به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

based features selection (cfs) method

در نشریات گروه حسابداری
تکرار جستجوی کلیدواژه based features selection (cfs) method در نشریات گروه علوم انسانی
تکرار جستجوی کلیدواژه based features selection (cfs) method در مقالات مجلات علمی
  • محمدحسین ستایش*، مصطفی کاظم نژاد، غلامرضا رضایی، علی اصغر دهقانی سعدی
    در اغلب پژوهش های انجام‎شده، متغیرهای پیش بین بدون ضابطه و فقط براساس مطالعات گذشته انتخاب شده‎اند. فرایند انتخاب متغیرها را می توان به‎عنوان 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 پیش‎بینی نوع اظهارنظر حسابرسان شرکت های پذیرفته‎شده در بورس اوراق بهادار تهران می‎پردازد. طبقه بندی کننده های این پژوهش، شبکه های عصبی مصنوعی و رگرسیون لجستیک است. به‎طور 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. افزون‎بر این، یافته های پژوهش حاکی از عملکرد مناسب و بهتر شبکه های عصبی نسبت به رگرسیون لجستیک است.
    کلید واژگان: روش انتخاب متغیر مبتنی بر همبستگی، پیش بینی نوع اظهارنظر حسابرسان، شبکه های عصبی، رگرسیون لجستیک
    Mohammad Setayesh *, Mostafa Kazem Nejad, Gholam Reza Rezaei, Ali Asghar Dehghani
    Abstract: Despite the importance of predictive variable in prediction, in most of the research in the field of auditors’ opinion the purpose was rendering the suitable models. Meanwhile, less attention was paid to the selection of optimal predictive variable and appropriate models of these selection. Therefore, in most of these research the predictive variables were chosen randomly and according to the prior research. The process of selecting variables could be used as a preprocess for omitting irrelevant variables and selecting optimal variables before creating the model. In this regard, this study investigates the usefulness of Correlation-Based Features Selection (CFS) in auditors’ opinion prediction of listed companies in Tehran Stock Exchange. The classifiers including Artificial Neural Networks (ANN) and logistic regression were used. In overall, the experimental results of investigating 1214 firms-years from 2008 to 2015, confirmed the usefulness of CFS Method in predicting auditor's opinion. In other words, the application of the CFS method, increases the mean of accuracy in comparison with using all variables, and reduces the occurrence of type I and type II errors. Furthermore, the results indicated that ANN outperforms the logistic regression.
    Keywords: Correlation, Based Features Selection (CFS) method, Auditors Opinion Type, Artificial Neural Networks, Logistic Regression
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال