تحليل مقايسه‌اي روش‌هاي رتبه‌بندي در اندازه‌گيري توسعه‌يافتگي (مطالعه موردي: شهرستان هاي استان خوزستان)

Analysis of Ranking Methodologies in Development Measuring : A Case Study of Khuzestan Province Counties

امروزه آگاهي از نقاط قوت و ضعف و شكاف‌هاي موجود بين نواحي،‏ نوعي ضرورت جهت ارايه طرح‌ها و برنامه‌ها به منظور برطرف نمودن آن‌هاست. لذا در اين پژوهش به منظور شناخت موقعيت توسعه‌اي شهرستان‌هاي استان خوزستان با استفاده از سه روش تاكسونومي عددي،‏ تحليل عاملي و منطق فازي ضمن رتبه‌بندي شهرستان‌هاي اين استان از لحاظ درجه توسعه يافتگي به تحليل مقايسه‌اي روش‌هاي رتبه‌بندي در اندازه‌گيري توسعه يافتگي اين شهرستان پرداخته شده است.نتايج نشان مي‌دهد موقعيت توسعه يافتگي بسياري از شهرستان‌هاي استان در سال 1386 در مقايسه با سال 1379 تخريب شده است. هم‌چنين نتايج بيانگر كم‌تر بودن شدت تغييرات در روش تاكسونومي در مقايسه با دو روش ديگر است. دليل شايد اين باشد كه در روش تاكسونومي بسياري از خصوصيات و ويژگي‌هاي متغير مورد استفاده با استاندارد كردن داده‌ها حذف شده و به همين علت بسياري از اين تفاوتها از بين رفته است.

Today, the knowledge of regions’ strong and weak points and the existing gaps between regions is necessary for better planning and programming to deal with them. Using such indexes as economic, sociologic, cultural, sanitary and other indexes which can be good criteria for the position and place determination of these quotients, is the main solving problem factor to achieve economic welfare, sociologic health in assessing stable development. That is the more careful this process is the more effectiveness is expected. Thus in this study three methods of numerical taxonomy, factor analysis and fuzzy logic have been used for the identification of Khuzestan province counties development ranking in 1379 and in 1386. Besides this ranking, comparative analysis of these methods has been done. Results show that the development opportunities of many counties in this province in 1386 compared to 1379 have been destroyed. Results also indicate that condense variability in numerical taxonomy is less than the two other methods. In fact, this method stands between the two methods in the ranking. Perhaps the difference in multiplier is due to standardization which can omit many clustering aspects of criteria. Indeed, it seems that fuzzy logic ranking is more reliable.