De beperkte bewijskracht van stochastisch onderzoek
In een eerder artikel heb ik het perspectief van de Belastingdienst geschetst en uiteengezet hoe binnen fiscale controles steeds vaker gebruik wordt gemaakt van stochastische technieken, zoals Benford’s Law en de chi-kwadraattoets, om mogelijke onregelmatigheden in administraties te detecteren. Vanuit audit-oogpunt is die ontwikkeling begrijpelijk: statistische analyses bieden de belofte van objectiviteit, efficiëntie en schaalbaarheid in een omgeving waarin controlecapaciteit schaars is.
Juist die belofte maakt echter een kritische reflectie noodzakelijk. De afgelopen jaren is in de wetenschappelijke literatuur uitvoerig onderzoek verricht naar de validiteit en beperkingen van Benford-analyses in forensische en fiscale context. Met name empirisch en theoretisch werk van onder anderen Kossovsky, Nigrini en Van der Drift laat zien dat de toepassing van deze methoden op accounting data veel minder robuust is dan vaak wordt verondersteld.
Dit artikel kiest daarom expliciet positie. Niet door het nut van statistische signalering bij voorbaat te ontkennen, maar door te betogen dat Benford’s Law en de chi-kwadraattoets in fiscale onderzoeken structureel worden overvraagd. De methoden worden te gemakkelijk gepresenteerd als quasi-bewijs, terwijl zowel de onderliggende aannames als de empirische onderbouwing daar onvoldoende grond voor bieden. Voor belastingadviseurs en fiscalisten is het essentieel om deze wetenschappelijke kritiek te kennen, juist omdat zij steeds vaker geconfronteerd worden met vergaande fiscale conclusies die primair op statistische afwijkingen zijn gebaseerd.
[....]
