به‌کارگیری الگوریتم های درخت تصمیم گیری در پیش بینی کیفیت حسابرسی

Abstract

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.