دانلود پایان نامه

بررسی از یک لایه پنهان استفاده شده است.
3-5-3-2. تعداد نرون های هرلایه
مسئله بعدی تعیین تعداد نرون‌های لایه‌های میانی و خروجی است. تعداد نرون‌های لایه ورودی برابر با تعداد متغیرهای مستقل است که در این بررسی همان متغیرهای مدل ریس و همکاران است. اگر هدف از استفاده از شبکه‌های عصبی پیش‌بینی باشد، در لایه خروجی بایستی یک نرون داشته باشیم. اما اگر به منظور طبقه‌بندی یا شناسایی الگو از شبکه‌های عصبی استفاده شود، می‌توان در لایه خروجی از چند نرون استفاده کرد. در تعیین تعداد نرون‌های لایه میانی نیز روش های متعددی ارائه شده است که هیچ کدام از آنها عموما کلیت ندارد. اما بهترین روش برای تعیین تعداد نرون‌ها، روش آزمون و خطا می‌باشد. با افزایش تعداد نرون‌های لایه پنهان از یک مقدار کوچک به مقادیر بزرگ، ابتدا مجموع خطا کاهش می‌یابد اما پس از رسیدن مقدار نرون‌ها به اندازه معین این خطا دوباره افزایش می‌یابد. بدین روش می‌توان بهترین اندازه شبکه را انتخاب نمود. در واقع با هر بار تعیین گره میزان خطای شبکه مشخص می‌شود که با مقایسه این خطاها بهترین تعداد نرون را می‌توان انتخاب کرد.
3-5-3-3. نرخ یادگیری

نرخ یادگیری یکی از پارامترهای تعیین‌کننده در سرعت یادگیری شبکه‌های عصبی است و در کارائی یادگیری شبکه نقش مؤثری دارد. این نرخ در فاصله بین 0 و 1 اختیار می‌شود. عموماً نرخ یادگیری شبکه‌های عصبی به صورت تصادفی و آزمون و خطا بدست می‌آید.اما در اکثر کاربردهای عملی، این نرخ بین 1/0 و 3/0 اختیار می‌شود. نرخ یادگیری بالاتر باعث می‌شود شبکه سریعتر یادگیری کند اما وقتی که تنوع داده‌های ورودی زیاد باشد، شبکه به جای یادگیری حفظ خواهد کرد و کارائی شبکه پائین خواهد آمد. در این بررسی این نرخ 25/0 اختیار شد.
3-5-3-4. تعداد تکرار
الگوریتم یادگیری وزن‌های خروجی را پس از محاسبه هر دسته خروجی تغییر می‌دهد و به اصطلاح به روز می‌کند. این الگوریتم به تکرار فرایند آموزش برای رسیدن به اوزان نیاز دارد. تعداد تکرار هر فرایند آموزش نیز از طریق آزمون و خطا بدست می‌آید. نقطهی بهینه تعداد تکرار، نقطه‌ای است که شبکه بهترین یادگیری را داشته باشد. یا بعبارتی کمترین خطای پیش بینی را داشته باشد.
3-5-3-5. شتاب شبکه
پارامتر شتاب برای افزایش سرعت همگرایی شبکه استفاده می‌شود. به هر حال، اگر شتاب شبکه بیش از حد زیاد انتخاب شود، می‌تواند خطر دور شدن از هدف را افزایش دهد که می‌تواند باعث ناپایداری و عدم ثبات شبکه گردد. معمولاً ضریب شتاب پایین عملکرد بهتری در آموزش بهینه شبکه از خود نشان می‌دهد. در این بررسی شتاب 15/0 استفاده شد.
3-5-3-6. معیارهای ارزیابی عملکرد
در این تحقیق به بررسی شناسایی مدیریت سود با استفاده از شبکه عصبی درک چند لایه(MLP) در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران پرداختیم. از این رو به منظور بررسی عملکرد این مدل‌، از برخی معیارهای ارزیابی عملکرد برای نشان دادن چگونگی یادگیری ارتباط‌های داده‌ها در شبکه‌های عصبی استفاده شده است. برای مسائل پیش بینی، این معیارها بطور عمده مربوط به خطای بین خروجی پیش بینی شده و خروجی مطلوب واقعی(که البته در اینجا با توجه به داده‌های آموزشی تعهدات کل می‌باشد) است. در تحقیق حاضر از معیار میانگین مربع خطا(MSE) و ضریب تعیین(R2) در مرحله آموزش شبکه استفاده شده است.
معادله (3-12)
Mean Squared Error (MSE)
معادله (3-13)

معیار MSE مربوط به میانگین خطای استاندارد است و هر چه مقدار آنها کمتر باشد به این معنا است که شبکه، پیش‌بینی را با خطای کمتری انجام داده است در نتیجه کارائی مدل بیشتر خواهد بود. معیار ضریب تعیین(R2) همبستگی بین داده های واقعی و پیش بینی شده را بررسی می کند. مقدار R2 بین صفر و یک است و مقدار یک بیان کننده تطابق کامل داده هاست، در نتیجه هر چه مقدار R2 به یک نزدیک‌تر باشد، مطلوب‌تر خواهد بود.
3-6.اندازه گیری تعهدات کل
معادله (3-14)
اولین قدم برای محاسبه تعهدات اختیاری، محاسبه تعهدات کل است. طبق مطالعات انجام شده برای محاسبه این متغیر دو رویکرد مطرح است. رویکرد ترازنامه‌ای و رویکرد جریان وجه نقد. بر اساس رویکرد ترازنامه‌ای داریم:
: تغییر در دارایی‌های جاری
: تغییر در بدهی‌های جاری
: تغییر در وجه نقد و معادل های وجه نقد
: سررسیدهای کوتاه مدت حسابهای دریافتنی بلندمدت و حسابهای دریافتنی
: هرینه‌های استهلاک
معادله (3-15)
در روش جریان وجه نقد داریم:
: سود خالص
: وجه نقد حاصل از فعالیت های عملیاتی
از آنجا که جونز در اندازه‌گیری اقلام تعهدی از روش جریان وجه نقد استفاده می‌کرد و همچنین چون مدلهای این تحقیق بنوعی تعدیل شده مدل جونز هستند ما هم از این رویکرد در اندازه گیری تعهدات کل استفاده کردیم.
نکته قابل توجه در اندازه‌گیری تعهدات کل با استفاده از این روش چگونگی محاسبه جریان نقد حاصل از فعالیتهای عملیاتی با در نظر گرفتن استاندارد حسابداری شماره 2 ایران است. همانطور که می‌دانیم این استاندارد جریان وجه نقد عملیاتی را به 5 طبقه تقسیم کرده است:
فعالیتهای عملیاتی
بازده سرمایه‌گذاریها و سود پرداختی بابت تامین مالی
مالیات بر درآمد
فعالیتهای سرمایه‌گذاری
فعالیتهای تامین مالی
در حالیکه طبق استاندارد بین‌المللی شماره 7 صورت جریان وجه نقد دارای 3 طبقه است:
فعالیتهای عملیاتی
فعالیتهای سرمایه‌گذاری
فعالیتهای تامین مالی
با دقت در دو رویکرد طبقه‌بندی می‌توان دریافت که طبقه فعالیتهای عملیاتی در استاندارد بین‌المللی از تلفیق سه طبقه اول در استاندارد حسابداری ایران بدست می‌آید. البته یک استثنا وجود دارد و آن سود سهام پرداختی است که در استاندارد بین‌المللی در طبقه تامین مالی می‌آید در حالیکه در استاندارد ایران در طبقه بازده سرمایه‌گذاریها و سود پرداختی بابت تامین مالی گنجانده شده است. بنابراین برای رسیدن به جریان وجه نقد حاصل از فعالیتهای عملیاتی طبق استاندارد حسابداری بین‌المللی باید 3 طبقه اول جریان وجه نقد استاندارد ایران را پس از کسر سود سهام پرداختنی باهم تلفیق کنیم.
3-7.معیار اندازه‌گیری عملکرد مدلها
مشکل اصلی در ارزیابی کارایی مدل‌های تخمین تعهدات اختیاری این است که تعهدات اختیاری بطور مستقیم قابل اندازه‌گیری نیست.بنابراین باید ازروش های غیرمستقیم برای ارزیابی عملکرد مدلها استفاده کنیم. همانطور که پیش‌تر بیان شد نمونه مورد بررسی ما شامل شرکتهای تولیدی هستند که از سال 83 الی 90 در بورس فعال بوده و دارای شرایط از پیش گفته شده نیز باشند. کل داده‌هایی که حائز این شرایط بودند پس از حذف داده‌های پرت و پیراسته کردن داده‌ها به 1408سال-شرکت رسید که بخش قابل توجهی از کل جامعه را تشکیل می‌دهد. با این توضیحات اگر مدلی بخوبی تبیین شده باشد میانگین کل تعهدات اختیاری پیش‌بینی شده‌ عددی نزدیک به صفر خواهد بود. علاوه بر این یک مدل کارا نباید تحت تاثیر متغیرهای عملکرد شرکت قرار بگیرد. بنابراین شرکتهای عضو گروه آزمون را (شامل داده‌های دو سال آخر)بر اساس متغیرهای بازده دارایی(ROA)، نقد حاصل از فعالیتهای عملیاتی(CFO)، کل دارایی سال قبل شرکت (TA) و فروش(REV) مرتب می‌کنیم. در نهایت در هر یک از این متغیرها یکچهارم داده‌های بالا و پایین را انتخاب کرده و میانگین تعهدات اختیاری سه مدل را در نظر می‌گیریم. در هریک از این یکچهارمها میانگین تعهدات اختیاری برآوردی سه مدل را باهم مقایسه کرده و به آنها امتیازی بین یک تا سه می‌دهیم(هر قدر میانگین براوردی یک مدل به صفر نزیدکتر باشد امتیاز بیشتری کسب می‌کند). با مقایسه امتیازی که هر مدل کسب می‌کند به رتبه‌بندی مدلها می‌پردازیم.
3-8. آزمونهای آماری
برای استفاده از مدلهای خطی و نیز تحلیل نتایج حاصل از داده‌ها نیاز به مجموعه‌ای از آزمونهای آماری داریم. بخشی از این آزمونها برای بررسی وجود شرایط استفاده از مدلهای خطی رگرسیونی ، بخشی برای تحلیل مدلهای رگرسیون و بخشی نیز برای تحلیل نتایج نهایی مدلهای مختلف مورد بحث بکار می‌روند.
برای استفاده از مدلهای رگرسیونی خطی شرایط زیر باید محقق شود.
متغیر وابسته نرمال باشد.
میانگین خطاها صفر باشد
واریانس خطاها ثابت باشد.
مفروضات 3 و 2 به این معنی است که توزیع خطاها باید دارای توزیع نرمال باشد.
بین
خطاهای مدل همبستگی وجود نداشته باشد.
بین متغیرهای مستقل همبستگی وجود نداشته باشد (دارای هم خطی نباشند).
3-8-1. آزمون کولموگوروف – اسمیرنوف (KS)
این آزمون روش ناپارامتری ساده‌ای برای تعیین همگونی اطلاعات تجربی با توزیعهای آماری منتخب است. بنابراین آزمون کولموگوروف-اسمیرنوف روشی برای همگونی یک توزیع فراوانی نظری برای اطلاعات تجربی است (آذرو مومنی،1385،ص310).
این آزمون جهت بررسی ادعای مطرح شده در مورد توزیع داده‌های یک متغیر کمی مورد استفاده قرار می‌گیرد.برای انجام تحلیل رگرسیونی ابتدا نرمال بودن متغیر وابسته را به وسیله آزمون K-S مورد بررسی قرار می‌دهیم. فرض صفر در این آزمون همگون بودن توزیع مشاهدات با توزیع نظری مشخص(با پارامتری معینی) است که با حدس یا قراین مختلف آن را تعیین کرده‌ایم و فرض مخالف مناسب نبودن توزیع مورد نظر برای متغیر است.
داده ها از توزیع نرمال پیروی می کنندH0:
داده ها از توزیع نرمال پیروی نمی کنند H1:
یکی از مزایای آزمون ks این است که هر یک از مشاهدات را به صورت اصلی در نظر می گیرد. پارامترهای مورد نظر در این آزمون شامل تعداد داده‌ها، پارامترهای مورد نظر در بررسی وجود توزیع (مانند میانگین وانحراف معیار در توزیع نرمال)، قدر مطلق مقدار بیشترین انحراف ،بیشترین انحراف مثبت ، بیشترین انحراف منفی ، مقدار آمارهz ومقدار sig (معنی‌داری) می‌باشد و نحوه داوری این آزمون با مقدار sig (معنی‌داری) بدست آمده می‌باشد. اگر این مقدار کمتر از 5 درصد باشد H0 ردشده و ادعای نرمال بودن توزیع داده‌های متغیر پذیرفته نمی‌شود.
3-8-2. بررسی نرمال بودن خطاها
یکی دیگر از مفروضات در نظر گرفته شده در رگرسیون آن است که خطاها دارای توزیع نرمال با میانگین صفر باشند. بدیهی است در صورت عدم برقراری این پیش‌گزیده، نمی‌توان از رگرسیون استفاده کرد. بدین منظور باید مقادیر استاندارد خطاها محاسبه شده و نمودار توزیع داده‌ها و نمودار نرمال آنها رسم شود و درنهایت مقایسه‌ای بین دو نمودار صورت گیرد.
3-8-3. آزمون دوربین – واتسون (DW )
یکی از مفروضاتی که در رگرسیون مد نظر قرار می گیرد ، استقلال خطاها (تفاوت بین مقادیر واقعی و مقادیر پیش بینی شده توسط معادله رگرسیون ) از یکدیگر است. در صورتی که فرضیه استقلال خطاها رد شود و خطاها با یکدیگر همبستگی داشته باشند امکان استفاده از رگرسیون وجود ندارد (مومنی ،1386، 128). به منظور بررسی استقلال خطاها از یکدیگر از آزمون دوربین –واتسون استفاده می شود که آماره آن به کمک فرمول زیر محاسبه می شود.
معادله(3-16)

: et میزان اختلال یا خطا در دوره زمانی t
et-1: میزان اختلال یا خطا در دوره زمانی قبلt
اگرهمبستگی بین خطاهارابا ρ نشان دهیم دراین صورت آماره DW به کمک رابطه زیر محاسبــــــه می‌شود .
DW=2(1-ρ)
همبستگی بین خطاها وجود ندارد :Ho
همبستگی بین خطاها وجود دارد: H1
مقدار آماره این آزمون در دامنه صفر و 4+ قرار دارد زیرا :
– اگر 0=ρ آنگاه 2=DW خواهد بود که نشان می دهد خطاها از یکدیگر مستقل هستند (عدم خود همبستگی)
– اگر 1=ρ آنگاه 0=DW خواهد بود که نشان می دهد خطاها دارای خود همبستگی مثبت هستند .

– اگر 1-=ρ آنگاه 4=DW خواهد بود که نشان می دهد خطاها دارای خود همبستگی منفی هستند .
و نحوه داوری بدین شکل است که اگر این آماره دربازه 1.5 تا 2.5 قرار گیرد Ho آزمون (عدم همبستگی بین خطاها) پذیرفته می‌شود و در غیر اینصورت Ho رد می‌شود (همبستگی بین خطاها وجود دارد ) و موقعی که فرض همبستگی بین خطاها رد می شود می‌توان از رگرسیون استفاده کرد .
3-8-4. ضریب همبستگی پیرسون
تحلیل همبستگی ابزاری آماری برای تعیین نوع و درجه رابطه یک متغیر کمی با متغیر کمی دیگر است. ضریب همبستگی شدت رابطه و همچنین نوع رابطه (مستقیم یا غیر مستقیم) را نشان می‌دهد. این ضریب بین 1 تا 1- است و در صورت عدم وجود رابطه بین دو متغیر برابر صفر می‌باشد.
ضریب همبستگی پیرسون، روشی پارامتری است و برای داده‌هایی با توزیع نرمال و یا تعداد داده‌های زیاد استفاده می‌شود. این ضریب از رابطه زیر محاسبه می‌شود:
معادله(3-17)

جدول 3-1. تحلیل شدت همبستگی(رحمانی،1390)
نحوه داوری
اندازه
شدت همبستگی
نوع رابطه
از 0 تا 0.25
بسیار ضعیف
مستقیم
از 0.25 تا 0.5
نسبتا قوی
مستقیم
از 0.5 تا 0.75
قوی
مستقیم
از 0.75 تا 1
بسیار قوی
مستقیم
0
ندارد

از 0 تا 0.25-
بسیار ضعیف
معکوس
از 0.25- تا 0.5-
نسبتا قوی
معکوس
از 0.5- تا 0.75-
قوی
معکوس

دانلود پایان نامه

اینجا فقط تکه های از پایان نامه به صورت رندم (تصادفی) درج می شود که هنگام انتقال از فایل ورد ممکن است باعث به هم ریختگی شود و یا عکس ها ، نمودار ها و جداول درج نشوند.

برای دانلود متن کامل پایان نامه ، مقاله ، تحقیق ، پروژه ، پروپوزال ،سمینار مقطع کارشناسی ، ارشد و دکتری در موضوعات مختلف با فرمت ورد می توانید به سایت  77u.ir  مراجعه نمایید

رشته مدیریت همه موضوعات و گرایش ها : صنعتی ، دولتی ، MBA ، مالی ، بازاریابی (تبلیغات – برند – مصرف کننده -مشتری ،نظام کیفیت فراگیر ، بازرگانی بین الملل ، صادرات و واردات ، اجرایی ، کارآفرینی ، بیمه ، تحول ، فناوری اطلاعات ، مدیریت دانش ،استراتژیک ، سیستم های اطلاعاتی ، مدیریت منابع انسانی و افزایش بهره وری کارکنان سازمان

در این سایت مجموعه بسیار بزرگی از مقالات و پایان نامه ها با منابع و ماخذ کامل درج شده که قسمتی از آنها به صورت رایگان و بقیه برای فروش و دانلود درج شده اند

از 0.75- تا 1-
بسیار قوی
معکوس
3-8-5. آزمون برای معنی‌دار بودن رگرسیون
برای آزمون معنی‌دار بودن رگرسیون و تایید یا رد فرضیه از آنالیز واریانس (ANOVA) استفاده می‌شود. نحوه داوری با توجه به مقدارآماره F و سطح معنی‌داری بدست آمده می‌باشد، که اگرمقدار P-value کمترار5 درصد باشد فرض H0 رد می شود، و وجود رابطه بین متغیرها پذیرفته می‌شود.
آزمون‌های مربوط به هر یک از ضرایب رگرسیون برای اندازه‌گیری مناسبت مدل رگرسیون مورد استفاده قرار می‌گیرد. در این آزمون ازآماره t برای معنی‌دار بودن ضرایب متغیرهای مستقل استفاده می کنیم . باید توجه کرد که درحقیقت این یک آزمون جزئی یا حاشیه‌ای است، زیرا ضرایب رگرسیونی به کلیه متغیرهای رگرسیونی دیگر که در مدل حضوردارند ،بستگی دارد. بنابراین این یک آزمون برای، سهم تاثیرگذاری متغیر مستقل به مدل، به شرط موجود بودن دیگر متغیرها در مدل می‌باشد. نحوه داوری باتوجه به مقدارآماره t و سطح معنی‌داری بدست آمده می‌باشد اگرسطح معنی‌داری کمتر از 5 درصد باشد ضریب متغیر مستقل معنی‌دارخواهد بود.
3-8-6. آزمون هم‌خطی
هم‌خطی وضعیتی است که نشان می‌دهد یک متغیر مستقل تابعی خطی از سایر متغیرهای مستقل است. اگر هم‌خطی در یک معادله رگرسیون بالا باشد بدین معنی است که بین متغیرهای مستقل همبستگی بالایی وجود دارد و ممکن است با وجود بالا بودن ضریب تعیین، مدل دارای اعتبار بالایی نباشد. به عبارت دیگر با وجود آنکه مدل خوب بنظر می‌رسد ولی دارای متغیرهای مستقل معنی‌داری نمی‌باشد.
آزمون هم خطی دارای دو خروجی مهم است. مقدار ویژه و شاخص وضعیت. مقادیر ویژه نزدیک به صفر نشان می‌دهد همبستگی داخلی پیش‌بینی‌ها زیاد است و تغییرات کوچک در مقادیر داده‌ها به تغییرات بزرگ در برآورد ضرائب معادله رگرسیون منجر می‌شود. نحوه داوری بدین صورت است که شاخص‌های وضعیت با مقدار بییشتر از 15 نشان‌دهنده احتمال هم خطی بین متغیرهای مستقل می‌باشد و مقدار بیشتر از 30 بیانگر مشکل جدی در استفاده از رگرسیون در وضعیت موجود آن است.
3-8-7. آزمون میانگین یک جامعه
در این آزمون فرضیه مطرح شده در مورد میانگین جامعه در سطح خطای α مورد بررسی قرار می‌گیرد. آماره t در این آزمون دارای درجه آزادی n-1 بوده و به کمک رابطه زیر محاسبه می‌شود.

دسته بندی : پایان نامه مدیریت

دیدگاهتان را بنویسید