逃税通常是非正式经济中最大的组成部分,是对历史的持续挑战,具有重大的社会经济影响。许多社会经济研究研究了其动态,包括影响因素,税收政策的作用和影响以及随着时间的推移预测逃税量。这些研究认为,如在现实世界中所观察到的那样,给出了这种行为,忽略了人群中这种活动的“大爆炸”。为此,计算经济研究通常在计算机模拟中采用了发展,尤其是人工智能(AI)的最新创新,以模拟和研究各种社会经济环境中的非正式经济外观。本研究提出了一个新型的计算框架,以检查逃税的动态和非正式经济活动的出现。采用由大型语言模型和深厚的强化学习提供支持的基于代理的模拟,其框架的设计独特,旨在使非正式的经济行为能够或者在不预设其存在或明确的信号通信药物有关逃避可能性的情况下出现。这为探索合规行为的社会经济决定因素提供了一种严格的方法。实验设计,包括模型验证和探索阶段,证明了框架在复制理论经济行为方面的鲁棒性。的发现表明,个人人格特征,外部叙述,执法概率以及公共物品提供的感知效率显着影响非正式经济活动的时机和程度。结果强调了有效的公共物品提供和强大的执法机制是互补的;一个人都不足以有效地减少非正式活动。通过建模非正式经济行为而没有假设的出现,这项研究可以提高对税收合规性的理论和实际理解,从而为设计公平的税收系统和促进可持续的经济治理提供关键的政策见解。
主要关键词