اصلاح نهادها با هدف بهبود رفاه جامعه از اهداف سیاست گذاران اقتصادی محسوب می شود. در این تحقیق کارایی شرکت های بیمه و اثر اصلاح نظام نرخ دهی و تعرفه (تغییر نهادی) در سال 1388 تجزیه و تحلیل شده است. برای این منظور در مرحله اول کارایی شرکت های بیمه طی سال های 1390-1382 با رویکرد ترکیبی گرام-اشمیت و تحلیل پوششی داده ها محاسبه شده است. در این مرحله ابتدا همبستگی بین متغیرهای مدل توسط الگوریتم گرام- اشمیت کاهش پیدا کرده و سپس اندازه کارایی شرکت ها توسط مدل-MSBM  که توانایی مواجهه با اعداد منفی را دارد - محاسبه شده است. در مرحله دوم توسط مدل GEE اثر آزادسازی نظام تعرفه و دیگر متغیرهای محیطی توضیح دهنده بر کارایی شرکت های بیمه طی 9 سال بررسی گردیده است. نتایج تحقیقات نشان داد که اصلاح نظام تعرفه بر کارایی شرکت های بیمه اثر منفی داشته و باعث افت کارایی شرکت های بیمه شده است. در انتها راه کارهای مناسب برای برون رفت از وضع موجود پیشنهاد شده است.

هدایت هیدرولیکی اشباع خاک (Ks) از جمله مهمترین خصوصیات فیزیکی و هیدرولیکی مورد نیاز در مدل سازی های آب-خاک است. به علت وقت گیر و پرهزینه بودن ذاتی اندازه گیری Ks، برآورد آن از خصوصیات فیزیکی و شیمیایی اولیه، ارزان و سهلل الوصول اندازه گیری شده خاک اهمیت بسیار زیادی دارد. در دو دهه اخیر، گسترش روش های برآورد تحت عنوان توابع انتقالی، که از متغیرهای کمکی سهلل الوصول بهره می گیرند، نقطه عطفی در مطالعات خاک بوده است. تحقیق حاضر جهت (1) بسط و توسعه توابع انتقالی مختلف و (2) ارزیابی و مقایسه مدل های توابع انتقالی براساس رگرسیون آماری و شبکه عصبی مصنوعی در برآورد Ks در زیرحوزه رودخانه زاینده رود واقع در استان چهارمحال و بختیاری انجام شد. کل داده ها به دو زیر مجموعه، شامل داده های مدل سازی (86=n) و ارزیابی (25=n) تقسیم شدند. ریشه میانگین مربعات خطا (RMSE)، میانگین خطا (ME) و درصد بهبود نسبی (RI) به عنوان شاخص های ارزیابی مورد استفاده قرار گرفتند. مدل های توابع انتقالی براساس شبکه عصبی مصنوعی تخمین قابل اطمینان تری نسبت به توابع انتقالی براساس رگرسیون آماری ارائه دادند.

هدف: تحلیل پوششی داده ها تکنیکی برای تحلیل عملکرد و سنجش میزان کارایی نسبی واحدهای تصمیم ­گیرنده با استفاده از برنامه ریزی خطی می باشد. در اکثر موارد، مدل­ های DEA واحدهای ناکارا را با استفاده از نقاط مرجع روی مرز مجموعه امکان تولیدی که کارایی پاراتو نیستند، ارزیابی می کنند؛ بنابراین، این مدل ها معمولا وزن های صفر را برای مضرب ها بهینه ارایه می ­دهند، درنتیجه، نمرات کارایی به دست آمده از این واحدها، تمام منابع ناکارایی را توجیه نمی کند. هدف ما در این مقاله ارایه مدلی است که وزن های غیرصفر را تولید کنند.روش شناسی پژوهش: مساله­ وزن های غیرواقعی اساسا با روش های محدودیت وزنی حل شده است. محدودیت وزنی در مدل های DEA از دیدگاه های مختلف موردمطالعه قرار می­ گیرد. برخی از نویسندگان عمدتا از مدل های نسبت مخروطی یا مدل های ناحیه اطمینان استفاده کرده اند که محدودیت هایی را بر وزن ها اعمال می ­کنند. چنین محدودیت ­هایی نیاز به اطلاعات یا قضاوت­ های کارشناسان دارند. در نبود هرگونه اطلاعات از متخصصان یا اطلاعات هزینه/قیمت برای تعیین کران های وزن، مجبور هستیم تا از یک معیار فرعی برای انتخاب وزن، میان وزن های بهینه دگرین استفاده کنیم. در مدل پیشنهادی برای رسیدن به اهداف خود بر روی وزن­ های مدل، محدودیت اعمال می ­کنیم به ­طوری­ که نیاز به اطلاعات اولیه ندارد. این مدل وزن­ های مثبت تولید می­ کند و درعین حال از تجانس شدید بین وزن ­ها جلوگیری می­ کند.یافته ها: در این مقاله یک روش یک ­مرحله ای بر پایه مدل BBC و با اعمال محدودیت وزنی، برای ارزیابی عملکرد کارایی نسبی واحدهای تصمیم گیرنده ارایه شده است که وزن ­های غیر صفر را تضمین می­ کند و از تشابه وزن­ ها جلوگیری می ­کند. به­ علاوه نشدنی بودن مدل رخ نمی ­دهد. مدل پیشنهادی، نیاز به هیچ گونه اطلاعات اولیه روی وزن­ ها درطبقه بندی واحدها ندارد و این موضوع پیچیدگی مساله را کاهش می دهد.اصالت/ارزش افزوده علمی: برای تاکید بر قوت روش پیشنهادی، مدل معرفی ­شده بر روی دو مثال پیاده سازی شده و با نتایج حاصل از مدل­ های استاندارد BCC، رامون و همکاران [1] مقایسه می گردد. نتایج حاصل حاکی از عملکرد بهتر مدل پیشنهادی است.

محاسبه وزن مواد بار کوره های ذوب، اغلب از راه موازنه جرم ساده عناصر آلیاژی در مواد ورودی و مذاب خروجی انجام می شود. اما در فرایندهای ذوب، پیچیدگی ها و پدیده های گوناگونی هست که اغلب در محاسبات موازنه جرم نادیده گرفته می شود و سبب عدم اطمینان در محاسبه بار کوره می گردد. خطای محاسبه، باعث اصلاح چندباره ذوب، تأخیر در تخلیه، افزایش هزینه و کاهش کیفیت مذاب می شود. در پژوهش حاضر تلاش بر این بوده که پیچیدگی ها و جنبه های مهم مساله ذوب، که اغلب نادیده گرفته شده، در کوره شناسایی و در یک مدل ریاضی مناسب درنظر گرفته شود. هدف پژوهش حاضر توسعه مدلی است، که نه تنها وزن مواد اولیه برای ترکیب شیمیایی ذوب هدف را بهینه سازی کند، بلکه هدررفت ناهمگن عناصر آلیاژی، ناخالصی های غیرفلزی مواد بار، و اصلاح ذوب اولیه در کوره را نیز درنظر بگیرد. این مقاله، یک مدل بهینه سازی استاندارد و یک الگوریتم حلقه ی تکرار برای موازنه جرم غیرخطی مساله ذوب ارایه می کند. یک مساله ذوب آلیاژ برنج با 7 عنصر آلیاژی و 8 نوع مواد بار در مقیاس صنعتی طرح و بررسی گردید، تا کارکرد مدل را مورد آزمایش قرار دهد. نتایج عددی مدل کسر وزنی مواد اولیه، و وزن و ترکیب شیمیایی ذوب اصلاح شده را با کمترین هزینه مواد نشان می دهد. تحلیل بهینه بودن جواب، تایید کرد که کمترین مقدار هزینه به دست آمده است. مدل استاندارد غیرخطی، ابزاری قابل اعتماد و سریع برای بهینه سازی هزینه و محاسبه بار کوره است که پتانسیل های قابل توجهی برای کاهش هزینه و تسهیل اتوماسیون صنعتی فرایند ذوب ایجاد می کند.

مقدمه و هدف: داده های گمشده در بسیاری از مطالعات آماری از جمله مدل های رگرسیونی وجود دارند و باعث کاهش دقت برآورد می شوند. تاکنون روش های گوناگونی برای مقابله با مشکل داده های گمشده ابداع شده که عموما بر داده های گمشده متغیر پاسخ متمرکز بوده است حال آنکه متغیرهای پیشگو نیز می توانند دستخوش تغییر و از دست رفتن اطلاعات شوند. مواد و روش ها: در این تحقیق ضمن بررسی روش جانهی داده های گمشده با استفاده از الگوریتم EM و متغیر کمکی، نتایج حاصل از این روش را با روش تحلیل مورد کامل در یک مدل رگرسیون لجستیک پیرامون عوامل موثر بر انتخاب نوع زایمان مقایسه می کنیم.یافته ها: داده های مورد استفاده در این مقاله از یک مطالعه توصیفی پیرامون عوامل مرتبط با انتخاب نوع زایمان در زنان مراجعه کننده به مراکز بهداشتی و درمانی شهر تهران بدست آمده است. حجم نمونه در این تحقیق 385 نفر بوده و از روش نمونه گیری چند مرحله ای انتخاب شدند و مشخصات فردی، سوابق مامایی، نوع نگرش و عوامل اجتماعی نمونه ها از طریق پرسشنامه ثبت شدند. برای مقایسه میزان کارایی دو روش، برآورد انحراف معیار پارامترها مورد استناد قرار گرفت.بحث و نتیجه گیری: نتایج حاصل نشان می دهد روش تحلیل درستنمایی با الگوریتم EM در مقایسه با روش مورد کامل کارایی بهتری دارد. مشکل داده های گمشده در بسیاری از مطالعات آماری وجود دارد و موجب اریبی و کاهش کارایی می شوند. در این بررسی نشان داده ایم استفاده از الگوریتم EM برای جانهی گمشده ها در یک مدل رگرسیون لجستیک با متغیرهای توضیحی گسسته و سپس تحلیل مدل، از روش مورد کامل که مستلزم حذف گمشده ها به همراه قسمت هایی از اطلاعات است کاراتر است. از سوی دیگر اگر متغیر توضیحی ناکامل پیوسته باشد بدست آوردن مدل، روشی متفاوت می طلبد و یا می توان با تبدیل آن به متغیری گسسته از روش قبل استفاده کرد.

هدف این پژوهش با هدف مدل بندی مرگ ومیر در یک طرح بازنشستگی بر اساس داده های گمشده و دسترسی به اطلاعات مختلف از متغیرهای کمکی، تجزیه و تحلیل دقیق ساختار مدل های مختلف، برآوردیابی و در نهایت بررسی تاثیرات مالی برای تجربه های مختلف مرگ ومیر و حاوی داده های گمشده انجام شده است. روش شناسی این مقاله با یک طرح بازنشستگی سروکار دارد که در آن طول عمر آتی هر فرد با مدل های بقای پارامتری با ترکیب متغیرهای کمکی که ممکن است برای برخی از افراد گمشده باشند، مدل سازی شده است. پارامترها با روش ماکسیمم درستنمایی برآورد شده و الگوریتمی پیشنهاد گردیده که بتواند وظیفه برآوردیابی را به بهترین شکل ممکن انجام دهد. یافته ها نتایج نشان داد در صورتی که داده ها گمشده باشند، مدل آماری همیشه با استفاده از ماکسیمم درست نمایی شناسایی پذیر نیست و تلفیق داده های حاصل از دو یا چند تجربه می تواند از موانع شناسایی پذیری جلوگیری نماید. نتیجه گیری روش های پیشنهادی این مقاله هنگام محاسبه کمیت های مالی مورد علاقه براساس عامل های مستمری، برای بیم سنجان می تواند مفید باشد. این روش ها ممکن است مجموعه داده های مختلف با تجربه مرگ ومیر برابر یا مشابه را با هم ترکیب کنند، اندازه نمونه را افزایش دهند و ریسک پارامتر را کاهش دهند، بنابراین منجر به کاهش الزام سرمایه شوند. متغیرهای اقتصادی-اجتماعی از جمله سطح مزایا و مشخصات جغرافیایی جمعیتی در صورت پایین بودن نرخ بهره بیشتر مورد توجه قرار می گیرند. طبقه بندی موضوعی: C13، C24، C51