طراحی و تبیین مدل پیش بینی شکست صنایع بیمارستان براساس متغیرهای حسابرسی و افشاگری های گزارشات حسابرسی در بیمارستان ها

پیش بینی ریسک ورشکستگی مالی یکی از مهمترین موضوعات در حوزه تصمیم گیری مالی بیمارستان ها است. در این مطالعه، پیش بینی با استفاده از متغیرهای حسابرسی و افشاگری های گزارشات حسابرسی و تکنیک های الگوریتم درخت تصمیم C5.0 و الگوریتم عصبی از نوع مدل معمولی و پرسپترون چندلایه (MLP) صورت پذیرفت. نمونه پژوهش شامل 100 بیمارستان طی سال های(1387-1396) از طریق نمونه گیری حذف سیستماتیک مورد بررسی قرارگرفت. نتایج پژوهش نشان می دهد که الگوی طراحی شده توسط الگوریتم درخت تصمیم C5.0 و الگوریتم های شبکه های عصبی به ترتیب ، دقت پیش بینی 61 و 7/66 درصد را دارد که این اعداد ، دقت زیاد مدل طراحی شده را برای این بیمارستان ها را نشان می دهد . نتایج پژوهش نشان می دهد که الگوی طراحی شده توسط الگوریتم درخت تصمیم C5.0 و الگوریتم های شبکه های عصبی به ترتیب ، دقت پیش بینی 61 و 7/66 درصد را دارد که این اعداد ، دقت زیاد مدل طراحی شده را برای این بیمارستان ها را نشان می دهد .