چکیده:
مالیات بر واردات یکی از منابع درآمدی دولت است که بخشی از آن به دلیل فرار مالیاتی در اختیار دولت قرار نمیگیرد. عوامل مختلفی بر فرار مالیاتی در بخش واردات موثرند که این عوامل، در این مقاله با استفاده از مدل ترکیبی شبکه عصبی مصنوعی و الگوریتم تبرید تدریجی که قادر به تحلیل سیستمهای غیرخطی است، مورد شناسایی قرار گرفتهاند. به این منظور ابتدا چهار متغیر توضیحدهنده فرار مالیاتی شامل بار مالیات بر واردات، اندازه دولت، سطح درآمد مالیاتدهندگان و درجه باز بودن اقتصاد در مدل نهایی تصریحشده شبکه عصبی در نظر گرفته شدند. نتایج حاصل از مسئله بهینهسازی فرار مالیاتی با استفاده از الگوریتم تبرید تدریجی نشان داد مقدار بهینه بار مالیاتی در واردات، اندازه دولت، درجه باز بودن اقتصاد و درآمد واقعی سرانه، درجه باز بودن اقتصاد بهترتیب برابر 18/6 (درصد)، 2/13، 69/6 (میلیون ریال) ، 29/1 (درصد) و حداقل فرار مالیاتی در دوره تحت بررسی برابر 48/21 (درصد) است.
Import tax is one of the government revenue sources that the part of this is not given to the government due to tax evasion. Several factors effect on the tax evasion in import that in this study has been identified by using a combination model of artificial neural network and simulated annealing algorithms that enable analyses the nonlinear systems. For this purpose، at the First the four explanatory variables indicative tax evasion in the Iranian economy inclusive tax burden on imports، the size of governments، tax payers’ real income and trade were considered in specified final model. The results from tax evasion estimation by using artificial neural network shows that during the years under review although the tax evasion in import faced with swings but this trend is descending in the period (1350-1390). Also the results from analysis of variance for estimated regression، show that the variables of tax burden on imports and the size of governments with the coefficients 0.236، 0.492 have the significant and positive effect on tax evasion and the variables of tax payers’ income and trade openness with the coefficients (-2.10)، (-7.92) have the significant and negative effect on tax evasion. The predicted quantities of tax evasion based on modeling artificial neural network have lesser error respect to predicting based on estimated regression.
خلاصه ماشینی:
"روند فرار مالیات بر واردات در اقتصاد ایران چگونه است؟ مقدار بهینه فرار مالیاتی و همچنین مقادیر بهینه هر یک از متغیرهای توضیحدهنده فرار مالیاتی چه میزان است؟ هدف از ارائه این پژوهش یافتن پاسخی مناسب به این پرسشها است که به این منظور، از روش مدل ترکیبی شبکه عصبی مصنوعی و الگوریتم تبرید تدریجی در دوره زمانی 1390-1350 استفاده میشود.
Jovorcik & Narciso (2008) نیز در مطالعهای اثر مثبت تعرفههای بالا را بر فرار مالیاتی تایید کردند و در پژوهش خود نتیجه گرفتند رابطه مستقیمی میان نرخ تعرفه با اختلاف تجاری یا فرار تعرفهای میان آلمان و هشت شریک تجاری از میان 10 کشور تحت بررسی وجود دارد به طوری که برای این کشورها با افزایش یکدرصدی نرخ تعرفه، 4/0 درصد و 7/1 درصد فرار تعرفهای به ترتیب در مورد کالاهای همگن و کالاهای غیرهمگن افزایش مییابد.
در مطالعه دیگری مداح (1391) در مقالهای با استفاده از روش باگواتی، شکاف تجاری میان ایران و 12 شریک مهم تجاری در گروههای کالایی پارچه و پوشاک بر اساس طبقهبندی سیستم هماهنگ (HS) را در سالهای 2007 و 2008 اندازهگیری کرد و نشان داد بیشترین نسبت قاچاق به واردات گزارششده عمدتا به کالاهایی اختصاص دارد که دارای بالاترین نسبت نرخ تعرفه به متوسط نرخ تعرفه کالاهای وارداتی هستند که بر این اساس بالا بودن تعرفه به عنوان یکی از دلایل قاچاق پارچه و پوشاک به کشور مطرح است.
معیار Dstat به صورت زیر تعریف میشود: = =1 در صورتی که در رابطه بالا، برای حالات زیر برقرار است: =1 y i+1 − y i +1 − ≥0 =0 &otherwise Tax Evasion in the Iranian Economy The Approach of Combination Model of Artificial Neural Network and Simulated Annealing Algorithms Majid Maddah Associate Professor in Economic, Faculty of Economic, Management and Administrative Science, Semnan University (Corresponding Author) majid."