TY - JOUR ID - 23963 TI - الگوسازی و پیش بینی درآمدهای مالیاتی در برنامه‎ی پنجم توسعه براساس ساختاری ویژه از شبکه های عصبی غیرخطی JO - فصلنامه تحقیقات اقتصادی JA - JTE LA - fa SN - 0039-8969 AU - خالوزاده, حمید AU - حمیدی علمداری, سعیده AU - اسدالله زاده بالی, میررستم AD - دانشیار دانشکده‎ی مهندسی برق و کامپیوتر، گروه کنترل، دانشگاه صنعتی خواجه نصیرالدین طوسی AD - کارشناس ارشد علوم اقتصادی Y1 - 2012 PY - 2012 VL - 46 IS - 3 SP - 45 EP - 63 KW - آشوب KW - بعدهمبستگی KW - پیش بینی KW - شبکه‎ی عصبی مصنوعی KW - مالیات KW - مدل چندورودی- چندخروجی. DO - N2 - 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 UR - https://jte.ut.ac.ir/article_23963.html L1 - https://jte.ut.ac.ir/article_23963_3d6795c4e87c2a00e10d02b3073ea367.pdf ER -