منابع و ماخذ پایان نامه ضریب همبستگی، متغیر مستقل، فرار مالیاتی

دانلود پایان نامه

در نظر گرفته شده است.
ب)متغیر مستقل، شرایط یا خصایصی هستند که محقق در عمل آنها را برای اثبات ارتباطشان با پدیده مورد مشاهده دستکاری می کند(همان منبع، 76)2.
Β 1 = ضرایب ثبت معاملات در دفاتر
Β 2 = ضرایب افشاء به موقع اطلاعات
Β 3 = ضرایب قوانین و مقررات مختلف و متنوع
Β 4 = ضرایب اجرا و عدم اجرا نظارت مالیاتی
Β 5 = ضرایب توافقات خود اظهاری
Β 6 = ضرایب بخشودگی جرایم مالیاتی
ج) متغیرهای کنترل، در یک تحقیق اثر تمام متغیرها را بر یکدیگر نمیتوان به طور همزمان مورد مطالعه قرار داد بنابراین محقق اثر برخی از متغیرها را کنترل نموده و یا آنها را خنثی میکند، این نوع متغیرها، متغیر کنترل نامیده میشود(همان منبع، 80).
9-3 تعاریف متغیرها:
فرار مالیاتی : ‎هرگونه تلاش‎ ‎غیرقانونی برای پرداخت نکردن مالیات مانند ندادن اطلاعات لازم در مورد ‏ عواید و‎ ‎منافع مشمول مالیات به مقامات مسئول ، فرار مالیاتی خوانده می شود‎..(خجسته-1388)
اثر بخشی : میزان یا درجه ای است که سازمان ها به اهداف از پیش تعیین شده خود نائل می شوند .
( دفت،1377)
مؤدی: فعالان اقتصادی اعم از اشخاص حقیقی وحقوقی که اقدام به فروش،صادرات یا واردات کالاها وخدمات مشمول مالیات بر ارزش افزوده می کنند وطبق ضوابطی که سازمان امور مالیاتی اعلام می نماید مکلف به ثبت نام شده اند،مؤدی محسوب می شوند .
آموزش: مجموعه تصميمات و اقداماتی که يکی پس از ديگری اتخاذ می شود يا انجام می گيرد و هدف از آن دستيابی هر چه بيشتر فراگير به هدفهای آموزشی است.( هاشم پور بختیاری،1385: 4)
عدم آگاهی مودیان:عواملی که به علت عدم اطلاعات و آگاهی مودیان موجب می شوند آنها نسبت به تکالیف قانونی خود و نحوه اجرای این نوع مالیات دچار اشتباه شوند.
10-3- روش گردآوری اطلاعات:
برای انجام تحقیق و نتیجه گیری صحیح از تحقیق ، اطلاعات نقش بسزایی را ایفا میکنند. اطلاعات مورد استفاده در این تحقیق به دو دسته قابل تقسیم میباشند:
دسته اول شامل اطلاعات مرتبط با مبانی تئوریک و ادبیات تحقیق میباشند که با مطالعه کتب ، مقالات و پایاننامههای ایرانی و خارجی و از طریق مطالعات کتابخانهای فراهم گردید.
دسته دوم از طریق سایت مدیریت پژوهش، توسعه و مطالعات اسلامی سازمان بورس اوراق بهادار دریافت گردید. این دسته از اطلاعات مالی خود از طریق پرسشنامه های استاندارد تحریر شده از طریق تکمیل آن انجام می گیرد.
11-3 روش تجزیه و تحلیل داده :
داده های مورد نیاز برای اندازه گیری متغیرها پس از جمع آوری در یک بانک اطلاعاتی ذخیره شده و با استفاده از نرم افزار Excel محاسبات لازم جهت اندازه گیری متغیرها به منظور آزمون فرضیههای تحقیق وارد نرم افزار SPSS18 شده از آنجایی که روش تحقیق همبستگی است، برای آزمون فرضیهها از ضرایب همبستگی و رگرسیون چندگانه استفاده گردیده است.
12-3 مدل آماری مورد استفاده در تحقیق
1-12-3 مدل رگرسیون
یکی از اهداف اساسی بررسیهای آماری، یافتن رابطه بین دو یا چند متغیر میباشد، این رابطه به صورتهای مختلفی ظاهر میشود که خطی یا غیر خطی بودن از جمله آن میباشد. روشهای رگرسیون به شیوهای در مدل بندی آماری اشاره میکند که این گونه روابط را تحلیل مینماید.
معمولاًً تغییرات یکی از متغیرها تابع تغییرات سایر متغیرها است که به این متغیر، متغیر وابسته یا پاسخ گویند و سایرین را متغیر مستقل نامند و عموماً متغیر وابسته را با نمادY و متغیر مستقل را با نماد…, x_(2 ) ,x_1 نشان میدهند.
واژه “رگرسیون” به معنای بازگشت است و نشان میدهد که مقدار یک متغیر با متغیر دیگر بر میگردد. در رگرسیون به دنبال برآورد رابطه ریاضی و تحلیل آن هستیم. به طوری که با آن بتوان کمیت متغیری مجهول را با استفاده از متغیرهای معلوم تعیین کرد. سپس در همبستگی به دنبال تعیین نوع رابطه و میزان ارتباطی هستیم که متغیرها را به هم ربط میدهد(آذر و مومنی،1385، 63)1.

2-12-3- معادله رگرسیون چند متغیره
معادله رگرسیون چند متغیره را میتوان به صورت رابطه تصادفی زیر نوشت:

y_t=β_1+β_(2 ) x_(t2 )+β_(3 ) x_(t3 )+…+β_(k ) x_(tk )+ε_t.
1-2-12-3 روشهای ورود متغیرها در رگرسیون
این روشها شامل وارد کردن، روش گام به گام، روش حذف، روش حذف روبه عقب متغیرهای مستقل، روش انتخاب رو به جلوی متغیرهای مستقل میباشد، که به صورت خلاصه در ذیل بیان گردیدهاند.
روش وارد کردن:
رویکردی در انتخاب متغیرها است که در آن کلیه متغیرهای وارد شده در یک مرحله در تعیین رگرسیون مورد استفاده قرار میگیرند.
روش گام به گام:
در این روش متغیرهای مستقل یکی یکی به معادله رگرسیون اضافه میشوند و اگر نقش معناداری در رگرسیون نداشته باشند حذف میشوند.
روش حذف:
رویکردی در انتخاب متغیرها است که در آن کلیهی متغیرهای وارد شده دریک مرحله حذف میشوند.
روش حذف روبه عقب متغیرهای مستقل:
روشی در انتخاب متغیرها که در آن ابتدا تمامی متغیرهای مستقل به معادله رگرسیون وارد میشوند و سپس در صورتی که معیارهای لازم جهت باقی ماندن در مدل (متغیرهایی که ضرایب همبستگی پایین تری با متغیر وابسته دارند اولین گزینه حذف از معادله هستند) را نداشته باشند تک تک حذف میشوند.
روش انتخاب رو به جلوی متغیرهای مستقل:
روشی در انتخاب متغیرهای مستقل که در آن تنها متغیرهایی که از معیارهای لازم جهت ورود به معادله رگرسیون(متغیرهای مستقل با ضرایب همبستگی مثبت یا منفی بالاتر اولین گزینه جهت ورود به معادل
ه میباشند) برخوردارند وارد مدل میشوند.
در این پژوهش از روش وارد کردن اطلاعات استفاده شده است
3-12-3 ضریب همبستگی21 و ضریب تشخیص22
تجزیه و تحلیل همبستگی یکی از مهمترین تجریه و تحلیل های آماری است که برای تعیین نوع و شدت رابطه بین دو متغیر مورد استفاده واقع می شود و مقدار آن بین 1- و1+ می باشد . در صورتی که همبستگی بین متغیر ها کامل و مثبت باشد یعنی افزایش یا کاهش یک متغیر برابر 1+ خواهد بود و در صورتی که همبستگی بین متغیر ها کامل و منفی باشد یعنی افزایش یا کاهش یک متغیر برابر با کاهش یا افزایش متغیر دیگر باشد ضریب همبستگی برابر 1- خواهد بود . اگر هیچ رابطه ای بین دو متغیر وجود نداشته باشد ضریب همبستگی برابر صفر می گردد در صورتی که بین متغیر ها همبستگی مثبت و ناقص وجود داشته باشد ضریب همبستگی بین صفر و 1+ و در حالتی که بین متغیر ها همبستگی منفی و ناقص وجود داشته باشد مقدار ضریب همبستگی 1- و صفر خواهد بود ضریب همبستگی پیرسون برای داده های فاصله ای و نسبی به صورت زیر محاسبه می شود (آذر و مومنی ،1381، 85)3 .

به منظور درک بهتر از مفهو.م همبستگی و قابلیت تفسیر نتایج آن معمولاً ضریب همبستگی را به توان دو رسانیده و ضریب تشخیص را بدست می آورند . ضریب تشخیص (تعیین ) شاخصی است که نسبت تغییرات بیان شده توسط متغیر مستقل (متغیر توضیحی ) به کل تغییرات متغیر وابسته را نشان می دهد به عبارت دیگر ضریب تشخیص بیان می کند که متغیر مستقل (متغیر توضیحی ) تا چه حد قادر است تغییرات متغیر
وابسته را بیان نماید و یا r2 (ضریب تشخیص ) نشان دهنده درصد تغییرات در متغیر وابسته است که توسط متغیر مستقل توضیح داده می شود مقدار r2 به صورت زیر تحلیل می گردد.
r20 =
هیچ مقدار از تغییرات متغیر وابسته توسط متغیر توضیحی بیان نمی شود .
r2=1
تمام تغییرات متغیر وابسته توسط متغیر توضیحی بیان می شود
0بخشی از تغییرات متغیر وابسته توسط متغیر توضیحی بیان می شود .
ضریب تشخیص از روی معامله رگرسیون رابطه مربوط به آن نیز به صورت ذیل قابل محاسبه است

در هر حال حتی وقتی r یا r2 تقریباً صفر باشد نباید با شتاب نتیجه گرفت که دو متغیر هیچ رابطه ای با هم ندارند. ممکن است رابطه به صورت غیر خطی باشد یعنی نمی توان با خط راست توضیح داده شود به عبارت دیگر ، در این حالت ضریب همبستگی بر مبنای مدل خطی نمی تواند یک تصویر صحیح از رابطه آماری نشان دهد (ایران نژاد و پاریزی،1382، 65). نکته حائز اهمیت آن است که تحقیق همبستگی هرگز یک رابطه علت و معلول را بیان نمی کند بلکه صرفاً وجود یک رابطه را توصیف می کند وجود یک رابطه قوی صرف نظر از اینکه یک رابطه علت و معلولی باشد یا نه ، برآورد و پیش بینی را امکان پذیر می سازد . میزان رابطه بین دو متغیر به صورت ضریب همبستگی بیان می شود که اگر در سطح اطمینان مشخص ، این همبستگی معنی دار باشد برای پیش بینی ها و توضیح از معادله رگرسیون استفاده می شود در غیر اینصورت معامله رگرسیون عامل پیش بینی کننده و توضیح دهنده مفید برای متغیر وابسته نخواهد بود (خاکی ،1382، 82).
برای تعیین استفاده از معادله خط رگرسیون برای پیش بینی و نیز امکان تعمیم نتایج نمونه به جامعه باید معنی دار بودن ضریب همبستگی مورد آزمون قرار گیرد که برای این منظور از آزمون t استفاده می گردد اگر t محاسبه شده از جدول در سطح اطمینان 95 یا 99 درصد بیشتر باشد به این معنی است که ضریب همبستگی بدست آمده آنقدر قابل توجه است که احنمال ناشی شدن آن از تغییرات تصادفی اندک است ولی توان نتیجه آن را به جامعه تعمیم داد آماره این آزمون به شرح زیر است(همان منبع).
t=r *
که درآن
t =آماره آزمون
r =ضریب همبستگی
n= تعداد نمونه
r2 =ضریب تشخیص
1-3-12-3 روش همبستگی گشتاوری (پیرسون):
روش همبستگی پیرسون زمانی بکار میرود که متغیرهای مورد مطالعه (دو متغیری که قصد محاسبه ضرایب همبستگی بین آنها را داریم) به صورت پیوسته باشند.
در این پژوهش نیز پس از جمع آوری داده ها با توجه به ویژگیهای متغیرهای بدست آمده، که به لحاظ پیوسته بودن متغیرها و با توجه به مزیتی که روش همبستگی پیرسون دارد از این روش استفاده شده است.

4-12-3 بررسی فرض نرمال بودن متغیرها:
از آن جایی که نرمال بودن متغیر وابسته به نرمال بودن باقیمانده های مدل می انجامد . لازم است قبل از برازش مدل نرمال بودن آن کنترل شود .
فرض صفر و فرض مقابل آزمون نرمالیتی بصورت زیر است :
توزیع داده ها نرمال است : H0
توزیع داده ها نرمال نیست : H1
جهت آزمون فرض بالا از آزمون کلمگروف – اسمیرنوف استفاده شده است . در این آزمون هرگاه سطح معناداری کمتر از 5% باشد فرض صفر در سطح 95% اطمینان رد می شود

فصل چهارم
تجزيه و تحليل داده‌ها

دیدگاهتان را بنویسید