مسعود پورغلام آمیجی

هدف این پژوهش، بررسی عامل های مؤثر بر قصد مشتری برای خرید از بازارهای آنلاین محصول های کشاورزی در شهر تهران می باشد. داده های مورد نیاز از طریق میدانی، با تکمیل پرسشنامه الکترونیکی به روش نمونه گیری تصادفی در دسترس از 327 پاسخگو که مشتری آنلاین فروشگاه های اینترنتی محصول های کشاورزی بودند، از شهریور 1399 تا فروردین 1400 گرد آوری شد. به منظور شناسایی عامل های مؤثر بر قصد خرید آنلاین مشتریان از روش الگوی لاجیت ترتیبی که به وسیله حداکثر راست نمایی برآورد شد، در نرم افزار Stata تجزیه وتحلیل شد. نتایج نشان داد که متغیرهای جنسیت، محل سکونت، هزینه های خانواده، میزان لذت بخش بودن خرید آنلاین، میزان شناخت از وب سایت، میزان خرید نهایی از وب سایت، میزان کسب اطلاعات لازم از وب سایت، میزان جستجوی اطلاعات وب سایت، میزان امنیت در خرید آنلاین پس از دیدن نماد آبی رنگ، میزان برتری و سودمندی های وعده داده شده در وب سایت، میزان قابل لمس نبودن کالا در قصد خرید آنلاین، میزان سهولت در امکان مقایسه قیمت در قصد خرید آنلاین، میزان نوآوری و خلاقیت در وب سایت دارای تأثیر منفی و معناداری در سطح های یک تا چهار بر قصد خرید آنلاین مشتری هستند و در بالاترین سطح ها یعنی سطح پنج احتمال، قرارگیری مشتریان در این سطح افزایش می یابد. متغیرهای محل سکونت، میزان لذت بخش بودن خرید آنلاین، میزان خرید نهایی از وب سایت، میزان کسب اطلاعات لازم از وب سایت، میزان امنیت در خرید آنلاین پس از دیدن نماد آبی رنگ، میزان نوآوری و خلاقیت در وب سایت دارای بیشترین اثر مثبت و در سطح های بالا به طور معناداری افزایش یافته است. نتیجه گیری کلی بدین صورت است که پیوسته با مشتریان از طریق ارسال کاتالوگ، ایمیل، پیامک، گفتگوی تلفنی و معرفی کالاهای جدید ارتباط برقرار باشد. همچنین، در صورت عدم رضایت کاربر از خرید اینترنتی محصول های کشاورزی، این امکان برای کاربر فراهم باشد که کالا را به خرده فروش مرجوع و هزینه خود را دریافت کند که خود می تواند خطرپذیری (ریسک) درک شده را کاهش دهد.

هدف از این پژوهش مقایسه عملکرد مدل های سری زمانی SARIMA و Holt-Winters با روش های هوش مصنوعی شامل شبکه عصبی مبتنی بر توابع پایه شعاعی (RBF) و سیستم استنباط عصبی- فازی تطبیقی (ANFIS) به منظور پیش بینی فراوانی روزهای همراه با طوفان گردوغبار (FDSD) در فصل آتی است. بدین منظور، از داده های ساعتی گردوغبار و کدهای سازمان جهانی هواشناسی در پنج ایستگاه سینوپتیک استان سیستان و بلوچستان با طول دوره آماری 25ساله (۱۹۹۰-2014) استفاده شد. نتایج نشان داد روش ANFIS، نسبت به سایر روش ها، بهترین عملکرد را داشت و معیارهای ارزیابی R، RMSE، MAE، و NS آن به ترتیب از 72/0، 57/0، 42/0، و 71/0 تا 95/0، 51/0، 40/0، و 96/0 متغیر بود. همچنین، با افزایش شاخص متوسط FDSD در ایستگاه ها (از 06/1 تا 11/7)، دقت پیش بینی همه روش ها افزایش داشت. بر همین اساس، در سری زمانی SARIMA، ضریب همبستگی بین مقادیر مشاهداتی و پیش بینی شده شاخص FDSD از 64/0 به 79/0 افزایش یافت. برای روش های Holt-Winters، RBF، و ANFIS مقدار نیز ضریب همبستگی به ترتیب از 70/0 تا 87/0، 69/0 تا 92/0، و 72/0 تا 95/0 متغیر بود. درمجموع، با مقایسه روش های مورد استفاده، روش هوش مصنوعی ANFIS بهترین و مدل های سری زمانی SARIMA و Holt-Winters بدترین عملکرد را داشتند.