ارائه مدلی برای پیش بینی موفقیت طرح های سرمایه گذاری مناطق آزاد و ویژه اقتصادی با استفاده از تکنیک شبکه عصبی چندلایه پرسپترون

محورهای موضوعی : آلودگی هوا

مرتضی شکرزاده ¹ (گروه مدیریت صنعتی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران (عهده دار مکاتبات))
کمال الدین رحمانی ² (گروه مدیریت صنعتی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران)
فرزین مدرس خیابانی ³ (گروه ریاضی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران)
مجید باقرزاده خواجه ⁴ (گروه مدیریت صنعتی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران)

تاریخ دریافت : 1399/07/30 تاریخ پذیرش : 1399/11/09 تاریخ انتشار : 1400/12/01

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 مدلی را برای پیش بینی موفقیت طرح های سرمایه گذاری مناطق آزاد و ویژه اقتصادی ارائه دهیم. برای تجزیه و تحلیل داده های این تحقیق از روش آمار توصیفی و امار استنباطی و 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 تعداد 30 گره در لایه اولو 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 دارد.

چکیده انگلیسی:

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 approved Then, 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 6variables 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.