بررسی سودمندی انتخاب متغیرهای پیش بین در پیش بینی نوع اظهارنظر حسابرسان
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 162
فایل این مقاله در 20 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_ACCTG-23-3_007
تاریخ نمایه سازی: 23 بهمن 1400
چکیده مقاله:
در اغلب پژوهش های انجامشده، متغیرهای پیش بین بدون ضابطه و فقط براساس مطالعات گذشته انتخاب شدهاند. فرایند انتخاب متغیرها را می توان بهعنوان مرحله پیش پردازش 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 تهران میپردازد. طبقهبندیکنندههای این پژوهش، شبکه های عصبی مصنوعی و رگرسیون لجستیک است. بهطور کلی، یافتههای تجربی مربوط به بررسی ۱۲۱۴ مشاهده (سال شرکت) در بازه زمانی ۱۳۸۶ تا ۱۳۹۳ نشان داد سودمندی استفاده از متغیرهای منتخب روش انتخاب متغیر همبستگی، در عملکرد پیشبینی نوع اظهارنظر حسابرسان است. به بیان دیگر، در صورت استفاده از متغیرهای منتخب این روش نسبت به استفاده از کلیه متغیرهای اولیه، میانگین دقت افزایش و خطای نوع اول و دوم کاهش خواهد یافت. افزونبر این، یافتههای پژوهش حاکی از عملکرد مناسب و بهتر شبکه های عصبی نسبت به رگرسیون لجستیک است.
کلیدواژه ها:
نویسندگان
محمد حسین ستایش
استاد حسابداری، دانشگاه شیراز، شیراز، ایران
مصطفی کاظم نژاد
دکتری حسابداری، دانشگاه شیراز، شیراز، ایران
غلامرضا رضایی
دانشجوی دکتری حسابداری، دانشگاه شیراز، شیراز، ایران
علی اصغر دهقانی سعدی
کارشناسارشد حسابداری، دانشگاه شیراز، شیراز، ایران
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 :