KCI등재
로지스틱 회귀분석과 인공신경망을 적용한 내부회계관리제도 평가모형의 성과비교 = Performance Comparison of Internal Accounting Control Assessment Models Applying LogisticRegression and Neural Networks
저자
발행기관
학술지명
권호사항
발행연도
2012
작성언어
Korean
주제어
KDC
325
등재정보
KCI등재
자료형태
학술저널
발행기관 URL
수록면
1-30(30쪽)
KCI 피인용횟수
10
DOI식별코드
제공처
본 연구에서는 로지스틱 회귀분석 및 인공신경망을 적용한 내부회계관리제도 평가모형을 개발하고 각 모형의 성과를 설명력, 검정력 및 예측력 등의 다양한 적합도 관점에서 비교함으로써 내부회계관리제도 평가모형의 효과적인 구축 방안을 제안하고자 한다. 이를 위하여 2006년부터 2009년까지 중요한 취약점을 보고한 111개 취약 기업과 취약점이 발견되지 않은 333개 정상 기업을 표본기업으로 선정하였다. 모형개발에 사용된 변수는 기존 선행연구에서 사용된 23개 변수 중 요인분석과 ROC분석을 이용하여 6개의 재무변수(총자산, 자기자본순이익률, 총자본회전률, 유동비율, 유보비율, 영업현금흐름비율)를 선정하였다.
설명모형 비교분석에서 로지스틱 회귀분석은 자기자본순이익률, 유보비율, 영업현금흐름비율이 내부통제 취약점의 발생가능성과 유의적인 음(-)의 관계성을 가지고 있음을 보여주었다. 인공신경망의 경우 유보비율, 유동비율, 자기자본순이익률, 총자본회전률, 영업현금흐름비율, 총자산 순으로 내부통제 취약점의 발생가능성에 영향을 미칠 수 있음을 분석하였다. 또한 ROC분석을 통한 모형의 적합성 검증에서는 인공신경망이 로지스틱 회귀분석보다 우수한 검정력을 보유하고 있음을 확인하였다.
예측모형의 비교분석을 위하여 총 30회의 교차타당성 분석을 수행하였다. 예측력 검증 결과 로지스틱 회귀분석 및 인공신경망의 평균 예측력은 각각 75.9% 및 77.9%로 인공신경망의 정확도가 우수한 것으로 나타났으며 모형의 예측력 차이에 대한 t-test 결과에서도 1% 유의수준에서 인공신경망의 성과가 우수함을 확인하였다. 또한 ROC분석 결과는 예측모형에 있어서도 인공신경망이 보다 우수한 검정력을 보유하고 있음을 보여주었다.
본 연구는 내부통제 평가모형에 주로 활용되어 왔던 로지스틱 회귀분석과 인공신경망의 성과를 적합도 관점에서 비교분석하였다. 분석 결과 인공신경망 기법을 이용하여 우수한 설명력, 검정력 및 예측력을 보유한 내부통제 평가모형을 구성할 수 있음을 보여주었고 결과적으로 효과적인 내부관리회계제도 평가모형의 구축 가능성을 제시하였다.
The objectives of this study are to develop internal accounting control assessment models by applying logistic regression(LR) and neural networks(NN), and to compare the performances of both models in the perspective of various goodness-of-fit tests including explanatory capacity, power and prediction accuracy. We collect 444 firms, a quarter of which announced ICW problem on their internal accounting control review report and the rest of which did not. The 6 independent variables are selected from factor analysis and ROC analysis.
In the comparison of explanatory model, LR shows that three variables(net income/equity, retained earning/asset and OCF/asset) have negative relation with likelihood of ICW, meanwhile NN shows that 6 firm-specific variables have the effect on likelihood of ICW in the order of retained earnings/total asset, current assets/current liabilities, ROE, total assets/sales, OCF/total assets, and total assets. ROC analysis also shows that NN has higher power than LR.
In the comparison of prediction model, the prediction accuracy of LR and NN is 75.9% and 77.9%, respectively. The results of t-test show that the prediction accuracy of each model is significantly different at 1% significance level. The results of ROC analysis show that NN also has higher power than LR in prediction model.
This study analyzes the performances of LR and NN in terms of the goodness of fit, thus the results demonstrate an effective implementation method of internal accounting control assessment models.
분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2022 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2019-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2016-02-25 | 학술지명변경 | 외국어명 : 미등록 -> Korea International Accounting Review | KCI등재 |
2016-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2012-01-01 | 평가 | 등재학술지 유지 (계속평가) | KCI등재 |
2009-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2008-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2007-01-01 | 평가 | 등재후보 1차 FAIL (등재후보1차) | KCI후보 |
2005-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.76 | 0.76 | 0.85 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.88 | 0.85 | 1.497 | 0.23 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)