مدل ترکیبی شبکه عصبی با الگوی ARIMA جهت پیش بینی مالیات بر ارزش افزوده بر مصرف بنزین در ایران | ||
| پژوهش ها و چشم اندازهای اقتصادی | ||
| Article 5, Volume 16, Issue 2, 1395, Pages 99-116 PDF (458.88 K) | ||
| Authors | ||
| یگانه موسوی جهرمی* 1; الهام غلامی2 | ||
| 1عضو هیئت علمی، دانشگاه پیام نور | ||
| 2استادیار، 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 بینیهای 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 نرخهای 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 سالهای 1392 الی 1395، مالیات بر ارزش افزوده از این محل، به طور متوسط در حدود 6/31 درصد رشد خواهد داشت. | ||
| Keywords | ||
| مالیات بر ارزش افزوده; مصرف بنزین; شبکه عصبی چندلایه; روش ARIMA; روش ترکیبی | ||
| References | ||
|
| ||
|
Statistics Article View: 206 PDF Download: 113 |
||
| Number of Journals | 45 |
| Number of Issues | 2,171 |
| Number of Articles | 24,674 |
| Article View | 24,394,608 |
| PDF Download | 17,534,971 |