جستجو در:
دوره 16، شماره 2 - ( 1395 )
جلد 16 شماره 2 صفحات 116-99 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mousavi Jahromi Y, Gholami E. Hybrid ARIMA- Neural Network Model to Forecast VAT on Gasoline Consumption in Iran. QJER 2016; 16 (2) :99-116
URL: http://ecor.modares.ac.ir/article-18-1699-fa.html
URL: http://ecor.modares.ac.ir/article-18-1699-fa.html
موسوی جهرمی یگانه، غلامی الهام. مدل ترکیبی شبکه عصبی با الگوی ARIMA جهت پیش بینی مالیات بر ارزش افزوده بر مصرف بنزین در ایران. پژوهشهای اقتصادی (رشد و توسعه پايدار). 1395; 16 (2) :99-116
1- عضو هیئت علمی، دانشگاه پیام نور
2- استادیار، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، دانشکده مدیریت و اقتصاد، گروه اقتصاد، تهران
2- استادیار، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، دانشکده مدیریت و اقتصاد، گروه اقتصاد، تهران
چکیده: (9756 مشاهده)
یکی از مسائل مهم هنگام بودجه ریزی، دسترسی به درآمدهای قابل تحقق است که این موضوع مستلزم پیش بینی‌های دقیق از انواع درآمدها در آینده می باشد. یکی از منابع درآمدی پر اهمیت دولت مالیات بوده که در این مقاله، پیش بینی مالیات بر ارزش افزوده ناشی از مصرف بنزین مدنظر قرار گرفته است. هدف اصلی، دستیابی به روشی کارا جهت پیش بینی مصرف بنزین و مالیات بر ارزش افزوده ناشی از آن در ایران می باشد. در این مقاله، برای پیش بینی مصرف بنزین، از یک الگوی ترکیبی روش شبکه عصبی چندلایه (MLP) با الگوی خودتوضیح میانگین متحرک انباشته (ARIMA) استفاده شده است. سپس با تأیید عملکرد مناسب این روش در مقایسه با روش ARIMA، از طریق اعمال نرخ‌های مالیات بر مصرف پیش بینی شده بنزین، مالیات بر ارزش افزوده ناشی از مصرف بنزین در کشور به دست آمده است. نتایج نشان می دهد که طی سال‌های 1392 الی 1395، مالیات بر ارزش افزوده از این محل، به طور متوسط در حدود 6/31 درصد رشد خواهد داشت.
دریافت: 1392/12/7 | پذیرش: 1393/4/11 | انتشار: 1395/5/1
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |