بررسي سودمندي انتخاب متغيرهاي پيش‌بين در پيش‌بيني نوع اظهارنظر حسابرسان

The Usefulness of Feature Selection in Auditors Opinion Type Prediction

در اغلب پژوهش‌هاي انجام‎شده، متغيرهاي پيش‌بين بدون ضابطه و فقط براساس مطالعات گذشته انتخاب شده‎اند. فرايند انتخاب متغيرها را مي‌توان به‎عنوان مرحلۀ پيش‌پردازش براي حذف متغيرهاي نامربوط و اضافه و انتخاب متغيرهاي بهينه قبل از ايجاد مدل دانست. در اين رابطه، پژوهش حاضر به بررسي سودمندي روش انتخاب متغير مبتني بر همبستگي براي پيش‎بيني نوع اظهارنظر حسابرسان شركت هاي پذيرفته‎شده در بورس اوراق بهادار تهران مي‎پردازد. طبقه بندي كننده هاي اين پژوهش، شبكه‌هاي عصبي مصنوعي و رگرسيون لجستيك است. به‎طور كلي، يافته هاي تجربي مربوط به بررسي 1214 مشاهده (سال ـ شركت) در بازۀ زماني 1386 تا 1393 نشان‌ داد سودمندي استفاده از متغيرهاي منتخب روش انتخاب متغير همبستگي، در عملكرد پيش بيني نوع اظهارنظر حسابرسان است. به بيان ديگر، در صورت استفاده از متغيرهاي منتخب اين روش نسبت به استفاده از كليۀ متغيرهاي اوليه ، ميانگين دقت افزايش و خطاي نوع اول و دوم كاهش خواهد يافت. افزون‎بر اين، يافته هاي پژوهش حاكي از عملكرد مناسب و بهتر شبكه‌هاي عصبي نسبت به رگرسيون لجستيك است.

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 CorrelationBased 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 firmsyears from 2008 to 2015, confirmed the usefulness of CFS Method in predicting auditors' 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.