Pronóstico de ingresos tributarios recaudados de impuestos generales a las ventas a nivel nacional, por la SUNAT, mediante la metodología de box Jenkins y redes ,neuronales artificiales para el año 2014

• Autor: Villalobos Villegas, Paco
• Formato: tesis de grado
• Fecha de Publicación: 2014
• Institución: Universidad Nacional Pedro Ruiz Gallo
• Repositorio: UNPRG-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unprg.edu.pe:20.500.12893/459
• Enlace del recurso: https://hdl.handle.net/20.500.12893/459
• Nivel de acceso: acceso abierto
• Materia: Impuesto a las ventas; Recaudación tributaria; Hacienda Pública

El objetivo de la presente investigación es determinar los pronósticos de los ingresos tributarios recaudados de Impuestos Generales a las Ventas a nivel nacional, por la SUNAT, mediante la metodología de Box y Jenkins y Redes Neuronales Artificiales. El propósito es que con el mejor modelo se realicen pronósticos del ingreso tributario por IGV para el año 2015, el mismo que servirá para la planificación presupuesta! del año fiscal2015. Los datos de los Ingresos tributarios por lm puestos Generales a las Ventas han sido obtenidos de un hipertexto de la página web de la SUNAT, www.sunat.gob.pe, y son ingresos mensuales; para modelar a través dt;!la metodología de Box y Jenkins se ha considerado una sola variable dependiente a los ingresos tributarios por IGV a nivel nacional; mientras que para la metodología con Redes Neuronales Artificiales, se ha considerado 26 covariables o variables predictoras que son los ingresos tributarios en cada una de las regiones del país y la región Lima ha sido dividido en Lima Metropolitana y Lima provincias. Para el procesamiento de los datos se ha utilizado el software estadístico SPSS Ver. 20. El modelo a través de la metodología de Box y Jenkins es un SARIMA (0, 1,1 )(1,1 ,0)12 el cual tiene un error cuadrático promedio (RMSE) igual a 66,921.87 y un error absoluto porcentual promedio (MAPE) de 3.56%; mientras que el modelo con redes neuronales artificiales tiene su estructura 26:1:4:1 con RMSE igual a 17,511.13 y un MAPE de 0.85%. Se concluye que el modelo a través de redes neuronales artificiales es más preciso para realzar pronóstícos de los ingresos tributarios por Impuesto General a las Ventas a nivel nacional, recaudados por la SUNAT.