اعتبارسنجی متقابل

سودمندی اطلاعات حسابداری همواره به عنوان یکی از دغدغه های استاندارد گذاران مطرح بوده است؛ به طوری که مفاهیم نظری هدف اصلی از گزارشگری مالی را ارائه اطلاعاتی سودمند در تصمیم گیری می داند. پیش بینی ورشکستگی یکی از حوزه هایی است که تاکنون پژوهشگران بسیاری به بررسی سودمندی اطلاعات حسابداری در آن پرداخته اند. با این حال، به منظور درک موقعیت فعلی سودمندی این منبع اطلاعاتی لازم است تا توان پیش بینی آن را در مقابل سایر منابع اطلاعاتی مانند اطلاعات بازار مورد مقایسه قرار داد. در همین راستا با استفاده از الگوریتم ژنتیک، الگو هایی با ترکیبات مختلفی از متغیرهای حسابداری و بازار، طراحی شده و مورد آزمون قرار گرفته است. همچنین به منظور بهبود قابلیت تعمیم نتایج از اعتبارسنجی متقابل استفاده شده است. نمونه مورد آزمون شامل شرکت های عضو بورس اوراق بهادار تهران در بین سال های 1380 تا 1388 می باشد. یافته های پژوهش حاضر نشان داد که اطلاعات حسابداری در پیش بینی ورشکستگی از سودمندی بیشتری نسبت به اطلاعات بازار برخوردار بوده و اطلاعات بازار نمی توانند مکمل خوبی برای اطلاعات حسابداری در پیش بینی ورشکستگی باشند.

هدف پژوهش حاضر این است که با به کارگیری رگرسیون چندگانه در روش هارویچ که یک رویکرد تصمیم گیری است نمره برش آزمون تولیمو برای داوطلبان دکتری متقاضی فرصت های مطالعاتی خارج از کشور را تعیین کند. جامعه آماری این پژوهش شامل داوطلبان یک دوره از آزمون تولیمو است که 461 نفر بودند. روش پژوهش این مطالعه مبتنی بر رویکرد کمی است و از نظر هدف جزء پژوهش های کاربردی و از نظر تحلیلی جزء مطالعات تحلیل ثانویه محسوب می شود و از نمره های همه 461 داوطلب به هر کدام از بخش های گرامر، درک مطلب، شنیداری و نوشتاری برای تعیین نمره برش استفاده می گردد. بر اساس نتایج مطالعه و با توجه به مقدار خطای طبقه بندی ناچیز، در صورت استفاده از نمره کل، میانگین مقادیر شاخص هارویچ به نمره برش 481 و در صورت معنی دار بودن مدل رگرسیون خطی با به کارگیری نتایج شاخص هارویچ در رگرسیون چندگانه، از نمره برش 491 به عنوان نمره برش می توان استفاده کرد. روش پیشنهادی به طور قابل توجهی دقت تعیین نمره برش را در مقایسه با روش های آنگوف و بوک مارک بهبود می بخشد. با توجه یافته های به دست آمده از اعتبارسنجی متقابل و مقادیر خطا، نمره برش به دست آمده از استراتژی ترکیبی منجر به نتایج دقیق تر و با خطای طبقه بندی صفر می شود. واژه های کلیدی: نمره برش، روش هارویچ، رگرسیون چندگانه، روش آنگف، روش بوک مارک، اعتبارسنجی متقابل، آزمون تولیمو