الگوسازی غیرخطی و پیشبینی درآمدهای مالیات بر مشاغل در اقتصاد ایران
نویسندگان
1 کارشناسی ارشد اقتصاد
2 استادیار دانشکده علوم اداری و اقتصادی، گروه اقتصاد، دانشگاه فردوسی مشهد
3 استادیار دانشکده مهندسی برق، گروه کنترل، دانشگاه صنعتی خواجه نصیرالدین طوسی
doi
چکیده
در این مقاله، با هدف دستیابی به پیشبینیهای دقیقتر، سه نوع الگوی رگرسیون خطی، سریزمانی و شبکه عصبی مصنوعی طراحی و براورد شده است. در ابتدا ماهیت ساختاری سریزمانی مورد نظر از جهت خطی، غیرخطی و تصادفی بودن با استفاده از آزمون نمای لیاپانوف بررسی شده است. نتایج این آزمون، وجود آشوب ضعیفی را در سیستم نشان میدهد و بیانگر امکان استفاده از الگوسازی غیرخطی برای پیشبینی دقیق تر کوتاه مدت است. در مرحله بعد با استفاده از رگرسیون خطی، الگوی سری زمانی و شبکههای عصبی مصنوعی، ضمن انجام پیشبینی درآمدهای مالیات بر مشاغل طی دوره زمانی 1379-1383، عملکرد این سه روش با یکدیگر مقایسه شده است. نتایج براورد الگوها نشان دهنده عملکرد بهتر الگوی شبکه عصبی مصنوعی میباشد. طبقهبندی JEL :E62; C53; C20; C45