بررسی سودمندی انتخاب متغیرهای پیش بین در پیش بینی نوع اظهارنظر حسابرسان
نویسنده:
چکیده:
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 شرکت های پذیرفتهشده در بورس اوراق بهادار تهران میپردازد. طبقه بندی کننده های این پژوهش، شبکه های عصبی مصنوعی و رگرسیون لجستیک است. بهطور کلی، یافته های تجربی مربوط به بررسی 1214 مشاهده (سال شرکت) در بازه زمانی 1386 تا 1393 نشان داد سودمندی استفاده از متغیرهای منتخب روش انتخاب متغیر همبستگی، در عملکرد پیش بینی 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، یافته های پژوهش حاکی از عملکرد مناسب و بهتر شبکه های عصبی نسبت به رگرسیون لجستیک است.
کلیدواژگان:
زبان:
فارسی
صفحات:
373 تا 392
لینک کوتاه:
magiran.com/p1630979
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!