تحلیل سنجش کارایی با روش تحلیل پوششی داده ها و ارتباط آن با نسبت های مالی
Publish place: Journal of Financial Accounting Research، Vol: 13، Issue: 3
Publish Year: 1400
Type: Journal paper
Language: Persian
View: 197
This Paper With 23 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_FAR-13-3_004
Index date: 7 June 2022
تحلیل سنجش کارایی با روش تحلیل پوششی داده ها و ارتباط آن با نسبت های مالی abstract
نسبت های مالی، نمایی از وضعیت و عملکرد شرکت را به استفاده کنندگان از صورت های مالی نشان می دهند. با وجود این، استفاده از روش های سنتی مبتنی بر نسبت های مالی به منظور سنجش و محاسبه کارایی به واسطه تک بعدی بودن، محدودیت ها و نارسایی های نسبت های مالی، توام با انتقاداتی است و محاسبه کارایی مبتنی بر این روش به تنهایی، ممکن است از دقت و عینیت کمتری برخوردار باشد و موجب گمراهی استفاده کنندگان شود. در این پژوهش، به منظور برطرف کردن خلا مزبور، با استفاده از مدل تحلیل پوششی داده های متکی بر متغیرهای منفی، به محاسبه کارایی و رتبه بندی تعداد ۲۱۰ شرکت پذیرفته شده در بورس اوراق بهادار تهران در طی بازه زمانی ۱۲ ساله، پرداخته شده است. در ادامه با استفاده از آزمون معادلات ساختاری واریانس محور، میزان ارتباط تعداد ۸ نسبت مالی مهم که با استفاده از روش های دلفی فازی و تحلیل سلسله مراتبی فازی برگزیده شده اند، با عدد کارایی به دست آمده شرکت ها اقدام شده است. نتایج نشان دادند از میان نسبت های مالی، دو نسبت آنی و حاشیه سود، بیشترین ضرایب اهمیت را داشته اند. این الگو علاوه بر پوشش محدودیت های نسبت های مالی، می تواند با ارائه اطلاعات جامع تر و با دقت بیشتری به عنوان مکملی برای تحلیل نسبت های مالی به کار گرفته شود.
تحلیل سنجش کارایی با روش تحلیل پوششی داده ها و ارتباط آن با نسبت های مالی Keywords:
تحلیل سنجش کارایی با روش تحلیل پوششی داده ها و ارتباط آن با نسبت های مالی authors
روزبه هدایت مظهری
دکتری حسابداری، دانشگاه علامه طباطبائی، تهران، ایران
مهدی خرم آبادی
دانشگاه پیام نور. دانشکده حسابداری و مدیریت. گروه حسابداری
سهیلا لشگرآراء
هیات علمی دانشگاه پیام نور- گروه حسابداری
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :