پیش بینی رتبه بندی کیفیت اطلاعات با رویکرد تحلیل عاملی و هوش مصنوعی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
از آنجایی که سهامداران، سرمایهگذاران، اعتباردهندگان و سایر استفادهکنندگان از صورتهای مالی برای مقاصد تصمیمگیری از اطلاعات درونی شرکت آگاهی کافی ندارند و همواره به دنبال کسب اطلاعاتی برای ارزیابی عملکرد و ریسک سنجی شرکتهای مورد نظر خود میباشند تا بتوانند در آنها سرمایهگذاری کنند، لذا کیفیت اطلاعات حسابداری که شرکت ها افشا می نمایند جهت تصمیم گیری آن ها دارای اهمیت می باشد. این پژوهش پیش بینی رتبه بندی کیفیت اطلاعات با رویکرد تحلیل عاملی و هوش مصنوعی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران را مورد بررسی قرار می دهد. متغیر مستقل استفاده شده در این پژوهش، معیار های نظام راهبری می باشد و متغیر وابسته، معیار های کیفیت اطلاعات حسابداری است که بر اساس روش تحلیل عاملی تمام معیار ها بصورت یک متغیر واحد تبدیل شده است. پژوهش حاضر جز تحقیقات تجربی حسابداری بوده و جهت آزمون فرضیه های پژوهش از روش هوش مصنوعی استفاده شده است. نتایج پژوهش حاکی از آن است که طبق روش متغیر گزینی هوش مصنوعی آنالیز همسایگی از بین متغیر های نظام راهبری "درصد مالکان نهادی"، "نقش دوگانه مدیرعامل"، "دوره تصدی مدیرعامل"، "مالکیت مدیریت" و "مالکیت دولتی" بالاترین همبستگی را با رتبه کیفیت اطلاعات دارند. سایر نتایج تحقیق حاکی از این است که روش هوش مصنوعی خطی و غیر خطی توانایی بالایی در پیش بینی رتبه کیفیت اطلاعات حسابداری شرکت های پذیرفته شده در بورس اوراق بهادار تهران را دارند.Predicting Information Quality Ranking with Factor Analysis and Artificial Intelligence Approach
This study examines the ranking of information quality ranking with the approach of factor analysis and artificial intelligence in companies listed on the Tehran Stock Exchange. The independent variable used in this research is the criteria of the management system and the dependent variable of this research is the criteria of accounting information quality, which based on factor analysis method, all criteria have been converted into a single variable. The present study is part of experimental accounting research and artificial intelligence method has been used to test the research hypotheses. The results indicate that according to the variable selection method of neighborhood analysis, among the variables of the management system, the percentage of institutional owners "," dual role of CEO "," CEO tenure "," management ownership "," government ownership "have the highest correlation with rank Other results of Jackie's research are that the linear and non-linear artificial intelligence method pls has a high ability to predict the quality rating of accounting information of companies listed on the Tehran Stock Exchange.
تبلیغات
