مدلسازی غیرخطی و پیش بینی درآمدهای مالیاتی کشور

یکی از اجزای بسیار مهم بودجه دولت درآمدهای مالیاتی کشور می باشد. اطلاع از میزان درآمدهای مالیاتی قابل حصول در منابع مختلف مالیاتی، علاوه بر تخصیص بهینه منابع در جهت وصول آنها، دولت را در انجام برنامه ریزی های دقیق مالی کمک کرده و میزان مشارکت مردم را در تامین مالی هزینه های عمومی دولت مشخص می کند. در این راستا در این مقاله، ابتدا ماهیت ساختاری سری زمانی درآمدهای مالیاتی شامل مالیاتهای کل، مستقیم، غیرمستقیم، مالیات بر شرکتها، درآمد، حقوق، مشاغل، مستغلات، ثروت، ارث و کالا و خدمات از جهت خطی، غیرخطی آشوبی و تصادفی بودن با استفاده از آزمون نمای لیاپانوف بررسی شده است. نتایج این آزمون وجود آشوب را در سری زمانی منابع مالیاتی مختلف نشان می دهد که از جهت شدت و ضعف متفاوت می باشند. لذا با استفاده از الگوسازی غیرخطی می توان برای دوره های زمانی کوتاه پیش بینی دقیقی را انجام داد. در مرحله بعد، با استفاده از ساختار موازی و ساختار پیشنهادی چندورودی- چندخروجی شبکه های عصبی مصنوعی برای سالهای 85-1342 آموزش یافته و برای سالهای 88-1386 بر اساس مدل پیشنهادی و مدل موازی، پیش بینی درآمدهای مالیاتی به تفکیک منابع انجام می شود.