مدل ترکیبی شبکه عصبی با الگوی arima جهت پیش بینی مالیات بر ارزش افزوده بر مصرف بنزین در ایران

Authors

یگانه موسوی جهرمی

عضو هیئت علمی، دانشگاه پیام نور الهام غلامی

استادیار، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، دانشکده مدیریت و اقتصاد، گروه اقتصاد، تهران

abstract

یکی از مسائل مهم هنگام بودجه ریزی، دسترسی به درآمدهای قابل تحقق است که این موضوع مستلزم پیش بینی های دقیق از انواع درآمدها در آینده می باشد. یکی از منابع درآمدی پر اهمیت دولت مالیات بوده که در این مقاله، پیش بینی مالیات بر ارزش افزوده ناشی از مصرف بنزین مدنظر قرار گرفته است. هدف اصلی، دستیابی به روشی کارا جهت پیش بینی مصرف بنزین و مالیات بر ارزش افزوده ناشی از آن در ایران می باشد. در این مقاله، برای پیش بینی مصرف بنزین، از یک الگوی ترکیبی روش شبکه عصبی چندلایه (mlp) با الگوی خودتوضیح میانگین متحرک انباشته (arima) استفاده شده است. سپس با تأیید عملکرد مناسب این روش در مقایسه با روش arima، از طریق اعمال نرخ های مالیات بر مصرف پیش بینی شده بنزین، مالیات بر ارزش افزوده ناشی از مصرف بنزین در کشور به دست آمده است. نتایج نشان می دهد که طی سال های 1392 الی 1395، مالیات بر ارزش افزوده از این محل، به طور متوسط در حدود 6/31 درصد رشد خواهد داشت.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی مالیات بر ارزش افزوده بر مصرف بنزین

در قانون مالیات بر ارزش افزوده برای کنترل مصرف بنزین، به عنوان یکی از کالاهای آلاینده محیط زیست، و همچنین دستیابی به منابع درآمدی جهت حفاظت از محیط زیست، نرخ مالیاتی بالاتر از نرخ استاندارد بر مصرف آن وضع می شود. از این رو، در این مقاله پیش بینی میزان درآمد قابل وصول از این پایه مالیاتی با استفاده از رویکردی دو مرحله ای مدنظر قرار گرفته است. در مرحله اول، پایه مالیات (مخارج مصرفی بنزین) برای دو...

full text

پیش بینی مالیات بر ارزش افزوده ناشی از مصرف دخانیات در ایران با استفاده از روش شبکه عصبی

در این مقاله، پیش‌بینی درآمد حاصل از این منبع مالیاتی با استفاده از رویکرد مبتنی بر برآورد پایه مالیاتی مدنظر قرار گرفته است. بدین نحو که در مرحلۀ اول، پایۀ مالیات (مخارج مصرفی سیگار) برای دوره 1391 الی 1394 پیش بینی و سپس مالیات این سال‌ها با اعمال نرخ‌های مالیاتی، محاسبه خواهد شد. در این راستا از آنجا که یکی از دغدغه‌های سیاستگذاران دسترسی به پیش‌بینی‌های دقیق از درآمدهای مالیاتی است، از روش ...

full text

پیش بینی مالیات بر ارزش افزوده ناشی از مصرف دخانیات در ایران با استفاده از روش شبکه عصبی

Cigarette and tobacco products in the VAT Law is considered as one of the particular goods and in order to contorlingit’s consumption by price tools, higher tax rates than the standard rate will be levied on it. In this paper, forecasting of revenues of this tax using an approach based on the estimating of tax base has been considered. Thus the first stage, tax base (consumption expenditu...

full text

پیش‌بینی مالیات بر ارزش افزوده بر مصرف بنزین

در قانون مالیات بر ارزش افزوده برای کنترل مصرف بنزین، به عنوان یکی از کالاهای آلاینده محیط زیست، و همچنین دستیابی به منابع درآمدی جهت حفاظت از محیط زیست، نرخ مالیاتی بالاتر از نرخ استاندارد بر مصرف آن وضع می‌شود. از این‌رو، در این مقاله پیش‌بینی میزان درآمد قابل وصول از این پایه مالیاتی با استفاده از رویکردی دو مرحله‌ای مدنظر قرار گرفته است. در مرحله اول، پایه مالیات (مخارج مصرفی بنزین) برای دو...

full text

پیش بینی دامنه تغییرات طلا با استفاده از مدل ترکیبی ARIMA و شبکه عصبی

مدل خودرگرسیو میانگین متحرک انباشته (ARIMA) که تحت عنوان روش باکس و جنکینزشناخته می‌شود، یکی از پرکاربردترین مدل‌ها در پیش‌بینی سری‌های زمانی است. اما پیش­ فرض اصلی این مدل خطی بودن سری­های زمانی می­باشد. از سوی دیگر شبکه­ی عصبی یک تخمین زننده­ی عمومی است که الگو­های غیر خطی را بسیار خوب مدل­سازی می­نماید. دانستن الگوی داده­ها مبنی بر خطی و غیر خطی بودن در واقعیت کمی دشوار است، بنابراین این اید...

full text

My Resources

Save resource for easier access later


Journal title:
پژوهش های رشد و توسعه پایدار

جلد ۱۶، شماره ۲، صفحات ۹۹-۱۱۶

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023