پژوهش حاضر به بررسی و مقایسه سودمندی روش های مختلف انتخاب متغیر در پیش بینی نوع اظهارنظر حسابرسان شرکت های پذیرفته شده در بورس اوراق بهادار تهران می پردازد. در این راستا، عملکرد روش های انتخاب متغیر (شامل مبتنی بر همبستگی، آزمون t، تحلیل تشخیصی گام به گام، ریلیف و تحلیل عاملی) بررسی و با یکدیگر مقایسه شده است. طبقه بندی کننده های استفاده شده نیز شامل ماشین بردار پشتیبان و شبکه های عصبی مصنوعی است. ازاین رو، یافته های تجربی مربوط به بررسی 1214 مشاهده (سال- شرکت) پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1386 الی 1393 حاکی از سودمندی و تأثیر مثبت استفاده از روش های انتخاب متغیر بر عملکرد پیش بینی نوع اظهارنظر حسابرسان و هم چنین وجود تفاوت معنادار بین میزان سودمندی این روش ها است. به عبارتی دیگر، در صورت استفاده از متغیرهای منتخب این روش ها نسبت به استفاده از 35 متغیر اولیه ، میانگین دقت افزایش و خطای نوع اول و دوم کاهش می یابد. افزون براین، یافته های پژوهش حاکی از عملکرد بهتر و مناسب ماشین بردار پشتیبان نسبت به شبکه های عصبی است.
