مقاله حاضر، به بررسی عدم اطمینان حاصل از نوسانات مالیات بر اشتغال بخش کشاورزی، بخش خدمات و بخش صنعت می پردازد. به این منظور، ابتدا خلاصه ای از مبانی نظری مربوط به موضوع بیان می شود. و سپس روند متغیرهای مهم موجود در این تحقیق در سال های مختلف مورد بررسی قرار می گیرد. در نهایت، الگویی بر اساس مدل های استفاده شده در تحقیقات انجام گرفته در داخل و خارج از کشور برای بخش های کشاورزی، خدمات و صنعت، ترسیم می شود. نا اطمینانی حاصل از نوسانات مالیات ها، بر اساس روش GARCH اندازه گیری شده و اثر آن بر بخش های مختلف اقتصادی، با روش OLS تخمین زده شده است. بر طبق نتایج به دست آمده، تاثیر عدم اطمینان سیاست های مالی– بعد مالیاتی سیاست های مالی– بر بخش صنعت، خدمات و بخش کشاورزی، منفی است.
استفاده از مفاهیم علم حساب که امروزه شیوه تکامل یافته آن در علم حسابداری تبلور یافته است با تمدن بشر همزاد می باشد که در گذر زمان به فراخور توسعه جوامع و افزایش مبادلات بازرگانی گسترش یافته است در تمدن های کهن به دلیل حکمرانی مطلق دولت بر قسمت اعظم ثروت جامعه و تصدی گری در حوزه های نظامی ، اجتماعی و اقتصادی نیاز به استفاده از شیوه هایی جهت کنترل های مالی ضروری به نظر می رسیده است . بررسی ها نشان دهنده این واقعیت است که در اعصار کهن به فراخور گستردگی حکومت ها شاهد استفاده از روشهای کنترل مالی بوده ایم ...
مطالعات انجام شده در کشورهای مختلف نشان می دهد که میان اجرای مالیات بر ارزش افزوده و اقتصاد غیر رسمی رابطه متقابل وجود دارد ، به طوری که اجرای این مالیات به گسترش اقتصاد زیرزمینی منجر می شود و رفاه اجتماعی کاهش می یابد . گسترش اقتصاد غیر رسمی به افزایش فرار مالیاتی و در نتیجه کاهش درآمدهای حاصل از اجرای این نوع مالیات منجر می شود . در این مقاله تلاش شده است به این سوال پاسخ داده شود که آیا اجرای مالیات بر ارزش افزوده بهترین نوع مالیات در ایران است یا خیر ؟ ...
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، غیر خطی 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 غیر خطی برای پیش بینی دقیق تر کوتاه مدت است. در مرحله 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.