اسراء کریمی

هدف پژوهش حاضر بررسی نقش میانجی خودسرزنشگری و خودشفقتی در رابطه بین تجارب ناگوارکودکی با افسردگی بود. در قالب یک طرح توصیفی_ همبستگی، ۳۲۴ نفر از دانشجویان دانشگاه مراغه در سال تحصیلی 1401 - 1400 به روش نمونه گیری داوطلبانه انتخاب شدند. به منظور گردآوری اطلاعات، شرکت کنندگان پرسشنامه تجارب ناگوار کودکی، مقیاس سطوح خودسرزنشگری، مقیاس خودشفقتی و مقیاس افسردگی بک را تکمیل کردند. برای تحلیل آماری داده ها از روش همبستگی پیرسون و تحلیل میانجی چندگانه استفاده شد. نتایج تحلیل همبستگی نشان داد که تجارب ناگوار کودکی با سطوح خودسرزنشگری همبستگی مثبت، با ابعاد مثبت و منفی خودشفقتی به ترتیب همبستگی منفی و مثبت و با افسردگی همبستگی مثبت داشت. همچنین خودسرزنشگری با افسردگی همبستگی مثبت و ابعاد مثبت و منفی خودشفقتی با افسردگی به ترتیب همبستگی منفی و مثبت دارد. نتایج تحلیل میانجی نشان داد سطوح خودسرزنشگری و ابعاد خودشفقتی، به استثنای ذهن آگاهی، ارتباط بین تجارب ناگوارکودکی و افسردگی را به صورت جزئی میانجی گری می کنند. این یافته ها حاکی ازاین هستند که تجارب ناگوار کودکی گرچه مستقیما عامل خطری برای افسردگی هستند، اما همچنین منجر به افزایش خودسرزنشگری و نیز سه بعد منفی خودشفقتی مانند خودقضاوتی، انزوا و همانندسازی افراطی شده و برعکس منجر به کاهش دو بعد مثبت خودشفقتی مانند مهربانی با خود و انسانیت مشترک شده و آنها نیز به نوبه خود منجر به افزایش افسردگی می شوند.

یکی از مهم ترین مسائلی که دولت ها برای حفظ و بهبود جایگاه خود در اقتصاد داخلی، منطقه ای و بین المللی دارند وضعیت رشد اقتصادی می باشد؛ لذا یکی از موارد مهم در این وضعیت، پیش بینی نرخ رشد اقتصادی است. پیش بینی صحیح رشد اقتصادی، اثرات بسیار مهمی در سیاست گذاری و برنامه ریزی های اقتصادی دولت ها و کارگزاران اقتصادی دارد و می تواند علاوه بر ایجاد زمینه های توسعه، سیاست گذاران را در تصمیم گیری های آتی یاری رساند. این تحقیق به پیش بینی نرخ رشد اقتصادی ایران با استفاده از روش متاآنالیز و مقایسه آن با سایر روش ها می پردازد. برای این منظور، از نتایج روش های ANFIS، ARIMA، مارکف سوئیچینگ، آینده پژوهی و گری مارکف، ECM، رگرسیون فازی، رویکرد حسابداری مربوط به پیش بینی رشد اقتصادی از سال 1383 تا سال 1392 (به غیراز مقادیر پیش بینی با رویکرد حسابداری که تا سال1395می باشد) استفاده شده است. وزن های ثابت و تصادفی هر یک از مطالعات قبلی با استفاده از اثرات ثابت و تصادفی مشخص گردیده و با استفاده از روش متاآنالیز برای پیش بینی به کارگرفته شده است. نتایج نشان می دهد که دقت روش متا آنالیز به مراتب بالاتر از سایر روش ها است و کمترین میزان اختلاف با داده های واقعی را دارد. لذا پیشنهاد می شود برای افزایش ضریب اطمینان حاصل از پیش بینی دقیق، از روش ترکیبی متا استفاده شود.