《表7 线性主成分与非线性主成分舞弊识别结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《财务报告舞弊识别效率改善研究——基于分类技术改进和数据信息优化兼容视角》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

李清和任朝阳[30]借鉴Taylor展开式的非线性思想，构建非线性—主成分Logistic回归证明其具有较好的舞弊识别效果，但作者基于静态数据，模型整体识别率并不高，故而笔者借鉴该种方法研究动态数据的识别效果，模型构建方法与李清和任朝阳[30]的类似，采用向后逐步回归的Wald法，构建的非线性主成分模型如式（2），经测算取0.400为分类阈值，当P>0.400判定为舞弊，当p<0.400判定为非舞弊，识别效果如表7所示。