عنوان : ( الگوسازی غیرخطی و پیش بینی درآمدهای مالیات بر مشاغل دراقتصاد ایران (کاربردهای شبکه های عصبی مصنوعی و )
نویسندگان: محمدعلی فلاحی , حمید خالوزاده , سعیده حمیدی علمداری ,
Full Textچکیده
در این مقاله، با هدف دستیابی به پیش بینی های دقیق تر، سه نوع الگوی رگرسیون خطی، سری زمانی و شبکه عصبی مصنوعی طراحی و برآورد شده است. در ابتدا ماهیت ساختاری سری زمانی 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 می دهد و بیانگر امکان استفاده از الگوسازی غیرخطی برای پیش بینی دقیق تر کوتاه مدت است. درمرحله بعد با استفاده از رگرسیون خطی، الگوی سری زمانی و شبکه های عصبی مصنوعی، ضمن انجام پیش بینی درآمدهای مالیات بر مشاغل طی دوره زمانی 1379-1383، عملکرد این سه روش با یکدیگر مقایسه شده است. نتایج برآورد الگوها نشان دهنده عملکرد بهتر الگوی شبکه عصبی مصنوعی می باشد.
کلمات کلیدی
, مالیات برمشاغل, پیش بینی, آشوب, نمای لیاپانوف, رگرسیون خطی, الگوی سری زمانی, شبکه عصبی مصنوعی, ایران.
@article{paperid:203380,
author = {فلاحی, محمدعلی and خالوزاده, حمید and حمیدی علمداری, سعیده},
title = {الگوسازی غیرخطی و پیش بینی درآمدهای مالیات بر مشاغل دراقتصاد ایران (کاربردهای شبکه های عصبی مصنوعی و},
journal = {تحقیقات اقتصادی-دانشگاه تهران},
year = {2006},
month = {October},
issn = {0039-8969},
keywords = {مالیات برمشاغل، پیش بینی، آشوب، نمای لیاپانوف، رگرسیون خطی،الگوی سری زمانی، شبکه عصبی مصنوعی، ایران.},
}
%0 Journal Article
%T الگوسازی غیرخطی و پیش بینی درآمدهای مالیات بر مشاغل دراقتصاد ایران (کاربردهای شبکه های عصبی مصنوعی و
%A فلاحی, محمدعلی
%A خالوزاده, حمید
%A حمیدی علمداری, سعیده
%J تحقیقات اقتصادی-دانشگاه تهران
%@ 0039-8969
%D 2006
