روش های ناپارامتریک

ورود بنگاه به فعالیت اقتصادی می تواند نشانه پویایی اقتصاد باشد، اما اینکه بنگاه ها، زمان ورود چه میزان متناسب با اندازه بهینه وارد و یا در ادامه به آن همگرا می شوند، سؤالاتی است که برای پاسخ به آنها دو دیدگاه مطرح می باشد. در دیدگاه نخست، بنگاه پس از ورود با یادگیری از بازار، اندازه خود را تعدیل و به فعالیت ادامه می دهد. در دیدگاه دوم، بنگاه اندازه خود را تعدیل ننموده و در بلندمدت از بازار خارج می شود. در این راستا، بررسی توزیع اندازه بنگاه های جدید در یکی از اصلی ترین صنایع تولیدی ایران (صنعت نساجی) هدف اصلی این پژوهش می باشد. داده های موردنظر شامل بنگاه های جدید نساجی در 1376 (مرکز آمار ایران) و پیگیری آن تا 1384 می باشد. برای بررسی توزیع اندازه، از روش ناپارامتریک و معیارهای اشتغال، ارزش تولیدات و ارزش افزوده استفاده شده است. نتایج نشان دهنده آن است که توزیع اندازه اشتغال از الگوی یادگیری فعال پیروی نموده و خود را با شرایط بازار تطبیق نداده اند. اما بنگاه ها با معیارهای ارزش تولیدات و ارزش افزوده از الگوی یادگیری منفعل پیروی و به توزیع لگ نرمال همگرا شده اند. عدم توانایی بنگا ه ها در همگرایی اشتغال و توانایی آنها در همگرایی تولید و ارزش افزوده می تواند نشانه هایی از انعطاف ناپذیری بازارکار ایران بوده و بازنگری در قوانین آن برای انعطاف پذیری بیشتر اهمیت می یابد.

هدف این تحقیق، بررسی توانایی شاخصهای حسابداری و غیرحسابداری مؤثر بر پیش بینی درماندگی مالی و مقایسه روشهای پارامتریک و ناپارامتریک است. بدین منظور اطلاعات 211 سال-شرکت درمانده منتخب بر اساس معیارهای خاص درماندگی و 211 سال-شرکت سالم پذیرفته شده در بورس اوراق بهادار تهران در فاصله بین سالهای 1384 الی 1393 مورد استفاده قرار گرفته است. در این مطالعه از 32 شاخص حسابداری و 20 شاخص غیرحسابداری به همراه دو روش پارامتریک شامل روشهای رگرسیون لوجستیک و تحلیل ممیزی چندگانه و هفت روش ناپارامتریک شامل ماشین بردار پشتیبان، شبکه عصبی مصنوعی، درخت تصمیم (با 4 الگوریتم) و شبکه بیزین جهت پیش بینی درماندگی مالی استفاده گردیده است. نتایج تحقیق نشان می دهد مدلهای مستخرج از شاخصهای حسابداری به طور معنی داری نسبت به مدلهای مبتنی بر شاخصهای غیرحسابداری از دقت پیش بینی بالاتری برخوردارند و اضافه نمودن شاخصهای غیرحسابداری به مدلهای مبتی بر شاخصهای حسابداری، قدرت پیش بینی آنها را به طور معنی داری افزایش نمی دهد. همچنین، علیرغم بالاتر بودن میانگین توانایی پیش بینی روشهای ناپارمتریک نسبت به روشهای پارامتریک، این تفاوت از نظر آماری معنی دار نیست.

این پژوهش با هدف اندازه گیری کارایی بانک های منتخب ایران برای دوره زمانی 1391  تا 1397  انجام شده است. برای اندازه گیری کارایی، تغییرات کارایی و بهره وری از رویکرد بیزین استفاده شده است. در این پژوهش، مطالبات معوق بانک ها را به عنوان خروجی نامطلوب و تسهیلات اعطایی، دارایی های خارج از ترازنامه و اوراق بهادار به عنوان خروجی مطلوب در نظر گرفته ایم. تعداد کارکنان، سرمایه بانک، دارایی های ثابت و سپرده ها نیز نقش ورودی را ایفا می کنند نتایج تحقیق نشان می دهد که رشد بهره وری در بانک های ایران در دوره مطالعه مثبت بوده است. که این رشد بیشتر ناشی از پیشرفت تکنولوژی می باشد. در صورتی که در این دوره تغییرات کارایی برای بانک های منتخب منفی بوده است. همچنین میانگین کارایی بانک های منتخب ایران در دوره مورد بررسی 85/0 می باشد. بانک کارآفرین دارای بیش ترین میران کارایی و بانک رفاه کارگران دارای کمترین میزان کارایی بوده است. کارایی بانک های خصوصی (غیردولتی) و دولتی در دوره مطالعه تقریباً برابر بوده است.

گردآوردی اطلاعات میدانی دقیق، به منظور مدیریت پایدار مناطق جنگلی، مستلزم صرف زمان و هزینه بالایی است؛ بنابراین استفاده از روش های نمونه برداری و تصاویر ماهواره ای جایگزین مناسبی برای این کار خواهد بود. هدف پژوهش حاضر تأثیر طرح های گوناگون نمونه برداری خوشه ای در برآورد مشخصه های کمّی جنگل های سامان عرفی اولادقباد شهرستان کوهدشت، استان لرستان، با استفاده از تصاویر سنجنده سنتینل 2 است. به منظور برآورد مشخصه های مورد بررسی، 150 خوشه در قالب شش طرح (مثلث، مربع، ستاره ای 1، خطی، اِل شکل و ستاره ای 2) در منطقه ای به مساحت تقریبی 4500 هکتار ایجاد شد. هر خوشه شامل چهار ریزقطعه نمونه، با مساحت هفتصد مترمربع (شعاع ریزقطعه نمونه دایره ای برابر با پانزده متر و فاصله بین ریزقطعه نمونه ها از هم، شصت متر) بود. سپس در هر ریزقطعه نمونه ، مشخصه های تعداد و مساحت تاج درختان اندازه گیری شد. پس از پیش پردازش و پردازش تصاویر (تجزیه مؤلفه اصلی، آنالیز بافت و ایجاد شاخص های گیاهی)، ارزش های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به منزله متغیرهای مستقل، در نظر گرفته شد. مدل سازی با استفاده از روش های ناپارامتریک جنگل تصادفی، ماشین بردار پشتیبان و نزدیک ترین همسایه انجام شد. نتایج نشان داد میانگین تراکم در هکتار 51 اصله و سطح تاج پوشش 3294 مترمربع در هکتار است. نتایج اعتبارسنجی نشان داد که درمورد هر دو مشخصه تراکم و سطح تاج پوشش، الگوریتم جنگل تصادفی به همراه طرح های نمونه برداری خطی و ستاره ای 2، به ترتیب با درصد مجذور میانگین مربعات خطا 00/46 و 44/10 و اریبی (02/0- و 82/2%)، عملکرد بهتری در مدل سازی داشته است. به طورکلی نتایج اعتبارسنجی مشخص کرد استفاده از طرح های متفاوت نمونه برداری خوشه ای، روش های مدل سازی ناپارامتریک جنگل تصادفی و تصاویر سنجنده سنتینل 2 کارآیی بهتری در برآورد مشخصه تاج پوشش دارد اما، در مقابل، عملکرد مناسبی در برآورد تعداد در هکتار را نداشته است.

مدیریت و برنامه ریزی بوم سازگان های حساس نظیر جنگل های زاگرس در راستای حفظ و احیاء آنها نیازمند اطلاعات صحیح و به هنگام است. با توجه به اینکه برآورد مشخصه های کمی تعداد درختان و تاج پوشش در جنگل های زاگرس با وسعت زیاد و نوع ساختار و پراکنش این بوم سازگان به روش های دستی بسیار وقت گیر و هزینه بر است، لذا تکنیک های سنجش از دور می تواند مکمل مناسبی در این راستا باشد. در مطالعه پیش رو هدف بررسی قابلیت باندهای اصلی و مصنوعی تصاویر ماهواره Sentinel-2 در برآورد مشخصه های کمی جنگل های سامان عرفی اولادقباد کوهدشت  است. به منظور برآورد مشخصه های مورد بررسی، 150 خوشه در قالب 16 طرح نمونه برداری خوشه ای با شکل قطعه نمونه دایره و مربعی شکل در منطقه به مساحت تقریبی 4500 هکتار پیاده شد. هر خوشه شامل چهار ریزقطعه نمونه با مساحت 700 متر مربع (شعاع ریز قطعه نمونه های دایره ای 15 متر، قطر ریزقطعه نمونه مربعی 37 متر و فاصله بین ریز قطعه نمونه ها از هم 60 متر) بود. سپس در داخل هر ریز قطعه نمونه ، مشخصه های تعداد پایه ها و مساحت تاج درختان اندازه گیری شد. پس از پیش پردازش و پردازش تصاویر (آنالیز بافت و ایجاد شاخص های گیاهی)، ارزش های طیفی معادل قطعه های زمینی استخراج و به عنوان متغیر مستقل در مدل ها استفاده شد. مدل سازی با استفاده از روش های ناپارامتریک جنگل تصادفی، ماشین بردار پشتیبان، نزدیکترین همسایه و روش شبکه عصبی مصنوعی انجام شد. با توجه به نتایج مدل سازی چهار الگوریتم مورد بررسی برای مشخصه های تعداد در هکتار و تاج پوشش روش شبکه عصبی مصنوعی به ترتیب با طرح نمونه برداری خوشه ای 6 با ضریب تبیین 0/82 و طرح نمونه برداری خوشه ای 10 با ضریب تبیین0/76 نتایج بهینه ای را ارائه دادند. به طور کلی نتایج حاصل از اعتبارسنجی به دست آمده نشان داد استفاده از طرح های مختلف نمونه برداری خوشه ای، روش شبکه عصبی مصنوعی و تصاویر Sentinel-2 کارایی مناسبی در برآورد مشخصه های مورد بررسی دارد.