رگرسیون حداقل مربعات

هدف این تحقیق پیش بینی بازده سهام با استفاده از نسبت های حسابداری با رویکرد شبکه های عصبی است. در این تحقیق توانایی پیش بینی بازده سهام با استفاده از نسبت های حسابداری با دو رویکرد شبکه های عصبی مصنوعی و رگرسیون حداقل مربعات مورد بررسی قرار گرفته است. متغیرهای مستقل در این تحقیق نسبت های حسابداری و متغیر وابسته بازده سهام میباشد بدین منظور نسبت های حسابداری برای دو صنعت سیمان و دارو به مدت 8 سال جمع آوری گردید. فرضیه های تحقیق شامل یک فرضیه اصلی و دو فرضیه فرعی است. فرضیه اصلی به بررسی توانایی رویکرد شبکه های عصبی در پیش بینی بازده سهام در مقایسه با رگرسیون حداقل مربعات در سطح جمع شرکت های فعال در دو صنعت میپردازد و فرضیه های فرعی به بررسی این مورد در سطح شرکت های فعال در سطح هر صنعت میپردازد.

پایداری در توسعه شهری به علت سطوح بالای شهرنشینی تقریباً در کل بخش های جهان، به یک موضوع مهم تبدیل شده است. بنابراین برای رسیدن به توسعه پایدار شهری و همچنین تصمیم گیری بهتر برای جهت دهی توسعه در آینده، بازبینی دائمی فرآیندهای دینامیک شهری با توجه به توسعه در گذشته و پیش بینی آن در آینده، اجتناب ناپذیر است. هدف پژوهش حاضر، مدل سازی و پیش بینی توسعه کلان شهر تهران با استفاده از روش رگرسیون حداقل مربعات معمولی (OLS) و مدل شبکه عصبی مصنوعی (پرسپترون چندلایه (MLP)) با در نظر گرفتن دوره 11 ساله 1385_1374 است. برای این منظور ابتدا، معیارهای موثر در فرآیند توسعه شهری از سازمان های مربوط جمع آوری، آنالیز و آماده سازی شدند و نقشه های کاربری زمین برای سال های مورد نظر از تصاویر ماهواره لندست استخراج شد و با استفاده از داده های اتوکد سازمان نقشه برداری و نقشه های موجود بهبود داده شدند. سپس صحت سنجی نقشه ها و آشکارسازی تغییرات انجام شد. نتایج آشکارسازی تغییرات با ضریب کاپای 85/91% نشان می دهد که بیشترین افزایش مساحت در مناطق ساخته شده (38/5886 هکتار) و بیشترین کاهش مساحت در زمین باز (89/5328 هکتار) رخ داده است. بر مبنای این تغییرات و برای اجتناب از روش سعی و خطا در انتخاب بهترین ترکیب معیارهای ورودی به مدل، با استفاده از روش OLS پیش پردازشی روی این معیارها صورت گرفت. در مرحله بعد با در نظرگرفتن خروجی روش OLS، 11 متغیر مستقل بعنوان ورودی به مدل انتخاب شدند. سپس مدل سازی پتانسیل تبدیل کاربری برای سال 1396، با استفاده از روش MLP انجام شد و با روش زنجیره مارکف نقشه کاربری اراضی برای سال 1396 پیش بینی شد. در نهایت نتایج نشان داد که پیش بینی صورت گرفته نسبت به مطالعات گذشته به واقعیت های زمینی نزدیک تر است و بیشترین میزان توسعه در سال 1396 در بخش های شرقی، شمال غرب و غرب کلان شهر تهران رخ خواهد داد. 2- روش شناسی برای دستیابی به اهداف این مطالعه، ابتدا معیارهای موثر در فرآیند توسعه شهری از سازمان های مربوط جمع آوری، آنالیز و آماده سازی شدند. نقشه های کاربری زمین برای دوره مورد مطالعه (1385-1374) از تصاویر ماهواره لندست استخراج شد و با استفاده از داده اتوکد و نقشه های موجود بهبود داده شدند. سپس صحت سنجی نقشه ها و آشکارسازی تغییرات انجام گرفت و بر مبنای این تغییرات، به منظور اجتناب از روش سعی و خطا در انتخاب بهترین ترکیب معیارهای ورودی به مدل، با استفاده از روش OLS پیش پردازش روی این معیارها صورت گرفت. در مرحله بعد با در نظر گرفتن خروجی روش OLS، متغیرهای مستقل به عنوان ورودی به مدل انتخاب شدند. در نهایت، با استفاده از روش MLP مدل سازی پتانسیل تبدیل هر کاربری انجام گرفته و با به کارگیری روش زنجیره مارکوف نقشه کاربری اراضی برای سال 1396 پیش بینی شد.

کلان شهر تبریز به عنوان بزرگ ترین شهر در شمال غرب کشور در دهه های اخیر با رشد فزاینده جمعیت و توسعه انواع سازه های صنعتی، تجاری، خدماتی و مسکونی روبرو بوده است. توسعه فزاینده به موازات عدم رعایت معیارهای برنامه ریزی کاربری اراضی زمینه افزایش آلودگی هوا در سطح شهر شده است. پژوهش حاضر برای آگاهی از عوامل ایجادکننده آلودگی هوا در سطح شهر تبریز انجام گرفته است. روش تحقیق توصیفی و تحلیلی و نوع اطلاعات اسنادی- کتابخانه ای می باشد. در این راستا از هشت شاخص تراکم ساختمانی، تراکم جمعیتی، تراکم تقاطع ها، تراکم ایستگاه های اتوبوس، تراکم صنایع، تراکم فضاهای سبز، فاصله از صنایع و ارتفاع به عنوان متغیرهای مستقل و شاخص غلظت دی اکسید نیتروژن به عنوان متغیر وابسته و همچنین جریان باد به عنوان یک عامل انتشار دهنده استفاده شد. برای تجزیه و تحلیل داده ها از دو روش رگرسیون حداقل مربعات و رگرسیون وزنی جغرافیایی استفاده گردید. نتایج حاصل از روش حداقل مربعات معمولی نشان می دهد که رابطه بین متغیرهای مستقل و وابسته معنادار بوده به طوری که با افزایش تراکم ساختمانی، تراکم جمعیتی، تراکم تقاطع ها، تراکم ایستگاه های اتوبوس و تراکم صنایع غلظت دی اکسید نیتروژن افزایش می یابد. در واقع بین این متغیرها و غلظت دی اکسید نیتروژن همبستگی مستقیمی وجود دارد. در مقابل، با افزایش ارتفاع و افزایش فاصله از صنایع غلظت آلاینده مذکور کاهش می یابد که نشان دهنده وجود همبستگی معکوس بین این دو متغیر و متغیر وابسته دی اکسید نیتروژن می باشد. همچنین براساس نتایج مدل رگرسیون جغرافیایی متغیرهای مورد بررسی 62 درصد از آلودگی هوای شهر تبریز را تبیین می کنند.