بهکارگیری الگوریتم های درخت تصمیم گیری در پیش بینی کیفیت حسابرسی
نویسندگان
1 دانشجوی دکتری حسابداری، گروه حسابداری، واحد سنندج، دانشگاه آزاد اسلامی سنندج، ایران
2 استادیار حسابداری، گروه حسابداری، دانشگاه کردستان، سنندج، ایران، (نویسنده مسئول)
3 استادیار حسابداری، گروه حسابداری، واحد سنندج، دانشگاه آزاد اسلامی، سنندج، ایران
4 استادیار آمار، گروه ریاضی و آمار، واحد سنندج، دانشگاه آزاد اسلامی، سنندج، ایران.
doi
چکیده
هدف مقاله حاضر پیشبینی کیفیت حسابرسی با استفاده از الگوریتمهای درخت تصمیمگیری است. بنابراین کلیه مؤسسات حسابرسی عضو جامعه حسابداران رسمی ایران در بازه زمانی 1391 تا 1396، جامعه آماری پژوهش هست که بعد از غربالگری تعداد 1367 مشاهده بهعنوان نمونه آماری باقی ماندند. این پژوهش ازنظر هدف کاربردی و به لحاظ روش پژوهشــی، توصیفی از نوع همبستگی است. تجزیهوتحلیل دادهها مطابق با استاندارد دادهکاوی CRISP-DM و اجرای چهار الگوریتم درخت تصمیمگیری CHAID, C&RT, C5.0 و QUEST صورت پذیرفت. نتایج نشان داد که مدلهای بهینه بدون در نظر گرفتن عمق درخت، با بیشترین قدرت تشخیص مربوط به درخت C5.0 بالغبر 97 درصد و با در نظر گرفتن عمق درخت با بیش از 92 درصد مربوط به درخت C&RT هست. بدینصورت 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 پیشبینی کیفیت حسابرسی مؤثر قلمداد و مابقی کنار گذاشتهشدهاند. نکته حائز اهمیت اینکه معیارهای مشترک در هر چهار الگوریتم که عبارتاند از استخدام کارکنان، آموزش کارکنان و برنامهریزی کنترل و سرپرستی کار همگی از فاز ورودیهای مؤثر بر کیفیت حسابرسی میباشند.