شناسایی عواملی که در شدت نتیجه یک تصادف سهیم هستند، به تصمیم گیرندگان و طراحان راه برای اجرای اقدامات اصلاحی که می-تواند شدت جراحت و هزینه تصادف را کاهش دهد، کمک می کند. با توجه به این مورد، هدف از این تحقیق شناسایی عواملی است که در شدت تصادفات راه های برونشهری سهیم هستند. امروزه محققین از مدلسازی آماری و ریاضیاتی برای حل مسئله پیچیده ایمنی-راه استفاده می کنند. در این راستا، مدلهای انتخاب گسسته بصورت گسترده برای مدلسازی شدت تصادف بکار می روند. از این مدلها، عوامل سهیم در شدت تصادفات شناسایی می شوند. مدل لوجیت چندجمله ای ((MNL)) متداولترین مدل انتخاب گسسته برای مدلسازی شدت تصادف است. در این تحقیق به منظور شناسایی عوامل موثر در شدت تصادفات راه های برونشهری از مدل (MNL) استفاده شد. برای مدلسازی، از داده های یک دوره 5 ساله از تصادفات برونشهری استان ایلام استفاده شده است. متغیرهای ورودی در مدل پس از انجام ارزیابی معناداری انتخاب شدند. این متغیرها شامل سن کم، سرعت زیاد، مصرف الکل، برخورد جلوبه جلو، وجود کیسه هوا، پرت شدن از خودرو، بستن کمربندایمنی، فاصله خیلی نزدیک با خودروی جلویی، جنس راننده و وقوع تصادف در قوس بود. پس از انتخاب متغیرها، دقت مدل نیز مورد بررسی قرار گرفت. برای معتبرسازی مدل از نسبت لگاریتم درستنمایی و دقت پیشبینی مدل در هر سطح شدت استفاده شد. پس از ارزیابی دقت مدل در پیشبینی شدت تصادفات، مشخص شد که مدل برای ارزیابی شدت تصادفات نتایج قابل قبولی ارایه می دهد و مشخص شد که بجز متغیرهای قوس و فاصله نزدیک، تمامی متغیرهای انتخابی در شدت تصادفات سهیم هستند.

تصمیم گیری مناسب برای انتخاب مکان واحدهای مسکونی توسط مدیران شهرها، شرکت های ساخت و ساز مسکن، مراکز تفریحی و آموزشی، مستلزم شناخت ترجیحات خانوارها در این حوزه است. هدف این مقاله، بررسی عوامل موثر بر انتخاب مکان مسکونی و اندازه گیری میزان اثرگذاری این عوامل بر احتمال انتخاب می باشد. برای این منظور، از مدل انتخاب گسسته لاجیت چندجمله ای، استفاده شد و مناطق شهر، براساس ارزش معاملاتی املاک محلات، دسته بندی و از طبقه ها به صورت تصادفی، براساس تراکم مسکونی و در کل از 383 خانوار، نمونه گیری شد. نتایج نشان دادند ویژگی های اقتصادی خانوار، از جمله درآمد، قیمت و اجاره بهای واحد مسکونی، بعد خانوار، ویلایی یا آپارتمانی بودن، دسترسی مراکز تفریحی و آموزشی، زمان و هزینه های رفت وآمد، از عوامل تعیین کننده هستند. براساس یافته های این تحقیق اثبات شد که رفتار و ترجیحات خانوارهای محلات مختلف، یکسان نمی باشد؛ برای مثال افزایش قیمت و اجاره بها در محلات با ارزش معاملاتی پایین، اثر منفی بر انتخاب داشته، ولی در محلات با ارزش بالاتر، به عنوان بهبود کیفیت واحد مسکونی، تلقی شده و احتمال انتخاب، افزایش یافته است، همچنین گرایش به واحدهای آپارتمانی در محلات با ارزش بالا، بیشتر از محلات ارزان قیمت می باشد. توجه به تفاوت های رفتاری خانوارها در انتخاب واحدهای مسکونی در محلات مختلف توسط ذی نفعان، ذی نفوذان و ذی ربطان، بسیار مهم است.

در این مقاله، یک روش مدل سازی لاجیت ناپارامتری برای تخمین احتمال مشارکت کار زنان ایران مطابق با داده های هزینه- درآمد خانوار سال 1388، معرفی شده است. تابع لجستیک برای احتمال مشارکت زنان به کمک روش حداکثر درست نمایی بر اساس متغیرهایی مانند موقعیت جغرافیایی (شهری/ روستایی) درآمد شوهر، سواد زن، سن زن، درآمد غیرکاری، تعداد بچه بالای شش سال و زیر شش سال برازش شده است. دقت مدل سازی دو الگوی لاجیت پارامتری و ناپارامتری با استفاده از آماره هایی مانند وایت، ضریب اطمینان و میانگین مجذور خطا ارزیابی شده است. در انتها، اثر نهایی متغیرهای ورودی بر احتمال مشارکت زنان بر اساس ضرایب برازش شده مدل پارامتری و مدل ناپارامتری ارایه شده، برآورد شده است. نتایج حاکی از آن است که مدل سازی ناپارامتری دقت بیشتری نسبت به الگوی لاجیت پارامتری دارد. بیشترین تاثیر مثبت و منفی بر مشارکت زنان ایرانی به ترتیب بر اساس سواد زن و بچه زیر شش سال بوده است.

یکی از ابزارهای مورد استفاده برای تصمیم به سرمایه گذاری در یک شرکت، مدلهای پیش بینی ورشکستگی است. هدف از این تحقیق ارایه بهترین مدل ورشکستگی شرکتها در ایران است. برای این منظور از مدل لاجیت استفاده شد و مدلی جهت پیش بینی ورشکستگی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران ارایه گردیده است. جامعه آماری برای انجام تحقیق شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در دوره زمانی از سال 1382 تا 1386 می باشد. برای انجام تحقیق ابتدای نمونه ای شامل 40 شرکت متشکل از 20 شرکت ورشکسته و 20 شرکت غیر ورشکسته انتخاب گردیده است به منظور طراحی مدل ابتدا از 9 نسبت مالی استفاده شد. بر اساس نتایج تحقیق، مدل لاجیت با متغیرهای توضیحی سرمایه در گردش بر کل دارایی، دارایی جاری بر بدهی جاری و سود ناویژه بر فروش که به ترتیب نسبتهای نقدینگی، نقدینگی و سودآوری می باشند، بیشترین قدرت پیش بینی را نسبت به ورشکستگی شرکتها در ایران دارا می باشند. دقت پیش بینی مدل برای سال ورشکستگی 87.5 درصد و برای یک سال قبل از ورشکستگی 72.5 درصد و برای دو سال قبل 52.5 درصد می باشد. بنابراین تحقیق حاضر نشان می دهد که روند ورشکستگی شرکتها در ایران، یک فرآیند تدریجی و درازمدت نیست، بلکه شرکتها تحت تاثیر نوسانات اقتصادی و متغیرهای سیاستی، در کوتاه مدت، دچار ورشکستگی می گردند.

برنامه ریزی مناسب مدیران شهری، شرکت های ساخت وساز مسکن و سازمان های مربوط به املاک و اراضی شهری برای انتخاب مکان احداث واحدهای مسکونی مستلزم شناخت ترجیحات خانوارهای مالک نشین در این حوزه است. در این پژوهش، هدف بررسی عوامل موثر بر انتخاب کیفیت مسکن و مکان مسکونی و میزان اثرگذاری هر کدام از این عوامل بر احتمال انتخاب است. بدین منظور از روش ارزشگذاری انتخاب تجربی (CEM) استفاده شد و برای ارزش های مدنظر بر پایه نظریه مطلوبیت تصادفی (RUT) از مدل انتخاب گسسته لاجیت چندجمله ای ((MNL))، استفاده و به صورت تصادفی از 300 خانوار در شهر اصفهان، نمونه گیری شد. داده ها با استفاده از پرسشنامه های انتخاب تجربی و مصاحبه رودر رو، جمع آوری و با استفاده از نرم افزار EXCEL و STATA تجزیه وتحلیل شدند. نتایج نشان دادند اثر نهایی متغیر افزایش امکانات و تسهیلات محیطی و خارج از فضای داخلی مسکن، بیشترین تاثیر را در احتمال انتخاب مسکن دارد و بعد از آن، متغیر اندازه در انتخاب مسکن بسیار تاثیرگذار است. براساس یافته های این تحقیق، مشخص شد رفتار و ترجیحات خانوارهای مختلف، عمدتا با اولویت دادن به شاخص های مکان (موقعیت) مسکونی در مقابل کیفیت مسکن بود که در برنامه ریزی های شهری بسیار حایز اهمیت است.

فرضیات مختلف رفتاری رانندگان در انتخاب مسیر موجود است که یکی از زمینه های توسعه مدل های انتخاب مسیر رانندگان می باشند. معمولا انتخاب مسیر بر اساس هزینه عمومی هر گزینه (مسیر) انتخابی صورت می گیرد که البته بصورت قطعی قابل تعیین نیستند. مفهوم عدم قطعیت مدل های انتخاب، منجر به استفاده از مدل های احتمالی و در راس آنها مدل های لاجیت در تخصیص ترافیک شده است. شرط استقلال گزینه های نامرتبط در مدلهای لاجیت-که در مدل لاجیت چندجمله ای نقض می شد-در تحقیقات متعدد، پیشرفت و توسعه مدل های لاجیت جدید را در پی داشته است که از آن به مدل های لاجیت توسعه یافته یاد می شود. در این تحقیق ضمن جمع آوری مبانی ریاضی مدل لاجیت چندجمله ای به همراه مدل های لاجیت توسعه یافته، این مدل ها بصورت یک جا روی شبکه آلسوپ اجرا و پیاده سازی شد تا امکان سنجی و مقایسه ای بین نتایج آنها صورت گیرد. نتیجه مقایسه، تفاوت در خروجی های مدل های لاجیت مختلف در حجم های تقاضای میانی بوده است؛ به نحوی که در حجم های پایین تقاضا و در حجم های بالای تقاضا (در حدود دو برابر حجم های پایین تقاضا) تفاوتی در نتایج مدل های مختلف وجود ندارد. جدا از امکان مقایسه و تحقیق نتایج این مدل ها روی یک شبکه، بحث پیاده سازی و بکارگیری الگوریتم بارگذاری شبکه، استفاده از توابع هزینه وابسته به حجم، ساختار الگوریتم متوسط متوالی و اثرات تقاطعات نیز در این تحقیق مدنظر قرار گرفته است.

یکی از مراحل مهم در اجرای طرح جامع مالیاتی، انجام حسابرسی بر مبنای ریسک است. این امر موجب کاهش چشم­گیر هزینه­های حسابرسی مالیاتی و صرفه­جویی در زمان می­شود. حسابرسی بر مبنای ریسک نیازمند شناسایی سطح ریسک هر مؤدی مالیاتی می باشد؛ لذا تبیین مدلی جامع و کامل جهت شناسایی درجه ریسک مؤدیان مالیاتی یکی از گام های اساسی در اجرای طرح جامع مالیاتی می­باشد. جامعه آماری این پژوهش شرکت­های پذیرفته شده در بورس اوراق بهادار تهران هستند که طی سالهای 1392 تا 1397 فعال بوده اند و برای انتخاب نمونه از روش غربالگری (حذفی (استفاده شده است. در این پژوهش ابتدا با استفاده از تکنیک دلفی و متا سنتز 164 مؤلفه مؤثر در اعتبارسنجی مؤدیان مالیاتی شناسایی گردید. درگام بعد داده­های مورد نیاز برای اندازه­گیری متغیرهای پژوهش از سایت کدال و با بررسی پرونده های مالیاتی طی سال­های 1397-1392 استخراج شد و در نهایت با استفاده از داده­های جمع آوری شده به بررسی میزان دقت دو مدل شبکه عصبی و رگرسیون لاجیت در اعتبارسنجی مؤدیان مالیاتی پرداختیم. یافته­ها نشان داد که هرچند مدل لاجیت در شناسایی مؤدیان پر ریسک توان بیشتری دارد، ولی در سایر موارد تشخیص مناسبی ندارد و در مجموع بر اساس نتایج حاصل از مقدار AUC[1] مدل شبکه عصبی برازش بهتری دارد.