روش فرآیند سلسله مراتبی

وضع نامطلوب مصرف انرژی و تخصیص نا کارآمد یارانه انرژی حاکی از ضرورت تجدید نظر در نحوه میزان یارانه انرژی است. برای رسیدن به تخصیص بهینه یارانه انرژی به زیر بخش های اقتصاد ایران، رویکرد، شاخص سازی نظریه انتخابی عدالت در اسلام است، که بر دو اصل حداکثر کارایی و متوازن ساختن سطوح زندگی در گروه های هزینه ای مختلف استوارمی باشد و بر اساس آن معیارهای شش گانه شامل: رشد اقتصادی، شدت انرژی، شدت کاربری، تورم، هزینه اجتماعی آلاینده ها و بهبود توزیع یارانه انرژی در دهکهای هزینه ای تعریف می شود، که بر پایه پرسشنامه در روش فرایند سلسله مراتبی گروهی، نحوه ترجیح معیارهای معرفی شده دراخذ یارانه انرژی به ترتیب عبارتند از: تورم > رشد اقتصادی > شدت کاربری > بهبود توزیع یارانه انرژی در دهکهای هزینه ای > شدت انرژی > هزینه اجتماعی آلاینده ها،می باشد. درنهایت با انجام محاسبات لازم در روش فرایند سلسله مراتبی، اولویت زیربخش ها در تخصیص یارانه انرژی بر اساس شاخص سازی نظریه انتخابی عدالتبه ترتیب بصورت: خدمات > صنعت > کشاورزی > خانگی> حمل و نقل، مشخص گردید.

هدف پژوهش حاضر، شناسایی و رتبه بندی عوامل مؤثر بر کشف تقلب صورت های مالی با استفاده از تکنیک قضاوت به روش فرآیند سلسله مراتبی و تکنیک های داده کاوی می باشد. جامعه ی آماری شامل حسابرسان ارشد، سرپرستان، سرپرستان ارشد، مدیر حسابرسی و شریک مؤسسه ی و همچنین شرکت های بورس اوراق بهادار تهران می باشد. در راستای هدف پژوهش، تعداد 56 پرسش نامه و داده های 109 شرکت بورسی طی دوره ی زمانی 1391 تا 1396 گردآوری و مورد تحلیل قرار گرفت. بر اساس تکنیک قضاوت، بعد فشار اولویت اول، فرصت دومین عامل و توجیه به عنوان سومین عامل مؤثر بر کشف تقلب رتبه بندی می شوند که این نتایج با سایر تکینک-ها تفاوت دارد. از لحاظ تجربی، رویکردهای شبکه ی عصبی و درخت تصمیم در طبقه بندی صحیح نمونه ی مورد آموزش و آزمایش شبکه از نرخ دقت 65/98 درصد (شبکه ی عصبی)، 5/91 درصد (درخت تصمیم ) و 79/69 درصد (شبکه ی عصبی)، 10/69 درصد (درخت تصمیم ) برخوردار است، که از مدل لجستیک دقیق تر می باشد که در این روش تنها به 32/72 درصد و 10/88 درصد طبقه بندی صحیح در ارزیابی وقوع تقلب می رسد. علاوه بر این، به طور قابل توجه خطای نوع دوم ناشی از مدل درخت تصمیم در مقایسه با بکارگیری شبکه ی عصبی و مدل لجستیک از 18/58 درصد و 7/72 درصد به 6/55 درصد کاهش می یابد. با توجه به شاخص دقت، مدل درخت تصمیم نسبت به سایر مدل ها از کارآیی بیشتری برخوردار است؛ بنابراین از بین تکنیک های داده کاوی، وزن هر کدام از متغیرهای ورودی مدل درخت تصمیم مبنای رتبه بندی نهایی متغیرهای پژوهش قرار گرفته است.