در این پژوهش ، در در فرمت Word در 53 صفحه ، به بررسی مدلهای کمی در شهرسازی - نمونه موردی استان همدان پرداخته شده است . تصویر زیر ، لیستی از موارد مورد بررسی در این پژوهش می باشد : برای مطالعه و دسترسی به اطلاعات و موارد گردآوری شده در این پژوهش می توانید به فایل تهیه شده ، مراجعه نمایید . در این بخش ، برای آشنایی شما از فرآیند کار ، برخی از بندهای فهرست فوق ، به اختصار مورد نظر قرار میگیرند : ضریب همبستگی - Correlation Coefficient ابزاری آماری برای تعیین نوع و درجه رابطه یک متغیر کمی با متغیر کمی دیگر است. ضریب همبستگی، یکی از معیارهای مورد استفاده در تعیین همبستگی دو متغیر است. ضریب همبستگی شدت رابطه و همچنین نوع رابطه (مستقیم یا معکوس) را نشان میدهد. این ضریب بین ۱ تا ۱- است و در عدم وجود رابطه بین دو متغیر، برابر صفر است. انواع ضریب همبستگی مورد نظر در این بخش ضریب همبستگی پیرسون و ضریب همبستگی اسپیرمن می باشد که به همراه توضیحات مربوط به خود ، دارای نمونه موردی نیز می باشند . در ادامه ضریب همبستگی اسپیرمن آورده شده است : ضریب همبستگی رتبه ای اسپیرمن توسط چارلز اسپیرمن(1945-1863) روانشناس و آماردان انگلیسی در سال 1904 معرفی شد.این ضریب میزان همبستگی رابطه ی میان دو متغیر ترتیبی را نشان می دهد و به عبارت دیگر متناظر ناپارامتری ضریب همبستگی پیرسون می باشد. در این ضریب همبستگی به جای استفاده از خود مقادیر متغیرها از رتبه های آنان استفاده می شود. رابطه ی مربوط به ضریب همبستگی رتبه ای اسپیرمن به صورت زیر تعریف می شود. تفاوت ضریب همبستگی رتبه ای اسپیرمن و ضریب همبستگی پیرسون : برای مشاهده توضیحات مربوط به ضریب همبستگی پیرسون ، به فایل این پژوهش مراجعه نمایید . رگرسیون - در صورتی که بین متغیرها رابطه وجود داشته باشد، می توان آن را با الگوهای ریاضی بیان کرد. معمولا چنین الگویی ممکن است از نوع خطی یا غیر خطی باشد. اگر بتوان الگوی همبستگی را به صورت یک معادله خط نوشت، به آن معادله رگرسیون خطي میگویند. در رگرسیون هدف آن است که با استفاده از معادله رگرسیون و به کمک يك نمونه تصادفي و بعضی روشهای آماری، رفتار متغیر وابسته را با آگاهی از مقادیر و مشخصات متغیرهای مستقل، پیش بینی کنیم. مدل جاذبه ای هنسن مدل نمادی از واقعیت است که مهمترین ویژگی های وضعیت دنیای واقعی را به صورت ساده و کلی بیان می دارد. یک مدل به طور ساده یک توصیف شماتیک ، اما دقیق از سیستم است که ظاهرا با رفتار گذشته آن انطباق دارد و بنابر این ، این امید وجود دارد که بتوان از آن برای پیش بینی رفتار آینده نیز استفاده کرد. مدل هنسن در سال 1959 در آمریکا توسط فردی به نام ”هنسن“ ابداع شد و یکی از نخستین نمونه های کاربردی در امر پیش بینی مکان جمعیت است. مدل هنسن مدلی است جهت تخصیص مازاد جمعیت به مناطق مختلف. مدل هنسن مدلی مکانی است که برای پیش بینی مکان جمعیت طراحی شده است. یعنی تعیین می کند که جمعیت مازاد در آینده در زون های مختلف به چه صورت پخش می شود. این مدل بر این فرض استوار است که دسترسی به اشتغال عامل مهمی در تعیین مکان جمعیت است. در واقع این مدل یک مدل صرفا جاذبه ای نیست، زیرا بر اساس روابط متقابل میان مناطق ساخته نشده است. صحیح تر آن است که این مدل را بعنوان مدل پتانسیلی توصیف نمود. ساختار مدل هنسن براساس تصویر زیر است : تئوری نقطه جاذبه ای (The Breaking-Point Theory) - این نقاط مکان هایی هستند که در یک تعادلند. به طوری که اگر جرم جمعیتی در این مرز قرار گیرد در تعادل است. بدین معنی که تحت نفوذ یکسان بین دو مرکز سکونتی مجاورند. اما در دو طرف نقطه جدایی دیگر شرایط تعادل برقرار نیستو جرم های جمعیتی متمایل به مرکز جمعیتی بزرگتر هستند. این تئوری اولین تغییر و تعدیل در تئوری تاثیر متقابل است. این مدل سعی می کند خط مرز منطقه تحت نفوذ هر دو شهر را از هم مشخص کند. مدلهای تصمیمگیری چند شاخصه - تصمیمگیری شامل بیان درست اهداف، تعیین راهحلهای مختلف و ممکن، ارزیابی امکانپذیری آنان، ارزیابی عواقب و نتایج ناشی از اجرای هر یک از راهحلها و بالاخره انتخاب و اجرای آن میباشد. کیفیت مدیریت اساساً تابع کیفیت تصمیم گیری است زیرا کیفیت طرح و برنامهها، اثربخشی و کارآمدی راهبردها و کیفیت نتایجی که از اعمال آنها بدست میآید همگی تابع کیفیت تصمیماتی است که مدیر اتخاذ مینماید. در اکثر موارد تصمیمگیریها وقتی مطلوب و مورد رضایت تصمیمگیرنده است که تصمیمگیری براساس چندین معیار مورد بررسی قرار گرفته باشد. معیارها ممکن است کمی یا کیفی باشند. در روشهای تصمیمگیری چند معیاره که در دهههای اخیر مورد توجه محقق قرار گرفته است بجای استفاده از یک معیار سنجش بهینگی از چند معیار سنجش استفاده میشود. مدل تصمیمگیری VIKOR - روش ویکور جهت رتبه بندی گزینه های مختلف به کار می رود و بیشتر برای حل مسائل گسسته کاربرد دارد. این روش بر مبنای راه حل های توافقی بر مبنای معیارهای متضاد می باشد. در این مدل همواره چند گزینه مختلف وجود دارد که این گزینه ها بر اساس چند معیار به صورت مستقل ارزیابی می شوند و در نهایت گزینه ها بر اساس ارزش، رتبه بندی می گردند. تفاوت اصلی این مدل با مدل های تصمیم گیری سلسله مراتبی یا شبکه ای این است که بر خلاف آن مدل ها، در این مدل ها مقایسات زوجی بین معیارها و گزینه ها صورت نمی گیرد و هر گزینه مستقلا توسط یک معیار سنجیده و ارزیابی می گردد. روش شباهت به گزینه ایدهآل (Topsis) - واژه TOPSIS مخفف «Techniqe For Order Preferences By Similarty To Ideal» می باشد که در فارسی به «تکنیکی برای مرتب کردن ترجیحات با عنایت به شباهتشان به راه حل ایده آل» برگردانده شده است. روش TOPSIS فاصله بهترین جواب و بدترین جواب را با در نظر گرفتن نزدیکی مبنی بر جواب بهینه، به طور همزمان در نظر می گیرد. تحلیل سلسله مراتبی (Analytical Hierarchy Process) - تحلیل سلسله مراتبی به کمک نرمافزار Expert Choice انجام میشود. به طور کلی روش سلسله مراتبی AHP بر سه اصل استوار است: در این پروژه 8 مورد از مدل های مختلف کمی مورد بررسی قرار گرفته و برای هرکدام از آنها ، نمونه موردی در استان همدان برای فهم دقیق تر شما همراهان گرامی آورده شده است . با توجه حجم بالای مطالب در اینجا ، 2 مورد ضریب همبستگی و مدل جاذبه ای هنسن به اختصار بیان و سایر 6 مورد ، صرفا به بیان تعریف مدل پرداخته شد . برای دستیابی به اطلاعات تکمیلی و مطالعه و یادگیری این مدل ها ، پیشنهاد می شود به این گزارش 53 صفحه ای ضمیمه ، مراجعه کنید.
دیدگاه شما