرفیت مالیاتی را مورد بررسی قرار دهیم و در نهایت به پیش بینی درامد مالیاتی استان مازندران با استفاده از شبکه های عصبی بپردازیم . متغیرهایی که در این پژوهش به آنها پرداخته میشود، عبارتند از: ارزش افزوده بخش های اقتصادی از جمله ارزش افزوده بخش صنعت به قیمت جاری ،ارزش افزوده بخش عمده فروشی، خرده فروشی، تعمیر وسایل نقلیه و كالاها به قیمت جاری و ارزش افزوده بخش مستغلات، كرایه و خدمات كسب و كار به قیمت جاری و ارزش افزوده بخش حمل و نقل، انبارداری و ارتباطات به قیمت جاری و همچنین متغیرهای متوسط درامد یک خانوار شهری ، نرخ تورم و درآمد مالیاتی کل .

در ادامه، ابتدا مروری برمساله اصلی تحقیق و اهمیت موضوع تحقیق خواهد شد و سپس ضمن ارائه مدل مفهومی، اهداف و سوالات مرتبط با موضوع تحقیق نیز بیان میشود.

1-2-تشریح و بیان مسئله

بسیاری از کشورهای در حال توسعه نیاز به سرمایه گذاری بیشتر در مورد زیر ساخت های عمومی، آموزش و پرورش، بهداشت و درمان خدمات و غیره میباشند ، و از این رو آنها نیاز به افزایش ظرفیت های مالیاتی و مالیات بر درآمدمیباشد.(بیرد، مارتینز ، تورگلر، 2007 )

دلیل اصلی اینکه بسیاری از کشورهای در حال توسعه، درآمدهای چندانی از مالیات ندارند این است که سیاست های مالیاتی بیشتر در جهت منافع کسانی است که تسلط بر نهادهای سیاسی چنین کشورهایی دارند. (بیرد، مارتینز ، تورگلر ، 2007 )

بر اساس شاخص نسبت مالیات که به عنوان شاخص قابل قبول جهانی برای سنجش عملکرد مالیاتی کشورها مورد استفاده قرار می گیرد نشاندهنده این واقعیت است که رتبه ایران از بین 46 کشور مورد بررسی طی دوره (2000-2006) در جایگاه 44 قرار دارد. محاسبه شاخص مورد بررسی در ایران بطور متوسط برابر 6.5 درصد می باشد در حالی که میانگین کشورها طی دوره 2000 تا 2006 برابر 18 درصد بوده است.این امر نشاندهنده این واقعیت است که ظرفیت مالیاتی کشورمان به حد آستانه ای خود نزدیک شده است (برگرفته از گزارش بانك جهانی) بنابراین شناخت دقیق و علمی مباحث مالیاتی کشور می تواند سیاست گذاران اقتصادی را در برنامه ریزی هرچه دقیقتر و بهتر جهت افزایش توان مالیاتی یاری نماید.

ظرفیت مالیاتی ظرفیت اقتصادی یک کشور برای تحمل فشار انواع مالیات است، به عبارتی دیگر میزانیست که مردم می توانند مالیات بپردازند.با توجه به اهمیت و نقش مالیات ها در برآورد ظرفیت مالیاتی به منظور افزایش درآمدهای مالیاتی در جامعه از موضوع های کلیدی در علم اقتصاداست.ظرفیت مالیاتی در واقع بیشترین مالیاتی است که باتوجه به سطح توزیع آن و ترکیب درآمدو قوانین هر کشوردر یک دوره بلند مدت قابل اخذ است که طبیعی است اگردر یک دوره اخذمالیات بیش از ظرفیت مالیاتی باشدسبب کاهش درآمد جامعه و درآمد مالیاتی در سالهای آتی خواهدشدو اگرکمتر از ظرفیت بالقوه مالیاتی باشددولت برای رسیدن به اهداف اقتصادی خود با مشکلات مالی مواجه خواهدشد. (فلاحتی ، 1389)

ظرفیت مالیاتی در واقع حجم مالیاتی است که جامعه توان پرداخت آن را دارد و این توان از یک طرف متکی بر درآمدها، مصارف و سرمایه گذاریهاست و از طرف دیگر بر اهداف بلندمدت و برنامه ریزی های کوتاه و میان مدت متکی می باشد،ظرفیت مالیاتی در واقع اطلاعات لازم در مورد ظرفیت کشور یا یک منطقه در تجهیز منابع مالیاتی برای پاسخگویی به مشکلات مالی و اجرای سیاست های اقتصادی را فراهم می آورد و آشکار می نماید که یک کشور یا یک منطقه ، چه میزان کوشش در تجهیز منابع مالیاتی به کار برده است و تاچه میزان توان افزایش این منابع را دارد.(منجذب ، 1384)

لازم به توضیح است که به دلیل مشکلات موجود در سیستم مالیاتی کشور این سیستم قادر به تامین بخش عمده ای از درآمدهای دولت نبوده است.بر این اساس لازم است تا با برآورد توان و کارایی نظام مالیاتی، به تحلیل مشکلات موجود در نظام مالیاتی کشور پرداخت و با اتخاذ روش هاوتدابیری در جهت رفع آنها و شناخت روش های جدید مالیاتی به منظور کاهش شکاف مالیاتی بین درآمدهای مالیاتی موجود و ظرفیت مالیاتی اقدام نمود.که این پایان نامه موارد مؤثر بر ظرفیت مالیاتی را برای استان مازندران را مشخص می کند.(عرب مازار،1387)

برخی مطالعات در سالهای اخیر بر اهمیت عوامل نهادی بر تعیین عملکرد درآمدهای مالیاتی تاکید دارند به عنوان مثال بیر ، مارتینز ، و تورگلر (2007) دریافتند که عواملی نظیر فساد اداری ، حاکمیت قانون ، مقررات ورود و خروج در برآورد نسبت مالیاتی تأثیر دارد . گاپتا(2007) به این نتیجه رسید که ظرفیت مالیاتی با افزایش درآمد و با افزایش درجه بازبودن اقتصاد و افزایش سهم ارزش افزوده بخش کشاورزی کاهش می یابد .همچنین میتوان به مطالعات تیرا (2004) نیز اشاره نمود که در کنار متغیرهای اقتصادی ، متغیرهای نهادی را بر ظرفیت مالیاتی موثر میدانند.

استفاده از شبکه های عصبی در طی دو دهه اخیر بسیار مورد توجه محققان و صنعتگران قرار گرفته است.علت این امر علاوه برسادگی کاربرد آنها،بازدهی این روشها در مدلسازی فرآیندهایی است که رفتاری به شدت غیرخطی دارند.شبکه عصبی ابزار محاسباتی ساده ای برای آزمون داده ها و ایجاد مدل از ساختار داده ها می باشد.

هر مدل شبکه عصبی شامل یک لایه ورودی ، یک لایه خروجی و یک یا چندلایه پنهان می باشد. همه این لایه ها دارای گره می باشند و همه این گره ها در لایه های مجاور به هم متصل می گردند . لایه ورودی فقط اطلاعات را دریافت می کند و مشابه متغیر مستقل عمل می کند . لایه خروجی همانند متغیر وابسته عمل می کند و تعداد نرون های آن بستگی به تعداد متغیر وابسته دارد.مدل های شبکه عصبی مصنوعی مدل های محاسباتی هستند که قادرند رابطه بین ورودی ها و خروجی های یک دستگاه را با شبکه ای از گره های متصل به هم تعیین می نماید. در کاربرد شبکه عصبی برای پیش بینی می توان آن را به عنوان یک تابع غیر خطی پارامتری در نظر گرفت که برروی مجموعه ای از داده ها به کار می رود .این تابع غیر خطی را می توان به صورت ترکیبی از قطعاتی غیرخطی ( تابع فعالسازی) به کار گرفت که هریک توجیه کننده بخشی از رفتار کلی داده های مورد استفاده در پیش بینی اند . یکی از این توابع غیر خطی که در پیش بینی سری های زمانی بسیار متداول است ، تانژانت هیپربولیک است. این تابع به عنوان تابع فعال سازی در شبکه عصبی استفاده شده است . یک شبکه عصبی از اتصال چندین عصب مصنوعی به وجود می آید . با توجه به آرایش اتصال عصب ها انواع مختلفی از این شبکه ها ارایه شده اند. به عنوان مثال شبکه های پیش رونده و برگشتی که هریک می توانند صورت تک لایه ای یا چندلایه ای داشته باشند .( فلاحتی ، 1389)

این پایان نامه برخی از مفاهیم اساسی ظرفیت مالیاتی را تبیین خواهد نمود و در نهایت به پیش بینی درامد مالیاتی استان مازندران خواهد پرداخت. پارامترهای مورد بررسی برای پیش بینی درامد مالیاتی این استان عبارتند ازمتوسط درآمدخانوار شهری ، ارزش افزوده بخش های مختلف اقتصادی ، نرخ تورم و درآمد مالیاتی کل.

رابطه ها در این تحقیق به صورت یک مدل و چارچوب مفهومی نشان داده شده است. بنابراین مدل مفهومی تحقیق حاضر با توجه به موضوع پژوهش و متغیرهای تحقیق به صورت زیر است (شکل1-1)

مدل پیش بینی شبکه عصبی

شبکه عصبی

درآمد مالیاتی کل

نرخ تورم

ارزش افزوده بخش های مختلف اقتصادی

متوسط درآمد شهری

متغیرهای تأثیرگذار بر پیش بینی درامد مالیاتی مالیاتی

شکل 1-1- مدل مفهومی تحقیق

1-3-ضرورت انجام تحقیق

موضوعات: بدون موضوع لینک ثابت

فرم در حال بارگذاری ...

فید نظر برای این مطلب