بررسی سودمندی روش های مختلف انتخاب متغیرهای پیش بین در پیش بینی نوع اظهارنظر حسابرسان
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 324
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEMRA-7-3_004
تاریخ نمایه سازی: 26 خرداد 1398
چکیده مقاله:
پژوهش حاضر به بررسی و مقایسه سودمندی روش های مختلف انتخاب متغیر در پیشبینی نوع اظهارنظر حسابرسان شرکت های پذیرفته شده در بورس اوراق بهادار تهران میپردازد. در این راستا، عملکرد روشهای انتخاب متغیر (شامل مبتنی بر همبستگی، آزمون t، تحلیل تشخیصی گام به گام، ریلیف و تحلیل عاملی) بررسی و با یکدیگر مقایسه شده است. طبقه بندیکنندههای استفاده شده نیز شامل ماشین بردار پشتیبان و شبکه های عصبی مصنوعی است. ازاین رو، یافتههای تجربی مربوط به بررسی 1214 مشاهده (سال- شرکت) پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1386 الی 1393 حاکی از سودمندی و تاثیر مثبت استفاده از روش های انتخاب متغیر بر عملکرد پیشبینی نوع اظهارنظر حسابرسان و هم چنین وجود تفاوت معنادار بین میزان سودمندی این روش ها است. به عبارتی دیگر، در صورت استفاده از متغیرهای منتخب این روش ها نسبت به استفاده از 35 متغیر اولیه، میانگین دقت افزایش و خطای نوع اول و دوم کاهش می یابد. افزون براین، یافتههای پژوهش حاکی از عملکرد بهتر و مناسب ماشین بردار پشتیبان نسبت به شبکه های عصبی است.
کلیدواژه ها:
پیش بینی نوع اظهارنظر حسابرسان ، روش های انتخاب متغیرهای پیش بین ، ماشین بردار پشتیبان ، شبکه های عصبی مصنوعی
نویسندگان
شکراله خواجوی
استاد حسابداری دانشگاه شیراز
مصطفی کاظم نژاد
دکتری حسابداری، دانشگاه شیراز
علی اصغر دهقانی سعدی
کارشناسی ارشد حسابداری، دانشگاه شیراز
علیرضا ممتازیان
دانشجوی دکتری حسابداری، دانشگاه شیراز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :