دانشگاه آزاد اسلامی
واحد فیروزکوه
دانشکده مدیریت، گروه مدیریت بازگانی
پایان نامه برای دریافت درجه کارشناسی ارشد (M.A)
گرایش مالی
موضوع:
پیشبینی درآمدهای مالیاتی استان مازندران با بهره گرفتن از شبکه های عصبی مصنوعی
استاد راهنما:
دکتر مرتضی صابری کمرپشتی
زمستان 1393
(در فایل دانلودی نام نویسنده موجود است)
تکه هایی از متن پایان نامه به عنوان نمونه :
فهرست مطالب
عنوان صفحه
چکیده. 1
فصل اول: کلیات تحقیق
- -مقدمه 3
- -تشریح و بیان مساله. 4
- -ضرورت انجام تحقیق. 7
- –فرضیه های تحقیق 8
- –اهداف تحقیق 8
- –نوآوری تحقیق. 8
- –قلمرو تحقیق. 8
- –زمان و مکان تحقیق 8
- –تعاریف واژه ها و اصطلاحات. 8
فصل دوم: ادبیات و پیشینه تحقیق
2-1- مقدمه 14
2-2-تاریخچه مالیات و تحول آن 14
2-3-1-نحوه تاسیس و ساختار کلی سازمان امور مالیاتی .15
2-3-2-وظایف نظام مالیاتی کشور. 15
2-4-مفهوم مالیات 17
2-5- بررسی پایه های مالیات در ایران. 18
2-6-انواع مالیات از لحاظ منبع. 19
2-7-نرخ مالیاتی و مالیات در مکاتب اقتصادی 20
2-7-1-اصول مالیاتی از نظر کلاسیک ها. 21
2-7-2-اصول مالیاتی از دید کینزین ها. .21
2-8-نگرش جدید به اصول مالیاتی. 22
2-9-اسیب شناسی نظام مالیاتی کشور. 23
2-10-نارسایی های وصول مالیات دراقتصاد ایران 23
2-11-اصلاحات ساختاری در نظام مالیاتی. 23
2-12-نظریاتی در مورد اصلاح نظام مالیاتی کشور. 24
2-13-فرایند های موثر درن زا و برون زای وصول مالیات. 24
2-13-1-عوامل موثر برون زا در وصول مالیات 25
2-13-2-عوامل موثر برون زا در وصول مالیات. 25
2-14-بررسی روند درآمد مالیاتی در ایران. 25
2-15-فرار مالیاتی چیست؟. 27
2-15-1-تمایز فرار مالیاتی و اجتناب مالیاتی. .27
2-15-2-زمینه های پیدایش فرار مالیاتی. .28
2-15-3-اندازه گیری فرار مالیاتی در ایران 29
2-16- اندازه گیری ظرفیت مالیاتی و تعریف آن 29
2-16-1-عوامل موثر بر ظرفیت مالیاتی 31
2-16-2-ضرورت برآورد ظرفیت مالیاتی 35
2-16-3-ضرورت برآورد ظرفیت مالیاتی استانی. 35
2-16-4-پایه نظری تیین ظرفیت مالیاتی. 36
2-16-5-ساختار ظرفیت مایاتی درآمد ملی 36
2-16-6-ساختار ظرفیت مالیاتی سرمایه ملی 37
2-16-7-ساختار ظرفیت مالیاتی برای بازدهی نهایی سرمایه .37
2-17-شبکه عصبی 39
2-17-1-هوش محاسباتی. 39
2-17-2-الگوی شبکه های عصبی مصنوعی 40
2-17-3-مقدمه ای در باب شبکه های مصنوعی 41
2-17-4-ساختار شبکه های عصبی مصنوعی. 41
2-17-5-خصوصیات شبکه های عصبی مصنوعی 43
2-17-6-ساختار شبکه عصبی مصنوعی 44
2-17-7-موشکافی شبکه های عصبی مصنوعی 45
2-17-8-بردارهای ورودی- خروجی. 45
2-17-9-الگوهای ارتباطی بین واحد های پردازشگر .46
2-17-10-واحد های پردازشگر شبکه عصبی مصنوعی 46
2-17-11-توابع تحریک 47
2-17-12-توپولوژی 48
2-17-13-یادگیری در شبکه های عصبی مصنوعی. 50
2-17-14-الگوریتم آموزشی انتشار به عقب. 51
2-18-مروری بر تحقیقات انجام شده در داخل کشور 52
2-19-مروری بر تحقیقات انجام شده درخارج کشور. 59
فصل سوم: روش تحقیق
3-1-مقدمه 62
3-2-روش تحقیق. 62
3-3-جامعه اماری. 63
3-4-نمونه اماری 63
3-5-نحوه جمع آوری اطلاعات. 63
3-6-قلمرو تحقیق. 64
3-7-متغیر های تحقیق 64
3-8-محدودیت های تحقیق 64
3-9-دستاورد های تحقیق. 65
3-10-عوامل تاثیر گذار بر تحقیق 65
3-11-معیار های آماری جهت پیش بینی 65
3-12-میانگین مربعات خطاها. 66
3-13-میانگین قدرمطلق مجموع خطاها 66
3-14-روش حداقل مجذورات 66
3-15-شبکه عصبی 67
3-16-روش تجزیه و تحلیل اطلاعات 67
3-16-1-نرم افزار GMDH SHELL 67
فصل چهارم: تجزیه و تحلیل داده ها
4-1-مقدمه 72
4-2-معرفی الگو و متغیر ها. 72
4-3-امار توصیفی متغیر های تحقیق 73
4-4-اماده سازی نرم افزار برای تحلیل داده ها. 73
4-5-روش رگرسیون 77
4-6-حالت last (30 درصد داده ها). 77
4-7-حالت last (33 درصد داده ها). 79
4-8-حالت uniforn (30 درصد پیش بینی). 79
4-9-حالت uniform (46 درصد پیش بینی). .81
4-10-حالت uniform (47 درصد پیش بینی). 82
4-11-جمع بندی الگوریتم رگرسیون. 83
4-12-الگوریتم سری های زمانی. 84
4-13-پیش بینی 5 ساله و 10 ساله با بهره گرفتن از سری های زمانی 86
4-14-مقایسه روشها و انتخاب روش برتر. 88
فصل پنجم: نتیجه گیری و پیشنهادات
5-1-نتیجه گیری 91
5-2- یافته های تحقیق 93
5-3- پیشنهادات مبتنی بر یافته های تحقیق. 93
5-4- پیشنهادات به محققین آینده .94
چکیده لاتین 95
منابع
منابع فارسی 96
منابع لاتین 98
فهرست جداول
عنوان صفحه
جدول 4-1- آمار توصیفی متغیرهای تحقیق 73
جدول 4-2- پارامترهای solver نرم‌افزار. 76
جدول 4-3- دقت نتایج رگرسیون در حالت last برای 30 درصد پیش بینی 78
جدول 4-4: دقت نتایج رگرسیون در حالت Uniform برای 30 درصد پیش بینی .80
جدول 4-5: دقت نتایج رگرسیون در حالت Uniform برای 46 درصد پیش بینی 82
جدول 4-6: مقایسه مقادیر پیش بینی با مقادیر واقعی در الگوریتم رگرسیون. 84
جدول 4-7: دقت نتایج در الگوریتم سری زمانی برای 30 درصد پیش بینی 86
جدول 4-8: پیش بینی های 5 ساله و 10 ساله 87
جدول 4-9: مقایسه الگوریتمها. 88
فهرست اشکال
عنوان صفحه
شکل 1-1-مدل مفهومی تحقیق 7
شکل 1-2-درآمد مالیاتی ایران. 9
شکل 2-1- بررسی روند درآمد مالیاتی در ایران. 26
شکل 2-2- نمای شماتیکی از یک سلول عصبی. 42
شکل2-3- نمای شماتیکی از سیناپسهای تقویتکننده و تضعیفکننده 42
شکل 2-4- شمای شماتیکی از یک واحد پردازشگر( نورون مصنوعی) 44
شکل 2-5- نمای شماتیکی از یک واحد پردازشگر 47
شکل2-6- توابع تحریک متداول مورد استفاده در واحدهای پردازشگر. 48
شکل 2-7- نمای شماتیکی از یک شبکه چند لایه پیشرونده. 49
شکل 2-8- طبقهبندی الگوریتمهای یادگیری شبکههای عصبی 50
شکل2-9- نمای شماتیکی از متغیرها و ارتباطات یک شبکه 52
شکل 3-1-نمایی از برنامه GMDH SHELL69
شکل4-1-عمل پردازش میان داده های ورودی و خروجی 72
شکل 4-2-کانتور درآمد مالیاتی با توجه به ارزش افزوده بخش‌های اقتصادی و نرخ تورم. 75
شکل 4-3- کانتور درآمد مالیاتی با توجه به متوسط درآمد خانوار و نرخ تورم 76
فهرست نمودارها
عنوان صفحه
نمودار2-1-عوامل مؤثر بر ظرفیت مالیاتی. 32
نمودار 3-1-مراحل پردازش داده در نرم افزار “GMDH SHELL” 68
نمودار 4-1- تغییرات ارزش افزوده بر حسب سال 74
نمودار 4-2- تغییرات متوسط درآمد خانوار بر حسب سال. .74
نمودار 4-3- تغییرات درآمد مالیاتی بر حسب سال 75
نمودار 4-4- تغییرات نرخ تورم بر حسب سال 75
نمودار 4-5- نمودار پیش بینی درامد مالیاتی برای الگوریتم رگرسیون 77
نمودار 4-6- نمودار باقیمانده پیش بینی برای الگوریتم رگرسیون . 78
نمودار 4-7- نمودار پیش بینی درامد مالیاتی برای الگوریتم رگرسیون 79
نمودار 4-8- نمودار پیش بینی درامد مالیاتی برای الگوریتم رگرسیون 79
نمودار 4-9: نمودار باقیمانده پیش بینی برای الگوریتم رگرسیون 80
نمودار 4-10: نمودار پیش بینی درامد مالیاتی برای الگوریتم رگرسیون 81
نمودار 4-11- نمودار باقیمانده پیش بینی برای الگوریتم رگرسیون 81
نمودار 4-12: نمودار پیش بینی درامد مالیاتی برای الگوریتم رگرسیون 83
نمودار 4-13: نمودار پیش بینی درآمد مالیاتی برای الگوریتم سری زمانی. 85
نمودار 4-14: نمودار باقیمانده پیش بینی برای الگوریتم سری زمانی 85
