پرازش مدل به درآمد شهرداری و بررسی پارامترهای تشکیل دهنده این درآمد

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 پرازش مدل به درآمد شهرداری و بررسی پارامترهای تشکیل دهنده این درآمد دارای ۱۳۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پرازش مدل به درآمد شهرداری و بررسی پارامترهای تشکیل دهنده این درآمد  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی پرازش مدل به درآمد شهرداری و بررسی پارامترهای تشکیل دهنده این درآمد،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پرازش مدل به درآمد شهرداری و بررسی پارامترهای تشکیل دهنده این درآمد :

بخشی از فهرست پرازش مدل به درآمد شهرداری و بررسی پارامترهای تشکیل دهنده این درآمد

مقدمه ۱

فصل اول
۱-۱ سری زمانی و کاربردهای آن ۲
۲-۱ هدف تجزیه و تحلیل سری زمانی ۳
۳-۱ تعاریف ۴
۱-۳-۱ انواع تغییرات سری زمانی ۴
۲-۳-۱ پیش بینی ۵
۳-۳-۱ خطای پیش بینی ۵
۴-۳-۱ استراتژی الگو سازی ۶
۴-۱ مراحل تجزیه و تحلیل سری زمانی ایستا ۸
۱-۴-۱ رسم نمودار زمانی سری ۸
۲-۴-۱ بررسی پایایی سری زمانی ۸
۱-۲-۴-۱ برازش منحنی ۹
۲-۲-۴-۱ پالایش ۱۱
۳-۲-۴-۱ تفاضل گیری ۱۱
۳-۴-۱ رسم همبستگی نگار ۱۲
۴-۴-۱ روش های پیش بینی مدل مناسب برای برازش به داده ها ۱۳
۱-۴-۴-۱ روش های کیفی پیش بینی ۱۳
۲-۴-۴-۱ روش های کمی پیش بینی ۱۳
۳-۴-۴-۱ باکس-جنکینز ۱۴
۵-۴-۱ مناسبت مدل برازش شده ۱۴
۱-۵-۴-۱ بررسی خودهمبستگی خطاهای پیش بینی ۱۴
۲-۵-۴-۱ رسم مقدار واقعی در مقابل مقدار پیش بینی ۱۴
۳-۵-۴-۱ رسم نمودار احتمال نرمال خطاهای پیش بینی ۱۵
۵-۱ مدل فضای حالت ۱۶

فصل دوم
۱-۲ معرفی داده ها ۱۹
۲-۲ رسم نمودار زمانی داده ها ۲۴
۱-۲-۲ بررسی مانایی واریانس ۲۶
۲-۲-۲ بررسی مانایی میانگین ۲۸
۳-۲ برآورد روند داده ها ۳۱
۴-۲ پیش بینی مدل برازش شده به داده ها ۳۵
۵-۲ پیش بینی ۴۵

فصل سوم
۱-۳ طرح و مقایسه میانگین ها ۴۷
۲-۳ اصول کلی تجزیه واریانس ۴۸
۳-۳ خطای آزمایش ۵۲
۴-۳ طرح های کاملا تصادفی ۵۴
۱-۴-۳ مقدمه ای بر طرح کاملا تصادفی ۵۴
۲-۴-۳ مدل طرح کاملا تصادفی ۵۵
۳-۴-۳ عملیات آماری طرح و فرمول های وابسته ۵۶
۵-۳ روش های مقایسه میانگین ۶۱
۱-۵-۳ آزمون LSD 61
۲-۵-۳ آزمون دانت ۶۲
۳-۵-۳ آزمون دانکن ۶۲
۴-۵-۳ آزمون استیودنت-نیومن-کویلز ۶۲
۵-۵-۳ آزمون توکی ۶۲

فصل چهارم
۱-۴ مقایسه میانگین ها ۶۳
۲-۴ رسم جدول آنالیز واریانس ۷۲
۳-۴ آزمون معنی ۷۳
۱-۳-۴ مراحل انجام آزمون دانکن ۷۳
۴-۴ نتیجه ۷۵
۱-۴-۴ کلاس بندی میانگین ها ۷۵

منابع ۷۷

ضرورت مطالعه و شناخت علوم و معارف انسانی و اجتماعی بر کسی پوشیده نیست.تحولات و تکامل مداوم این علوم و معارف و درک و ارزیابی و کاربرد آن ها را در دنیای پر شتاب امروزی پیچیده تر ساخته است.لذا صاحب نظران و اندیشمندان علوم مذکور به این عقیده رسیده اند که برای بررسی همه جانبه ابعاد مختلف آن ها مناسب است که هر یک به صورتی مستقل و به شکلی تخصصی تدوین شوند.
علم آمار نیز یکی از این علوم است که کاربردهای فراوان در زمینه های مختلف دارد و به عنوان یک زیر مجموعه از علوم ریاضی است.
علم آمار نیز مانند سایر علوم دارای مباحث پیچیده و گسترده مختلف است اما آم چه توجه ما را ازمیان مباحث مختلف این علم به خود جلب کرده سری های زمانی است که هدف و کاربرد مهم آن پیش بینی برای آینده می باشد.در دنیای مدرن و تکنولوژیک امروز که تمام سیاست گذاری های کلان بر اساس یک برنامه و روند از پیش تعیین شده جهت کنترل نتایج اعم از شکست یا موفقیت این سیاست ها می باشد که در زمینه های مختلفی چون سیاسی و اقتصادی و اجتماعی و … طرح ریزی شده نیاز به این علم بیش از پیش آشکار می شود.سری های زمانی این امکان رابرای ما فراهم می کند تا با استفاده از داده های امروز نتایج نسبتا دقیقی را در زمینه های مختلف برای آینده پیش بینی کنیم و در حقیقت این مساله هدف اصلی ما جهت استفاده از سری های زمانی در پروژه کارشناسی بوده که در آن به بررسی میزان درآمد ماهیانه یکی از ارگان های دولتی و پیش بینی این میزان درآمد در یک سال آینده پرداختیم و در کنار این پیش بینی با استفاده از مبحث طرح آزمایش ها پارامترهایی را که دارای بیشترین سهم در این درآمد ماهیانه می باشند تعیین کردیم.

هدف ما از انجام این پروژه بررسی میزان درآمد شهرداری منطقه ۱۸ تهران بوده که به این منظور توسط درخواست های مکرر داده های در آمدی که به صورت ماهیانه از ۴۱ پارامتر مجزا کسب می شود از مدت ۲۸ ماه پیش در اختیار ما قرار گرفت و این امکان به ما داده شد تا در این پروژه با داده هایی کاملا واقعی و به روز کار نماییم.
ما در این پروژه برای انجام بررسی های مختلف روی داده ها از مباحث سری زمانی جهت برازش مدل به داده ها وتعیین پارامترها و در نهایت پیش بینی درآمد وصولی شهرداری تا پایان سال ۱۳۸۷ و هم چنین از طرح آزمایش ها جهت انجام مقایسه بین میانگین درآمد های کسب شده توسط هر یک از ۴۱ پارامتری که به عنوان منابع درآمد شهرداری در این ۲۸ ماه تعیین شده اند و مشخص کردن پارامترهایی که بیشترین سهم را در کسب این درآمد دارا می باشند استفاده کردیم.
نتایج به دست آمده از بررسی های بالا حاکی از برازش یک مدل ARIMA(3,3,2) به داده ها بوده و پیش بینی ماه های مرداد تا اسفند ۸۷ در پایان فصل دوم آورده شده است و موثرترین پارامتر در کسب درآمدهای وصولی شهرداری در طی ۲ سال گذشته تغییر کاربری افزایش تراکم بوده است.
نرم افزارهای مورد استفاده در این پروژه عبارتند از:
SPSS 16,MINITAB 15,EXCEL 2007,WORD 2007

ضرورت مطالعه و شناخت علوم و معارف انسانی و اجتماعی بر کسی پوشیده نیست.تحولات و تکامل مداوم این علوم و معارف و درک و ارزیابی و کاربرد آن ها را در دنیای پر شتاب امروزی پیچیده تر ساخته است.لذا صاحب نظران و اندیشمندان علوم مذکور به این عقیده رسیده اند که برای بررسی همه جانبه ابعاد مختلف آن ها مناسب است که هر یک به صورتی مستقل و به شکلی تخصصی تدوین شوند.
علم آمار نیز یکی از این علوم است که کاربردهای فراوان در زمینه های مختلف دارد و به عنوان یک زیر مجموعه از علوم ریاضی است.
علم آمار نیز مانند سایر علوم دارای مباحث پیچیده و گسترده مختلف است اما آم چه توجه ما را ازمیان مباحث مختلف این علم به خود جلب کرده سری های زمانی است که هدف و کاربرد مهم آن پیش بینی برای آینده می باشد.در دنیای مدرن و تکنولوژیک امروز که تمام سیاست گذاری های کلان بر اساس یک برنامه و روند از پیش تعیین شده جهت کنترل نتایج اعم از شکست یا موفقیت این سیاست ها می باشد که در زمینه های مختلفی چون سیاسی و اقتصادی و اجتماعی و … طرح ریزی شده نیاز به این علم بیش از پیش آشکار می شود.سری های زمانی این امکان رابرای ما فراهم می کند تا با استفاده از داده های امروز نتایج نسبتا دقیقی را در زمینه های مختلف برای آینده پیش بینی کنیم و در حقیقت این مساله هدف اصلی ما جهت استفاده از سری های زمانی در پروژه کارشناسی بوده که در آن به بررسی میزان درآمد ماهیانه یکی از ارگان های دولتی و پیش بینی این میزان درآمد در یک سال آینده پرداختیم و در کنار این پیش بینی با استفاده از مبحث طرح آزمایش ها پارامترهایی را که دارای بیشترین سهم در این درآمد ماهیانه می باشند تعیین کردیم.
فصل اول

۱-۱) سری زمانی و کاربردهای آن

تجزیه وتحلیل سریهای زمانی به دادههایی مربوط میشود که مستقل نبوده و بطور متوالی به هم وابسته اندو این وابستگی بین مشاهدات متوالی مورد توجه قرار میگیرد.این مبحث حوزه وسیعی از آمار علمی را تشکیل میدهد و در تحقیقات و مقالات و کاربردها سهم زیادی دارد
یکی از کاربردهای اصلی آن در پیش بینی است و در این مورد روش باکس-جنکینز که در سالهای ۱۹۶۰ توسعه یافت توجه دیگران را بیش از پیش به خود جلب کرد.
به مجموعه ای از مشاهدات که بر حسب زمان جمع آوری شده باشند سری زمانی گوییم.
ما فقط سری های زمانی گسسسته را در نظر میگیریم.داده هایی که از مشاهدات یک پدیده در طول زمان به دست می آیند بسیار متداول هستند.در کسب و کار و اقتصاد,میزان بهره هفتگی , قیمت سهام در بازار بورس , شاخص های قیمت ماهانه , ارقام فروش سالانه و….را مشاهده میکنیم.در کشاورزی ارقام سالانه مربوط به محصول و تولید دام و فرسایش خاک و فروش صادرات را ثبت میکنیم.در هواشناسی بیشترین وکمترین درجه حرارت روزانه و باران سالانه و شاخص های خشکسالی و سرعت های باد در ساعات مختلف را مشاهده میکنیم.فهرست زمینه هایی که در آن سری زمانی مشاهده شده و تجزیه و تحلیل میشود بی پایان است.هدف تجزیه و تحلیل سریهای زمانی معمولا دو تا است :درک یا به مدل درآوردن مکانیسمی که منجر به مشاهده سری میشود وپیش بینی مقادیر آینده سری بر مبنای گذشته آن.

۲-۱) هدف تجزیه و تحلیل سری زمانی

این اهداف را میتوان به ۴ دسته تقسیم کرد:

۱) توصیف((Description
۲) مدل سازی(Modeling)
۳) پیش بینی (Forecasting)
۴) کنترل (Contorol)

حال مختصرا به تعریف این ۴ هدف می پردازیم:
۱) هدف به دست آوردن معیارهای ساده است که خصوصیت اصلی داده ها را توصیف نماید.یکی از راههای انجام این کار ترسیم است.(از دسته آمارهای توصیفی است که در آن نمودار و جدول و میانگین و واریانس و…وجود دارد.)
۲) سریهای زمانی را یک نوع فرآیند تصادفی توصیف میکنند.یافتن یک مدل آماری مناسب برای توصیف فرایندی که این داده ها را تولید کرده است ممکن است هدف تحلیل یک سری زمانی باشد.(به عنوان مثال اگر در فرآیند بخواهیم مدل زنجیر مارکف را برازش دهیم و نشود به سراغ سری ها میرویم.مدل ها ممکن است یک متغیره یا چند متغیره باشند.مدل های یک متغیره بر اساس داده های گذشته بنا می شوند در حالیکه مدل های چند متغیره نه تنها بر اساس داده های گذشته بلکه بر اساس داده های حال نیز میباشند,البته یک مدل داده ها را تقریب میزند مدل سازی یک هنر است.
۳) هدف یک تحلیل سری زمانی ممکن است پیش بینی مقادیر اینده سری باشد.معمولا در سریهای زمانی اقتصادی و صنعتی پیش بینی مقادیر آینده دارای اهمیت است.در بسیاری از زمینه ها پیش بینی دارای ارتباط نزدیکی با کنترل است.
مثلا در یک سازمان تولیدی میخواهند بررسی نمایند که آیا به اهداف مورد نظر خواهند رسید یا نه؟
۴) پیش بینی خود موجب خواهد شد که تحلیل کننده سری زمانی به تصمیم گیری مناسب برای کنترل یک فرآیند دست یابد.

۳-۱) تعاریف

روش های تحلیل سری زمانی دو دسته است :

۱) سری زمانی در قلمرو زمان
۲) سری زمانی در قلمرو فراوانی

سری زمانی در قلمرو زمان :
ارتباط بین مقادیر سری زمانی در زمان های متفاوت مورد بررسی قرار می گیرد مثلا ارتباط بین مقادیر در زمان t با مقادیر در زمان s مورد مطالعه قرار می گیرد که این روش بیشتر برای تحلیل سری های زمانی مربوط به تجارت و مسائل اقتصادی – اجتماعی کاربرد دارد .