تحليل عوامل فضايي موثر بر مكان گزيني مهاجران با استفاده از روش پيش بيني درخت تصميم (مطالعه موردي: شهر مشهد)

Analysis of Spatial Factors Affecting Immigrants Locating Using Forecasting Method by Decision Tree (Case Study: Mashhad, Iran)

مهاجرت و جابجايي هايي سكونتي، يكي از پديده هاي شهرنشيني است كه با ساختار هاي اجتماعي، اقتصادي و فضايي داراي رابطه علت و معلولي است. اين نوع از مهاجرت تحت تأثير عواملي هم چون نزديكي به محل كار، مدت سكونت، وضعيت اشتغال، سطح درآمد، سن، جنس و شرايط خانوادگي باشد. از اين رو، مكان گزيني محلات و انتخاب محله اي براي سكونت از اهميت بسزايي برخوردار است و از عوامل بسياري تأثير مي پذيرد تا جايي كه موقعيت مكاني بر مكان گزيني اثر مي گذارد. پژوهش حاضر از نظر هدف كاربردي و از نظر روش توصيفي – تحليلي مي باشد. داده هاي مورد نياز پژوهش با استفاده از اطلاعات بلوك هاي آماري سرشماري سال 1390 استخراج شده است. با مطالعه ادبيات تحقيق و تعيين شاخص هاي مورد نياز استخراج و به روش تحليل سلسله مراتبي وزن دهي شده اند. شاخص ميانگين مهاجرت به عنوان شاخص هدف و ساير شاخص ها به عنوان شاخص ورودي در درخت تصميم انتخاب شدند. محاسبات مربوط به درخت تصميم در نرم افزار كلمنتاين انجام شد. نتايج تحقيق نشان مي‌دهد كه ميزان تحصيلات بيشترين تأثير را در مكان گزيني مهاجران در محلات شهر مشهد داشته است. به طور كل 12 شاخص با ميزان تأثير گذاري هاي متفاوت بر ميانگين مهاجرت اثر گذار بوده اند. اين درحالي است كه هر چه ميزان عوامل پيش بيني كننده در اين شهر كمتر باشد ميزان مهاجرت بالاتر است. هم چنين نتايج نشان مي دهد كه سيستم داده كاوي با درخت تصميم قادر خواهد بود تا با اندازه گيري عوامل پيش بيني كننده و ميزان تغييرات آن ها، ميزان مهاجرت و ماندگاري افراد در محله هاي شهري را پيش بيني نمايد. بنابر نتايج به دست آمده از كارايي اين سيستم قابل قبول مي باشد.

Residential migration and displacement is one of the urban phenomena that has a cause and effect relationship with social, economic and spatial structures. This type of migration is influenced by factors such as proximity to work, length of residence, employment status, income level, age, gender and family circumstances. Therefore, the location of neighborhoods and the choice of neighborhood to live in is very important and influenced by many factors to the extent that locational situation affects site selection. The present study is applied and descriptive-analytical in terms of method and purpose respectively. The data required for the research have been extracted using the information of the statistical blocks of the 2011 census. By studying the research literature and determining the required indicators, they have been extracted and weighed by hierarchical analysis. The average migration index was selected as the target index and other indicators were selected as the input index in the decision tree. Decision tree calculations were performed in Clementine software. The results show that the level of education has the greatest impact on the location of immigrants in the neighborhoods of Mashhad. In total, 12 indicators with different impacts have affected the average migration. However, it is clear that the lower the number of predictors in this city, the higher the rate of migration. The results also show that the data tree mining system will be able to predict the rate of migration and retention of people in urban neighborhoods by measuring the predictors and the extent of their changes. According to the results obtained from, the efficiency of this system is acceptable.