بررسی سودمندی روش انتخاب متغیر ریلیف در بهبود نتایج پیش‌بینی فرار مالیاتی با استفاده از داده‌کاوی

پژوهش حاضر به بررسی سودمندی روش‌های ریلیف و داده‌کاوی در پیش‌بینی فرار مالیاتی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران، با استفاده از داده‌های حسابداری و الگوهای درخت تصمیم، در دو حالت بدون انتخاب متغیرها و با انتخاب متغیرها، می‎پردازد. جامعه آماری پژوهش حاضر کلیه شرکت‎های پذیرفته‌شده در بورس اوراق بهادار تهران در بازه زمانی 1384 تا 1394 است و نمونه پژوهش برابر با 1081 سال شرکت می‌باشد. از روش‎های آماری تحلیل واریانس یک طرفه، آزمون t-test نمونه‌های مستقل، الگوریتم‌های داده‎کاوی درخت تصمیم و روش انتخاب متغیر ریلیف برای تحلیل داده‎ها استفاده شد. داده‎های پژوهش با استفاده از نرم‎افزارهای SPSS و Weka مورد تجزیه و تحلیل آماری قرار گرفتند. نتایج حاصل از الگوریتم ریلیف نشان داد که متغیرهای نسبت سود عملیاتی به جمع دارایی‌ها، نسبت بازده دارایی‌ها و ارزش بازار شرکت برای پیش‌بینی فرار مالیاتی مناسب‌تر از سایر متغیرها هستند. همچنین، نتایج آزمون تحلیل واریانس نشان داد که تفاوت در دقت پیش‎بینی‌ روش‎های مختلف درخت تصمیم از لحاظ آماری نیز معنادار است. افزون بر این، نتایج نشان داد در هنگام مقایسه هر یک از الگوریتم‌ها به تنهایی در دوحالت با و بدون مرحله انتخاب متغیر، تفاوت تنها در الگوریتم‌ LMT معنادار بود و در سایر الگوریتم‌ها، اگرچه دقت نتایج بهتر شده بود، اما این دقت از لحاظ آماری معنادار نبود. به عبارت دیگر، استفاده از روش انتخاب متغیر ریلیف، در هر حالتی موجب به بهبود عملکرد الگوریتم‌ها نمی‌شود.