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.

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.

این پژوهش به دنبال تعیین معیارها و شاخص هایی است که توانایی شرکت در پرداخت سود تقسیمی را می سنجد. پس از بررسی منابع نظری موضوع تعدادی از عوامل که بر سود تقسیمی اثر گذارند، مشخص شدند. بر آن اساس، پنج فرضیه در نظر گرفته شد. برای بررسی این فرضیه ها، ابتدا متغیرهای مورد نظر تعیین و سپس اطلاعات لازم برای نمونه شامل 141 شرکت عضو بورس، طی یک دوره هشت ساله از سال 1387-1380 گردآوری گردید. برای تخمین مدل پژوهش از روش رگرسیون لاجیت استفاده شد. پس از چهار مرحله پالایش، یک مدل بهینه به دست آمد. در هر مرحله، علاوه بر اینکه بهبود مدل آزمون شد، نوع داده ها نیز بررسی گردید. مدل نهایی حاصل که به صورت لاجیت با رویکرد پانل و با اثر ثابت تخمین زده شد، نشان داد از بین عوامل مورد نظر، نا اطمینانی به جریان نقد، مرحله عمر شرکت، فرصت های سرمایه گذاری و سودآوری شرکت بر پرداخت سود تقسیمی اثر گذار هستند. پس از تخمین مدل، با محاسبه اثر حاشیه ای، مشخص شد مرحله عمر شرکت و سودآوری شرکت بیشترین تاثیر را در بین عوامل دارند.

در این مقاله یک تابع جمعی غیرخطی لاجیت برای مدل سازی معادله مشارکت زنان ایران مطابق با داده های هزینه-درآمد خانوار سال 1388 ارایه شده است. در مدل لاجیت غیرخطی از تابع ریاضی پیوسته مانند توانی، نمایی، چند جمله ای و لگاریتمی برای متغیرهایی هم چون درآمد شوهر، تحصیلات، سن زن، ثروت، تعداد بچه بالای شش سال و زیر شش سال استفاده شده است. معادله غیرخطی مشارکت زنان متاهل بر اساس معیارهای مقایسه اقتصادسنجی از جمله آزمون وایت و آماره ضریب لاگرانژ با مدل های لاجیت پارامتریک و ناپارامتریک مقایسه شده است. نتایج مدل سازی نشان می دهد که انتخاب تابع ریاضی مناسب می تواند انطعاف پذیری مناسبی را در مدل سازی دودویی فراهم کند. به طوری که موجب افزایش توانمندی و کاهش خطا مدل سازی نسبت به مدل های لاجیت پارامتریک و ناپارامتریک شده است. هم چنین این رویه مدل سازی همانند مدل ناپارامتریک همسانی واریانس داشته اما، خطای مدل سازی کم تری را نتیجه داده است.

رتبه بندی متقاضیان اعتبار و پیش بینی احتمال عدم بازپرداخت، یکی از اساسی ترین و ضروری ترین اصول مدیریت ریسک در بانک ها و موسسات مالی است؛ به طوری که به آنها این امکان را می دهد که به صورت کارا در مورد اعتبارات و تسهیلات اعطایی خود با کمترین میزان کار اداری تصمیم گیری کنند. در این مقاله یکی از روشهای رتبه بندی با استفاده از مدل های رگرسیونی لاجیت به صورت دو سطحی و سه سطحی و با توجه به نسبتهای مالی شرکتها بررسی شده است. نتایج نشان می دهد در مدل دو سطحی حدود 75 درصد از مشتریان و در مدل سه سطحی حدود 70 درصد مشتریان به درستی دسته بندی شده اند.

لطفا برای مشاهده چکیده به متن کامل (PDf) مراجعه فرمایید.متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.