افزایش پیچیدگی سیستم های اطلاعاتی و گسترش روزافزون آن و محدودیت حسابرسان در ارتباط با زمان و هزینه، سبب گسترش داده کاوی در فرآیند حسابداری و حسابرسی گردید. هدف این پژوهش پیش بینی نوع اظهارنظر حسابرس با استفاده از روش های داده کاوی و مدل خطی لجستیک و مقایسه عملکرد آن هاست. نمونه آماری شامل 187 شرکت و 875 مشاهده از شركت هاي پذيرفته شده در بورس اوراق بهادار تهران طی سال های 1385-1391 می باشد. در این پژوهش از 44 متغیر مالی و غیرمالی از جمله شاخص های نقدینگی، مدیریت دارایی، سودآوری، مدیریت بدهی، رشد و اندازه شرکت، بهره وری کارکنان، حاکمیت شرکتی، ورشکستگی، عملکرد شرکت و سایر عوامل تأثیرگذار به منظور پیش بینی اظهارنظر حسابرس استفاده شد. با توجه به نتایج تحقیق مشخص گردید الگوی مبتنی بر شبکه عصبی احتمالی، بالاترین توان در شناسایی نوع اظهارنظر با میزان صحت 91/15 درصد در مقایسه با دیگر روش ها و متغیرهای نسبت جاری، بازده سرمایه گذاری، نسبت بدهی، نوع گزارش حسابرسی سال قبل، نسبت دارایی بر درآمدخالص و زیان ده بودن شرکت، مؤثرترین متغیرها در شناسایی نوع اظهارنظر حسابرس هستند.