بررسی کارایی الگوی لوجیت و تحلیل تمایزی چند متغیره در پیش بینی وضعیت مالی شرکت های بورس اوراق بهادار تهران

نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

مطالعات پیشین نشان داده اند که پیش بینی موفقیت یا عدم موفقیت مالی شرکت ها با توجه به نسبت های مالی آنها امکان پذیر است و الگو های رگرسیونی به عنوان ابزارهای تخمین، کارآمدی خود را اثبات کرده اند. ولی اینکه کدام الگو و روش تخمین در شرایط مختلف پاسخگو است به عنوان موضوع این پژوهش، مورد بررسی قرار گرفته است. هدف این تحقیق بررسی کارایی دو الگوی تحلیل رگرسیون لوجیت و تحلیل ممیزی چند متغیره جهت پیش بینی موفقیت یا عدم موفقیت شرکت ها است. با توجه به هدف بیان شده به دنبال آزمون فرضیه « کارایی دو روش رگرسیون لوجیت و تحلیل ممیزی در تشخیص توانمندی مالی شرکت ها تفاوت معناداری دارند و رگرسیون لوجیت کاراتر و توانمندتر از الگوی تحلیل ممیزی است » هستیم. در این تحقیق داده های مربوط به 12 نسبت مالی در شرکت های ناموفق (براساس ماده 141) و شرکت های خارج شده از بورس، هرکدام در مقابل شرکت های موفق در الگو های لوجیت و تحلیل ممیزی قرار گرفته و تخمین زده شده اند و در نهایت نتیجه گرفته شد که با داده های مربوط به یک سال قبل از سال مبنا، الگوی تحلیل ممیزی کارآمدتر عمل می کند و با داده های دو سال قبل از سال مبنا الگوی لوجیت کارآمدتر عمل می کند؛ ولی در مجموع تفاوت معناداری بین این دو الگو وجود ندارد.

زبان:
فارسی
صفحات:
94 تا 124
لینک کوتاه:
magiran.com/p1578982 
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!