۹-۳ 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-۱۳۸۸)

اثر بخشی : میزان یا درجه ای است که سازمان ها به اهداف از پیش تعیین شده خود نائل می شوند .
( دفت،۱۳۷۷)
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 تصمیمات و اقداماتی که یکی پس از دیگری اتخاذ می شود یا انجام می گیرد و هدف از آن دستیابی هر چه بیشتر فراگیر به هدفهای آموزشی است.( هاشم پور بختیاری،۱۳۸۵: ۴)
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.
۱۰-۳- روش گردآوری اطلاعات:
برای انجام تحقیق و نتیجه گیری صحیح از تحقیق ، اطلاعات نقش بسزایی را ایفا می­ کنند. 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 پایان نامه­ های 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.
۱۱-۳ 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 بهره گرفتن از نرم افزار Excel محاسبات لازم جهت اندازه گیری متغیرها به منظور آزمون فرضیه ­های تحقیق وارد نرم افزار SPSS18 شده از آنجایی که روش تحقیق همبستگی است، برای آزمون فرضیه ­ها از ضرایب همبستگی و رگرسیون چندگانه استفاده گردیده است.
۱۲-۳ مدل آماری مورد استفاده در تحقیق
۱-۱۲-۳ مدل رگرسیون
یکی از اهداف اساسی بررسی­های آماری، یافتن رابطه بین دو یا چند متغیر می­باشد، این رابطه به صورت­های مختلفی ظاهر می­ شود که خطی یا غیر خطی بودن از جمله آن می­باشد. روش­های رگرسیون به شیوه­ای در مدل بندی آماری اشاره­ می­ کند 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…, , نشان می­ دهند.
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 بهره گرفتن 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،۱۳۸۵، ۶۳)^۱.
۲-۱۲-۳- معادله رگرسیون چند متغیره
معادله رگرسیون چند متغیره را می­توان به صورت رابطه تصادفی زیر نوشت:
.
۱-۲-۱۲-۳ 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 کلیه­ 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 معادله می­باشند) برخوردارند وارد مدل می­شوند.
در این پژوهش از روش وارد کردن اطلاعات استفاده شده است
۳-۱۲-۳ ضریب همبستگی^[۲۱] و ضریب تشخیص^[۲۲]
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 ۱- و۱+ می باشد . در صورتی که همبستگی بین متغیر ها کامل و مثبت باشد یعنی افزایش یا کاهش یک متغیر برابر ۱+ 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 ۱- 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 ۱+ و در حالتی که بین متغیر ها همبستگی منفی و ناقص وجود داشته باشد مقدار ضریب همبستگی ۱- و صفر خواهد بود ضریب همبستگی پیرسون برای داده های فاصله ای و نسبی به صورت زیر محاسبه می شود (آذر و مومنی ،۱۳۸۱، ۸۵)^۳ .

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
۰<r²<1
بخشی 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،۱۳۸۲، ۶۵). 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 ،۱۳۸۲، ۸۲)^.
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 ۹۵ یا ۹۹ 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 *