بررسی سودمندی روشهای مختلف انتخاب متغیرهای پیشبین در پیشبینی نوع اظهارنظر حسابرسان
Authors
Abstract:
پژوهش حاضر به بررسی و مقایسه سودمندی روشهای مختلف انتخاب متغیر در پیشبینی نوع اظهارنظر حسابرسان شرکتهای 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. طبقهبندیکنندههای استفاده شده نیز شامل ماشین بردار پشتیبان و شبکههای عصبی مصنوعی است. ازاینرو، 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 تأثیر مثبت استفاده از روشهای انتخاب متغیر بر عملکرد پیشبینی نوع اظهارنظر حسابرسان و همچنین وجود تفاوت معنادار بین میزان سودمندی این روشها است. به عبارتی دیگر، در صورت استفاده از متغیرهای منتخب این روشها نسبت به استفاده از 35 متغیر اولیه، میانگین دقت افزایش و خطای نوع اول و دوم کاهش مییابد. افزونبراین، یافتههای پژوهش حاکی از عملکرد بهتر و مناسب ماشین بردار پشتیبان نسبت به شبکههای عصبی است.
similar resources
بررسی سودمندی انتخاب متغیرهای پیشبین در پیشبینی نوع اظهارنظر حسابرسان
در اغلب پژوهشهای انجامشده، متغیرهای پیشبین بدون ضابطه و فقط براساس مطالعات گذشته انتخاب شدهاند. فرایند انتخاب متغیرها را میتوان بهعنوان مرحلۀ پیشپردازش برای حذف متغیرهای نامربوط و اضافه و انتخاب متغیرهای بهینه قبل از ایجاد مدل دانست. در این رابطه، پژوهش حاضر به بررسی سودمندی روش انتخاب متغیر مبتنی بر همبستگی برای پیشبینی نوع اظهارنظر حسابرسان شرکتهای پذیرفتهشده در بورس اوراق بهادار ت...
full textسودمندی روش انتخاب متغیر ریلیف در پیشبینی نوع اظهارنظر حسابرسان
هدف و تأکید اصلی پژوهشهای انجام شده در زمینه پیشبینی نوع اظهارنظر حسابرسان، ارائه مدلهای مناسب و دقیق برای پیشبینی بوده و کمتر به انتخاب متغیرهای پیشبین و روشهای مناسب آن پرداخته شده است. پژوهش حاضر به بررسی سودمندی روش انتخاب متغیر ریلیف برای پیشبینی نوع اظهارنظر حسابرسان شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میپردازد. طبقهبندی کنندههای استفاده شده نیز شامل ماشین بردار پشت...
full textشناسایی نوع اظهارنظر حسابرسان با استفاده از شبکههای عصبی
شیوههای دادهکاوی جدید میتواند حسابرسان را در ارائه نوع اظهارنظر حسابرسی یاری رساند. در این تحقیق برای اولین بار در ایران به منظور توسعه الگوهایی که قادر به شناسایی و پیشبینی نوع اظهارنظر حسابرسان باشد، عملکرد شبکههای عصبی در مقایسه با الگوهای کلاسیک مورد بررسی قرار گرفته است. شیوههای مورد استفاده در این پژوهش شامل شبکه عصبی پرسپترون چند لایه (MLP) و همچنین رگرسیون لجستیک (LR) است. دوره ز...
full textبررسی اثر حاکمیت شرکتی بر اظهارنظر حسابرسان مستقل
نظام مطلوب حاکمیت شرکتی 1 موجب اطمینان خاطر می شود که شرکت ها از دارایی های خود به نحو موثراستفاده می کنند و همچنین منافع دامنه گسترده ای از ذی نفع ها و جامعه ای که در آن فعالیت دارند، را درنظرمی گیرند. براساس مباحث تئوریک، در مورد صاحبکارانی که از رتبه حاکمیت شرکتی بالایی برخوردارند، م یتوانانتظار داشت که اطلاعات حسابداری تهیه شده توسط این شرکت ها، از قابلیت اتکا و اطمینان مطلوبی برخوردارباشند...
full textبررسی تأثیر برخی از ویژگی های هیأت مدیره بر نوع اظهارنظر حسابرسان
هدف این پژوهش بررسی تأثیر برخی از ویژگیهای هیأت مدیره بر نوع اظهارنظر حسابرسان شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میباشد. این پژوهش برای سنجش ویژگیهای هیأت مدیره، از متغیرهای اندازه هیأت مدیره، استقلال هیأت مدیره و اثربخشی هیأت مدیره و برای سنجش نوع اظهارنظر حسابرسان از متغیر مجازی استفاده نموده است )یک برای گزارشات مقبول و صفر یرای گزارشات غیر مقبول حسابرسی(. تعداد 20 شرکت پذیرفته ...
full textپیش بینی نوع اظهارنظر حسابرسان با رویکردی بر روش های داده کاوی
روش های داده کاوی می تواند حسابرسان را در ارائه اظهارنظر حسابرسی یاری رساند. هدف این پژوهشپیش بینی نوع اظهارنظر حسابرسان با استفاده از رو شهای داده کاوی و مقایسه عملکرد این روش ها است. بدینمنظور از روش های شبکه عصبی مصنوعی، ماشین بردار پشتیبان، نزدی کترین همسایگی و درخت تصمیم استفادهشده است. نمونه مورد بررسی شامل 842 مشاهده طی سال های 1380 تا 1389 بوده که این مشاهدات به دو قسمتتقسیم شده است، قس...
full textMy Resources
Journal title
volume 7 issue 1
pages 81- 102
publication date 2018-04-21
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023