چکیده:
سودمندی تحلیل پوششی داده (DEA) به عنوان یک رویه تحلیلی برای حسابرسان مخصوصا در مرحله برنامه ریزی حسابرسی برای تعیین کردن اندازه حسابرسی (تخصیص منبع) و برای ارزیابی کردن سطح ریسک اولیه مشتری (تداوم فعالیت)، اثبات شده است. به هر حال، چندین محقق اشاره کرده اند که شمول نسبت های مالی در مدل های DEA، براوردهای کارایی سوداری را در اجرای رویه های تحلیلی ایجاد می کند. این مقاله به وسیله ی به کار بردن تکنیک بوت استرپ، کاربردی از تحلیل عملکرد 20 شرکت بیمه با استفاده از داده های مالی را ارائه می کند. نتایج نشان می دهد که در اولین مرحله ی تحلیل حساسیت، کارایی های به دست آمده سودار هستند. به هر حال بعد از به کار بردن تکنیک بوت استرپ، تحلیل حساسیت آشکار می کند که رتبه های کارایی به طور مهمی بهبود یافته اند.
خلاصه ماشینی:
3- Halkos & Salamouris 4- McLeay & Fieldsend 5- Siriopoulos & Tziogkidis 6- Biggs, et al.
این تکنیک های جایگزین عبارتند از: تحلیل پوششی داده ، تحلیل تمایزی ٥، تحلیل رگرسیون چندگانه ٦ (کنی ٧، ١٩٨٧) و مدل های شبکه ی عصبی مصنوعی ٨ (برای مثال کوکلی و بروان ٩، ١٩٩٣؛ فیروز و همکاران ، ٢٠٠٠ را 1- Daraio & Simar 2- Jenkins & Anderson 3- Simar & Wilson 4- AICPA 5- Discriminant Analysis 6- Multivariate Regression Analysis 7-Kinney 8- Artificial Neural Networks 9- Coakley & Brown ببینید).
چندین مطالعات نشان داده اند که تعداد زیادی از نسبت ها و داده های مالی غیر نرمال هستند که این غیرنرمال بودن را می توان به وسیله ی حضور چولگی و وجود داده های پرت تشخیص داد (برد و مک هیگ ٥، ١٩٧٧؛ باجن و دروری ، 6 1- Fernandez-Castro & Smith 2- Lev 3- Halkos & Tzeremes 4- Sherman 5- Bird & McHugh 6- Bougen & Drury ١٩٨٠؛ ازمل و همکاران ١، ١٩٨٧؛ مسیمور٢، ١٩٨٧).
2-Mecimore 3- Taffler 4- Lu & Hung 5- De Nicola, et al.
فرضیه فرعی ١: رتبه های کارایی حاصل از مدل DEA قبل از کاربرد تکنیک بوت استرپ ، نسبت به داده ها/ نسبت های مالی استفاده شده در رویه های تحلیلی حسابرسی حساس است .
فرضیه فرعی ٢: رتبه های کارایی حاصل از مدل DEA که به کمک تکنیک بوت استرپ از لحاظ تورش تصحیح شده است ، نسبت به داده ها/ نسبت های مالی استفاده شده در رویه های تحلیلی حسابرسی حساس نیست .