منابع پایان نامه درمورد
تصمیم گیری، روش آنتروپی، چند شاخصه No category

پرسشنامه را تغییر داد. برای تعیین پایایی ابزار اندازه‌گیری شیوه‌های مختلفی وجود دارد از جمله روش اجرای دوباره (بازآزمائی)، روش موازی(همتا)، روش تنصیف(دو نیمه کردن)، روش کودر، ‌ریچاردسون و روش آلفای کرونباخ. در این تحقیق از روش آلفای کرونباخ برای اندازه گیری پایایی پرسشنامه اول استفاده شده است به همین منظور در ادامه در مورد آن توضیح داده می شود.
آلفای کرونباخ، روشی برای محاسبه هماهنگی درونی ابزار اندازه گیری از جمله پرسشنامه ها یا آزمونهایی که خصیصه های مختلف را اندازه گیری می کند بکار می رود. در این گونه ابزارها، پاسخ هر سوال می تواند مقادیر عددی مختلف را اختیار کند. برای محاسبه ضریب آلفای کرونباخ ابتدا باید واریانس نمره های هر زیر مجموعه سوال های پرسشنامه (یا زیر آزمون) و واریانس کل را محاسبه کرد. سپس با استفاده از فرمول زیر مقدار ضریب آلفا را محاسبه کرد.
α=k/(k-1) [1-(Σs_i^2)/σ^2 ]
که در آن k، تعداد نمونه، s_i^2، واریانس هر سؤال وσ^2 واریانس کل می باشد. مقدار صفر این ضریب نشان دهنده عدم قابلیت اعتماد و 1+ نشان دهنده قابلیت اعتماد کامل است. از آنجایی که پرسشنامه به صورت طیف لیکرت طراحی شده است و همچنین پاسخ صحیح غلط در پرسشنامه وجود ندارد، از روش آلفای کرونباخ برای سنجش اعتبار پرسشنامه استفاده شده است. می دانیم که مقدار ضریب بالای 7/0 نشان دهنده ی پایایی بالای روش اندازه گیری است، و چون ضریب آلفای کرونباخ برای پرسشنامه اول 754/0 محاسبه شده است، نشان می دهد آزمون از پایایی قابل قبولی برخوردار است.
6ـ3روش های آماری به کار رفته در تحقیق
در این تحقیق از آزمون ها و روش های زیر برای تجزیه و تحلیل داده ها استفاده می شود:
ـ آزمون کولموگروف ـ اسمیرنوف 51برای بررسی نرمال بودن داده های جمع آوری شده
ـ آزمون تی استیودنت 52برای شناسایی مهمترین شاخص های مؤثر
ـ روش آنتروپی برای شناسایی مهمترین شاخص های انتخاب شده
ـ تکنیک تاپسیس53 فازی برای اولویت بندی روش های مختلف سرمایه گذاری خارجی
لازم به ذکر است که در این پژوهش از نرم افزار اکسل54 و اس پی اس اس55 برای تجزیه و تحلیل داده ها و برخی محاسبات استفاده گردیده است.
1ـ6ـ3 آزمون کولموگروف ـ اسمیرنوف (KS)
آزمون کولموگروف ـ اسمیرنوف روشی برای تعیین همگونی یک توزیع فراوانی نظری برای اطلاعات تجربی است. دلیل استفاده از این آزمون به جای آزمون کای دو، این است که چون تعداد مشاهدات کوچک است دقت این آزمون نسبت به آزمون کای دو بیشتر می باشد. از سویی دیگر این آزمون نسبت به آزمون کای دو از سادگی و سهولت بیشتری برخوردار است. آماره ی آزمون KS را با D_n نشان می دهیم. آماره ی آزمون برابر است با حداکثر قدرمطلق تفاضل فراوانی مشاهده شده نسبی تجمعی از فراوانی نظری نسبی تجمعی. یعنی:
= Maximum |F_e-F_o | D_n
که در آن F_e وF_o به ترتیب فراوانی نظری نسبی تجمعی و فراوانی مشاهده شده نسبی تجمعی است. باید توجه داشت که قبل از انتخاب مهمترین معیارهای مؤثر می بایست نرمال یا غیرنرمال بودن داده های مربوط به معیارها را بررسی کنیم و با استفاده از نتایج این آزمون یکی از روش های پارامتری یا ناپارامتری را برای انتخاب مهمترین معیارها استفاده کنیم.
{█(H_0= .کند می پیروی نرمال توزیع از مشاهدات @H_1= .کند نمی پیروی نرمال توزیع از مشاهدات )┤
2ـ6ـ3 آزمون تی استیودنت
برای شناسایی مهمترین معیارهای مؤثر، از این آزمون استفاده شده است. با توجه به مقیاس لیکرت (7 گزینه ای) در پرسشنامه، مقدار این آزمون برابر با 4 در نظر گرفته می شود.
t= (x ̅ – µ)/(  s⁄√n)
{█(H_0 : μ_i ⩽ 4 .ندارد قرار مؤثر های شاخص مهمترین گروه در امi معیار@H_1 : μ_i 4 .دارد قرار مؤثر های شاخص مهمترین گروه در امi معیار)┤
در سطح اطمینان 95 درصد، اگر سطح معناداری کمتر از میزان خطا (05/0) باشد و حد بالا و پایین هر دو مثبت باشند، H_0 رد و H_1 پذیرفته می شود. در حالاتی که سطح معناداری بیشتر از میزان خطا (05/0) باشد و یا اینکه سطح معناداری کمتر از میزان خطا (05/0) باشد و حد بالا و پایین هر دومنفی شوند، H_0 رد نمی شود.
3ـ6ـ3 مدل های تصمیم گیری چند شاخصه56 و منطق فازی
بنا به تعریف وایت کومب و همکارانش، تصمیم گیری چندشاخصه عبارت از فرایندی که در برگیرنده طراحی بهترین راهکارها و انتخاب بهترین راه حل یا جذاب ترین شاخص از مجموعه راهکارها و در نتیجه انتخاب مطلوبترین راهکار از طریق مدل های رجحان است.
همانگونه که از اسمشان پیداست، هدف از این مدل ها، تهیه برخی ابزار به منظور اخذ تصمیم برای حل مسائل و پیشنهاد یک راهکار از بین راهکارهای مختلف است که بر اساس شاخص های مختلف مورد ارزیابی قرار گرفته اند. به عبارت ساده تر این مدل ها برای کمک به سازمان ها و افراد برای اخذ تصمیمات مناسب طراحی می شوند. هدف مسأله چند شاخصه آن است که بر تصمیم واقعی نه یک راه حل بهینه نائل شویم. در این مسائل به دنبال یک راهکار بهینه نیستیم بلکه به دنبال راه حلی هستیم که از نظر بیشتر شاخص ها پذیرفتنی باشد. این راه حل قویاً وابسته به شخصیت تصمیم گیرنده، شرایط فرآیند تصمیم، چگونگی ساختاردهی مسأله و روش حل آن دارد. در یک تعریف کلی تصمیم گیری چند شاخصه به تصمیمات خاصی (از نوع ترجیحی) مانند ارزیابی، اولویت گذاری و یا انتخاب از بین گزینه های موجود (که گاه باید بین چندین شاخص متضاد انجام شود) اطلاق می گردد (آذر و رجب زاده، 1381). مدل های تصمیم گیری چندشاخصه، انتخاب گر بوده و به منظور انتخاب مناسب ترین گزینه از بین m گزینه موجود، به کار می روند. تصمیم گیری چند شاخصه معمولاً توسط ماتریس زیر فرموله می شود:
شکل 1ـ3 مدل های تصمیم گیری چندشاخصه (آذر و رجب زاده، 1381)
به طوری که A_i نشان دهنده ی گزینه ی i ام، x_j نشان دهنده شاخص j ام و r_ij نشان دهنده ی ارزش شاخص j ام برای گزینه ی i ام می باشد (اصغر پور، 1381). در این تحقیق جهت اولویت بندی و تعیین درجه اهمیت شاخص های مؤثر که از طریق انجام مصاحبه با مدیران و کارشناسان و مطالعات کتابخانه ای شناسایی شده اند، استفاده از مدل های تصمیم گیری ام ای دی ام ضروری به نظر می رسد. لذا در ادامه به بررسی این مدل ها می پردازیم.
انواع مختلفی از مسائل تصمیم گیری چندشاخصه وجود دارند که تمامی آنها در خصوصیات زیر مشترکند:
1_گزینه ها: در این مسائل تعدادی مشخص گزینه باید مورد بررسی قرار گرفته و در مورد آنها اولویت گذاری، انتخاب و یا رتبه بندی صورت گیرد. تعداد گزینه های موردنظر می تواند محدود و یا خیلی زیاد باشند. برای مثال، یک تولیدکننده اتومبیل ممکن است فقط چند گزینه محدود برای انتخاب محل تولید اتومبیل داشته باشد، ولی یک دانشگاه درجه یک انتخاب دانشجو خود را از بین هزاران متقاضی می تواند انجام دهد.
2_شاخص های چندگانه: هر مسأله ام ای دی ام چندین شاخص دارد که تصمیم گیرنده، باید در مسأله آنها را کاملاً مشخص کند. تعداد شاخص ها بستگی به ماهیت مسأله دارد. برای مثال، در یک مسأله خرید اتومبیل اگر قرار به ارزیابی چند اتومبیل باشد شاخص های مختلف قیمت، میزان سوخت مصرفی، ضمانت، ساخت ممکن است مد نظر باشند (یعنی چند شاخص محدود در نظر گرفته شده اند)، در حالی که در یک مسأله جایابی برای یک طرح کارخانه 100 شاخص و یا بیشتر می توانند باشند. واژه شاخص به صورت واژگان دیگری از قبیل اهداف یا معیارها قابل بیان است.
3_واحدهای بی مقیاس: هر شاخص نسبت به شاخص دیگر دارای مقیاس اندازه گیری متفاوت است. لذا جهت معنادار شدن محاسبات و نتایج از طریق روش های علمی اقدام به بی مقیاس کردن داده ها می شود به گونه ای که اهمیت نسبی داده ها حفظ گردد.
4_وزن شاخص ها: تمامی روش های ام ای دی ام مستلزم وجود اطلاعاتی هستند که بر اساس اهمیت نسبی هر شاخص بدست آمده باشند. این اطلاعات معمولاً دارای مقیاس ترتیبی و اصلی هستند. وزن های مربوط به شاخص ها می تواند مستقیماً توسط تصمیم گیرنده و یا به وسیله ی روش های علمی موجود به معیارها تخصیص داده شود. این وزن ها اهمیت نسبی هر شاخص را بیان می کنند (اصغر پور، 1381).
1ـ3ـ6ـ3 ارزیابی وزن شاخص ها
در اکثر مواقع اهمیت معیارها برای تصمیم گیرنده نمی تواند یکسان باشد که این موضوع می تواند نشأت گرفته از اولویت های شخصی به دلایل عینی و یا کاملاً ذهنی باشد. جهت اندازه گیری اهمیت معیارها از وزن ها استفاده می شود.
در غالب مسائل تصمیم گیری چند شاخصه، نیاز به داشتن و دانستن اهمیت نسبی شاخص ها یا اهداف موجود وجود دارد، به طوری که مجموع آنها برابر واحد یا نرمالیزه شده و این اهمیت نسبی درجه ارجحیت هر شاخص را نسبت به بقیه برای تصمیم گیری موردنظر بسنجد. روش های مختلفی برای ارزیابی وزن شاخص ها در یک تصمیم گیری چندشاخصه وجود دارد که در تحقیق حاضر از روش آنتروپی استفاده شده است.
1ـ1ـ3ـ6ـ3 تکنیک آنتروپی
در این روش مقادیر وزن ها بدون دخالت مستقیم تصمیم گیرنده و با استفاده از مقادیر a_ij ماتریس تصمیم مشخص می شوند. ایده اصلی روش آنتروپی این است که اهمیت شاخص j که توسط w_j نشان داده می شود تابعی مستقیم از اطلاعاتی است که این شاخص در ارتباط با تمام گزینه های تصمیم ارائه می دهد. در واقع در این روش برای هر شاخص که پراکندگی بیشتری در ارزیابی خود از گزینه های تصمیم ارائه می دهند وزن بیشتری متصور می شویم. در این روش مهمترین شاخص ها، شاخص هایی هستند که بیشترین قدرت تمایز بین گزینه ها را دارا می باشند. جهت پیاده سازی روش آنتروپی برای محاسبه وزن شاخص ها مراحل زیر باید طی شود.
1) ابتدا مقادیر ماتریس تصمیم را به روش بلوکی با استفاده از فرمول=a_ij/(∑_i▒a_ij ) v_ij بی مقیاس می کنیم.
2) آنتروپی شاخص jام (E_j) را به وسیله رابطه زیر محاسبه می کنیم:
E_j = -k ∑_i▒v_ij ln⁡〖v_ij 〗
K در رابطه بالا یک عدد ثابت است که برای قرار گرفتن E_j بین 0 و 1 در رابطه بالا منظور می شود. این ثابت برای روش آنتروپی برابر 1/ln⁡m است که در آن، m نشان دهنده تعداد گزینه های تصمیم است.
3) با توجه به رابطه بالا هرچقدر مقادیر a_ij مرتبط با شاخص j به هم نزدیکتر باشند مقدار E_j برای آن بیشتر خواهد بود. بنابراین E_j نشان دهنده عکس شاخصی است که به دنبال آن هستیم. با یک استدلال منطقی می توان شاخص موردنظر را از رابطه زیر به دست آورد:
D_j=1- E_j
D_jدر واقع نشان دهنده ی میزان پراکندگی مقادیر مرتبط با شاخص j است که در روش آنتروپی به عنوان اهمیت شاخص j در نظر گرفته می شود. نهایتاً با بی مقیاس سازی مقادیر D_j ، W_j= D_j/(∑_j▒D_j ) به دست می آید.
2ـ3ـ6ـ3 حل مسائل تصمیم گیری چندشاخصه
برای حل مسائل تصمیم گیری چند شاخصه، روش های متنوعی با توجه به نوع داده ها وجود دارد. در این تحقیق با توجه به اینکه بین شاخص های تعیین شده امکان مبادله وجود دارد و مطلوبیت شاخص ها به طور یکنواخت افزایش و کاهش می یابند و نیز به دلیل اقلیدسی بودن نرخ تبادل و جایگزینی بین شاخص ها، مدل تاپسیس نسبت به دیگر گزینه ها مناسب تر به نظر می رسد. به همین جهت در ادامه این تکنیک را توضیح می دهیم.
1ـ2 ـ3ـ6ـ3 تکنیک تاپسیس
این تکنیک بر این مفهوم بنا نهاده شده است، که گزینه انتخابی باید کمترین فاصله را با راه حل ایده آل مثبت (بهترین حالت ممکن، A_i^+) و بیشترین فاصله را با راه حل ایده آل منفی (بدترین حالت ممکن،A_i^-) داشته باشد.
فرض بر این است که مطلوبیت هر شاخص به طور یکنواخت افزایشی و یا کاهشی است. حل یک مسأله به روش تاپسیس شامل 6 مرحله است که به شرح زیر مشخص شده اند.
ماتریس D را به کمک نرم اقلیدسی به یک ماتریس بی مقیاس

دسته‌ها: No category

دیدگاهتان را بنویسید