مقایسه انواع تحلیل‌های رگرسیونی برای داده‌های حسابداری

Authors

Abstract:

تحقیق حاضر به مقایسه انواع تحلیل‌های رگرسیونی شامل رگرسیون سری زمانی، رگرسیون مقطعی، رگرسیون میانگین و رگرسیون تجمعی برای داده‌های حسابداری می‌پردازد. مقایسه تحلیل‌های رگرسیونی با استفاده از داده‌های حسابداری محدود و به کمک ضریب تعیین، آزمونF و آزمون t انجام شده است. نتایج تحقیق نشان می‌دهد که رگرسیون سری زمانی جهت مطالعات موردی، رگرسیون مقطعی جهت مطالعات سالیانه و رگرسیون تجمعی جهت مطالعات کلی و فراگیر مناسب است. البته رگرسیون تجمعی با توجه به فراهم آوردن امکان دستیابی به نتایج کلی‌تر و به دور از سوگیری، در تحقیقات حسابداری بیشتری مورد استفاده قرار گرفته است. رگرسیون میانگین نیز به دلیل تمرکز بر داده‌های مرکزی، در تحقیقات حسابداری کاربرد اندکی داشته است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مقایسه انواع تحلیل های رگرسیونی برای داده های حسابداری

تحقیق حاضر به مقایسه انواع تحلیل های رگرسیونی شامل رگرسیون سری زمانی، رگرسیون مقطعی، رگرسیون میانگین و رگرسیون تجمعی برای داده های حسابداری می پردازد. مقایسه تحلیل های رگرسیونی با استفاده از داده های حسابداری محدود و به کمک ضریب تعیین، آزمونf و آزمون t انجام شده است. نتایج تحقیق نشان می دهد که رگرسیون سری زمانی جهت مطالعات موردی، رگرسیون مقطعی جهت مطالعات سالیانه و رگرسیون تجمعی جهت مطالعات کلی...

full text

چندروش برآوردیابی استواردر مدلهای رگرسیونی چندکی با دادههای پرت

در آمار و روش های آماری در اقتصاد، اغلب با مجموعه داده هایی روبرو هستیم که شامل نقاط پرت هستند. رگرسیون چندکی خطی نیز به عنوان روشی پرکاربرد در آمار، نسبت به مشاهدات پرت، مخصوصا مشاهدات پرت موجود در متغیرهای مستقل، حساس است. در این پایان نامه ابتدا چند برآوردگر رگرسیونی را معرفی کرده و نشان می دهیم که چگونه می توان با استفاده از نقطه شکستگی استواری آنها را ارزیابی کرد. سپس درباره ی برآوردگرهای ...

15 صفحه اول

مقایسه مدل شبکه عصبی مصنوعی با مدلهای رگرسیونی دادههای شمارشی در پیش بینی تعداد دفعات اهدای خون

 Background: Modeling is one of the most important ways for explanation of relationship between dependent and independent response. Since data, related to number of blood donations are discrete, to explain them it is better to use discrete variable distribution like Poison or Negative binomial. This research tries to analyze numerical methods by using neural network approach and compare ...

full text

مقایسه روش‌های شبکه عصبی مصنوعی و رگرسیونی برای پیش‌بینی هدایت هیدرولیکی اشباع خاک‌های استان خوزستان

Direct measurement of soil hydraulic characteristics is costly and time-consuming. Also, the method is partly unreliable due to soil heterogeneity and laboratory errors. Instead, soil hydraulic characteristics can be predicted using readily available data such as soil texture and bulk density using pedotransfer functions (PTFs). Artificial neural networks (ANNs) and statistical regression are t...

full text

رابطه انواع مالکان نهادی، محافظه کاری حسابداری و چسبندگی هزینه

محافظه کاری مدیران در رابطه با افزایش یا کاهش سطح فعالیت موجب تغییرات سطح هزینه شرکتها میگردد. از طرفی دیگر، چسبندگی هزینه موجب عدم تقارن در افزایش و کاهش هزینه همزمان با تغییرات سطح فعالیت می شود؛ مالکان نهادی انگیزه های زیادی برای نظارت بر گزارشگری مالی دارند. صورت های مالی و به خصوص صورت سود و زیان، منبع مهمی از اطلاعات در مورد شرکت است .در این پژوهش به بررسی تاثیر چسبندگی هزینه و مالکان نها...

full text

طراحی مدل کمینهسازی عدم اطمینان بر اساس معیارهای کیفیت دادههای حسابداری

پژوهش حاضر با استفاده از اطلاعات مالی سالهای 1380 تا 1389 شرکتهای پذیرفته شده در بورس واوراق بهادار، در مرحله اول ضمن بررسی چگونگی ارتباط 14 مورد از معیارهای مرسوم کیفیت با یکدیگر،آنها را با عدم اطمینان به عنوان یک سنجه واحد، مورد آزمون قرار میدهد. سپس در مرحله دوم با استفادهاز روششناسی درخت تصمیم فازی، چگونگی موازنه معیارهای کیفیت و ترکیبی از آن معیارها که می-تواند به کمینهسازی عدم اطمینان منت...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 16  issue 5

pages  -

publication date 2010-02-20

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