به کارگیری الگوریتم های درخت تصمیم گیری در پیش بینی کیفیت حسابرسی

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.