بررسی سودمندی انتخاب متغیرهای پیشبین در پیشبینی نوع اظهارنظر حسابرسان | ||
| بررسیهای حسابداری و حسابرسی | ||
| مقاله 7، دوره 23، شماره 3، 1395، صفحه 373-392 اصل مقاله (367.35 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/acctgrev.2016.59781 | ||
| نویسندگان | ||
| محمد حسین ستایش* 1؛ مصطفی کاظم نژاد2؛ غلامرضا رضایی3؛ علیاصغر دهقانی سعدی4 | ||
| 1استاد حسابداری، دانشگاه شیراز، شیراز، ایران | ||
| 2دکتری حسابداری، دانشگاه شیراز، شیراز، ایران | ||
| 3دانشجوی دکتری حسابداری، دانشگاه شیراز، شیراز، ایران | ||
| 4کارشناسارشد حسابداری، دانشگاه شیراز، شیراز، ایران | ||
| چکیده | ||
| 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 تهران میپردازد. طبقهبندیکنندههای این پژوهش، شبکههای عصبی مصنوعی و رگرسیون لجستیک است. بهطور کلی، یافتههای تجربی مربوط به بررسی 1214 مشاهده (سال ـ شرکت) در بازۀ زمانی 1386 تا 1393 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 کلیۀ متغیرهای اولیه، میانگین دقت افزایش و خطای نوع اول و دوم کاهش خواهد یافت. افزونبر این، یافتههای پژوهش حاکی از عملکرد مناسب و بهتر شبکههای عصبی نسبت به رگرسیون لجستیک است. | ||
| کلیدواژهها | ||
| روش انتخاب متغیر مبتنی بر همبستگی؛ پیشبینی نوع اظهارنظر حسابرسان؛ شبکههای عصبی؛ رگرسیون لجستیک | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,573 تعداد دریافت فایل اصل مقاله: 2,039 |
||