A Predictive Model to Detect Property Taxpayer Non-Compliance and Estimate Property Tax Liabilities in Rwanda Using Supervised Machine Learning
本研究は、100万件を超えるルワンダ税務当局の記録を用いて学習させたXGBoostベースの教師あり機械学習フレームワークが、固定資産税の不遵守を効果的に検出し、納税義務額を推定できることを実証しており、これにより、リスクの高い上位20%の納税者を標的とすることで、未払税額の80%を回収し得るリスクベースの監査戦略が可能になる。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
世界の多くの地域において、建物や土地への課税を行うことは困難な課題となっています。政府は道路、学校、病院を建設するためにこの資金を必要としていますが、そのシステムは、所有者が自身の資産の価値をどれくらいと申告するかという、人々の正直な申告に依存していることが多々あります。所有者が資産価値を低く申告すると、政府は収益を失い、正直な納税者が本来の負担額よりも多くを支払うことになってしまいます。これを解決するために、税務当局は伝統的に、監査官が実際に物件を訪問したり、紙のファイルを一つずつ確認したりする手作業による調査に頼ってきました。しかし、都市が成長し建物の数が増加するにつれ、この古い手法では対応が遅すぎ、かつコストがかかりすぎてしまいます。近年、専門家たちは、コンピュータが過去の記録からパターンを学習することで、人間が見落とす可能性のある箇所を見つけ出し、すべてのファイルを調べることなく、誰を優先的に調査すべきかを決定できるかどうかを探求し始めています。
これが、ルワンダ大学の研究者たちが解決しようとした課題です。彼らは、コンピュータがルワンダ歳入庁が保有する膨大な記録を分析することで、二つのことを解明できるかどうかを知りたいと考えました。第一に、どの不動産所有者が正しい税額を支払っていない可能性が高いか、第二に、本来支払われるべき金額はいくらであるか、という点です。研究チームは、100万人以上の不動産所有者に関する情報を含む大規模なデータセットを集めました。このデータには、建物に関する詳細、所有者の登録期間、未払い額、実際の支払い額、および蓄積された罰金や利息などの詳細が含まれていました。推測に頼るのではなく、研究者たちは3種類の異なるタイプのコンピュータプログラムに、この履歴から学習する方法を教え込みました。彼らは、これらのプログラムがどの程度正確に非遵守者（ルールを守らない納税者）を予測できるか、また、どの程度正確に本来の税額を推定できるかをテストしました。
研究の結果、「XGBoost」として知られる特定の種類のコンピュータプログラムが、他のプログラムよりもはるかに優れた能力を持つことが判明しました。このプログラムは、多くの小さな決定ステップを構築し、それらを組み合わせて最終的な予測を行うように設計されています。コンピュータが一度も見聞きしたことのない2024年のデータを用いてテストしたところ、このモデルは非遵守の納税者を約88パーセントの確率で正しく特定しました。また、正しい納税義務額を推定することにも非常に長けており、その予測値は他のモデルによる予測よりも実際の数値に極めて近いものでした。この研究により、問題を見つけるための最も重要な手がかりは、建物の大きさや場所といった建物自体に関するものではないことが明らかになりました。むしろ、コンピュータは、納税者自身の行動こそが最も強力なシグナルであることを学習したのです。支払額と未払い額の比率、罰金の額、そして登録期間などが、その人物が非遵守となる可能性が高いかどうかを示す最良の指標となりました。
この発見の真の力は、税務監査のあり方をどのように変え得るかという点にあります。研究者たちは、税務当局がこれらのコンピュータによる予測を用いて、誰を調査するかを決定した場合に何が起こるかを検証するために、シミュレーションを行いました。伝統的なアプローチでは、もし当局がランダムに納税者を選んで監査を行った場合、回収できる未払い金は、探している金額の約20パーセントに過ぎません。しかし、コンピュータを使用して納税者をリスク順にランク付けし、最も可能性の高い違反者に絞って調査を行った場合、シミュレーションによれば、未払い債務の約80パーセントを回収できることが示されました。これは、データを活用して業務を導くことで、税務当局が監査に費やす時間と費用を大幅に削減しながら、失われた収益の大部分を見つけ出せる可能性があることを示唆しています。
本研究は、このアプローチがルワンダや同様の課題に直面している国々にとって、実用的な進むべき道を提供すると結論付けています。税務管理者は、これらの予測ツールを日常業務に組み込むことで、ランダムなチェックから、リソースをまさに必要とされる場所へと直接向けるシステムへと移行することができます。研究者たちは、コンピュータモデルは強力ではあるものの、それは人間の意思決定を完全に置き換えるものではなく、あくまで判断を支援するためのツールとして使用されるべきであると強調しています。彼らは、ルワンダ歳入庁に対し、データの質を継続的に向上させ、プロセスが公平であり続けることを確保しながら、このリスクベースのシステムを採用することを推奨しています。この取り組みは、資源が限られた環境であっても、既存の記録を賢く活用することで、より効率的で公平な税制を構築できることを証明しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。