الگوي شناسايي گروه‌هاي هدف در راستاي هدفمندسازي يارانه‌هاي انرژي

هدف اصلي اين مقاله ارائه روشي به منظور شناسايي گروه هاي هدف در اجراي قانون هدفمندي يارانه ها با استفاده از رويكرد شبكه هاي عصبي مصنوعي مي باشد. مقادير نمونه اي مربوط به هزينه مصرفي برق، گاز، تلفن و تلفن همراه به عنوان ورودي هاي شبكه عصبي (و مدل پروبيت به عنوان مدل معيار مقايسه) در نظر گرفته شده است. گروه هاي مورد بررسي در اين مقاله به دو گروه مشمول و غيرمشمول دريافت يارانه تقسيم شده اند. شبكه عصبي به كار گرفته شده در اين مقاله از نوع پرسپترون چند لايه است كه به روش الگوريتم ماركواتلورنبرگ آموزش ديده اند. به منظور كنترل ميزان توانمندي روش شبكه هاي عصبي مصنوعي در مقايسه با مدل هاي رايج اقتصاد سنجي براي طبقه بندي، داده هاي مورد استفاده در روش شبكه هاي عصبي مصنوعي در مدل رگرسيوني پروبيت نيز مورد استفاده قرار گرفته و توانمندي روش هاي مزبور با استفاده از معيار ROC مورد ارزيابي قرار گرفته است. از طرفي، نتايج مدل رگرسيوني از جنبه ديگري نيز مهم هستند؛ معني داري آماري رابطه ميان متغيرهاي مستقل و متغير وابسته (تعلق به گروه هدف). نتايج بررسي هاي انجام شده حاكي از معني داري آماري بين هزينه هاي مصرفي خانوار از خدمات عمومي منتخب و تعلق آن ها به طبقات درآمدي (گروه هاي مشمول و غيرمشمول) است. همچنين علايم ضرايب منطبق بر اين فرضيه هستند كه افزايش هزينه هاي مصرفي خانوارها از خدمات عمومي احتمال تعلق آن ها به گروه هاي مشمول هدفمندي را بيشتر مي نمايد. به عبارتي ساده تر، به طور متوسط خانوارهايي كه هزينه هاي مصرفي بالاتري از خدمات عمومي دارند، از سطح درآمدي بالاتري نيز برخوردار هستند. نتايج تحقيق حاكي از آن است كه روش هاي مورد استفاده در اين مقاله (براي طبقه بندي خانوارهاي مشمول و غيرمشمول) در مجموع از توانمندي يكساني در طبقه بندي درست خانوارها (به مشمول و غيرمشمول) برخوردار هستند.