۵۰۲/۳

۹۸۱/۱۸

۱

۰۰۰/۰

۰۰۰/۰

۸۷۰/۱۷-

۳۶۳/۲

۱۸۲/۵۷

۱

۰۰۰/۰

۰۰۰/۰

جدول شماره ۴-۳۶ متغیرهایی که وارد معادله شدند، نتایج مربوط به معنی داری و میزان تأثیر هر متغیر مستقل بر متغیر وابسته
در مدل ۱ ، در مورد نسبت بخت هر متغیر می‌توان گفت که افرادی که تحصیلات دانشگاهی دارند احتمال تصمیم سزارین آنها ۴ برابر زنانی است که دارای سطح تحصیلات ابتدایی، راهنمایی و متوسطه هستند (P<0.001). درآمد رابطه‌ی معنی‌داری را نشان نداد. اما با ورود فرزند قصد شده احتمال سزارین برای زنانی که می‌خواستند یک فرزند داشته باشند بیشتر از بقیه بود ( P<0.001). پس از کنترل اثر تحصیلات، تعداد فرزند قصد شده و درآمد، تعیین کننده‌های معنی‌دار تصمیم سزارین عبارتند از هنجار ذهنی در خصوص سزارین، تصویر بدنی و نقش پزشک. در حالی‌که نگرش نسبت به سزارین، کنترل رفتار درک شده و فردگرایی به ‌عنوان متغیرهای معنی‌دار در مدل باقی نماندند. این مدل نشان داد که با بالا رفتن یک نمره هنجار ذهنی زنان نسبت به سزارین (مبنی بر اینکه سزارین مورد پذیرش بیشتر در اجتماع است)، احتمال تصمیم سزارین ۱۹/۱ برابر می‌شود که این افزایش معنادار است (P<0.01). همچنین با با بالا رفتن یک نمره تصویر بدنی (اهمیت تصویر بدنی در نگاه زن)، احتمال تصمیم سزارین ۴۱۵/۱ برابر می‌شود و این افزایش نیز معنی‌دار است (P<0.001). و در نهایت با بالا رفتن یک نمره به مقیاس نقش پزشک، احتمال تصمیم سزارین ۳۲۸/۱ برابر می‌شود و این افزایش معنی‌دار است (P<0.001). در مدل فوق فردگرایی، نگرش و کنترل رفتاری معنی‌دار نشدند. درحالیکه در مدل رگرسیونی دوم که متغیر هنجار ذهنی و کنترل رفتاری وارد مدل نشدند، نگرش و فردگرایی به‌همراه تصویر بدنی و نقش پزشک به ‌عنوان تعیین کننده‌های تصمیم سزارین در مدل باقی ماندند.

مدل رگرسیونی اول نشان داد که در تصمیم زنان برای سزارین، “هنجارهای اجتماعی در مورد سزارین"، “تصویر بدنی و اهمیت آن” و “نقش توصیه ها و پیشنهادات پزشک “سه تعیین کننده یا فاکتور مهم است. در مدل رگرسیون دیگری که بدون ورود هنجار ذهنی و درک از کنترل رفتاری، مدل برازش گردید متغیرهای نگرش، فردگرایی به همراه تصویر بدنی و نقش پزشک به‌عنوان متغیرهای معنی‌دار در مدل باقی ماندند، لذا می‌توان نتیجه گرفت که متغیرهای نگرش و فردگرایی در حضور هنجار ذهنی و کنترل رفتاری، تاثیر خود را از دست می دهند و در عوض درک از هنجار ذهنی، معنی‌دار می‌شوند. می‌توان نتیجه گرفت که هنجار ذهنی عامل مهمتری از نگرش فردی و کنترل ادارکی رفتار است ولی در نبود هنجار اجتماعی از سزارین، نگرش فردی و فردگرایی تعیین کننده های مهم تصمیم سزارین می باشند.
۴-۶-۲ لگاریتم درستنمایی و ضریب تعیین
جدول شماره‌ی ۴-۳۷ نتایج مربوط به دو آماره لگاریتم درست‌نمایی و ضریب تعیین پزودو (شامل ضریب تعیین کاکس و نل^[۴۱] و ضریب تعیین نیجل کرک^[۴۲]) را نشان می‌دهد. این ضرایب، تقریب‌های ضریب تعیین R² در رگرسیون خطی هستند که در اینجا در رگرسیون لجستیک استفاده می‌شود. در رگرسیون لجستیک، چون محاسبه دقیق مقدار ضریب تعیین دشوار است، بنابراین، از مقادیر آماره‌های فوق برای این کار استفاده می‌شود تا مشخص گردد که متغیرهای مستقل توانسته‌اند تا چه میزان از واریانس متغیر وابسته را تبیین کنند. مقادیر آماره‌های ضریب تعیین پزودو بین (۰) تا (۱) نوسان دارد و هر چه مقدار این آماره‌ها به عدد (۱) نزدیک‌تر باشد، نشان می‌دهد که نقش متغیرهای مستقل در تبیین واریانس متغیر وابسته زیاد است و برعکس مقادیر نزدیک به (۰) دلالت بر نقش ضعیف متغیرها در این امر دارد.
در مدل ۱ ملاحظه می‌شود که مقادیر هر دو آماره مربوط به ضریب تعیین پزودو تقریباً بالا (۵۶۸/۰ و ۸۲۳/۰) بوده و این نشان می‌دهد که ۹ متغیر مستقل این تحقیق از قدرت تبیین تقریباً بالایی در خصوص واریانس و تغییرات متغیر وابسته (تصمیم سزارین) برخوردار هستند. در واقع، این متغیرهای مستقل توانسته‌اند بین ۸/۵۶ تا ۳/۸۲ درصد از تغییرات تصمیم سزارین را تبیین کنند. مدل ۲ نیز نشان می‌دهد که ۷ متغیر مستقل این تحقیق از قدرت تبیین تقریباً بالایی در خصوص واریانس و تغییرات متغیر وابسته (تصمیم سزارین) برخوردار هستند. در واقع، این متغیرهای مستقل توانسته‌اند بین ۷/۵۳ تا ۹/۷۸ درصد از تغییرات تصمیم سزارین را تبیین کنند.
جدول شماره ۴-۳۷نتایج مربوط به دو آماره لگاریتم درست‌نمایی و ضریب تعیین پزودو

مدل ۱

مدل ۲

-۲ Log
likelihood

ضریب تعیین کاکس و اسنیل

ضریب تعیین نیجل کرک

-۲ Log Likelihood

ضریب تعیین کاکس و اسنیل

ضریب تعیین نیجل کرک

۴۰۸/۱۱۲

۵۶۸/۰

۸۲۳/۰

۹۹۹/۱۳۳

۵۳۷/۰

۷۸۹/۰

ارزیابی احتمالات پیش بینی شده
پس از اجرای تحلیل رگرسیون لجستیک، می‌توانیم قدرت مدل در تفکیک افراد در طبقات متغیر وابسته را به وسیله‌ی جدول طبقه‌بندی^[۴۳] را تعیین کنیم.
جدول شماره ۴-۳۸ که جدول طبقه‌بندی نام دارد، به ما کمک می‌کند تا از طریق ترسیم توافقی پاسخ‌ها در طبقات مشاهده شده و مورد انتظار، عملکرد مدل و قدرت تفکیک افراد در طبقات متغیر وابسته (تصمیم سزارین در برابر تصمیم زایمان طبیعی) را به پاسخ مورد انتظار در همان طبقه نشان دهد. این جدول به ما کمک می‌کند تا میزان عملکرد پیش‌بینی پذیری مدل را ارزیابی کنیم. در این جدول، خانه‌های قطری، تعداد پیش‌بینی‌های صحیح را نشان می‌دهد و خانه‌های خارج از قطر نیز تعداد پیش‌بینی‌های غیرصحیح را نشان می‌دهند. بر اساس نتایج این جدول می‌توانیم به میزان صحت و سقم مدل در طبقه‌بندی افراد پی‌ببریم. همان‌طور که در جدول مشاهده می‌شود، دقت طبقه‌بندی افراد توسط مدل ۱ برابر با ۲/۹۳ درصد است. یعنی ۲۳۴ نفر از زنانی که تصمیم سزارین داشتند و ۸۱ نفر از زنانی که تصمیم زایمان طبیعی داشتند، به درستی تفکیک شده اند. به عبارتی۱۲ نفر از زنانی که تصمیم سزارین دارند به اشتباه در گروه زنانی که تصمیم زایمان طبیعی دارند وارد شدند و بر عکس۱۲ نفر از زنانی که تصمیم زایمان طبیعی دارند در گروه زنانی که تصمیم سزارین دارند قرار گرفته‌اند. بنابراین با اطمینان ۲/۹۳ درصد می توانیم بگوییم با بهره گرفتن از مجموع ۹ متغیر مستقل در این تحقیق ، قادریم تغییرات تصمیم سزارین را در زنان مراجعه کننده به مراکز درمانی شهر اصفهان در سال ۱۳۹۳ تبیین نماییم. دقت طبقه‌بندی افراد توسط مدل ۲ برابر ۷/۹۱ است. یعنی ۲۵۵ نفر از از زنانی که تصمیم سزارین داشتند و ۷۷ نفر از زنانی که تصمیم زایمان طبیعی داشتند، به درستی تفکیک شده اند. به عبارتی۱۴ نفر از زنانی که تصمیم سزارین دارند به اشتباه در گروه زنانی که تصمیم زایمان طبیعی دارند وارد شدند و بر عکس۱۶ نفر از زنانی که تصمیم زایمان طبیعی دارند در گروه زنانی که تصمیم سزارین دارند قرار گرفته‌اند.. بنابراین با اطمینان ۷/۹۱ درصد می توانیم بگوییم با بهره گرفتن از مجموع ۷ متغیر مستقل در این تحقیق ، قادریم تغییرات تصمیم سزارین را در زنان مراجعه کننده به مراکز درمانی شهر اصفهان در سال ۱۳۹۳ تبیین نماییم.
جدول شماره ۴-۳۸ جدول طبقه بندی

در جدول شماره ۴-۱۶ فراوانی و درصد سوالات مربوط به مولفه نقش ICT در تهیه و تولید مواد آموزشی در قالب پنج گزینه ارائه شده است. این مولفه شامل ۸ خرده مولفه به شرح: ۴۳- تهیه و ساخت برنامه های ارائه (مانند: پاورپوینت و …) ۴۴- تهیه متون و جزوات آموزشی (از طریق Word و…) ۴۵- تهیه و ساخت نرم افزارهای آموزشی ۴۶- مطالعه اطلاعات گردآوری شده از اینترنت ۴۷- دسترسی به مقالات علمی از طریق موتورها ی جستجو ۴۸- گفتگوی اینترنتی با متخصصان برای استفاده از تخصص آنها ۴۹- دسترسی به فایل های صوتی، تصویر و صدا برای جلب توجه دانش آموزان ۵۰- استفاده از پرینتر، می باشد.

با توجه به اطلاعات مندرج در جدول ۴-۱۶ مشاهده می شود که گزینه بسیار کم در پاسخ به سوال ۴۳ از سوی ۸۷/۲۹ درصد معلمان انتخاب شده و از بیشترین فراوانی (۷۲) برخوردار می باشد. در سوال ۴۴، ۰۶/۲۴ درصد از معلمان گزینه متوسط را با بیشترین فراوانی (۵۸) انتخاب نموده اند. در سوال ۴۵، ۷۵/۳۷ درصد از معلمان گزینه بسیار کم را با بیشترین فراوانی (۹۱) انتخاب نموده اند. در پاسخ به سوال ۴۶ گزینه متوسط از سوی ۱۴/۲۶ درصد معلمان انتخاب شده و از بیشترین فراوانی (۶۳) برخوردار می باشد. در پاسخ به سوال ۴۷ گزینه بسیار کم از ۲۳/۲۳ درصد معلمان انتخاب شده و از بیشترین فراوانی (۵۶) برخوردار می باشد. در پاسخ به سوال ۴۸ گزینه بسیار کم از سوی ۱۳/۴۸ درصد معلمان انتخاب شده و از بیشترین فراوانی(۱۱۶) برخوردار می باشد. در پاسخ به سوال ۴۹ گزینه بسیار کم از سوی ۷۸/۳۲ درصد معلمان انتخاب شده و از بیشترین فراوانی (۷۹) برخوردار می باشد. در پاسخ به سوال ۵۰ گزینه بسیار کم از سوی ۴۸/۲۴ درصد معلمان انتخاب شده و از بیشترین فراوانی (۵۹) برخوردار می باشد.
داده های جدول ۴-۱۶ نشان می دهد که بیشترین میانگین (۰۱/۳درصد) مربوط به استفاده از آی سی تی برای پرینت جزوات آموزشی توسط معلمان می باشد. کمترین میانگین (۸۲/۱) نیز مربوط به گفتگوی اینترنتی با متخصصان برای استفاده از تخصص آنها است.
جدول شماره ۴-۱۶: فراوانی و درصد انتخاب هر گزینه در مورد نقش ICT در تهیه و تولید مواد آموزشی

وجود همجمعی بین مجموعهای از متغیرهای اقتصادی مبنای آماری استفاده از الگوهای تصحیح خطا را فراهم میآورد. این الگوها در کارهای تجربی از شهرت فزایندهای برخوردار شدهاند. دلیل شهرت الگوهای تصحیح خطا این است که نوسانات کوتاه مدت متغیرها را به مقادیر تعادل بلند مدت آنها ارتباط میدهند. وقتی دو متغیر   و   همجمع باشند واضح است که یک رابطه تعادلی بلند مدت بین آنها وجود دارد. البته در کوتاه مدت ممکن است عدم تعادلهایی وجود داشته باشد. لذا جمله خطای رابطه روبرو به عنوان خطای تعادل معرفی می شود. (توکلی، ۱۳۷۶)
رابطه ۳-۶
این خطا به منظور پیوند رفتار کوتاه مدت   با مقدار تعادل بلند مدت آن مورد استفاده قرار میگیرد، بدین منظور الگویی به صورت زیر تنظیم میشود.
رابطه ۳-۷
که در این عبارت :
در رابطه بالا   جمله خطای برآورد رگرسیون رابطه فوق با یک وقفه زمانی است؛ این الگو به الگوی تصحیح خطا معروف است. که در آن تغییرات در   به خطای تعادل دوره قبل ارتباط داده میشود. وقتی   و   که هر دو جمعی از مرتبه یک I(1) هستند همجمع باشند،   رابطه فوق جمعی از مرتبه صفر I(0) ، یعنی پایا خواهد بود. از آنجا که   و   نیز پایا هستند متغیرهای الگوی رابطه ۲ همگی I(0) هستند؛ لذا میتوان این الگو را بدون نگرانی از بدست آوردن رگرسیون کاذب به روش OLS برآورد کرد و از آمارههای t و f در آزمون الگو بهره جست.
پس در مرحله اول ابتدا پارامترهای مربوط به الگوی بلند مدت را با بهره گرفتن از آمار مربوط به سطح متغیرها برآورد میکنیم؛ سپس فرضیه صفر عدم وجود همجمعی را بین متغیرهای الگو آزمون مینمائیم. به این ترتیب به مجموعهای از متغیرها دست خواهیم یافت که با یکدیگر همجمعند؛ لذا یک رابطه تعادل بلند مدت را ارائه میکنند.
در مرحله دوم جمله تصحیح خطا که همان جمله خطای رگرسیون الگوی ایستای بلند مدت   است، را به عنوان یک متغیر توضیح دهنده در الگوی ECM مورد استفاده قرار داده و آنرا برآورد میکنیم. ضریب ECT سرعت تعدیل به سمت تعادل را نشان میدهد و انتظار میرود که از نظر علامتی منفی باشد.
روش استفاده از الگوهای تصحیح خطا توسط سارگان (۱۹۶۴) معرفی شد. و سپس توسط انگل و گرنجر (۱۹۸۷) به شهرت رسید. به باور انگل و گرنجر هر رابطه بلند مدت یک مدل ECM کوتاه مدت دارد، که دستیابی به آن تعادل را تضمین میکند و بالعکس. این روش بسیار ساده و کم هزینه است و برای تنظیم آن کافی است که جملات خطای مربوط به رگرسیون همگرائی بلند مدت را با یک وقفه زمانی به عنوان یک متغیر توضیح دهنده در کنار تفاضل مرتبه اول سایر متغیرهای الگو قرار دهیم و سپس به کمک روش OLS ضرایب الگو را برآورد کنیم.

۳-۸- الگوی تصحیح خطای برداری VECM
این رویکرد به این دلیل استفاده میشود که قادر است چندین رابطه بلند مدت بین متغیرهای همجمع تشخیص دهد؛ از سوی دیگر این رویکرد میتواند بین روابط بلند مدت و کوتاه مدت تمایز قائل شود. مدل VECM نوع خاصی از مدل VAR ، که دارای مکانیزمی برای کنترل چندین رابطه همجمعی است.
به منظور پیوند رفتار کوتاه مدت   در شکل ماتریسی مدل VAR میتوان این مدل را در قالب یک الگوی تصحیح خطای برداری (VECM) به صورت زیر درآورد.
رابطه ۳-۸
در معادله بالا ماتریس   ماتریس اطلاعات روابط تعادل بلند مدت نام دارد و   است که α ماتریس ضرایب تعدیل است. ضریب تعدیل عدم تعادل را نشان میدهد و   ماتریس روابط تعادلی بلندمدت است. جمله   در معادله بالا ملحوظ میباشد. معادله جمله تصحیح خطا (ECT) در الگوی تک معادلهای   است با این تفاوت که حداکثر دارای (k-1) بردار مستقل است. رتبه ماتریس   که با r نمایش داده میشود، در حقیقت تعـداد بردار همجمـعی را نشان میدهد. تعـداد بردار همجمـعی حداکـثر می تواند (k-1) عدد باشد (r سطر از ماتریس   مستقل هستند و سطر آخر ترکیب خطی سایر سطرها است).
بنابراین، فرایند تخمین الگوی تصحیح خطای برداری جوهانسون دارای چهار مرحله است. در مرحله اول، بایستی آزمون شود که آیا متغیرهای مورد بررسی مانا بوده یا دارای ریشه واحد میباشند؟. برای این کار از آزمونهای «ان.جی. پرون» (Ng-Perron)، «دیکی-فولر» (DF)، «دیکی- فولر تعمیم یافته»(ADF)، «کویت کاوسکی- فیلیپس- شمیت- شین» (KPSS) و «فیلیپس- پرون» (PP) ، استفاده میشود. در مورد اینکه کدام یک از این آزمونها معتبرتر است، اتفاق نظری وجود ندارد؛ اما معروفترین این آزمونها دیکی- فولر تعمیم یافته است. در اینجا بایستی به این نکته توجه نمود که، در روش تصحیح خطای برداری جوهانسون، متغیرها بایستی مانا (همجمع از درجه صفر) یا همجمع از درجه یک باشند.
در مرحله بعد، بایستی تعداد وقفه بهینه را در مدل VAR تعیین نمود. در مورد بهترین روش برای تعیین وقفه بهینه نیز، اتفاق نظر وجود ندارد؛ برخی از متخصصین معتقدند که بایستی با بهره گرفتن از آمارههای آکائکه، شوارتز بیزین و حنان کوئین، تعداد وقفه بهینه را تعیین کرد و از سوی دیگر عدهای چون هریس (۱۹۹۰)، معتقدند که برای تعیین وقفه بهینه، بایستی با بهره گرفتن از آزمون والد این کار را انجام داد. اقدام دیگری که در این مرحله بایستی انجام داد، انتخاب وجود عرض از مبدأ و روند در اجزای کوتاه مدت (VAR) و بلند مدت (ECT) است. برای این کار بایستی به نوع روند در داده ها توجه نمود.
در مرحله سوم، تعداد بردار همجمعی تعیین میشود. برای این کار از آمارههای اثر و حدکثر مقدار ویژه استفاده میگردد. نتایج مرحله سوم، تخمین ضرایب روابط بلند مدت همجمعی بین متغیرهای مورد بررسی است. نهایتاً، در مرحله چهارم با بهره گرفتن از نتایج مراحل قبل و مشخص شدن تعداد بردار همجمعی بین متغیرها، الگوی مورد نظر، تخمین زده میشود.
۳-۹- توابع واکنش آنی و تجزیه واریانس
توابع واکنش آنی و تجزیه واریانس، دو ابزار جهت تجزیه و تحلیل و پیشبینی تأثیر متغیرهای توضیحی بر متغیر وابسته هستند. از آنجایی که در مدلهای خود توضیح برداری، معمولا بسیاری از ضرایب معنادار نیستند، از این ابزارها جهت تجزیه و تحلیل و پیشبینی بلند مدت استفاده میشود.
۳-۹-۱- توابع واکنش آنی IRF
این توابع قادرند تا ما را در شناسایی مسیر زمانی متغیر وابسته در مدل VAR، در صورت بروز شوک از ناحیه متغیرهای توضیحی، یاری دهند. اگر سیستم معادلات با ثبات باشد، در صورت بروز شوک، به صمت صفر همگرا میشود؛ اما در در صورتی که سیستم بیثبات باشد، ممکن است این شوک در طول زمان حالت واگرا (انفجاری) شود. در مدل VAR داشتیم :
رابطه ۳-۹
که در این معادله داریم :
بنابراین توابع واکنش آنی به صورت زیر است :
رابطه ۳-۱۰
که اگر، n دوره به آینده برویم :
رابطه ۳-۱۱
که در این رابطه، داریم :
رابطه ۳-۱۲
معادله بالا به معنی آن است که، واکنش دوره «t+n» متغیر i ام، تحت تأثیر شوک های n دوره قبل این متغیر و سایر متغیرها است.
۳-۹-۲- توابع تجزیه واریانس
این تکنیک تعین میکند که، چه مقدار از تغییرات یک متغیر توسط سایر متغیرها توضیح داده میشود. معمولا بیشتر شوکهای هر متغیر، بیشترین تأثیر را در توضیح واریانس اجزای اخلال خود دارند هر چند که، ممکن است از سایر متغیرها نیز تأثیر بپذیرد.
معادله تابع تجزیه واریانس (پس از انجام محاسبات پیچیده) به صورت زیر است :
رابطه ۳-۱۳
در این رابطه، h تعداد مراحل محاسبه تجزیه واریانس (تعداد دوره) ؛ j ، متغیر مورد نظر؛   ، k امین ستون ماتریس   است؛ زیر نویس jj ، دلالت بر عامل مورد نظر از ماتریس دارد؛   ، که P یک ماتریس پایین مثلثی است که شامل تجزیه چولسکی ماتریس   است؛ و   ؛ و   که 
و نهایتا اینکه،   ماتریس کوواریانس اجزای اخلال u است. بنابراین، با توجه به توضیحات فوق، مقدار پیش بینی واریانس خطای متغیر j به k متغیر به صورت زیر است :
رابطه ۳-۱۴
۳-۱۰- خلاصه فصل
در این فصل، ابتدا مفهوم سری زمانی معرفی شد و در ادامه توضیحاتی در مورد مفهوم همجمعی عنوان گردید. همچنین توضیحاتی در مورد آزمون جوهانسون - جوسلیوس ارائه شد. سپس رویکرد بردارهای خود رگرسیونی (VAR)، تصحیح خطا (ECM) و تصحیح خطای برداری (VECM) معرفی شدند. در پایان توضیحات مختصری در مورد توابع عکسالعمل آنی و تجزیه واریانس عنوان گردید. با توجه به نکات ذکر شده، در فصل بعد به تخمین مدل پژوهش پرداخته میشود.
فصل چهارم:
تخمین مدل و تجزیه و تحلیل نتایج
۴-۱- مقدمه
پس از ارائه توضیحات مختصری در مورد روششناسی پژوهش، در این فصل به منظور برآورد تأثیر متغیرهای نوسانات نرخ ارز و قیمت نفت بر رشد اقتصادی در ایران، پس از معرفی متغیرهای مورد استفاده در مدل، ابتدا برای جلوگیری از بروز رگرسیون کاذب، مانایی و نامانایی متغیرها با آزمون دیکی- فولر مورد بررسی قرار میگیرد. سپس برای آزمون وجود رابطه تعادلی بلند مدت بین دو یا چند متغیر، از تحلیل هم انباشتگی استفاده میشود.
در ادامه طول وقفه بهینه با بهره گرفتن از آزمونهای مختلف تعیین میشود. سپس درجه هم انباشتگی بین متغیرهای الگو با بهره گرفتن از روش یوهانسون تعیین میشود. پس از مشخص شدن طول وقفه مناسب و بردارهای همانباشتگی، با بهره گرفتن از مدل خود رگرسیون برداری مشخص خواهد شد که در بلند مدت و کوتاه مدت تاثیر متغیرهای نوسانات نرخ ارز و قیمت نفت، بر رشد اقتصادی چگونه است. سپس با بهره گرفتن از توابع تجزیه واریانس و عکسالعمل آنی، به تحلیل تأثیر بلند مدت متغیرهای مورد بررسی پرداخته میشود.
۴-۲- برآورد مدل و تجزیه و تحلیل نتایج

شکل (۴-۱):هیستوگرام توزیع فراوانی پاسخگویان بر حسب سن ………………………………………………………………….. ۶۹
شکل (۴-۲):توزیع فراوانی پاسخگویان بر حسب جنس …………………………………………………………………………………… ۷۰
شکل (۴-۳):توزیع فراوانی پاسخگویان بر حسب مقطع تحصیلی ……………………………………………………………………… ۷۱
شکل (۴-۴):توزیع فراوانی پاسخگویان بر حسب حدود درآمد ماهیانه …………………………………………………………….. ۷۲
شکل (۴-۵):توزیع فراوانی ‌ پاسخگویان بر حسب اثربخشی امر به معروف و نهی از منکر …………………………….. ۷۲
شکل (۴-۶): توزیع فراوانی پاسخگویان بر حسب احساس امنیت مخاطب امر و نهی …………………………………….. ۷۵
شکل (۴-۷): توزیع فراوانی پاسخگویان بر حسب مقبولیت آمر و ناهی جهت اثربخشی امر به معروف ………….. ۷۶
شکل (۴-۸): توزیع فراوانی پاسخگویان بر حسب نوع الفاظ آمر و ناهی جهت اثربخشی امر به معروف …………..۷۹
شکل (۴-۹): توزیع فراوانی پاسخگویان بر حسب نحوه بیان امر و نهی جهت اثربخشی امر به معروف …………. ۸۰
شکل (۴-۱۰): توزیع فراوانی پاسخگویان بر حسب خصوصیات آمر و ناهی جهت اثربخشی امر به معروف ……..۸۲
شکل (۴-۱۱): توزیع فراوانی پاسخگویان بر حسب روش های امر و نهی جهت اثربخشی امر به معروف ………. ۸۴
شکل (۴-۱۲): توزیع فراوانی پاسخگویان بر حسب شرایط پیرامونی امر و نهی نهی جهت اثربخشی امر به
معروف……………………………………………………………………………………………………………………………………………………………………۸۶
شکل (۴-۱۳): توزیع فراوانی پاسخگویان بر حسب نحوه عملکرد نیروهای مرتبط با امر به معروف جهت اثربخشی
امر به معروف……………………………………………………………………………………………………………………………………………………… ۸۸
شکل (۴-۱۴): توزیع فراوانی پاسخگویان بر حسب اعتقادات مخاطب امر و نهی جهت اثربخشی …………………….۹۱
شکل (۴-۱۵): شاخص‌های پراکندگی تربیت مخاطب امر و نهی جهت اثربخشی امر به معروف …………………… ۹۳
شکل (۴-۱۶): توزیع فراوانی پاسخگویان بر حسب آسیبهای معرفتی …………………………………………………………… ۹۵
شکل (۴-۱۷): توزیع فراوانی پاسخگویان بر حسب آسیبهای روشی ……………………………………………………………… ۹۷
شکل (۴-۱۸):نمودار پراکندگی برای متغیر اثربخشی امر به معروف و نهی از منکر و مقبولیت آمر و ناهی . ۱۰۱

فهرست شکل ها
عنوان صفحه
شکل (۴-۱۹):نمودار پراکندگی برای متغیر اثربخشی امر به معروف و نهی از منکر و نوع الفاظ آمر و ناهی …… ۱۰۴
شکل (۴-۲۰):نمودار پراکندگی برای متغیر اثربخشی امر به معروف و نهی از منکر و نحوه بیان امر و نهی…….. ۱۰۵
شکل (۴-۲۱):نمودار پراکندگی برای متغیر اثربخشی امر به معروف و نهی از منکر و خصوصیات آمر و ناهی…. ۱۰۶
شکل (۴-۲۲):نمودار پراکندگی برای متغیر اثربخشی امر به معروف و نهی از منکر و اعتقادات مخاطب امر
و نهی……………………………………………………………………………………………………………………………………………………………………….۱۰۷
شکل (۴-۲۳):نمودار پراکندگی برای متغیر اثربخشی امر به معروف و نهی از منکر و نحوه عملکرد نیروهای
مرتبط با امر به معروف و نهی از منکر…………………………………………………………………………………………………………………. ۱۰۸
شکل (۴-۲۴۶):نمودار پراکندگی برای متغیر اثربخشی امر به معروف و نهی از منکر و شرایط پیرامونی امر و
نهی ………………………………………………………………………………………………………………………………………………………………………..۱۰۹
شکل (۴-۲۵):نمودار پراکندگی برای متغیر اثربخشی امر به معروف و نهی از منکر و روش های عملی امر
و نهی …………………………………………………………………………………………………………………………………………………………………… ۱۱۰
شکل (۴-۲۶) :نمودار پراکندگی برای متغیر اثربخشی امر به معروف و نهی از منکر و تربیت مخاطب امر
و نهی ………………………………………………………………………………………………………………………………………………………………………۱۱۱
شکل (۴-۲۷): توزیع فراوانی پاسخگویان بر حسب اینکه امر به معروف و نهی از منکر در حوزه حجاب از اولویتهای جامعه خارج است ……………………………………………………………………………………………………………………………………………………۱۱۳
شکل (۴-۲۸): توزیع فراوانی پاسخگویان بر حسب اینکه پوشش و نحوه حضور در جامعه شخصی است و از حیطه
امر و نهی خارج است …………………………………………………………………………………………………………………………………………….۱۱۴
شکل (۴-۲۹): توزیع فراوانی پاسخگویان بر حسب اینکه آنچه در قرآن واجب است خمار است نه پوشیدن
کامل مو………………………………………………………………………………………………………………………………………………………………… ۱۱۵
شکل (۴-۳۰): توزیع فراوانی پاسخگویان بر حسب اینکه اصل در حجاب حفظ کرامت زنان است و حفظ کرامت
با زور نمیشود …………………………………………………………………………………………………………………………………………………….. ۱۱۶
شکل (۴-۳۱): توزیع فراوانی پاسخگویان بر حسب اینکه وضعیت پوشش جامعه مناسب است و امر و نهی
ضرورتی ندارد ………………………………………………………………………………………………………………………………………………………. ۱۱۷
شکل (۴-۳۲): توزیع فراوانی پاسخگویان بر حسب اینکه حجاب سبب پوشیدن زیباییها و بالا رفتن سن ازدواج
میشود ………………………………………………………………………………………………………………………………………………………………… ۱۱۸
شکل (۴-۳۳): توزیع فراوانی پاسخگویان بر حسب اینکه باید پذیرفت همه چیز در حال تغییر است بعد از ۱۴۰۰
سال نوع پوشش تغییر میکند ………………………………………………………………………………………………………………………………. ۱۱۹
شکل (۴-۳۴): توزیع فراوانی پاسخگویان بر حسب اینکه استفاده از جلباب(چادر و پوشش کامل) بر همه واجب
نبوده و توصیه است ………………………………………………………………………………………………………………………………………………..۱۲۰
شکل (۴-۳۵): توزیع فراوانی پاسخگویان بر حسب اینکه دستوری بر حجاب دخترها در قرآن نیامده ……………… ۱۲۱

سیستم مبتنی بر شرط

موقعیت کاربر

قابلیت اجرای آفلاین

نقاط جاذب

۲۰۰۹

MyMytilene

مبتنی بر شرط

موقعیت کاربر،ترجیحات سفر،زمان موجود برای بازدید جاذبه­ها

پیاده سازی الگوریتم ابتکاری برای پیشنهاد مسیر حرکت گردشگر

برنامه ریزی تور چندروزه

۲۰۱۲

DailyTRIP

سیستم مبتنی بر شرط

موقعیت کاربر، ترجیحات سفر، زمان

نمایش کامل واقعی از نقاط طبیعی

برنامه­ ریزی تور چند روزه

۲۰۱۲

mtrip

موقعیت کاربر، سرعت و مسیر حرکت

پشتیببانی از کاربر متحرک

نقاط جاذب

۲۰۱۲

Barranco و همکاران

ساختار پایان نامه

این پایان نامه در شش فصل تقسیم ­بندی شده است. درفصل اول به مقدمه و اهداف تحقیق، بیان مساله، ضروررت تحقیق و پرسش­های تحقیق و مروری بر منابع اشاره شد. فصل دوم به آشنایی با سیستم­های توصیه­گر اختصاص خواهد یافت. در این فصل کلیاتی در مورد تعریف سیستم توصیه­گر، چالش­های سیستم توصیه­گر، معرفی و ارزیابی انواع سیستم­های توصیه­گر و معماری سیستم­های توصیه­گر بیان خواهد شد. در فصل سوم پردازشگری بافت­آگاه و بافت­آگاهی در سیستم اطلاعات همراه معرفی خواهد شد. در این فصل بافت و بافت­آگاهی و نیز سیستم­های بافت­آگاه و بافت­آگاهی در سیستم­های اطلاعات همراه بیان خواهد شد.
در فصل چهارم مدل پیشنهادی این پایان نامه برای پیاده سازی یک سیستم توصیه­گر بافت­آگاه تشریح خواهد شد. در ابتدا بافت­های موثر در مساله معرفی شد و نقش آن­ها مشخص خواهد گردید و سپس به تشریح سرویس­های ارائه شده که شامل نمایش نقشه و پیشنهادگر اقامتگاه می­باشد، پرداخته خواهد شد. در نهایت معماری پیشنهادی برای مدل ارائه خواهد گردید.
فصل پنجم مربوط به پیاده سازی سیستم توصیه­گر بافت­آگاه برای پیشنهاد اقامتگاه به گردشگر می­باشد. این فصل جزییات مربوط به پیاده سازی سیستم راشرح می­دهد. از جمله این موارد می­توان به بستر اجرایی سیستم، امکانات و ساختار برنامه کاربردی به همراه تصاویری از برنامه اشاره کرد. فصل پایانی به نتیجه ­گیری و ارائه پیشنهادات و فعالیت­های آینده می ­پردازد.

فصل دوم

سیستم­های توصیه­گر

مقدمه
حجم فراوان و روبه رشد اطلاعات بر روی وب و اینترنت، فرایند تصمیم ­گیری و انتخاب اطلاعات، داده و یا کالاهای مورد نیاز را برای بسیاری از کاربران دشوار کرده­است. این موضوع، خود انگیزه­ای شد تا محققین را وادار به پیدا کردن راه­حلی برای رویارویی با این مشکل اساسی سبز فایل که با عنوان سرریز داده ­ها شناخته می­ شود، کند. برای رویارویی با این مسئله تاکنون دو رویکرد مطرح شده ­اند اولین رویکردی که به کارگرفته شد استفاده از دو مفهوم بازیابی اطلاعات و تصفیه­سازی اطلاعات بود. عمده محدودیتی که این دو مفهوم در ارائه پیشنهادات دارند، این است که بر­خلاف توصیه­گرهای انسانی مانند دوستان، اعضای خانواده و غیره، این دو روش قادر به تشخیص و تفکیک اقلام باکیفیت و بی کیفیت، در ارائه پیشنهاد برای یک موضوع یا کالا، نیستند. مشکل مذکور، موجب شد تا رویکرد دومی تحت عنوان سیستم توصیه­گر پدید آید.
سیستم­های توصیه­گر ابزارهای نرم­افزاری و تکنیک­هایی هستند که آیتم­هایی را که برای کاربر مفید هستند را به او پیشنهاد می­ دهند. این پیشنهادات مربوط به فرایندهای مختلف تصمیم ­گیری می­شوند مانند چه آیتمی را خریداری کند؟ چه موزیکی را گوش کند یا چه خبرهای آنلاینی را بخواند [۲۲].
آیتم یک اصطلاح کلی است که برای مشخص کردن چیزی که سیستم به کاربر توصیه می­ کند، استفاده می­ شود. یک سیستم توصیه­گر معمولا روی یک نوع خاص از آیتم تمرکز می­ کند برای مثال فیلم یا اخبار و براساس این آیتم، طراحی سیستم، واسط گرافیکی کاربر و تکنیک توصیه­گر اصلی، برای آن نوع خاص از آیتم را فراهم می­ کند [۲۲]
در واقع یک سیستم توصیه­گر را می­توان با رابطه(۲-۱) همسان دانست و مدل کرد.

(۲-۱)