۳-۳- روشها و متدهای رایج در رتبه بندی عوامل
در این بخش برای رتبه بندی نواحی شهری از لحاظ برخورداری از از مولفههای شهر خلّاق در شهر از روشهای تصمیم گیری چندمعیاره استفاده شده است. یکی از دستهبندیهای تصمیم گیری کمی، تقسیم آن به صورت تصمیم گیری چندمعیاره و یک معیاره است. در عالم واقع تصمیم گیریها اغلب چندمعیاره هستند و ملاک مناسب و یا نامناسب بودن تصمیمات بیش از یک معیار است به همین دلیل روشهایی تحت عنوان تصمیم گیری چندمعیاره[۱۵] توسعه داده شده است که به حل مسائل مزبور کمک میکند این مدلهای تصمیم گیری به دو دسته عمده تقسیم میشوند: مدلهای چند شاخصه[۱۶] مدلهای چندهدفه[۱۷] برای طراحی به کار گرفته میشوند(رضوانی و مهدی پور حسین آباد،۱۳۸۸، به نقل از اصغر پور،۱۳۸۳). از مهمترین روشهای تصمیم گیری هم میتوان به انواع مدلها اشاره کرد. در این قسمت ابتدا توضیح مختصری از مدلها و انواع آنها در مسائل برنامه ریزی اشاره میشود سپس با مختصری اشاره به روشهای تصمیم گیری چند معیاره به معرفی سه مدل به کار رفته در این پژوهش پرداخته خواهد شد.
۳-۳-۱- مدلها
مدل نمادی از واقعیت است که ویژگیهای دنیای واقعی را به صورتی ساده و کلی بیان میکند و همچنین برداشتی از واقعیت است که برای توضیح مفاهیم و تقلیل پیچیدگی جهان به نحوی که قابل درک بوده، ویژگیهای آن به راحتی مشخص شود مورد استفاده قرار میگیرد. مدلها در واقع پلی میان سطح مشاهده و سطح تئوریکی به شمار می آید. مدلها از نقشی برخوردارند که عبارتند از بیان چگونگی عملکرد یک پدیده که به طور کلی واقعیت خنثی (یعنی فی نفسه، نه درست اند نه نادرست) هستند. ازنظر پیترتایلور تعریف مدل شامل ارائه و نمایش دقیق و طراحی شده از واقعیت میباشد احتمال دارد که یک مدل رونوشتی از یک شیء و یا از یک رویداد تلقی گردد. در واقع ساخت مدلها یکی از دستاوردهای سازمان عمومی و نظریه عمومی سیستمها به منظور مصالحه و مداخله در نظامها بود. با رواج کامپیوتر در سال ۱۹۶۰ در غرب نوعی برنامه ریزی سیستمی به وجود آمد که اساس آن بر مدل استوار بود به طوری که با ساختن مدلها میتوان تصویری از واقعیت را بیان نمود امروزه با تخصصی شدن علم جغرافیا در گرایشهای مختلف، کاربرد روشهای کمی مدلها اهمیت بسزایی یافته است. اگرچه تنها با بهره گرفتن از مدل نمیتوان به تجزیه و تحلیل سیستم واقعی دست پیدا نمود ولی آنها به مثابه ابزاری مستقیم و قانونمند، برای درک بهتر پدیده های جغرافیایی و سیستم واقعی و پیش بینی آنها کمک فراوانی میکنند(موسوی و حکمت نیا،۲۳:۱۳۹۰-۲۲). استفاده از مدلها در برنامه ریزی شهری و منطقهای از سال ۱۹۲۳ با مدل را یلی برای بررسی کنش متقابل فضایی، آغاز شد. در واقع پیدایش نظریه سیستمی که تلاش میکرد ماهیت محیط انسانی و فعالیتهای مختلف مرتبط به یکدیگر را بشناسد زمینه لازم برای استفاده از مدلها را فراهم کرد. طبقه بندیهای مختلفی برای مدلها ارائه شده است به صورت زیر است:
۳-۳-۱-۱- مدلهای تصویری[۱۸]
مدلهایی هستند که به صورت فیزیکی اجسام را نشان میدهند و صرف نظر از مقیاس شبیه آن چیزی هستند که آن را نمایش میدهند. مثل عکسهای هوایی، مدلهای سه بعدی ماکتها.
۳-۳-۱-۲- مدلهای قیاسی[۱۹]
این مدلها با اجسام، شبیه موقعیتهای واقعی و یا با آنها قابل مقایسه هستند. ترسیم خطوط هم تراز در نقشههای توپوگرافی.
۳-۳-۱-۳- مدلهای ریاضی یا مدلهای نمادی[۲۰]
به این مدلها، انتزاعی یا سمبلیک میگویند. مدلهایی هستند که با افکار انتزاعی شروع، و با بهره گرفتن از علایم، نشانهها و رمزها ثبت میشوند. این مدلها دامنه وسیعی دارند. از فرمول شیمیایی ساده آب تا مدلهای تشکیل شده از یک سری معادلات ریاضی که ویژگیها و خصوصیات توسعه را نشان میدهند یک مدل ریاضی به شمار میآیند
۳-۳-۱-۴- مدلهای ارزیابی چند معیاری[۲۱]
در میان این مدلها مدل فرایند تحلیل سلسله مراتبی[۲۲] یا AHP که آقای توماس ساعتی آن را ابداع کردند خیلی انعطافپذیر است. این مدل ابتدا در سال ۱۹۷۷ و بعد در سال ۱۹۷۸ با چاپ دو مقاله توسط آقای ساعتی و سپس انتشار کتابی با همین نام در سال ۱۹۷۸، گسترش یافت و در همه علوم از آن استفاده به عمل آمد… در امریکا در زمینه ارزیابی کیفیت واحدهای مسکونی تا ارزیابی رآکتورهای اتمی از آن استفاده به عمل آمده است
۳-۳-۱-۵- مدلهای پیش بینی کننده[۲۳]
یک سری روابط توصیفی را با در نظر گرفتن عامل زمان به آینده میبرد. مثل مدلهای رگرسیونی برای پیش بینی آینده. مدلهای پیش بینی کننده میتوانند ایستا یا پویا و معین و احتمالی باشند(تقی زاده،۱۳۹۱)
۳-۳-۱-۶- روشهای تصمیم گیری چند معیاره
یکی از دستهبندیهای تصمیم گیری کمی، تقسیم آن به صورت تصمیم گیری چندمعیاره و یک معیاره است. در عالم واقع تصمیم گیریها اغلب چندمعیاره هستند و ملاک مناسب و یا نامناسب بودن تصمیمات بیش از یک معیار است به همین دلیل روشهایی تحت عنوان تصمیم گیری چندمعیاره[۲۴]توسعه داده شده است که به حل مسائل مزبور کمک میکند این مدلهای تصمیم گیری به دو دسته عمده تقسیم میشوند: مدلهای چند شاخصه[۲۵] مدلهای چندهدفه[۲۶] باری طراحی به کار گرفته میشوند در حالی که مدلهای چند شاخصه دارای روشهای متنوعی در مراحل مختلف تصمیم گیری هستند که انتخاب روش مناسب اغلب به تجربه و سلیقه محقق مربوط میشود و هرچند دسته بندیهایی نیز جهت راهنمایی در انتخاب آنها وجود دارد، اما باز هم نمیتوان به طور قطع گفت که چه روشی برای چه مسئله ای مناسب است (رضوانی و مهدی پور حسین آباد،۱۳۸۸: به نقل از اصغر پور،۱۳۸۳). طبیعی است که حل مسائل تصمیم گیری چندمعیاره دارای پیچیدگی است و به راحتی امکانپذیر نمیباشد به ویژه آنکه اغلب معیارهای مزبور با یکدیگر تضاد داشته و افزایش مطلوبیت یکی میتواند باعث کاهش مطلوبیت دیگری شود. به همین دلیل روشهایی تحت عنوان تصمیم گیری چندمعیاره و به ویژه تصمیم گیری چند شاخصه توسعه داده شدهاند که به حل مسائل مزبور کمک میکنند(قاضی نوری و طباطبایی،۱۳۸۵). شکل شماره (۳-۱) چارت مدلهای چند شاخصه میباشد. که توسط آقای دکتر دانشور تدوین گردیده است.
شکل (۳-۱) انواع مدلهای چندشاخصه
مأخذ(طاهر خانی،۱۳۸۶،۶۶).
۳-۳-۲- مدلهای تصمیم گیری چندمعیاره
۳-۳-۲-۱- مدل تاپسیس[۲۷]
اگرچه در مباحث تصمیم گیری در برنامهریزیهای توسعه، روشهای متفاوتی برای اولویت بندی پدیدهها از حیث توسعه و سطح بندی برخورداری آنها سازی مورد توجه قرار گرفته است در این میان روش رتبهبندی بر اساس به حل ایدهآل، یکی از پرکاربردترین و مفیدترین روشها جهت اولویتبندی پدیدهها از نظر سطح برخورداری از امکانات و … است. به خاطر اهمیت موضوع در زیر به تشریح مدل TOPSIS پرداخته شده است. در دهه های اخیر محققین از جمله توسعه و برنامه ریزان روستایی به مدلهای تصمیم گیری چند معیاره[۲۸] برای تصمیم گیری روی آوردند. چرا که در این مدلهای تصمیم گیری به جای استفاده از یک معیار سنجش از چندین معیار سنجش استفاده میشود. این گونه مدلهای تصمیم گیری به دو دسته عمده تقسیم میگردند:
مدلهای تصمیم گیری چند هدفی
مدلهای تصمیم گیری چند شاخصی
مدلهای تصمیم گیری چند هدفی، غالباً به منظور طراحی و مدلهای چند شاخصی، غالباً به منظور ارزیابی گزینهها و انتخاب گزینهها یا گزینه های برتر مورد استفاده قرار میگیرد. یک مسئله تصمیم گیری چند شاخصی را اصولاً میتوان در یک ماتریس تصمیم گیری خلاصه نمود که سطرهای آن گزینه های مختلف بوده و ستونهای آن شاخصهایی هستند که ویژگیهای گزینهها را مشخص میکنند. همچنین سلولهای داخل ماتریس، موقعیت گزینه سطری را نسبت به شاخص ستونی ذیربط نشان میدهد. همان طوری که پیشتر بیان شد برای تعین و اولویت بندی آنها، نیاز به اولویت بندی گزینهها برای تصمیم گیری بود. برای تصمیم گیری چند شاخصی، مدلهای بسیاری ارائه شده است و هر کدام از این مدلها دارای ویژگیهای خاصی با مزایا و معایب مربوط به خود میباشند. از سوی دیگر در تصمیم گیری، بحث وزن شاخص مهم است. یعنی چنانچه به طور طبیعی وزن شاخصها مشخص باشد(تأثیر گزینه به طور یکسان در میزان برتری موثر باشد) در آن صورت وزنها را در محاسبات منظور میکنیم در غیر این صورت لازم بود به کمک کارشناسان و خبرگان بخش و یا از طریق فنون وزن دهد برای تعین وزن هر یک از شاخصها استفاده کنیم. بدینترتیب هر مسئله تصمیم گیری چند شاخصی با دو مشکل انتخاب فن تصمیم گیری و انتخاب تکنیک وزن دهی روبرو میباشد(طاهر خانی، ۱۳۸۶). سابقه استفاده از این مدل به سال ۱۹۸۱ میرسد که توسط هوانگ و یون برای انتخاب یک گزینه از گزینه های موجود در تصمیم گیری چند معیاره مطرح شد. در این روش m گزینه به وسیله n شاخص مورد ارزیابی قرار میگیرد (Chen- tung, 2006). در حقیقت این تکنیک بر پارامترهای پراکندگی در آمار مبتنی است. به عبارت دیگر، تابع مطلوبیت تصمیم گیرنده این تکنیک غیرخطی است، لذا اساس این تکنیک بر مقایسه گزینهها با راه حل مثبت و منفی است. گزینهای از رتبه بالاتری برخوردار خواهد بود که در فضای اقلیدسی کمترین فاصله را با دو راه حل ایدهآل مثبت و بیشترین فاصله را با دو راه حل ایده منفی داشته باشد. در روش تاپسیس، ماتریس که دارای گزینه و معیار میباشد، مورد ارزیابی قرار میگیرد. در این الگوریتم، فرض بر این است که مطلوبیت هر شاخص به طور یکنواخت افزایشی (یا کاهشی) است. بدان صورت که بهترین ارزش موجود از یک شاخص نشاندهنده ایدهآل مثبت بوده و بدترین ارزش موجود از آن مشخص کننده ایدهآل منفی خواهد بود. همچنین شاخصها مستقل از هم هستند. در ضمن فاصله یک گزینه از ایدهآل مثبت (یا منفی) ممکن است به صورت اقلیدسی از (توان دوم) و یا به صورت مجموع قدر مطلق از فواصل خطی (معروف به فواصل بلوکی) محاسبه گردد، که این امر بستگی به تبادل و جایگزینی در بین شاخصها دارد (Hepu, Willis, 2005:526). جهت بهرهبرداری از این تکنیک، مراحل زیر به اجرا گذاشته میشود(طاهر خانی، ۱۳۸۶) :
مرحله اول: تشکیل ماتریس دادهها بر اساس آلترناتیو و شاخص
مرحله دوم: استاندارد نمودن دادهها و تشکیل ماتریس استاندارد از طریق رابطه زیر:
مرحله سوم: تعیین وزن هر یک از شاخصها بر اساس . در این راستا شاخصهای دارای اهمیت بیشتر از وزن بالاتری نیز برخوردارند.
مرحله چهارم: تعیین فاصله i امین آلترناتیو از آلترناتیو ایدهآل (بالاترین عملکرد هر شاخص) که آن را با نشان میدهند.
مرحله پنجم: تعیین فاصله i امین آلترناتیو از آلترناتیو حداقل (پایینترین عملکرد هر شاخص) که آن را با نشان میدهند.
مرحله ششم: تعیین معیار فاصلهای برای آلترناتیو ایدهآل و آلترناتیو .
مرحله هفتم: تعیین ضریبی که برابر است با فاصله آلترناتیو حداقل تقسیم بر مجموع فاصله آلترناتیو حداقل و فاصله آلترناتیو ایدهآل که آن را با نشان داده و از رابطه زیر استفاده میشود:
مرحله هشتم: رتبهبندی آلترناتیوها بر اساس میزان . میزان فوق بین صفر و یک در نوسان است. در این راستا نشان دهنده بالاترین رتبه و نیز نشاندهنده کمترین رتبه است. بنابراین با توجه به ارجحیت روش تاپسیس و نیز در نظر گرفتن همه موارد دخیل در تصمیم گیری در زمینه صنعت گردشگری و زیر مجموعه آن که مواردی از قبیل داده های جغرافیایی- مکانی، داده های توصیفی (اقتصادی، اجتماعی، سیاسی، نهادی) و نیز اعمال نظرات افراد و سازمانهای تصمیم گیر در
۳-۴- رگرسیون[۲۹]
رگرسیون به معنای بازگشت است؛ یعنی چگونه نمره های Y به نمره های X بازگشت پیدا می کند. بر این اساس تحلیل رگرسیون این امکان را به ما می دهد تا تغییرات متغیر وابسته را از طریق متغیرهای مستقل پیش بینی، و سهم هر یک از متغیرهای مستقل را در تبیین متغیر وابسته تعیین کنیم. بنابراین دو نقش عمده ای که رگرسیون در تحقیق دارد “پیش بینی” و “تبیین” است. ﺿﺮﻳﺐ رﮔﺮﺳﻴﻮن ﺑﺮآورد ﻣﻘﺪار ﺗﺎﺛﻴﺮ ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ ﺑﺮ ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ اﺳﺖ. ﻳﻌﻨﻲ ﺑـﺎ اﻓـﺰاﻳﺶ ﻫﺮ واﺣﺪ ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ ﻧﻤﺮه ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ ﺑـﻪ اﻧـﺪازه ﭼﻨـﺪ واﺣـﺪ ﺗﻐﻴﻴـﺮ ﻣـﻲﻛﻨـﺪ. مدلهاى رگرسیون انواع مختلفى دارد و متداولترین آنها رگرسیون ساده و رگرسیون مرکب(چند متغیره) مىباشد.
۳-۴-۱- رگرسیون خطی ساده
ﺿﺮاﻳﺐ رﮔﺮﺳﻴﻮن ﺟﺰﻳﻲ یا ساده ﻧﺸﺎندﻫﻨﺪه ﻣﻘـﺪار ﺗﺎﺛﻴﺮ ﻣﺴﺘﻘﻞ ﻫﺮ ﻣﺘﻐﻴﺮ ﻣﺴﺘﻘﻞ ﺑﺮ ﻣﺘﻐﻴﺮ واﺑﺴﺘﻪ اﺳﺖ. در این حالت تنها یک متغیر مستقل وجود دارد و رابطه متغیر مستقل با وابسته خطی باشد که به آن رگرسیون ساده اطلاق می شود. در واقع اگر متغیر وابسته و مستقل تحقیق دارای سطح سنجش فاصلهای یا نسبی باشد، از تحلیل رگرسیون ساده یا دو متغیره استفاده می شود. خط رگرسیون نیز خطی است که با بهترین برازش از میان نقاط نمودار پراکنش میگذرد. معادله رگرسیون خطی بدین صورت است:
(۴) y=ax+b
در این فرمول، Y نمره های پیش بینی شده متغیر وابسته، X نمره های متغیر مستقل، a مقدار ثابت عرض از مبدأ و b ضریب رگرسیون است.
مقادیر a و b ضرایبی هستند که از طریق فرمولهای ذیل بهدست میآیند(حکمتنیا و موسوی، ۱۳۹۰، ۴۰):
(۵)
(۶)
۳-۴-۲- رگرسیون چند متغیره
تحلیل رگرسیون چند متغیره براساس این فرضیه است که بین جمعیت و متغیرهای دیگر، رابطه ثابتی وجود دارد. این روش در سادهترین شکل خود، تنها از یک متغیر مستقل به صورت زیر استفاده می کند: