جستجوی مقالات مرتبط با کلیدواژه « Target Groups » در نشریات گروه « مدیریت »

تکرار جستجوی کلیدواژه «Target Groups» در نشریات گروه «علوم انسانی»

انتخاب همه

الگوی شناسایی گروه های هدف در راستای هدفمندسازی یارانه های انرژی

رضا یوسفی زنوز *، نازنین جدیدی

فصلنامه پژوهش های سیاستگذاری و برنامه ریزی انرژی، سال دوم شماره 2 (تابستان 1395)، صص 7 -28

هدف اصلی این مقاله ارائه روشی به منظور شناسایی گروه های هدف در اجرای قانون هدفمندی یارانه ها با استفاده از رویکرد شبکه های عصبی مصنوعی می باشد. مقادیر نمونه ای مربوط به هزینه مصرفی برق، گاز، تلفن و تلفن همراه به عنوان ورودی های شبکه عصبی (و مدل پروبیت به عنوان مدل معیار مقایسه) در نظر گرفته شده است. گروه های مورد بررسی در این مقاله به دو گروه مشمول و غیرمشمول دریافت یارانه تقسیم شده اند. شبکه عصبی به کار گرفته شده در این مقاله از نوع پرسپترون چند لایه است که به روش الگوریتم مارکوات-لورنبرگ آموزش دیده اند. به منظور کنترل میزان توانمندی روش شبکه های عصبی مصنوعی در مقایسه با مدل های رایج اقتصاد سنجی برای طبقه بندی، داده های مورد استفاده در روش شبکه های عصبی مصنوعی در مدل رگرسیونی پروبیت نیز مورد استفاده قرار گرفته و توانمندی روش های مزبور با استفاده از معیار ROC مورد ارزیابی قرار گرفته است. از طرفی، نتایج مدل رگرسیونی از جنبه دیگری نیز مهم هستند؛ معنی داری آماری رابطه میان متغیرهای مستقل و متغیر وابسته (تعلق به گروه هدف). نتایج بررسی های انجام شده حاکی از معنی داری آماری بین هزینه های مصرفی خانوار از خدمات عمومی منتخب و تعلق آن ها به طبقات درآمدی (گروه های مشمول و غیرمشمول) است. همچنین علایم ضرایب منطبق بر این فرضیه هستند که افزایش هزینه های مصرفی خانوارها از خدمات عمومی احتمال تعلق آن ها به گروه های مشمول هدفمندی را بیشتر می نماید. به عبارتی ساده تر، به طور متوسط خانوارهایی که هزینه های مصرفی بالاتری از خدمات عمومی دارند، از سطح درآمدی بالاتری نیز برخوردار هستند. نتایج تحقیق حاکی از آن است که روش های مورد استفاده در این مقاله (برای طبقه بندی خانوارهای مشمول و غیرمشمول) در مجموع از توانمندی یکسانی در طبقه بندی درست خانوارها (به مشمول و غیرمشمول) برخوردار هستند.

کلید واژگان: قانون هدفمندی یارانه ها, گروه های هدف, روش شبکه های عصبی مصنوعی, مدل پروبیت}

چکیده مشاهده متن مقاله پژوهشی/اصیل زبان: فارسی

01 A Model to Detect Target Groups For Energy Subsidy Reform in Iran

Rea Yousefizenoz*

Journal of Energy Planning And Policy Research, Volume:2 Issue: 2, 2016, PP 7 -28

The main target of this research is providing a decision making model to identify the target groups for energy subsidy reform using artificial neural network approach.
Family expenditures on electricity, gas, telephone and cell phone are used as the inputs to the artificial neural network model and the Probit model developed as a benchmark. The sample being studied in this research are divided into two groups: eligible and non-eligible to receive subsidies. The artificial neural network used in the research is the multilayer perceptron which has used the Levenberg-Marquardt method to train the data.Acooring to the results, there exists a statistically meaningful relation between the families expenditure on the chosen services and their belonging to different income levels as eligible or non-eligible groups for receiving subsidies. Moreover, families with higher expenditures on selected services have higher incomes.The outcome of this study reveals that the two models used for classifying the target groups have similar results in classifying the families into eligible and non-eligible groups for receiving subsidies

Keywords: Subsidy Targeting law, Target Groups, Artificial Neural Networks, Probit Model}

Abstract View Paper Research/Original Article Original: Persian

نکته

نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.

به جمع مشترکان مگیران بپیوندید!

جستجوی مقالات مرتبط با کلیدواژه « Target Groups » در نشریات گروه « مدیریت »