توسعه مدل شناسایی مودیان کم ‌اظهار مالیات بر ارزش افزوده با رویکردهای داده‌ کاوی

عدم ارائه اظهارنامه های مالیاتی دقیق توسط مودیان مالیات بر ارزش افزوده از مشکلات سازمان مالیاتی کشور است. تعداد زیاد اظهارنامه ها، محدودیت منابع و مقرون به صرفه نبودن بررسی تمامی آن ها، توسعه روشی هوشمند جهت شناسایی مودیان با ریسک بالا در کم اظهاری مالیات را ضروری می نماید. در این مقاله، بر اساس نظرات ممیزین مالیاتی، داده های هجده متغیر بالقوه موثر بر شناسایی کم اظهاری مالیات بر ارزش افزوده در یکی از مناطق تهران به همراه نتایج ممیزی آن ها جمع آوری شده است. روش های فیتلری و روش الگوریتم ژنتیک تعداد متغیرهای موثر را به ترتیب ده و هفت متغیر شناسایی کرده اند. دو روش پایه رده بندی «درخت تصمیم» و «k نزدیک ترین همسایگی» بر اساس دو نوع متغیرهای موثر (روش های فیلتری و الگوریتم ژنتیک) برای شناسایی کم اظهاری توسعه داده شده و برای توازن داده ها دو روش جمعی «بگینگ» و «بوستینگ» استفاده شده است. بررسی دقت پیش بینی در دوازده مدل پیش بینی (درخت تصمیم و k نزدیکترین همسایگی با دو گروه متغیر مستقل و در سه حالت عادی، «بگینگ» و «بوستینگ») نشان می دهد، روش های جمعی «بگینگ» و «بوستینگ» تاثیری بر پیش بینی ندارند و درخت تصمیم ساده با ده متغیر منتخب با روش های فیلتری بیشترین دقت پیش بینی و معادل 14/82% را برای تشخیص مودیان کم اظهار دارد. استخراج قوانین مناسب برای تشخیص مودیان کم اظهار بر اساس ده متغیر موثر بر پیش بینی آن ها از دیگر نتایج این مقاله است.