基于数据挖掘技术联网审计数据质量控制的研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 1 引言 | 第10-20页 |
| ·研究的背景及意义 | 第10-11页 |
| ·研究的背景 | 第10-11页 |
| ·研究的意义 | 第11页 |
| ·国内外研究现状 | 第11-16页 |
| ·国外研究现状 | 第11-13页 |
| ·国内研究现状 | 第13-16页 |
| ·研究内容与技术路线 | 第16-20页 |
| ·研究内容 | 第16-17页 |
| ·研究技术路线 | 第17页 |
| ·本文创新点 | 第17-20页 |
| 2 联网审计数据质量控制的理论概述 | 第20-28页 |
| ·数据质量的相关概念 | 第20-24页 |
| ·数据质量的含义 | 第20-21页 |
| ·联网审计的内容 | 第21-22页 |
| ·审计数据质量的特征 | 第22-24页 |
| ·数据质量问题产生的原因 | 第24-25页 |
| ·审计数据质量与审计风险的关系 | 第25-28页 |
| ·联网审计模式下审计风险 | 第25-26页 |
| ·数据质量对审计风险的影响 | 第26-28页 |
| 3 联网审计数据质量控制方法和策略分析 | 第28-42页 |
| ·数据式审计常用方法 | 第28-30页 |
| ·提高数据质量方法分类 | 第28页 |
| ·联网审计一般流程分析 | 第28-30页 |
| ·基于数据流程的审计数据质量控制 | 第30-36页 |
| ·数据采集 | 第30-33页 |
| ·数据转换 | 第33-34页 |
| ·数据清理 | 第34页 |
| ·数据分析 | 第34-36页 |
| ·数据挖掘技术在联网审计中的应用 | 第36-42页 |
| ·数据挖掘的概述 | 第36-37页 |
| ·数据挖掘在联网审计应用的可行性分析 | 第37-38页 |
| ·数据挖掘技术在联网审计中具体应用 | 第38-42页 |
| 4 联网审计数据质量控制模型的构建 | 第42-50页 |
| ·审计数据分析模型设计 | 第42页 |
| ·财务数据分析指标体系的建立 | 第42-45页 |
| ·财务指标建立 | 第43-44页 |
| ·非财务指标建立 | 第44-45页 |
| ·因子分析 | 第45-47页 |
| ·因子分析数学模型 | 第46页 |
| ·因子分析符合性判定 | 第46-47页 |
| ·因子保留判定 | 第47页 |
| ·因子解释 | 第47页 |
| ·神经网络 | 第47-50页 |
| ·BP 神经网络结构 | 第48-49页 |
| ·BP 神经网络学习过程 | 第49-50页 |
| 5 联网审计数据质量控制的实证研究 | 第50-55页 |
| ·研究背景 | 第50-51页 |
| ·研究目的 | 第50页 |
| ·研究对象 | 第50页 |
| ·挖掘工具的选取 | 第50-51页 |
| ·分析模型样本的选取 | 第51-52页 |
| ·样本数据来源 | 第51页 |
| ·动态分析设计 | 第51-52页 |
| ·模型的构建 | 第52-55页 |
| ·KMO 检验和Bartlett 检验 | 第52页 |
| ·因子分析模型 | 第52-53页 |
| ·神经网络模型建立 | 第53-54页 |
| ·模型结果分析 | 第54-55页 |
| 6 结论与展望 | 第55-58页 |
| ·研究结论 | 第55页 |
| ·研究的局限性及展望 | 第55-58页 |
| 参考文献 | 第58-60页 |
| 附录 | 第60-64页 |
| 作者简历 | 第64-65页 |
| 学位论文数据集 | 第65页 |
