Ailexa — هوش مصنوعی + قانون home
حوزهٔ جستجوی شما حدوداً در چه زمینه‌ای است:
در جست‌جوی چه هستید؟ بعد از انتخابِ آنچه می‌خواهید، در کادرِ جستجوی بالا موضوع را بنویسید و «بگرد» را بزنید.

انطباق دقیق این متن با متن رسمی هنوز به‌طور ۱۰۰٪ کنترل نشده.

دکترین

عوامل مؤثر بر تقاضای گردشگری ایران: کاربردی از مدل رگرسیون خطی با ضرایب فازی متقارن و نامتقارن (مقاله علمی وزارت علوم)

سبدِ من

#مقاله_علمی #گردشگری #مقاله #عضویت #رضا #منبع #توسعه_اقتصادی #تحلیل #قیمت #کارایی #علمی

صفحات: ۲۵۱ - ۲۸۸
عوامل مؤثر بر تقاضای گردشگری ایران: کاربردی از مدل رگرسیون خطی با ضرایب فازی متقارن و نامتقارن (مقاله علمی وزارت علوم) نویسندگان: غلامرضا زمانیان مرضیه اسفندیاری رضا اشرف گنجویی منبع: مجلس و راهبرد سال 32 پاییز 1404 شماره 123 چکیده ب. ت. ب. نقش گردشگری بر رشد و توسعه اقتصادی هر کشور، شناخت صحیح از متغیرهای تأثیرگذار بر تقاضای گردشگری و میزان اثرگذاری هریک از آنها موجب می‌شود تا مسئولان، زیر‌ساخت‌های مناسب برای جذب گردشگران را فراهم کنند. در این مقاله با استفاده از مدل رگرسیون خطی با ضرایب فازی متقارن و نا‌متقارن در محیط برنامه‌های گمز و متلب به تحلیل تابع تقاضای گردشگری در اقتصاد ایران پرداخته شده است. هدف اصلی این مطالعه به‌کارگیری روش خاص تجزیه‌و‌تحلیل عوامل مؤثر بر تابع تقاضای گردشگری در ایران برای دوره زمانی 1398-1375 است. براساس نتایج حاصل از برآورد می‌توان اظهار داشت که در مدل رگرسیون فازی با ضرایب متقارن، نمای تابع تقاضای گردشگری برای تمام درجه‌های عضویت 1/0 تا 9/0 یکسان است، حتی تغییر بسیار اندکی هم در مقدار نما مشاهده نمی‌شود که بیانگر عدم توجه کافی به پتانسیل‌های موجود در این صنعت است. ازسوی‌دیگر با تغییر ضرایب کشیدگی هیچ تغییری در مقدار تابع هدف (تقاضای گردشگری) حاصل نشده است که بیانگر وجود رابطه بلند‌مدت و ثبات تابع تقاضای گردشگری در ایران است. همچنین بیشترین میزان مخارج گردشگران در درجه عضویت 2/0 بیانگر میزان رونق این صنعت است که نتایج نشان‌ می‌دهد نرخ واقعی ارز با مقدار 78/9 و قیمت نفت با مقدار 81/9 بیشترین تأثیر را بر مخارج گردشگری دارد. برای ارزیابی نتایج برآورد از متداول‌ترین معیارهای MSE، RMSE، MAPE، MAE استفاده شده که نشان‌دهنده کارایی فوق‌العاده مدل رگرسیون با ضرایب فازی است. Factors Affecting Iran’s Tourism Demand: Application of Linear Regression Model with Symmetric and Asymmetric Fuzzy Coefficients Given the role of tourism in the economic growth and development of countries, accurately identifying the variables affecting tourism demand and their impact enables policymakers to provide appropriate infrastructure to attract tourists. This article analyzes the tourism demand function in Iran’s economy using a linear regression model with symmetric and asymmetric fuzzy coefficients in GAMS and MATLAB environments. The main objective is to apply a specific method to analyze the factors affecting Iran’s tourism demand function for the period 1996–2019. The results indicate that in the fuzzy regression model with symmetric coefficients, the tourism demand function’s exponent remains constant across membership degrees from 0.1 to 0.9, with no significant changes, suggesting insufficient attention to the industry’s potential. Additionally, changes in skewness coefficients do not affect the target function (tourism demand), indicating a long-term relationship and stability in Iran’s tourism demand function. The highest tourist expenditure occurs at a membership degree of 0.2, reflecting the industry’s prosperity, with results showing that the real exchange rate (9. 78) and oil prices (9. 81) have the greatest impact on tourism expenditure. Common metrics such as MSE, RMSE, MAPE, and MAE were used to evaluate the results, demonstrating the exceptional efficiency of the fuzzy coefficient regression model.

موارد مرتبط

برای این صفحه موردِ مرتبطی ثبت نشده.

نظرها و یادداشت‌ها

نظرها پس از بررسی نمایش داده می‌شوند.

Designed & Developed by Hamed Rostami, Eng. & Attorney — © All Rights Reserved حامد رستمی، مهندس و وکیل دادگستری حقوق، با نگاهِ هوش مصنوعی و الگوریتم اینستاگرام تلگرام لینکدین