Application of decision tree algorithms in predicting audit quality

Document Type : Original Article

Authors
Payam Khodaei Esameilkandi 1
Peyman Amini 2
Ataollah Mohammadi Melgharni 3
Adel Fatemy 4
1 Department of Accounting, Sanandaj Branch, Islamic Azad University, Sanandaj, Iran
2 Assistant professor, Department of Accounting, Faculty of Literature and Social Sciences, University of Kurdistan, Kurdistan (Corresponding Author)
3 Assistant professor, Department of Accounting, Sanandaj Branch, Islamic Azad University, Sanandaj, Iran
4 Assistant professor, Department of Applied Statistics, Sanandaj Branch, Islamic Azad University, Sanandaj, Iran
Abstract
The purpose of this paper is to predict the quality of the audit using decision tree algorithms. Therefore, all audit institutions of the member of the Iranian Society of Official Accountants during the period 1391 to 1396 are the statistical population of the study, which after the screening of 1367 observations remained as a statistical sample. This research is a descriptive-correlative research in terms of applied and descriptive research method. Data analysis was performed in accordance with the CRISP-DM data mining standard and the implementation of four decision tree CHAID, C & RT, C5.0, and QUEST algorithms. Decision trees were modeled using simulation software of IBM modeler18 and the results showed that the optimal models, regardless of tree depth, with the maximum recognition power associated with the tree C5.0 over 97% and considering the depth of the tree with more than 92% is related to the C & RT tree. From the total of 19 quality assessment criteria, 16 criteria in the C5.0.12 Criterion Algorithm in the CHAID algorithm and 5 C & RT criteria and 3 criteria in QUEST are considered in the prediction of effective audit quality It is important to note that the common criteria in all four algorithms, which are employee recruitment, employee training, and entrepreneurship All work control and supervision are all input phases that affect audit quality.
 
Keywords
Audit Quality
Decision Tree Algorithm
Data Mining
Algorithm C5.0
*       àاحمدی فایق (1393) شاخص‌های اندازه‌گیری کیفیت حسابرسی مجله حسابدار رسمی شماره 25 بهار.
*       àاکبریان فرد، مریم، وکیلی‌‌ ‌‌‌‌‌‌‌فرد، حمیدرضا ونیکومرام، هاشم (1398)، تاثیرعرضه اولیه سهام بر کیفیت حسابرسی: مطالعه تجربی با شواهدی از اظهارنظر حسابرس و حق‌الزحمه حسابرسی مجله دانش حسابداری و حسابرسی مدیریت، دوره 8، شماره 29.
*       àپزشک، یاسمن، پور زمانی، زهرا (1398)، فصلی بودن حسابرسی، کیفیت افشا اطلاعات و کیفیت حسابرسی مجله دانش حسابداری و حسابرسی مدیریت، دوره 8، شماره 29.
*       àتقوی‌‌‌‌‌ فرد، محمدتقی و‌‌‌‌ نوروزی، اشرف و حسن‌پور، سید مصطفی (1396)، سنجش کیفیت حسابرسی شرکت‌ها با استفاده از مدل درخت احتمال (موردمطالعه: شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران)، مجله پژوهش‌های نوین در حسابداری و حسابرسی، دوره 1، شماره 3.
*       àتقی نتاج ملکشاه، غلامحسن و بلوردی، فاطمه (1396)، ارزیابی ادراکات و انتظارات متقاضیان از کیفیت خدمات حسابرسی با استفاده از مدل سروکوال، مجله دانش حسابداری و حسابرسی مدیریت، دوره 6، شماره 24.
*       àچالاکی، پری و یوسفی، مرتضی (1391)، پیش‌بینی مدیریت سود با استفاده از درخت تصمیم‌گیری، مطالعات حسابداری و حسابرسی، شماره 1.
*       àستایش، م.ح.، کاظم نژاد، م.، رضایی، غ.، دهقانی سعدی، ع. (1395). بررسی سودمندی انتخاب متغیرهای
*       پیش‌بین در پیش‌بینی نوع اظهارنظر حسابرسان. بررسی‌های حسابداری و حسابرسی، (3)23 373-392
 
*       àشهرابی، جمال و زارع، ابوالفضل (1392)، داده‌کاوی با کلمنتاین، چاپ اول، انتشارات جهاد دانشگاهی واحد صنعتی امیرکبیر.
*       àغضنفری، مهدی، علیزاده، سمیه وتیمورپور، بابک (1395)، داده‌کاوی و کشف دانش، چاپ اول، انتشارات دانشگاه علم و صنعت ایران.
*       àکوثری لنگری، روح اله، مقدم چرکری، نصرالله وحدت، داود (1392) به‌کارگیری الگوریتم‌های درخت تصمیم‌گیری جهت کشف رفتارهای مشکوک در بانکداری اینترنتی، فصلنامه علمی پژوهشی پژوهشگاه علوم و فناوری اطلاعات ایران، دوره 28، شماره 3.
*       àلطفی وکیل‌آباد، سامان (1392)، مقایسه تکنیک‌های مختلف داده‌کاوی برای پیش‌بینی تغییر حسابرس با استفاده از متغیرهای درماندگی مالی، پایان‌نامه کارشناسی ارشد، دانشکده علوم اقتصادی.
*       àمشایخی، بیتا و مهرانی، کاوه و رحمانی، علی و مداحی، آزاده (1392)، تدوین مدل کیفیت حسابرسی، مجله بورس اوراق بهادار، دوره 6، شماره 23.
*       àمهدوی، غلامحسین و نمازی، نوید رضا (1396)، تدوین الگوی رابطه بین متغیرهای کیفیت حسابرسی با استفاده از رویکرد علت معلولی سیستم‌های پویا، مجله مطالعات تجربی حسابداری مالی، دوره 13، شماره 53.
*       àنونهال نهر، علی‌اکبر و علی نژاد ساروکلائی، مهدی و خضری، پریسا (1392)، ارزیابی تأثیر کیفیت حسابرس بر مدیریت سود در شرکت‌های تازه پذیرفته‌شده در بورس اوراق بهادار تهران، مجله دانش حسابداری و حسابرسی مدیریت، دوره 2، شماره 7.
*       àنیک‌بخت، محمدرضا و رضایی، ذبیح‌الله و منتی، وحید (1396)، طراحی مدل کیفیت حسابرسی داخلی، مجله دانش حسابرسی، دوره 17، شماره 96.
*       àنیکبخت، محمدرضا و محمودی خوشرو، امید (1396)، بررسی عوامل مؤثر بر کیفیت حسابرسی در ایران با توجه به شاخص‌های هیئت نظارت بر حسابداری شرکت‌های سهامی عام (PCAOB)، مجله بررسی‌های حسابداری و حسابرسی، دوره 24، شماره 3.
*       (Chih, F. and yen, J. (2009), “Earnings management prediction: a pilot study of combining neural networks and decision trees”. Expert Systems with Applications, Vol. 36, PP. 7183-7191.
*       àDuff. (2009)."Measuring audit quality in an era of change: An empirical investigation of UK audit market stakeholders in 2002 and 2005" Managerial Auditing Journal,Vol. 24, pp: 400-422.
*       (Francis, J. and E. Wilson(. 2014). Auditor changes: A joint test of theories related to agency costs and auditor differentiation. The Accounting Review 63 (4).p.p: 663-682.
*       (Gonthier‐Besacier, N., Hottegindre, G., & Fine‐Falcy, S. (2016). Audit quality p erception: Beyond the ‘Role‐Perception Gap’. International Journal of Auditing, 20(2), 186-201.
*       (Wooten, T.C. (2013). Research about audit quality, The CPA Journal, 73(1):4851.
(IAASB2011 " Audit Quality an IAASB perspective", www.iaasb. org