decision tree algorithm
در نشریات گروه حسابداری-
کیفیت حسابرسی همیشه از موارد بسیار بااهمیت در حوزه حسابرسی است. محققین این حوزه اذعان دارند که یکی از موثرترین عوامل در بحث کیفیت حسابرسی، متولیان انجام آن، یعنی موسسات حسابرسی هستند. هدف این پژوهش ارایه مدلی برای پیش بینی رتبه بندی کیفیت موسسات حسابرسی عضو جامعه حسابداران رسمی ایران با استفاده از تکنیک تحلیل عاملی ، معادلات ساختاری و درختان تصمیم C5.0-C&R بوده ونوآوری آن رسیدن به یک مدل پیش بین با دقت بسیار بالا است.به این منظور با مبنا قرار دادن معیارهای پرسشنامه های کنترل کیفیت و کنترل وضعیت جامعه حسابداران رسمی ایران تمامی داده های موسسات حسابرسی عضو جامعه در یک بازه زمانی 1391 تا 1396 موردبررسی قرار گرفت و برای کاهش ابعاد داده ها و یافتن الگوی درونی و بهینه مجموعه متغیرها از فن تحلیل عاملی و معادلات ساختاری استفاده گردید و متغیرها با توجه به میزان ارتباطشان باکیفیت حسابرسی در سه عامل (ورودی، فرآیندی، محیطی یا زمینه ای)طبقهبندی شدند در ادامه مدلهای درختان تصمیم با اجرای الگوریتمهای C&R,C5.0پیادهسازی و نتایج نشان داد که الگوریتم C5.0 با دقت و حساسیتی بالغبر 92 درصد، و قدرت تشخیص 97 درصدی بهترین عملکرد را برای پیش بینی کیفیت حسابرسی دارد و الگوریتم C&R با دقت و حساسیت 83 درصدی و قدرت تشخیص 93 درصدی قادر به پیشبینی رتبهبندی کیفی موسسات حسابرسی است.
کلید واژگان: موسسات حسابرسی، رتبه بندی کیفی، الگوریتم درخت تصمیم، داده کاویThe quality of audit institutions is always one of the most important things in auditing. Researchers in this field believe that the most effective variable in the discussion of audit quality is audit institutions .The purpose of this study is to present a new method for predicting and ranking the quality of audit institutions affiliated to Iranian Institute of Certified Public Accountants (IACPA). and its innovation is to achieve a highly accurate forecasting model. For this purpose ,we used data records of the quality control and status control of IACPA which had already been gathered through questionnaires from 2012 to 2017. We selected 1555 pieces of information records. After screening and deleting incomplete data, 1367 pieces of information were studied. Then, to reduce the data dimensions and find the internal and optimal pattern of variables set. Factor analysis and structural equation techniques were applied. The analysis revealed three categories paly ing a major role in quality of audit. These categories, constructs, were labelled process indicators , environmental or contextual indicators and input indicators. Finally, we used decision tree algorithm from data mining techniques, namely, C&R, and C5.0 algorithms. The results showed that C5.0 algorithm with 92% accuracy and sensitivity, and 97% detection power is the best performance for predicting audit quality and The C&R algorithm is able to predict the qualitative ranking of auditing institutions with 83% accuracy and sensitivity and 93% detection power
Keywords: Audit institutions, Qualitative Rank, Decision Tree Algorithm, data mining -
International Journal of Finance and Managerial Accounting, Volume:5 Issue: 18, Summer 2020, PP 121 -135This study aimed to evaluate the effect of type of players on ecosystem accounting system using structural equations. In total, 84 activists in the field of environmental accounting (ecosystem) were selected through convenience sampling. Subjects filled the 22-item questionnaire of components of actor network and the 25-item questionnaire of ecosystem accounting. Given the fact that the significance coefficients of components of political-social and technical actors were above 1.96, these two variables had a positive and significant effect on ecosystem accounting at 95% confidence interval. In addition, the significance coefficients of components of organizational and economic actors were above 2.58, demonstrating the positive and significant impact of these two variables on the ecosystem accounting. On the other hand, technology actors had no significant impact on ecosystem accounting. From the perspective of the subjects, some of the factors affecting ecosystem accounting system of Iran were the inconspicuous role of managers, creditors, and investors and accountability mechanisms and assessment indicators and environmental taxes, which directly or indirectly affected the results. Moreover, the simultaneous evaluation of the effect of five relevant indicators demonstrated that 68% of their changes were explained by these factors and actors.Keywords: systematic risk, Firefly algorithm, Decision Tree Algorithm, Support-vector Machine
-
هدف مقاله حاضر پیش بینی کیفیت حسابرسی با استفاده از الگوریتم های درخت تصمیم گیری است. بنابراین کلیه موسسات حسابرسی عضو جامعه حسابداران رسمی ایران در بازه زمانی 1391 تا 1396، جامعه آماری پژوهش هست که بعد از غربالگری تعداد 1367 مشاهده به عنوان نمونه آماری باقی ماندند. این پژوهش ازنظر هدف کاربردی و به لحاظ روش پژوهشی، توصیفی از نوع همبستگی است. تجزیه وتحلیل داده ها مطابق با استاندارد داده کاوی CRISP-DM و اجرای چهار الگوریتم درخت تصمیم گیری CHAID, C&RT, C5.0 و QUEST صورت پذیرفت. نتایج نشان داد که مدل های بهینه بدون در نظر گرفتن عمق درخت، با بیشترین قدرت تشخیص مربوط به درخت C5.0 بالغ بر 97 درصد و با در نظر گرفتن عمق درخت با بیش از 92 درصد مربوط به درخت C&RT هست. بدین صورت که از مجموع 19 معیار ارزیابی کیفیت حسابرسی، تعداد 16 معیار در الگوریتم C5.0 و 12 معیار در الگوریتم CHAID و 5 معیار در C&RT و 3 معیار در QUEST، در پیش بینی کیفیت حسابرسی موثر قلمداد و مابقی کنار گذاشته شده اند. نکته حائز اهمیت اینکه معیارهای مشترک در هر چهار الگوریتم که عبارت اند از استخدام کارکنان، آموزش کارکنان و برنامه ریزی کنترل و سرپرستی کار همگی از فاز ورودی های موثر بر کیفیت حسابرسی می باشند.کلید واژگان: کیفیت حسابرسی، الگوریتم درخت تصمیم گیری، داده کاوی، الگوریتم C5، 0The purpose of this paper is to predict the quality of the audit using decision tree algorithms. Therefore, all audit institutions of the member of the Iranian Society of Official Accountants during the period 1391 to 1396 are the statistical population of the study, which after the screening of 1367 observations remained as a statistical sample. This research is a descriptive-correlative research in terms of applied and descriptive research method. Data analysis was performed in accordance with the CRISP-DM data mining standard and the implementation of four decision tree CHAID, C & RT, C5.0, and QUEST algorithms. Decision trees were modeled using simulation software of IBM modeler18 and the results showed that the optimal models, regardless of tree depth, with the maximum recognition power associated with the tree C5.0 over 97% and considering the depth of the tree with more than 92% is related to the C & RT tree. From the total of 19 quality assessment criteria, 16 criteria in the C5.0.12 Criterion Algorithm in the CHAID algorithm and 5 C & RT criteria and 3 criteria in QUEST are considered in the prediction of effective audit quality It is important to note that the common criteria in all four algorithms, which are employee recruitment, employee training, and entrepreneurship All work control and supervision are all input phases that affect audit quality.Keywords: Audit quality, Decision Tree Algorithm, data mining, Algorithm C5.0
-
موجودی های مواد و کالا، حجم عمده سرمایه در گردش شرکت ها را تشکیل می دهند. حداکثرسازی بازده حاصل از نگهداری موجودی ها، یکی از اهداف مدیران مالی است که این امر مستلزم شناسایی عوامل موثر بر میزان نگهداشت موجودی های مواد و کالا توسط شرکت هاست. در این پژوهش، ابتدا با استفاده از تحلیل رگرسیون، عوامل تعیین کننده سطح نگهداشت موجودی ها در 158 شرکت در بازه زمانی 1381 تا پایان 1392 شناسایی شده و در ادامه با استفاده از الگوریتم های درخت تصمیم و شبکه عصبی، میزان اهمیت هر یک از عوامل، رتبه بندی گردیده است. نتایج تحلیل رگرسیون نشان می دهد که به غیر از نسبت اهرمی و عمر شرکت، سایر متغیرها رابطه معناداری با سطح نگهداشت موجودی های مواد و کالا دارند. همچنین، نتایج رتبه بندی متغیرها نشان می دهد که مخارج سرمایه ای و اندازه شرکت دارای بیشترین اهمیت و جریان وجوه نقد عملیاتی و رشد شرکت، دارای کمترین اهمیت در تبیین میزان نگهداشت موجودی های مواد و کالای شرکت ها هستند.کلید واژگان: موجودی مواد و کالا، رگرسیون چندگانه، الگوریتم درخت تصمیم، شبکه عصبیInventories constitute the main part of firms working capital. Maximizing the return from inventory holding is one of the financial managers goals and to achieve this purpose, an optimal level of inventory holding must be identified by manager and this requires the identification of factors affecting firms inventory holding. In this research, first the determinants of inventory holding are identified using multivariate regression analysis in 158 firms from 2002 to the end of 2013 and then the importance of significant factors is ranked using decision tree and neural network algorithms. The results of regression analysis show that except firms leverage and age, other research variables show a significant relationship with the level of inventory holding. Also, the ranking process of variables indicate that capital expenditure and firm size posit the most importance and cash from operations and firm growth have the least importance in explaining the level of firms inventory holding.Keywords: Inventory, multivariate regression, decision tree algorithm, neural network
- 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.