بررسی تاثیر نسبت جاری و مقیاس حسابرسی در پیشبینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 377
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AMTM01_132
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
در بیش از 50 سال گذشته، موضوع پیشبینی ورشکستگی شرکتها یکی از موضوعات مورد توجه جهانی بوده و در تحقیقات آکادمیک زیادی تلاش شده است که بر اساس اطلاعات موجود و تکنیکهای آماری، بهترین مدلهای پیش بینی ورشکستگی کشف وارائه شود. یکی از رایجترین روشهای پیش بینی ورشکستگی روش تجزیه و تحلیل بنیادین و استفاده از نسبتهای مالی میباشد. اما از آنجایی که امکان دستکاری این نسبتها توسط مدیریت وجود دارد به نظر میرسد استفاده از مدلهای ورشکستگی که علاوه بر نسبتهای مالی بر مقیاسهای حسابرسی نیز مبتنی باشد، مفیدتر است. از طرفی اکثر مطالعات انجامشده در زمینه پیشبینیورشکستگی، به کاربرد اطلاعات تکدورهای تمرکز داشته و مطالعات اندکی نقش اطلاعات پیشین را در تخمین و پیشبینی ورشکستگی مورد بررسی قرار دادهاند. به دلیل فقدان پژوهشهای کافی در این زمینه، مدل پیشبینی ورشکستگی "رولینگ لوجیت" انتخاب شد تا توانایی پیشبینی آن در شرایط محیطی ایران مورد ارزیابی قرار گرفته و میزان کاربرد مدل مشخص شود. در پژوهشحاضراز جامعهای با حجم 263 شرکت غیرورشکسته و 56 شرکت ورشکسته، با استفاده از جدول تعیین حجم نمونه کرجسی و مورگان نمونهای 175 عضوی مشتمل بر 144 شرکت غیرورشکسته و 31 شرکت ورشکسته از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران بین سالهای 1387 تا 1392 انتخاب و استفاده شده است. برای آزمون فرضیات پژوهش و ارزیابی توانمندی مدلاز تجزیه و تحلیل عاملی، رگرسیون لوجستیک، روشهای آمار توصیفی مانند میانگین و انحراف معیار و روشهای آمار استنباطی و آزمون ناپارامتری من ویتنی استفاده شده است. نتایج پژوهش حاکی از این است که مدل "رولینگ لوجیت" t مانند آزمون پارامتری دارای قدرت پیشبینیکنندگی بالایی است و استفاده از آن در شرایط محیطی ایران توصیه میشود.
کلیدواژه ها:
نویسندگان
سپیده راجی زاده
گروه حسابداری، دانشگاه پیام نور،تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :