یک ایده جدید برای بررسی عوامل موثر بر هزینه های بدهی شرکت در عصر بزرگ اطلاعات

قیمت: 41,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

یک ایده جدید برای بررسی عوامل موثر بر هزینه های بدهی شرکت در عصر بزرگ اطلاعات

عنوان لاتین

A New Idea of Study on the Influence Factors of Companies’ Debt Costs in the Big Data Era

امروزه در عصر بزرگ اطلاعات، یکی از روشهای رایج رگرسیون خطی چندگانه نمی تواند نیاز مردم را برای رسیدگی به داده های بزرگ به دلیل ویژگی های بد خود مانند چند خطی بودن، بی ثباتی، ذهنیت در مدل انتخاب و غیره برآورده کند. بر خلاف MLR، روش LASSO خصوصیات خوبی دارد. پایدار است و می تواند بصورت چند خطی و با موفقیت بهترین مدل را انتخاب کند و سنجش را در همان زمان انجام دهد. روش LASSO بهبود مؤثر رگرسیون خطی چندگانه است. این یک تغییر طبیعی و نوآوری برای معرفی روش LASSO را در حسابداری و استفاده از آن برای مقابله با مشکلات هزینه بدهی است. این به ما کمک می کند تا حسابداری و آمار با هم بصورت گام به گام ملحق شوند. و ، به منظور اثبات کاربرد روش LASSO در برخورد با مشکلات هزینه بدهی، ما 2301 داده شرکتی از شانگهای و بازار Shenzhen A-share در سال 2012 به عنوان نمونه گرفتیم، و 18 شاخص به منظور بررسی نتایج حاصل از روش LASSO که علمی، منطقی و دقیق است، انتخاب شد. در پایان، روش LASSO با رگرسیون خطی چندگانه سنتی مقایسه و رگرسیون ridge مقایسه نمودیم، دریافتیم که روش LASSO می تواند نه تنها دقیق ترین پیش بینی را ارائه می دهد بلکه مدل را ساده نیز می نماید.

Under the background of big data era today, once been widely used method – multiple linear regressions can not satisfy people’s need to handle big data any more because of its bad characteristics such as multicollinearity, instability, subjectivity in model chosen etc. Contrary to MLR, LASSO method has many good natures. it is stable and can handle multicollinearity and successfully select the best model and do estimation in the same time. LASSO method is an effective improvement of multiple linear regressions. It is a natural change and innovation to introduce LASSO method into the accounting field and use it to deal with the debt costs problems. It helps us join the statistic field and accounting field together step by step. What’s more, in order to proof the applicability of LASSO method in dealing with debt costs problems, we take 2301 companies’ data from Shanghai and Shenzhen A-share market in 2012 as samples, and chose 18 indexes to verify that the results of LASSO method is scientific, reasonable and accurate. In the end, we compare LASSO method with traditional multiple linear regressions and ridge regression, finding out that LASSO method can not only offer the most accurate prediction but also simplify the model