مقايسه مدل شبكه عصبي و رگرسيون لاجيت در اعتبارسنجي مؤديان مالياتي

يكي از مراحل مهم در اجراي طرح جامع مالياتي، انجام حسابرسي بر مبناي ريسك است. اين امر موجب كاهش چشم‌گير هزينه‌هاي حسابرسي مالياتي و صرفه‌جويي در زمان مي‌شود. حسابرسي بر مبناي ريسك نيازمند شناسايي سطح ريسك هر مؤدي مالياتي مي باشد؛ لذا تبيين مدلي جامع و كامل جهت شناسايي درجه ريسك مؤديان مالياتي يكي از گام هاي اساسي در اجراي طرح جامع مالياتي مي‌باشد. جامعه آماري اين پژوهش شركت‌هاي پذيرفته شده در بورس اوراق بهادار تهران هستند كه طي سالهاي 1392 تا 1397 فعال بوده اند و براي انتخاب نمونه از روش غربالگري (حذفي (استفاده شده است. در اين پژوهش ابتدا با استفاده از تكنيك دلفي و متا سنتز 164 مؤلفه مؤثر در اعتبارسنجي مؤديان مالياتي شناسايي گرديد. درگام بعد داده‌هاي مورد نياز براي اندازه‌گيري متغيرهاي پژوهش از سايت كدال و با بررسي پرونده هاي مالياتي طي سال‌هاي 1397-1392 استخراج شد و در نهايت با استفاده از داده‌هاي جمع آوري شده به بررسي ميزان دقت دو مدل شبكه عصبي و رگرسيون لاجيت در اعتبارسنجي مؤديان مالياتي پرداختيم. يافته‌ها نشان داد كه هرچند مدل لاجيت در شناسايي مؤديان پر ريسك توان بيشتري دارد، ولي در ساير موارد تشخيص مناسبي ندارد و در مجموع بر اساس نتايج حاصل از مقدار AUCمدل شبكه عصبي برازش بهتري دارد.