پیش بینی موفقیت طرح های سرمایه گذاری مناطق آزاد تجاری – صنعتی ارس و ماکو و منطقه ویژه اقتصادی سلماس با استفاده از تکنیک شبکه عصبی چندلایه پرسپترون
محورهای موضوعی : دو فصلنامه علمی - تخصصی اقتصاد توسعه و برنامه ریزی
مرتضی شکرزاده
1
(گروه مدیریت، دانشکده مدیریت - حسابداری، موسسه آموزش عالی غیرانتفاعی - غیردولتی آذرآبادگان، ارومیه، ایران)
مجتبی شکرزاده
2
(دانشجوی دکتری گروه مدیریت صنعتی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران)
کلید واژه: شبکه عصبی چند لایه, پیش بینی موفقیت, طرح های سرمایه گذاری, مناطق آزاد تجاری- صنعتی و ویژه اقتصادی,
چکیده مقاله :
هدف اصلی از این پژوهش این است که الگویی را برای پیش بینی موفقیت طرح های سرمایه گذاری در مناطق آزاد تجاری – صنعتی ارس و ماکو و منطقه ویژه اقتصادی سلماس ارائه دهد. برای تجزیه و تحلیل داده های این تحقیق از نرم افزارهایexpert choice، MATLAB و SPSS و PLS استفاده شده است و با استفاده از مبانی نظری و بصورت کتابخانه ای شش عامل موثر و متغیرهای پیش بینی کننده موفقیت یا شکست طرح های سرمایه گذاری در مناطق آزاد و ویژه اقتصادی کشور شناسایی و بعد از توصیف متغیرها و آزمون نرمال بودن، با استفاده از نرم افزار PLS تحلیل عاملی تاییدی متغیرها صورت گرفت که همگی عوامل از تحلیل عاملی تاییدی مناسبی برخوردار هستند.سپس با استفاده از رگرسیون خطی و آزمون آنالیز واریانس تاثیر هر یک از عوامل بر موفقیت یا شکست طرح های سرمایه گذاری بررسی گردید که نتایج این آزمون نشان دهنده تایید تاثیر هر یک از عوامل بوده است و با استفاده از تحلیل سلسله این عوامل رتبه بندی شدند، که با توجه به این اولویت بندی،شبکه عصبی مورد استفاده شده در این تحقیق نیز شامل داده های 6متغیر به عنوان متغیر ورودی می باشد، با دو لایه میانی با تعداد30 گره در لایه اول و سه گره در لایه دوم می باشد. که دارای یه خروجی است. که نتایج نشان دهنده این بود که مدل شبکه عصبی طراحی شده قدرت پیش بینی موفقیت طرح های سرمایه گذاری را تا 1.2 درصد خطا دارد،که نشان دهنده ی قدرت پیش بینی بالای مدل است
To analyze the data of this research descriptive statistics and inferential statistics were used and experts selection software, MATLAB SPSS and PLS software were employed.Using theoretical foundations and libraries, six effective factors and variables predicting the success or failure of Investment projects in the free and special economic zones of the country were identified. After describing the variables and testing the normality,using the PLS software, a confirmatory factor analysis of the variables was carried out, in which all of the factors had a good confirmatory factor analysis and all the questions were approvedThen, using linear regression and ANOVA, the effect of each of the factors on the success or failure of investment projects was investigated, and the results of this test showed confirmation of the impact of each of the factors, and then the results of the hierarchical analysis indicated this was the first rank of product and service, followed by the second-rank ,that is geographical considerations, and the characteristics of the investor's psychology, the third rank, the product market characteristics, the fourth rank, the investor's ability to rank fifth, and financial considerations ,also, earned the last rank. Considering this prioritization, the neural network used in this research contained data from 6 variables as an input variable, with two intermediate layers with 30 nodes in the first layer, and three nodes in the second layer,which had one outlet. The results indicated that the neural network model had the power to predict the success of the investment projects to1.2%of the error
[36] حیدری پروین ،افشاری زهرا،1391،"عوامل اقتصادی و اجتماعی موثر بر جذب سرمایه گذاری مستقیم خارجی با تاکید بر شاخص های حکمرانی در دوره زمانی 2007-1996"،فصلنامه پژوهشهای اقتصادی،سال دوازدهم ،شماره اول، صص170-141
[37] احمدی اول، م. و اسلامی بیدگلی، غ.، 1389 . بررسی عوامل اثرگذار بر ارزیابی طر حهای کارآفرینانه در شرکتهای سرمایه گذاری خطرپذیر. جلد8، صص. 99 - 12
_||_