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

کلیدواژه‌ها