پیش بینی رتبه بندی کیفیت اطلاعات با رویکرد تحلیل عاملی و هوش مصنوعی
از آنجایی که سهامداران، سرمایه گذاران، اعتباردهندگان و سایر استفاده کنندگان از صورتهای مالی برای مقاصد تصمیم گیری از اطلاعات درونی شرکت آگاهی کافی ندارند و همواره به دنبال کسب اطلاعاتی برای ارزیابی عملکرد و ریسک سنجی شرکت های مورد نظر خود میباشند تا بتوانند در آنها سرمایه گذاری کنند، لذا کیفیت اطلاعات حسابداری که شرکت ها افشا می نمایند جهت تصمیم گیری آن ها دارای اهمیت می باشد. این پژوهش پیش بینی رتبه بندی کیفیت اطلاعات با رویکرد تحلیل عاملی و هوش مصنوعی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران را مورد بررسی قرار می دهد. متغیر مستقل استفاده شده در این پژوهش، معیار های نظام راهبری می باشد و متغیر وابسته، معیار های کیفیت اطلاعات حسابداری است که بر اساس روش تحلیل عاملی تمام معیار ها بصورت یک متغیر واحد تبدیل شده است. پژوهش حاضر جز تحقیقات تجربی حسابداری بوده و جهت آزمون فرضیه های پژوهش از روش هوش مصنوعی استفاده شده است. نتایج پژوهش حاکی از آن است که طبق روش متغیر گزینی هوش مصنوعی آنالیز همسایگی از بین متغیر های نظام راهبری "درصد مالکان نهادی"، "نقش دوگانه مدیرعامل"، "دوره تصدی مدیرعامل"، "مالکیت مدیریت" و "مالکیت دولتی" بالاترین همبستگی را با رتبه کیفیت اطلاعات دارند. سایر نتایج تحقیق حاکی از این است که روش هوش مصنوعی خطی و غیر خطی توانایی بالایی در پیش بینی رتبه کیفیت اطلاعات حسابداری شرکت های پذیرفته شده در بورس اوراق بهادار تهران را دارند.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.