انسان با تهذیب نفس و علم حضوری می تواند حضور علت هستی بخش را درک نماید؛ لذا در فلسفه اسلامی خداوند حاضر علی الاطلاق است. اما پرسش از چرایی عدم انکشاف حضور الهی به طور گسترده برای بشر از طریق روش هایی مانند تجربه دینی ذهن فیلسوفان دین را به خود مشغول داشته است و تقریرات شلنبرگ در استدلال به اختفای الهی برای الحاد، در این میان نقش محوری دارد. عمده پاسخ ها به علت اختفای الهی از منظر وجودی، فلسفی، عرفانی و کلامی است. اما در پژوهش حاضر به روش تحلیل محتوایی سعی شده است رویکردهای انسانی تراویس دامزدی مورد ارزیابی قرار گیرد. وی با بیان مواردی مانند شاخص انزجار آسیب دیده، شاخص انزجار محدودیت وجودی، شاخص ترس و امید و شاخص از خود بیگانگی سعی در طرح دلایل اختفای الهی نموده است. در این مقاله عمده نقدهای این رویکرد انسانی مواردی چون نسبی گرایی و استقرای ناقص، بی نیاز نبودن از رویکردهای کلامی مانند تدبیر، حکمت و لطف الهی، ارائه تصویری منفعل از خداوند و عدم توجه به بعد اجتماعی دین، دانسته شده است.

امروزه داده های پژوهشی که در حین پژوهش تولید و اشاعه داده می شوند، نقشی تاثیرگذار در بالندگی اقتصاد دانش بنیان بر عهده دارند. در این پژوهش، به منظور ارزیابی کیفیت داده های پژوهشی، معیارهای اصلی تاثیرگذار بر روی کیفیت داده ها در بعدهای ذاتی، دسترس پذیری، متنی و نمایشگری دسته بندی شد. سپس با استفاده از مقایسه ی زوجی و روش دیمتل فازی بر مبنای ANP فازی به تعیین ارتباطات درونی و بیرونی عوامل و زیرعوامل پرداخته شد. کیفیت ذاتی داده ها نه تنها دقت و عینیت را در بردارد، بلکه باورپذیری و اعتبار عمومی را نیز شامل می شود. دسترس پذیری خود شامل ابعاد فرعی دسترسی و امنیت است. کیفیت متنی داده ها شامل ارزش افزوده داشتن، مرتبط بودن، زمان مند بودن، کامل بودن و کافی بودن داده هاست. قابلیت نمایشگری داده شامل چارچوب ارایه و معنای داده ها)تفسیرپذیری و درک پذیری(است. نتایج نشان داد در دسترس بودن، امنیت و سهولت درک تاثیرگذارترین عوامل موثر بر کیفیت داده های پژوهشی محسوب می شوند. طراحی لایه های امنیتی در سامانه ی ثبت داده های پژوهشی و نیز طراحی فیلدهای پایگاه داده به منظور افزایش سهولت درک کاربران از جمله پیشنهادهای کاربردی این پژوهش هستند.

هدف مطالعۀ حاضر برآورد شاخص توهّم مالی با استفاده از مدل معادلات ساختاری[1] از نوع تحلیل شاخص­چندگانه-علل­چندگانه[2]، به­کمک داده­های طولی، طی دورۀ زمانی 1380 تا 1399، برای 31 استان کشور ایران می­باشد. نتایج حاصل از برآورد شاخص توهّم مالی حاکی­است مهم ترین علل توهّم مالی، هزینه­های آموزشی و بار مالیاتی با ضریب منفی و نرخ اشتغال با ضریب مثبت (همگی از لحاظ آماری معنادار) و مهم ترین شاخص­های توهّم مالی شامل: پیچیدگی سیستم مالیاتی با ضریب منفی و متغیرهای کسری بودجه، نرخ تورم، نسبت مالیات غیرمستقیم و درآمد سرانۀ نفتی با ضرایب مثبت (همگی ازلحاظ آماری معنادار) می­باشند. هم چنین، نتایج حاصل از برآورد شاخص توهّم مالی حاکی­است درمیان استان­ها، کمترین مقدار میانگین این شاخص به استان خراسان شمالی و بیشترین مقدار آن به استان خوزستان و نیز در سطح کشور کمترین مقدار به سال­های 1380 و 1381 و بیشترین آن به سال 1399 تعلق دارد؛ بنابراین، شاخص­ توهّم مالی می­تواند با تعیین میزان تودۀ توهّم مالی در تصورات عمومی، سیاست­گذاری عمومی را آگاه کند.

فرار مالیاتی یکی از بخش های اصلی اقتصاد غیر رسمی است که امروزه به عنوان یکی از چالش های اساسی کشورها و به عنوان مهم ترین مسئله و مشکل نظام های مالیاتی محسوب می شود. تحقیق حاضر تلاش می کند تا با استفاده از روش علل چندگانه-شاخص چندگانه (MIMIC) به برآورد اندازه ی فرار مالیاتی در ایران و بررسی علل و آثار آن طی دوره زمانی 94-1357 بپردازد. نتایج برآورد سری زمانی فرار مالیاتی نشان دهنده آن است که روند فرار مالیاتی در ایران طی سال های مورد بررسی به رغم نوسانات عمده، در مجموع افزایشی بوده است، به گونه ای که از 12/6 درصد GDP رسمی در سال 1357 به 33/11 درصد در سال 1394 رسیده است. همچنین نتایج نشان دهنده این است که متغیرهای تورم، بار مالیاتی، درآمد سرانه و نرخ ارز رسمی اثر مثبت و معنادار بر فرار مالیاتی داشته و متغیرهای شاخص باز بودن اقتصادی، اندازه دولت و نرخ بیکاری دارای اثر منفی بر فرار مالیاتی می باشند. بر اساس یافته های این تحقیق، درآمد سرانه بیشترین تاثیر را بر فرار مالیاتی داشته و از سوی دیگر بیشترین اثر فرار مالیاتی بر رشد تقاضای پول می باشد.

هدف: یکی از رویکردهای مطرح در حوزه تصمیم گیری چندمعیاره، نظریه مطلوبیت چندشاخصه است که بر اساس تیوری مطلوبیت مورد انتظار مدل سازی شده است. نقطه تمایز اساسی میان روش های برگرفته از نظریه مطلوبیت با سایر روش های تصمیم گیری چندشاخصه، در تعریف نقش تابع ارزش است. یکی از نظریه هایی که در انتقاد به تیوری مطلوبیت مورد انتظار شکل گرفته، تیوری چشم انداز است. یکی از سوال های پژوهشی مهم در حوزه تصمیم گیری آن است که چگونه می توان از تیوری چشم انداز در روش های تصمیم گیری چند شاخصه استفاده کرد. پژوهشگرانی در سال های اخیر، به بررسی این موضوع پرداخته اند؛ اما با وجود این، کاستی هایی در به کارگیری این تیوری در روش های تصمیم گیری چندشاخصه، از جمله در تعیین نقطه مرجع وجود دارد. محاسبات تیوری چشم انداز به هر نقطه مرجعی این اجازه را می دهد که به کار گرفته شود؛ اما به نقاط مرجع چندگانه اجازه نمی دهد که به طور هم زمان در نظر گرفته شوند، بنابراین، در این حوزه به تیوری هایی نیازمندیم که بتواند امکان تعامل چندین نقطه مرجع را فراهم آورد. روش: در این پژوهش از سه نقطه مرجع برای توسعه مدل تیوری مطلوبیت چندشاخصه بهره گرفته شده است. این سه نقطه مرجع به طور هم زمان مدنظر قرار می گیرند. یافته ها: مدل توسعه یافته در قالب تعاریف و روابط ریاضی ارایه شده و قابلیت کاربرد آن با به کارگیری یک مثال و بر پایه داده های مربوط به برگزیدن تامین کنندگان قطعات هواپیما نشان داده شده است. نتیجه گیری: مدل پیشنهادی مشکل بی توجهی به نقاط مرجع چندگانه به طور هم زمان را برطرف می کند و شکاف پژوهشی موجود در حوزه ادبیات تصمیم گیری را پوشش می دهد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

شاخص کیفیت هوا ابزار کلیدی جهت آگاهی از کیفیت هوا، نحوه ی اثر آلودگی هوا بر سلامت و روش های محافظتی در برابر آلودگی هوا است. هدف اصلی این تحقیق مدل سازی و برآورد شاخص کیفیت هوا از طریق شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون خطی چندگانه و رگرسیون مؤلفه های اصلی است. جهت محاسبه شاخص کیفیت هوا از داده های هواشناسی و آلودگی هوای ثبت شده در ایستگاه تجریش و قلهک شهر تهران در دوره زمانی 1385 تا 1390 استفاده شد. به منظور ارزیابی عملکرد مدل های برآوردگر از شاخص های آماری خطا، همبستگی و صحت استفاده شد. نتایج تحقیق نشان داد که مدل شبکه عصبی در هر دو ایستگاه از عملکرد بهتری نسبت به سایر مدل ها برخوردار است، به نحوی که در ایستگاه قلهک 006/0RMSE=، 004/0MAE=، 99/0 IA=و در ایستگاه تجریش 004/0 RMSE=، 002/0 MAE=، 1 IA=بود. مدل درخت تصمیم بعد از مدل شبکه عصبی عملکرد مطلوبی از خود نشان داد و مدل رگرسیون خطی چندگانه بعد از مدل شبکه عصبی و درخت تصمیم عملکرد بهتری نسبت به مدل رگرسیون مبتنی بر تحلیل مؤلفه های اصلی ارائه نمود. روش تحلیل مؤلفه های اصلی علی رغم آنکه توانست همبستگی بین داده های ورودی و تعداد پارامترهای ورودی به مدل را کاهش دهد باعث بهبود عملکرد مدل رگرسیون نشد.