هدف این مقاله بررسی هزینه رفاهی تورم در اقتصاد ایران با استفاده از مدل های پویا بود. افزایش در نرخ تورم منجر می شود که افراد مقدار مطلوب مانده حقیقی نگهداری شده خود را افزایش دهند که این امر هزینه معاملاتی را افزایش و منابع برای تولید کالای مصرفی را کاهش می دهد این موضوع می تواند به عنوان هزینه رفاهی تورم تحلیل شود. برای این منظور در این مطالعه ابتدا به برآورد تابع تقاضای پول پرداخته شد. برآوردهای صورت گرفته بر اساس روش هم انباشتگی و مدل حداقل مربعات معمولی پویا (DOLS) بود. برآورد صورت گرفته برای معادله تقاضای پول به منظور استخراج پارامترهای کشش بهره ای و درآمد و پارامتر حساسیت تقاضای پول به نرخ تورم در دو حالت ایستا و پویا صورت گرفت. نتایج برآورد نشان داد که در مدل ایستا برای یک نرخ تورم 10 درصدی هزینه رفاهی تورم به صورت نسبتی از درآمد برابر با 36.5 و برای یک مدل پویا برابر با 35.4 بوده است. همچنین نتایج نشان دهنده این بود که سیاست های بانک مرکزی که منجر به کاهش در نرخ تورم شده است به اندازه کافی منجر به کاهش در هزینه رفاهی تورم شده و این میزان را به سمت قاعده بهینه فریدمن سوق داده است.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

صنعت توریسم یکی از بزرگترین صنایع خدماتی و از مهم ترین فعالیت های اقتصادی در جهان به شمار می رود. مطالعات زیادی در رابطه با این موضوع انجام شده که اغلب این مطالعات به بررسی عوامل اقلیمی و اقتصادی به صورت مجزا پرداخته اند. هدف این پژوهش بررسی تاثیر همزمان عوامل اقلیمی واقتصادی بر توریسم و گردشگری در مناطق مختلف ایران است. به این منظور داده های پانل برای 30 استان ایران در طی سال های 1385 تا 1397 جمع آوری شده است. کشور ایران بر اساس طبقه بندی اقلیم شناسی به 7 منطقه دسته بندی شده و هر منطقه به صورت جداگانه بررسی شده است. در این مطالعه با توجه به هم انباشتگی داده ها برای هر منطقه از روش های DOLS یا GMM استفاده شده است. نتایج نشان داد که در بسیاری از استان ها متغیرهای اقلیمی در کنار متغیر اقتصادی اثر معنی داری بر گردشگری دارند. در واقع در تمامی استان هایی که ارزش افزوده استان ها معنی دار شده است افزایش ارزش افزوده منجر به افزایش تعداد گردشگران در بلند مدت می شود. نتایج برای متغیرهای اقلیمی بیانگر آن است که با افزایش دما تعداد گردشگران در استان های استان های خراسان رضوی، خراسان جنوبی، تهران، سمنان، اصفهان، کرمان، مرکزی، سیستان و بلوچستان، یزد، قم، بوشهر، هرمزگان، خوزستان افزایش می یابد و همچنین با افزایش میزان بارندگی در فصول پاییز و زمستان استان های مازندران و گیلان جز استان هایی هستند که تعداد گردشگران در این فصول بیشتر است و استان های فارس، ایلام، لرستان، کهکیلویه و بویراحمد تعداد گردشگران کمتری را در این فصول خواهند داشت.

روش بدون شبکه حداقل مربعات گسسته کارایی مناسب خود را برای حل معادلات دیفرانسیلی مشتقات جزیی حاکم بر مسائل مهندسی نشان داده است. این روش بر پایه کمینه کردن تابعک حداقل مربعاتی استوار است. تابعک حداقل مربعاتی به صورت مجموع وزن داری از باقیمانده ی معادله دیفرانسیلی و شرایط مرزی حاکم تعریف شده است. معمولا از تابع تخمین حداقل مربعات متحرک (MLS)، برای ساختن توابع شکل در روش بدون شبکه حداقل مربعات گسسته استفاده می شود. هرچند با استفاده از این نوع تابع تخمین سازگاری مورد نیاز توابع تخمین ارضا می شود، اما روش در صورت تجمع و نزدیکی بیش از اندازه گره ها کارآیی مناسب خود را از دست می دهد. در این مطالعه مشکل مطرح شده، با استفاده از تابع تخمین نوینی که حداقل مربعات متحرک نگاشتی (MMLS) نامیده شده است، برطرف شده است. در این روش خوشه های گرهی مجتمع به یک آرایش گرهی استاندارد نگاشت می یابند؛ سپس تابع تخمین و مشتقات آن با در نظر گرفتن ملاحظاتی محاسبه می شوند. کارایی روش تخمین پیشنهادی MMLS برای برطرف کردن مشکل تابع تخمین MLS با تخمین توابع ریاضیاتی مورد ارزیابی قرار گرفته است. نتایج بدست آمده قابلیت روش پیشنهادی MMLS را جهت رفع مشکل نشان داده اند. تابع تخمین پیشنهادی در روش بدون حداقل مربعات گسسته مختلط استفاده شده و برای حل معادلات غیر خطی برگرز به کار گرفته شده است. نتایج بدست آمده کارایی و دقت بالای روش پیشنهادی را نشان می دهند.

مقدمه: رابطه کمی ساختار- فعالیت استراتژی موفقی بر اساس مدلسازی بین توصیف گرهای ساختاری مولکولی و صفات فیزیکی شیمیایی محلول آنها برای پیش گویی خواص سورفاکتانت ها میباشد. تعداد بسیار زیادی توصیف گر مولکولی که در مطالعات  QSARاستفاده می شوند وجود دارد که به شش دسته با نامهای توصیف گر اساسی توپولوژی الکتروستاتیک هندسی کوانتمی و ترمودینامیکی تقسیم می شوند. چندین گزارش از کاربرد روشهای QSPR برای پیش بینی CMC سورفاکتانت های کاتیونی آنیونی و جمینی وجود دارد.هدف: در گزارش حضر logCMC چند نمک از تترا- آلکیل آمونیم و آلکیل پیریدینیم به کمک معادله ریاضی به خواص ساختاری مولکولی مرتبط شده است.روش بررسی: همه داده های CMC مربوط به سورفاکتانت های کاتیونی می باشند. CMC در آب و در دمای 25oC اندازه گیری شده اند. مجموعه داده ها شامل 44 سورفاکتانت که 29 تترا- آلکیل آمونیم و 15 از آنها آلکیل پیریدینیم می باشند. مولکولها با ChemDraw رسم شده اند و با روش AM1 مربوط به MOPAC بهینه شده اند. توصیف گرهای مولکولی با کمک ChemSAR و Dragon 3.0 بدست آمده اند.نتایج: تحلیل رگرسیون OLS معادله مفیدی برای پیش بینی CMC سورفاکتانت های کاتیونی ارایه می دهد. معادله زیر برای تخمین logCMC تترا- آلکیل آمونیم با کمک چهار توصیف گر ساختار ارایه شده است:logCMC سورفاکتانت های آلکیل  پیریدینیم با سه توصیف گر ساختا ر ارایه شده است: Log CMC = -1.0097 – 0.1258Lc – 0.0123VH+0.0960AHG+0.0053RHCI N=20, R2 =0.9860, s2 =0.0210, F=135, model(I). logCMC سورفاکتانت های آلکلیل پیریدینیم با سه توصیف گر ساختار ارایه شده است: LogCMC =6.0291 – 0.2461Lc – 0.0011VH+0.0249RHCI Model(II), n =10, R2=0.9940, s2 =0.0098, F=159, model(II). مدل کلی برای تحمین logCMC برای همه سورفاکتانت ها با استفاده چهار توصیف گر ساختاری ارایه شده است: logCMC=-1.4055-0.1529Lc -0.0101VH +0.1214AHG+0.0063RHCI n=30, R2=0.9820, s2 =0.0228, F =173, ¦inal model. نتیجه گیری: نتایج نشان می دهد که CMC با افزایش خواص هیدروفیلی L و V کاهش و با افزایش ویژگی دیگر A افزایش می یابد. اصل مقاله به صورت متن کامل انگلیسی، در بخش انگلیسی قابل رویت است.

هدف اصلی این مطالعه بررسی مدل های فضایی و روش های متعارف برآورد مدل های مکانی نظیر حداقل مربعات معمولی و رهیافت جدیدتر رگرسیون وزنی جغرافیایی می باشد. برای این منظور نقاط ضعف و قوت هر دو رهیافت رگرسیون وزنی جغرافیایی و حداقل مربعات معمولی با ارائه یک مثال ساده مورد توجه قرار گرفته و بر اساس چارچوب نظری هر دو روش، رهیافت مناسب برای برآورد مدل های مکانی ارائه شده است. نتایج مقایسه این دو روش نشان می دهد که روش رگرسیون وزنی جغرافیایی در مقایسه با روش های معمول و متعارف برآورد مدلهای مکانی به دلیل درنظر گرفتن تفاوت های مکانی، وابستگی و ناهمسانی فضایی در بین مشاهدات، نتایج مطلوبتری را ارائه می دهد. علاوه بر این، معیارهای خوبی برازش مدل نیز دلالت بر مناسب بودن روش رگرسیون وزنی جغرافیایی می باشد

سابقه و هدف: در علوم خاک، برای ارزیابی درجه سدیمی بودن خاک از دو ویژگی مهم نسبت جذب سدیم و درصد سدیم تبادلی استفاده می شود. برای اندازه گیری درصد سدیم تبادلی، اندازه گیری ظرفیت تبادل کاتیونی ضروری است که اندازه گیری آن وقت گیر، پرهزینه و همراه با خطا است. به منظور تخمین غیر مستقیم درصد سدیم تبادلی، استفاده از ویژگی های زودیافت خاک بسیار بهینه و اقتصادی تر می باشد. تحقیقات نشان داده اند که بین درصد سدیم تبادلی و نسبت جذب سدیم رابطه وجود دارد. بنابراین، از نسبت جذب سدیم می توان برای پیش-بینی درصد سدیم تبادلی استفاده کرد. به همین دلیل تلاش های زیادی برای تخمین درصد سدیم تبادلی با استفاده از پارامتر های زودیافت خاک انجام شده است. هدف از این تحقیق، توسعه مدل کمترین مربعات معمولی و شبکه بیزین برای تعیین درصد سدیم تبادلی با استفاده از نسبت جذب سدیم درخاک های شهرستان بناب در استان آذربایجان شرقی است. مواد و روش ها: در تحقیق حاضر، 209 نمونه خاک با استفاده از روش شبکه بندی منظم (250 × 250) از غرب شهرستان بناب برداشته شد. این محدوده 1300 متر بالاتر از سطح آزاد دریاهای آزاد بوده و با آب و هوای نیمه خشک در شمال غرب ایران واقع شده است. سپس برخی از خواص شیمیایی خاک مانند Na+، Ca2+، Mg2+، SAR و ESP نمونه های خاک با استفاده از روش های آزمایشگاهی اندازه گیری شد. سپس، دو مدل کمترین مربعات معمولی و شبکه بیزین برای تخمین درصد سدیم تبادی از نسبت جذب سدیمی توسعه داده شد. تخمین-گر OLS، تابع خطی از مقادیر متغیر وابسته بوده که با استفاده از وزن های یک تابع غیر خطی از مقادیر متغیرهای مستقل عمل می کند. بنابراین، تخمین گر OLS وابسته به نحوه استفاده از مقادیر متغیر وابسته است، صرف نظر از اینکه چگونه از مقادیر مستقل استفاده می کند. شبکه بیزین نیز یک مدل گرافیکی احتمالی است که مجموعه ای از متغیرها و وابستگی های مشروط را از طریق یک نمودار آسیکلیک هدایت-شده (DAG) نشان می دهد. این شبکه یک گراف جهت دار غیرمدور است که مجموعه ای از متغیرهای تصادفی و نحوه ارتباط مستقل آنها را نشان می دهد. در واقع شبکه های بیزین می توانند مشکلات تصمیم گیری را در حین عدم اطمینان حل کنند. یافته ها: ضریب تبیین و جذر میانگین مربعات خطا مدل ESP-SAR با روش های کمترین مربعات معمولی و شبکه بیزین به ترتیب 99/0، 71/0 و 98/0، 63/1 برآورد گردید. بر اساس نتایج آماری فوق هر دو مدل قابل قبول هستند. برای مقایسه مقادیر ESP خاک با استفاده از مدل خاک ESP-SAR با مقادیرESP اندازه گیری شده با استفاده از روش آزمایشگاهی، از آزمون t استفاده شد. نتایج آزمون t نشان داد که تفاوت بین مقادیر ESP خاک تخمینی توسط مدل ها و مقادیر اندازه گیری شده با روش های آزمایشگاهی از لحاظ آماری معنی دار نبود (P> 0. 05). بنابراین، مدل های ESP-SAR توسعه یافته می تواند یک روش آسان، اقتصادی و کوتاه برای ارزیابی ESP خاک ارائه دهد. شاخص GMER همچنین تخمین کم دو روش را مورد ارزیابی قرار داد. نتیجه گیری: نتایج مطالعه حاضر نشان داد که مدل های کمترین مربعات معمولی و شبکه بیزین به عنوان مدل های ریاضی بین متغیرهای ورودی و خروجی می توانند درصد سدیم تبادلی را با محدودیت های قابل قبول پیش بینی کنند. همچنین روشOLS نسبت به BS به دلیل ضریب تبیین بالا و ریشه میانگین مربعات خطای کم از کارایی بیشتری برخوردار است.