مبانی نظری و پیشینه تحقیق پیش بینی و مد لهای پیش بینی
توضیحات:
فصل دوم مقاله کارشناسی ارشد (پیشینه ی پژوهش)
همرا با منبع نویسی درون متنی فارسی و انگلیسی کامل به شیوه APA جهت استفاده فصل دو مقاله
توضیحات نظری در مورد متغیر و همچنین پیشینه در مورد متغیر مربوطه و متغیرهای مشابه
رفرنس نویسی و پاورقی دقیق و مناسب برای فصل دو مقاله
منبع : دارد (به شیوه APA)
نوع فایل: WORD و قابل ویرایش
قسمتی از مبانی نظری متغیر:
در یک تعریف کلی، فرایند پیشگویی شرایط و حوادث آینده را پیشبینی نامیده و چکونگی انجام این عمل را پیشبینی کردن نامیده میشود (بوکوتا، 2002).
هر سازمانی جهت تصمیمگیری آگاهانه باید قادر به پیشبینی کردن باشد. از آنجایی که پیشبینی وقایع آینده در فرآیند تصمیمگیری در سازمان نقش عمده ای را ایفا می کند، پیشبینی کردن برای بسیاری از سازمانها و نهادها حائز اهمیت بالقوهای است. بنابراین بیشتر تصمیمات مدیریت در تمام سطوح سازمان به طور مستقیم و یا غیر مستقیم به حالتی از پیشبینی آینده بستگی دارد.
در مدیریت استراتژیک، پیشبینی شرایط عمومی اقتصاد، نوسانات قیمت و هزینهی تغییرات تکنولوژی، رشد بازار و امثال آن در ترسیم آینده بلندمدت شرکت موثر است. به همین دلیل است که کنترل هر فرایند، منوط به پیشبینی رفتار دوره فرآیند در آینده است. برای مثال ممکن است که در یک دوره فرآیند دستگاهی بیش از حد معین کار کند و تعداد اقلام معیوب تولید شده افزایش یابد. بنابراین برای شناسایی به موقع این نقص باید از روش های مناسب پیشبینی استفاده نموده و نسبت به تصحیح و یا حذف آن با توجه به شرایط موجود اقدام نمود (ریفنس، 1997).
مدل های پیش بینی
ابزارهای عینی و ریاضی که برای پردازش و تجزیه و تحلیل دادهها مورد استفاده قرار میگیرند مدلهای پیشبینی نامیده میشوند. به عبارت دیگر، الگویی از یک واقعیت که ساده و کوچک شده و روابط بین متغیرهای آن واقعیت یا سیستم را نشان میدهد، مدل خوانده میشود. بنابراین، هنگامی که متغیرهای مورد نظر به صورتی منظم، ساده و قابل فهم در جهت اهداف پیشبینی در کنار یکدیگر قرار گرفتند و الگویی از روابط را بوجود آوردند، یک مدل پیشبینی شکل میگیرد.
سری های زمانی[1]
به روند مقادیر یک متغیر در طول زمان که به صورت دورههای زمانی با فواصل معین و یکسان تنظیم شدهاند سری زمانی گفته میشود. در تحلیل سری زمانی وضعیت تغییرات یک متغیر در گذشته مورد بررسی قرارگرفته و به آینده تعمیم داده میشود. به طور کلی مدلهایی که در تحلیل سریهای زمانی مورد استفاده قرار میگیرند به دو دسته مدلهای خطی و غیرخطی تقسیم میشوند.
مدلهای خطی مانند مدلهای باکس ـ جنکینز[2] و یکنواخت سازی نمایی برای سریهای زمانی خطی مناسب هستند، ولی در مدلسازی سریهای زمانی مالی و غیرخطی با مشکل مواجه میشوند.
مدلهای غیرخطی از قبیل مدلهای غیرکاهنده آستانهای، یک تابع غیرخطی خاص و از پیش تعیین شده را پیشبینی میکنند. به عبارتی تابع خطی مورد استفاده در این روشها مشخص است. نوع دیگر مدلهای غیر خطی شبکههای عصبی مصنوعی هستند که می توانند هر تابعی را تخمین بزنند و فرایندهای با رفتار ناشناخته را مدل نمایند.
[1] -Time series
[2] -Box-Jenkins