ارائه مدلي براي پيش بيني موفقيت طرح هاي سرمايه گذاري مناطق آزاد و ويژه اقتصادي با استفاده از تكنيك شبكه عصبي چندلايه پرسپترون

Providing a Model for Predicting the Success of Investment Projects in Free and Special Economic Zones, Using the Multi-Layer Neural Network Technique

هدف اصلي از اين پژوهش اين است كه مدلي را براي پيش بيني موفقيت طرح هاي سرمايه گذاري مناطق آزاد و ويژه اقتصادي ارائه دهيم. براي تجزيه و تحليل داده هاي اين تحقيق از روش آمار توصيفي و امار استنباطي و از نرم افزارهايexpert choice، MATLAB و SPSS و PLS استفاده شده است و با استفاده از مباني نظري و بصورت كتابخانه اي شش عامل موثر و متغيرهاي پيش بيني كننده موفقيت يا شكست طرح هاي سرمايه گذاري در مناطق آزاد و ويژه اقتصادي كشور شناسايي و بعد از توصيف متغيرها و آزمون نرمال بودن، با استفاده از نرم افزار PLS تحليل عاملي تاييدي متغيرها صورت گرفت كه همگي عوامل از تحليل عاملي تاييدي مناسبي برخوردار هستند. سپس با استفاده از رگرسيون خطي و آزمون آناليز واريانس تاثير هر يك از عوامل بر موفقيت يا شكست طرح هاي سرمايه گذاري بررسي گرديد كه نتايج اين آزمون نشان دهنده تاييد تاثير هر يك از عوامل بوده است و با استفاده از تحليل سلسله اين عوامل رتبه بندي شدند، كه با توجه به اين اولويت بندي، شبكه عصبي مورد استفاده شده در اين تحقيق نيز، شامل داده هاي 6متغير به عنوان متغير ورودي مي باشد، با دو لايه مياني با تعداد 30 گره در لايه اولو سه گره در لايه دوم مي باشد. كه داراي يه خروجي است.كه نتايج نشان دهنده اين بود كه مدل شبكه عصبي طراحي شده قدرت پيش بيني موفقيت طرح هاي سرمايه گذاري را دارد.

To analyze the data of this research, descriptive statistics and inferential statistics were used and experts selection software, MATLAB, SPSS and PLS software were employed Using theoretical foundations and libraries, six effective factors and variables predicting the success or failure of Investment projects in the free and special economic zones of the country were identified.After describing the variables and testing the normality,using the PLS software, a confirmatory factor analysis of the variables was carried out, in which all of the factors had a good confirmatory factor analysis and all the questions were approved Then, using linear regression and ANOVA, the effect of each of the factors on the success or failure of investment projects was investigated, and the results of this test showed confirmation of the impact of each of the factors, and then the results of the hierarchical analysis indicated this was the first rank of product and service, followed by the second-rank ,that is geographical considerations, and the characteristics of the investor's psychology, the third rank, the product market characteristics, the fourth rank, the investor's ability to rank fifth, and financial considerations ,also, earned the last rank.Considering this prioritization, the neural network used in this research contained data from 6variables as an input variable, with two intermediate layers with 30 nodes in the first layer, and three nodes in the second layer, which had one outlet.The results indicated that the neural network model had the power to predict the success of the investment projects.