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

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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:

روش انتخاب متغیر مبتنی بر همبستگی ، پیش بینی نوع اظهارنظر حسابرسان ، شبکه های عصبی ، رگرسیون لجستیک

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 :
  • Abbaszadeh, M. R. & Manzarzadeh, H. (۲۰۱۱). The effect of ...
  • Amini, P., Mohammadi, K. & Abbasi, SH. (۲۰۱۱). The investigation ...
  • (in Persian)Ashbaugh, H. & Warfield, T.D. (۲۰۰۳). Audits as A ...
  • Bagherpoor Valashani, M., Saei, M., Meshkani, A. & Bagheri, M. ...
  • Chen, M.Y. (۲۰۱۱). Predicting Corporate Financial Distress based on Integration ...
  • DeAngelo, L. (۱۹۸۱). Auditor Size and Auditor Quality. Journal of ...
  • Dellepiane, U., Marcantonio, M., Laghi, E. & Renzi, S. (۲۰۱۵). ...
  • Doumpos, M., Gaganis, C. & Pasiouras, F. (۲۰۰۵). Explaining qualifications ...
  • Fernandez-GaMez, M.A., Garcıa-Lagos, F. & Sanchez-Serrano, J.R. (۲۰۱۶). Integrating Corporate ...
  • Firth, M. (۱۹۸۰). A note on the impact of audit ...
  • Gaganis, Ch., Pasiouras, F. & Doumpos, M. (۲۰۰۷). Probabilistic Neural ...
  • Gaganis, C., Pasiouras, F., Spathis, C. & Zopounidis, C. (۲۰۰۷). ...
  • Hall, M.A. & Smith, L.A. (۱۹۹۹). Feature Selection for Machine ...
  • Hall, M. A. (۲۰۰۰). Correlation-based Feature Selection for Discrete and ...
  • Hasas Yeghane, Y. & Yaghobi Manesh, S. (۲۰۰۳). The impact ...
  • Jardin, P. (۲۰۱۰). Predicting Bankruptcy Using Neural Networks and Other ...
  • Karami, Gh. & Beik Boshroye, S. (۲۰۱۱). Corporate Governance and ...
  • Kirkos, E., Spathis, C., Nanopoulos, A. & Manolopoulos, Y. (۲۰۰۷). ...
  • Kohavi, R. (۱۹۹۵). A Study of Cross-Validation and Bootstrap for ...
  • Liang, D., Tsai, C.H. & Wu, H.T. (۲۰۱۵). The effect ...
  • Lo, S.C. (۲۰۱۰). The Effects of Feature Selection and Model ...
  • Maggina, A. & Tsaklanganos, A. A. (۲۰۱۱). Predicting Audit Opinions ...
  • Mahdavi, Gh. & Ghayori Moghadam, A. (۲۰۱۰). Investigating the information ...
  • Saeedi, A. & Aghaie, A. (۲۰۱۰). Predicting Financial Distress of ...
  • (in Persian)Setayesh, M. & Jamalianpoor, M. (۲۰۰۹). The Investigating relationship ...
  • (in Persian)Tsai, C. (۲۰۰۹). Feature Selection in Bankruptcy Prediction. Knowledge ...
  • Veerabhadrappa, J. & Rangarajan, L. (۲۰۱۰). Multi-Level Dimensionality Reduction Methods ...
  • Wang, G. Ma, J. & Yang, S. (۲۰۱۴). An improved ...
  • Yu, L. & Liu, H. (۲۰۰۳). Feature Selection for High-Dimensional ...
  • نمایش کامل مراجع