انتخاب براي حسابرسي ماليات بر ارزش افزوده

Selection for value added tax audit

در اين مقاله به منظور مديريت ريسك عدم تمكين مالياتي، مدل بهينه "انتخاب براي حسابرسي­ ماليات ­بر ارزش افزوده" با استفاده از تكنيك­هاي داده كاوي(ماشين بردار و درخت تصميم) مورد مطالعه قرار مي­گيرد. در انتخاب براي حسابرسي، مسئله مهم انتخاب پرونده­هاي مناسب براي حسابرسي از درون مجموعه­اي از كانديدهاي بالقوه است، به نحوي كه اين انتخاب ضمن پوشش حداكثري ريسك مالياتي موجب افزايش كارايي دستگاه مالياتي ­گردد، چرا كه با توجه به محدوديت‌هاي موجود در زمان و منابع، حسابرسي تمامي مؤديان هزينه‌هاي مختلفي را به همراه خواهد داشت. علاوه بر اين هزينه­ هاي مرتبط با حسابرسي و درآمد ناشي از حسابرسي هم مطرح است، بنابراين خروجي فرآيند حسابرسي مالياتي به‌ميزان زيادي­ به كيفيت انتخاب مجموعه مؤديان مورد حسابرسي بستگي دارد. براي انجام اين تحقيق در ابتدا با استفاده از روش دلفي عوامل مؤثر بر ريسك مالياتي ­شناسايي و در ادامه با استفاده از نمونه ­هاي آماري تحقيق كه شامل 281 شركت كه در سال‌هاي 1390تا 1393 مورد حسابرسي ماليات بر ارزش افزوده قرار­گرفته­اند مدل‌هاي مختلف استخراج و توانايي آن‌ها در انتخاب بهينه براي حسابرسي ماليات بر ارزش افزوده مورد ارزيابي قرار گرفت نتايج مطالعه نشان مي‌دهد كه روش ماشين بردار پشتيبان خطي(lsvm) تا70% از مؤديان به‌وسيله اين الگوريتم خوشه بندي به‌درستي با توجه به واكاوي داده‌هاي موجود تفكيك خواهند شد كه از صحت بالاتري نسبت به ساير تكنيك‌هاي داده كاوي درخت تصميم برخوردار مي‌باشد.

In this article in order manage the risk from the lack of tax compliance.The optimal model “selection forvat audit” using data mining techniques (vector machine and decision tree) be studied. In the selection for auditing, the important issue is select the right files for auditing from within the range of potential candidates .So that’s the choice while covering the maximum tax risk, it will increase the efficiency of the tax system. because of the limits available in time and sources, Audit all tax payer will get various costs . In addition, the costs associated with the audit and the revenue from auditing are also raised .therefore, the output of the tax audit process greatly contributes depending on the quality of the selection of the audited tax payers collection. To do this research in it all, using the Delphi method, factors affecting tax risk are identified and continuing with the using of the statistical samples of research. Which includes 281 companies that were subject to Vat audit between 2001 to 2015,Different models were extracted and their ability was evaluated to choose optimally for Vat audit. The results of the study show that the Linear support vector machine method up to 70% of tax payers with this clustering algorithm correctly they will be separated depending on the analysis of existing data. Which is more reliaboh le then other data mining techniques of decision tree.