پیش بینی نوع اظهارنظر حسابرسان

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.

در اغلب پژوهش های انجام شده، متغیرهای پیش بین بدون ضابطه و فقط براساس مطالعات گذشته انتخاب شده اند. فرایند انتخاب متغیرها را می توان به عنوان 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 پیش بینی نوع اظهارنظر حسابرسان شرکت های پذیرفته شده در بورس اوراق بهادار تهران می پردازد. طبقه بندی کننده های این پژوهش، شبکه های عصبی مصنوعی و رگرسیون لجستیک است. به طور 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. افزون بر این، یافته های پژوهش حاکی از عملکرد مناسب و بهتر شبکه های عصبی نسبت به رگرسیون لجستیک است.