از موانع عمده برای تولد بنگاه های جدید، عدم کارایی بازار پول و سرمایه کشور جهت تأمین بنگاهها برای شروع فعالیت می باشد. همچنین رشد و سودآوری صنعت بعنوان یک عامل جذب کننده بنگاههای جدید در بخش صنعت ایران عمل می کند.

 

برای دانلود متن کامل پایان نامه به سایت zusa.ir مراجعه نمایید.

 

 

 

 

فصل سوم
روش شناسی تحقیق
۳-۱- مقدمه
تجزیه و تحلیل بقاء یا تحلیل ماندگاری یکی از مباحث علم آمار است که در رشته‌های مختلفی از جمله علوم کامپیوتر، اپیدومیولوژی و کشاورزی کاربرد دارد. تجزیه و تحلیل داده های بقاء یک تکنیک آماری پیشرفته در تجزیه و تحلیل داده های مربوط به زمان وقوع حوادثی چون مرگ می باشد.بر اساس تئوری های این بخش از آمار، برای هر موجود زنده (یا در حال انجام یک فرایند کاری) می توان زمان شکست (مرگ) در نظر گرفت. در تحلیل داده های بقاء، احتمال مرگ در هر لحظه از زندگی موجود زنده و تابع بقاء او محاسبه می شود. مدل های طول عمر، کاپلان مایر و رگرسیون کوکس دارای بیشترین کاربرد در این زمینه می باشند (یوسف نژاد و همکاران، ۱۳۹۰).
تجزیه و تحلیل بقاء اولین بار توسط جان گرانت[۶۹] در سال ۱۶۶۲ و همچنین ستاره شناس معروف، ادموند هالی[۷۰] کاشف ستاره دنباله دار هالی، در قرن ۱۷ و در سال ۱۶۹۳ انجام شده است (پوربهرام آبکنار، ۱۳۸۳). ارتقاء روش های تحلیل داده های بقا به عنوان یکی از حوزه های علم آمار در سال های اخیر بسیار مورد توجه قرار گرفته است. این بدان خاطر است که در بسیاری از موقعیت های عملی، محققین تمایل به بررسی زمان بقا تا رخداد یک واقعه از قبیل تاریخ انقضاء یک ماده یا زمان مرگ یک بیمار و … دارند (رجایی فرد و همکاران، ۱۳۸۸).
معمولاً تحلیل بقاء در زمانی انجام می شود که پیشامد مورد نظر در مورد تعدادی از واحدها رخ نداده است که این واحدها مقادیر سانسور شده را تشکیل می دهند، زیرا قادر به ثبت وضعیت نهایی آن ها نیستیم. در حقیقت وجود این مقادیر سانسور شده است که روش های تحلیل بقاء را از سایر روش های تحلیل متمایز می کند (پور بهرام آبکنار،۱۳۹۰).
به صورت کلی سه روش تحلیل آماری در مطالعات بقا وجود دارد: روش های پارامتریک، ناپارامتریک و نیمه پارامتریک. در این فصل در ابتدا در مورد داده های تاریخچه ای- رویدادی توضیحاتی داده می شود، سپس به معرفی نرم افزار TDA می پردازیم، و در نهایت سه روش تحلیل آماری پارامتریک، ناپارامتریک و نیمه پارامتریک مورد بررسی قرار گرفته و روش های مورد استفاده در این تحقیق تشریح می شوند.
۳-۲- متدلوژی تجزیه و تحلیل داده های تاریخچه ای- رخدادی
این نوع داده ها اغلب مناسبترین نوع اطلاعات تجربی هستند که محقق می تواند راجع به یک فرآیند مورد مطالعه به دست آورد. کولمن[۷۱](۱۹۸۱) این نوع فرآیندها را به شکل زیر توصیف کرده است:
در آنها واحدهایی وجود دارند که از وضعیتی[۷۲] به وضعیت دیگر تغییر می کنند.
این تغییرات یا رخدادها[۷۳] در هر نقطه از زمان می توانند رخ دهند.
تعداد زیادی از عوامل «وابسته به زمان» و عوامل «ثابت در زمان» آنها را تحت تأثیر قرار می دهند.
برای جمع آوری داده ها راجع به یک فرآیند، روش های تحقیقی گوناگونی با توجه به میزان جزئیات جمع آوری شده توسط هر روش مورد استفاده قرار می گیرند. مثلاً می توان روش های مقطعی (Cross-Sectional)، ترکیبی( Panel)، تعداد رخدادها(Event– Count)، توالی رخدادها (Event–Sequence) و تاریخی رخدادی(Event–History) را نام برد. از آنجا که در این تحقیق از داده های تاریخچه ای- رخدادی استفاده شده است، بعد از توضیح مختصری در مورد داده های مقطعی و داده های ترکیبی درباره ی داده های تاریخچه ای- رخدادی توضیحاتی ارائه می شود.
۳-۲-۱- داده های مقطعی[۷۴]
در علوم اجتماعی این نوع داده ها رایج ترین نوع داده ها برای ارزیابی علل رفتار هستند. یک نمونه مقطعی تنها یک تصویر لحظه ای از فرآیند مورد مطالعه است. لحظه ای در زمان که محقق برای ثبت این تصویر انتخاب می کند معمولاً نه فقط به خود فرایند بستگی دارد بلکه تحت تأثیر عوامل خارجی مانند تأمین منابع مالی، یافتن یک مؤسسه برای هدایت و پشتیبانی از تحقیق و….. است. در نمودار ۳-۱– a وضعیت خانوادگی فرد در لحظه مصاحبه بصورت یک نقطه در زمان نشان داده شده است (بلاسفید و راور، ۲۰۰۲: ۵).
۳-۲-۲- داده های ترکیبی[۷۵]
در این نوع تحقیقات اشخاص یا واحدهای یکسانی در چند مرحله مجدداً مصاحبه شده یا مورد بررسی قرار می گیرند. نمودار ۳-۱– b یک Panel چهار مرحله ای را نشان می دهد که در آن سیر وضعیت خانوادگی پاسخگو در چند نقطه مورد سؤال قرار گرفته است. یعنی تنها اطلاعاتی در مورد وضعیت های هر واحد مورد بررسی در نقاط از پیش تعیین شده ای از زمان وجود دارد اما اتفاقات بین این نقاط کماکان ناشناخته باقی می ماند. داده های Panel نسبت به داده های مقطعی عموماً شامل اطلاعات بیشتری است ولی در عین حال دارای اشکالاتی است که از خود روش ناشی می شوند (بلاسفید و راور، ۲۰۰۲: ۱۳).
نمودار ۳-۱ مقایسه بین داده های مقطعی، ترکیبی و تاریخچه ای- رخدادی را نشان می دهد.
نمودار ۳-۱- مشاهده مسیر زندگی یک فرد بر اساس مطالعه مقطعی، ترکیبی و طرح مبتنی بر تاریخچه ای- رخدادی
مأخذ: (بلاسفید و راور، ۲۰۰۲: ۵).
۳-۲-۳- داده های تاریخچه ای- رخدادی[۷۶]
برای فرآیندهای زیادی در علوم اجتماعی به نظر می رسد اندازه گیری مداوم متغیرهای کیفی تنها روش مناسب ارزیابی تغییرات تجربی باشد. همانطور که در نمودار ۳-۱ نشان داده شده است، مزیت عمده این روش آ
ن است که کاملترین داده های ممکن راجع به تغییرات در متغیرهای کیفی را فراهم می کند. داده های تاریخچه ای- رخدادی اغلب از طریق مطالعات زندگینامه ای گذشته جمع آوری شده اند. مطالعات مبتنی بر سوابق این مزیت عمده را نسبت به سایرین دارند که ارزانتر هستند اما در عین حال در مقایسه با اطلاعات مبتنی بر اطلاعات آینده محدودیت های زیادی دارند.
۳-۳- معرفی نرم افزار TDA
TDA یا Transition Data Analysis یک برنامه آماری است که توسط گوتز و اولریش توسعه داده شد و برنامه قدرتمندی است که دسترسی به برخی از پیشرفت ها در تجزیه و تحلیل داده های انتقالی را امکان پذیر می سازد. این برنامه توسط فایل های متنی کنترل می شود، کاربر یک فایل ورودی ایجاد می کند که شامل دستورات برنامه است و با ارجاع دادن به آن فایل ورودی، منتظر می ماند تا برنامه خاتمه پیدا کند و خروجی برنامه را دریافت نماید.یعنی TDA مواردی از قبیل منوها، کلیدها، پنجره ها و … ارائه نمی کند.
یک فایل دستور TDA برای تجزیه و تحلیل داده های تاریخی- رخدادی شامل موارد زیر است:
ارجاع به یک فایل Data و تعریف متغیرها (فایل داده ها و متغیرها)؛
تعیین داده های اصلی تاریخی رویدادی (مثل زمان آغاز و پایان و وضعیت مبداء و مقصد)؛
تعریف نوع مدلی که باید برآورد شود و متغیرهایی که باید استفاده شود (تحلیل ناپارامتری یا نیمه پارامتری).
۳-۴- توزیع های پارامتریک
توزیع های پارامتریک سعی می کنند تا خصوصیات ضروری یک توزیع طول عمر را با استفاده از یک یا دو پارامتر توضیح دهند.(یک پارامتر مکان و یک پارامتر مقیاس). پارامترهای مکان و مقیاس باید از داده هایی برآورد شوند که در مورد آنها فرض شکل تابعی پارامتریک صحیح است. این پارامترها توصیف کننده هازارد پایه ای هستند که باید اطلاعاتی در مورد وابستگی زمان و طول عمر داشته باشد. برخی از مدل های پارامتریک که در تجزیه و تحلیل تاریخچه ای – رخدادی استفاده می شود عبارتند از:
Log- Logistic Model
Log- Normal Model
Weibull Model
Gompertz-Makeham Model
…