برآورد ظرفيت بالفعل مالياتي ايران با استفاده از الگوريتم بهينه سازي انبوه ذرات (PSO) و الگوريتم ژنتيك (GA)

The Estimation of Iran’s Tax Capacity by Using the Genetic Algorithm (GA) and the Particle Swarm Optimization (PSO) Algorithm

با توجه به اهميت فراوان درآمدهاي مالياتي در تامين منابع مالي مورد نياز دولت ها، بررسي ظرفيت بالفعل مالياتي همواره مورد توجه دولت مردان و سياست گذاران بوده است. در اين مقاله، تابع ظرفيت مالياتي با دو الگوريتم ژنتيك و بهينه سازي انبوه ذرات طي دوره 1389-1361 برآورد شده است. براساس معيارهاي ارزيابي عملكرد كه شامل ميانگين انحراف معيار، جذر ميانگين انحراف معيار، ميانگين درصد خطاي مطلق و ميانگين خطاي مطلق مي باشند مدل برآورد شده با الگوريتم بهينه سازي انبوه ذرات براي اندازه گيري ظرفيت مالياتي انتخاب گرديد. نتايج مدل برآوردي نشان دهنده تاثير مثبت متغيرهاي درآمد سرانه و نسبت ارزش افزوده بخش هاي صنعت و معدن و خدمات به توليد ناخالص داخلي بر ظرفيت مالياتي مي باشد. همچنين نسبت ارزش افزوده بخش كشاورزي به توليد ناخالص داخلي، نرخ تورم و بيكاري با ظرفيت مالياتي رابطه غيرمستقيم دارد.

According to the great importance of the tax incomes in supplying the governments’ necessary financial resources, governments and politicians have always taken heed of considering the potential capacity of the taxes. In this paper, the tax capacity function is estimated by utilizing both the Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) algorithm from 1361 to 1389. According to the performance evaluation criteria, the estimated model with the PSO algorithm is selected to assess the tax capacity. Results of the estimated model demonstrate the positive effects of variables of the income per capita, the Value Added of the industry, mine and services sections to the gross domestic product rate on the tax capacity. Besides, the Added Value of the agriculture section to gross domestic product rate, inflation rate and unemployment are linked to the tax capacity in a reciprocal relation.