《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》
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。
图表编号 | XD009029200 严禁用于非法目的 |
---|---|
绘制时间 | 2018.01.05 |
作者 | 刘志洋、韩丽荣 |
绘制单位 | 吉林大学商学院、吉林大学商学院 |
更多格式 | 高清、无水印(增值服务) |