تحلیل رگرسیونی ناهنجاری بتا پایین در سبد تصادفی با دادههای واقعی بازار
صفحه 247-257
https://doi.org/10.48313/jqem.2025.532332.1562
سهیلا میرزائی، شکوفه بنی هاشمی
چکیده هدف: هدف این پژوهش، تحلیل تجربی ناهنجاری بتا پایین در چارچوب نظریه سبد تصادفی با استفاده از رگرسیون خطی و صدکی است. این ناهنجاری مالی به بیان بازده بالاتر سبدی از سهام بتا پایین در مقابل سبدی از سهام بتا بالا در بلندمدت میپردازد و در این پژوهش به بررسی نرخ رشد مازاد ایجادشده در سبد تصادفی بر اساس این ناهنجاری مالی پرداخته میشود. جامعه آماری این پژوهش، 8 سهام از بازار سهام آمریکا در بازه زمانی 2015 الی 2023 است.
روششناسی پژوهش: در راستای دستیابی به اهداف پژوهش، مدل پویای زمان پیوسته با جوابهای تحلیلی مطرح میشود که برای یافتن وزنها یا استراتژیهای بهینه آن از رویکرد "سبدهای تولیدشده تابعی" و مفهوم "توابع مولد" استفاده میگردد و درنهایت به تحلیل رگرسیونی دادههای بازار سهام آمریکا برای بررسی نرخ رشد ایجادشده در این مدل پرداخته میشود.
یافتهها: نتایج نشان دادهاند که سرمایهگذاران همواره در تلاشاند با اتخاذ روشی مناسب بازدهی سرمایهگذاری خود را افزایش دهند. در این راستا بازدهی بالاتر سبدهای سرمایهگذاری بتا پایین در طول چند دهه اخیر موردتوجه قرار گرفته و استفاده از سبد تصادفی بهعنوان روشی قابلدرک برای بررسی نرخ رشد مازاد سبد در این ناهنجاری مالی بسیار حایز اهمیت است.
اصالت/ارزشافزوده علمی: با توجه به نوآوری این پژوهش در استفاده از نظریه سبد تصادفی برای بررسی نرخ رشد مازاد ایجادشده بر اساس ناهنجاری بتا پایین، نتایج میتواند به سرمایهگذاران در سرمایهگذاری در سبدهایی بهینه با بازدهی بلندمدت بالاتر کمک کند.
استفاده از توسعه الگوبرداری کیفیت جهت دستیابی به کلاس جهانی در خدمات دارویی بیماران خاص
صفحه 258-270
https://doi.org/10.48313/jqem.2025.535761.1565
محسن شفیعی نیکابادی، مجتبی پورباقریان، مریم عشقعلی
چکیده هدف: بخش خدمات دارویی در تمامی کشورها به دو دلیل حایز اهمیت است: نخست اینکه با جان انسانها سروکار دارد و در تمامی جوامع سرمایه انسانی یکی از مهمترین سرمایههای آن کشور است؛ دوم به دلیل گردش بالای مالی در این صنعت. در سالهای اخیر پیشرفتهای بسیاری در داروسازی صورت گرفته است، اما مهمترین معضل، عدم وجود راهکار درست و منطقی برای شناسایی نیازهای بیماران و بهخصوص بیماران مبتلا به بیماریهای خاص است. هدف این پژوهش شناسایی اولویتهای خدمات درمانی بیماریهای خاص در ایران در مقایسه با بهترینهای این حوزه در سطح جهان و در جهت دستیابی به کلاس جهانی و اولویتبندی این نیازها است.
روششناسی پژوهش: این مطالعه یک پژوهش کاربردی است که در آن از ترکیب رویکردهای گسترش عملکرد کیفیت و الگوبرداری تحت عنوان توسعه الگوبرداری کیفیت بهره گرفته شده است. ابتدا الزامات کیفیت را از بیماران، پزشکان و داروسازان جمعآوری شده، سپس با مقایسه شرکتهای دارویی برتر، رابطه میان الزامات و عناصر کیفیت تحلیل میشود و در نهایت، اهمیت وزنی هر عنصر را برای بهبود خدمات دارویی تعیین میگردد.
یافتهها: نتایج پژوهش نشان داد که پنج عاملی که در حوزه خدمات دارویی ایران دارای بیشترین اولویت هستند به ترتیب عبارتاند از بهبود کیفیت تولید دارو، توانا ساختن پرسنل درمان، بهبود کیفیت توزیع دارو، ارتقای خدمات درمانی ویژه بیماریهای خاص و بهبود نظارت بر تولید دارو.
اصالت/ارزشافزوده علمی: این پژوهش روشی ساختارمند برای شناسایی و اولویتبندی نیازهای بیماران خاص در نظام خدمات دارویی ایران ارایه میدهد. نوآوری اصلی این تحقیق در بهکارگیری همزمان صدای مشتری (بیماران، پزشکان و داروسازان) و مقایسه با شرکتهای دارویی پیشرو جهانی است، که امکان استخراج شکافهای عملکردی و تعیین عوامل کلیدی برای ارتقا سطح خدمات دارویی را فراهم میسازد.
بهینهسازی در جهت ارتقا کیفیت خانواده مدلهای صفبندی {M/Er/1,r∈N}بر اساس تابع هزینه و احتمال پایایی سیستم و رضایت مشتری تحت یک زمان توقف
صفحه 271-280
https://doi.org/10.48313/jqem.2025.537574.1567
شهرام یعقوب زاده شهرستانی، امراله جعفری، ایمان مخدوم
چکیده هدف: این مطالعه با هدف تعیین مدل بهینه برای خانواده مدلهای صفبندی با زمانهای بین ورود نمایی و زمانهای سرویس ارلانگ، تحت زمان توقف TTT، انجام شده است. اهمیت این پژوهش در کاربردهای عملی مدلهای صف در بهینهسازی عملکرد سیستمهای خدماتی نهفته است.
روششناسی پژوهش: برای انتخاب مدل بهینه، ابتدا تابع هزینه و معیاری تحت عنوان "متوسط درجه رضایت مشتری" برای خانواده مدلهای مذکور تعریف میشود. سپس شاخصی جدید به نام ORS بر حسب تابع هزینه، متوسط درجه رضایت مشتری و احتمال پایایی سیستم معرفی میگردد. بهمنظور تعیین مدل بهینه، مدلی که دارای مقدار بزرگتری از شاخص ORS باشد، به عنوان مدل مطلوب انتخاب میشود. در ادامه، از تحلیل عددی برای تبیین نحوه انتخاب مدل بهینه استفاده شده است.
یافتهها: نتایج تحلیل عددی نشان داد که شاخص ORS میتواند معیاری مناسب برای ارزیابی و مقایسه مدلهای مختلف صف باشد و انتخاب مدل بهینه را با توجه به معیارهای چندگانه تسهیل نماید.
اصالت/ارزشافزوده علمی: معرفی شاخص ORS به عنوان معیاری نوین در انتخاب مدل بهینه در سیستمهای صف از نوآوریهای اصلی این پژوهش است که میتواند در طراحی کارآمدتر سیستمهای خدماتی و ارتقای رضایت مشتریان موثر باشد.
بازاندیشی کیفیت تصمیمهای استراتژیک از طریق کلانداده: معماری تصمیم بر پایه کیفیت داده، کیفیت اطلاعات و پذیرش اطلاعات
صفحه 281-303
https://doi.org/10.48313/jqem.2025.544451.1571
سهیلا خدامی، رسول نصرت پناه
چکیده هدف: در شرایط پیچیده و پرنوسان بازارهای مالی ایران، نیاز به بهرهگیری از چارچوبهای تصمیمسازی مبتنی بر داده برای ارتقای کیفیت تصمیمهای استراتژیک بیش از پیش احساس میشود. با این حال، مرور مطالعات پیشین نشان میدهد که اغلب پژوهشها، کلانداده را صرفا از جنبه فنی و در محیطهای باثبات کشورهای توسعهیافته بررسی کردهاند و کمتر به نقش عوامل رفتاری و شناختی مدیران در زنجیره تحول داده تا تصمیم پرداختهاند. از این رو، پژوهش حاضر با هدف پر کردن این خلا، به بررسی تاثیر مستقیم و غیرمستقیم استفاده از کلانداده بر کیفیت تصمیمهای استراتژیک از طریق متغیرهای کیفیت داده، کیفیت اطلاعات و پذیرش اطلاعات پرداخته است.
روششناسی پژوهش: این پژوهش دارای هدفی کاربردی و روشی توصیفی–پیمایشی است. جامعه آماری شامل 697 نهاد مالی فعال در بازار سرمایه ایران بود. حجم نمونه با نرمافزار جی-پاور 244 شرکت تعیین شد. دادهها به واسطه یک پرسشنامه استاندارد آنلاین، با روش نمونهگیری تصادفی ساده جمعآوری و با اتخاذ رویکرد مدلسازی معادلات ساختاری از طریق نرمافزار اسمارت پیالاس 3 تحلیل شد.
یافتهها: تاثیر استفاده از کلانداده بر کیفیت داده و کیفیت اطلاعات به ترتیب با ضریب مسیر 0/405 و 0/210 در سطح اطمینان %99 تایید شد، اما تاثیر مستقیم آن بر کیفیت تصمیمهای استراتژیک با ضریب مسیر 0/083 رد شد. همچنین، تاثیر کیفیت داده بر کیفیت اطلاعات، پذیرش اطلاعات و کیفیت تصمیمهای استراتژیک به ترتیب با ضریب مسیر 0/381، 0/353 و 0/296 در سطح اطمینان %99 تایید شد. در نهایت، تاثیر کیفیت اطلاعات بر پذیرش اطلاعات و کیفیت تصمیمهای استراتژیک با ضرایب مسیر 0/674 و 0/493 و تاثیر پذیرش اطلاعات بر کیفیت تصمیمهای استراتژیک با ضریب مسیر 0/286 در سطح اطمینان %99 تایید گردید.
اصالت/ارزشافزوده علمی: این پژوهش برای اولین بار با اتخاذ یک رویکرد علی (تجربی) نشان داد که پذیرش اطلاعات توسط مدیران بر بهبود کیفیت تصمیمهای استراتژیک اثرگذار است و کیفیت داده و اطلاعات به تنهایی کافی نیست. تحقق تصمیمهای بهینه مستلزم همافزایی میان توانمندیهای فناورانه و ظرفیتهای رفتاری–شناختی مدیران است. مدل مفهومی ارایه شده روابط میان کلانداده، کیفیت داده، کیفیت اطلاعات، پذیرش اطلاعات و تصمیمهای استراتژیک را یکپارچه میکند و علاوه بر غنای نظری، راهنمای عملیاتی ارزشمندی برای شرکتها و نهادهای مالی فعال در بازار سرمایه ایران فراهم میسازد.
تحلیل فرآیند پیشبینی تقاضا از طریق زنجیرهتامین و مقایسه وضعیت فعلی و مطلوب درصنعت نشر کتاب
صفحه 304-315
https://doi.org/10.48313/jqem.2025.550673.1576
فاطمه زهرا منتظری، زهرا جوربنیان، حبیبه کریمی
چکیده هدف: امروزه مدیریت زنجیرهتامین و پیشبینی دقیق تقاضا از عوامل کلیدی در بهبود بهرهوری، کاهش هزینههای عملیاتی و افزایش انعطافپذیری در صنایع مختلف محسوب میشوند. صنعت چاپ و نشر کتاب، بهعنوان یکی از حوزههای تاثیرپذیر از نوسانات تقاضا، نیازمند اتخاذ استراتژیهای کارآمد برای مدیریت زنجیرهتامین و تخصیص بهینه منابع است. هدف این پژوهش بررسی تاثیر زنجیرهتامین بر فرآیند پیشبینی تقاضا در این صنعت و تحلیل تفاوتهای میان وضعیت موجود و شرایط مطلوب است.
روششناسی پژوهش: در این مطالعه، از رویکرد کمی و تحلیل دادههای واقعی فروش و تقاضای کتاب استفاده شده است. روشهای مبتنی بر یادگیری ماشین، بهویژه شبکههای عصبی مصنوعی از نوع پیشرو با الگوریتم یادگیری پسانتشار خطا، برای مدلسازی و پیشبینی تقاضا بهکار گرفته شدهاند. عملکرد این مدلها با روشهای سنتی مانند مدلهای سری زمانی مقایسه شده است تا میزان بهبود دقت پیشبینی ارزیابی شود.
یافتهها: نتایج تحقیق نشان میدهد که مدلهای یادگیری ماشین، بهویژه شبکه عصبی پیشرو، دقت بالاتری در پیشبینی تقاضا نسبت به مدلهای سنتی دارند. همچنین استفاده از این مدلها موجب کاهش اثر شلاقی در زنجیرهتامین و بهبود هماهنگی میان اعضای آن شده است.
اصالت/ارزشافزوده علمی: این پژوهش با ارایه یک مدل ترکیبی از مدیریت زنجیرهتامین و پیشبینی تقاضا مبتنی بر شبکههای عصبی، رویکردی نوآورانه برای بهینهسازی تصمیمگیری در صنعت نشر ارایه میدهد. تلفیق روشهای یادگیری ماشین با تحلیل زنجیرهتامین میتواند مبنایی برای توسعه راهکارهای هوشمند در مدیریت موجودی و برنامهریزی تولید در صنایع مشابه باشد.
تحلیل عوامل کلیدی رضایت مشتریان از کیفیت خدمات خطوط هوایی و رتبهبندی شرکتهای هواپیمایی: رویکرد ترکیبی VIKOR-DEMATEL
صفحه 316-338
https://doi.org/10.48313/jqem.2025.533452.1564
یوسف رمضانی، امیر حسین اخروی، ناعمه جعفری
چکیده هدف: هدف این تحقیق، شناسایی مولفههای ارزیابی میزان رضایت از کیفیت خدمات ارایهشده توسط خطوط هوایی و رتبهبندی 5 شرکت هواپیمایی (آسمان، آتا، ایرانایر، زاگرس و ماهان) بر اساس میزان رضایت مشتریان از کیفیت خدمات ارایه شده میباشد.
روششناسی پژوهش: این تحقیق شامل دو مرحله است: مرحله اول: شناسایی مولفههای رضایت مشتریان از کیفیت خدمات خطوط هوایی از طریق مطالعه ادبیات موضوعی و مصاحبه با 15 نفر از خبرگان (مهمانداران و خلبانان). مرحله دوم: سنجش رضایت مسافران با استفاده از دو پرسشنامه که توسط 30 نفر از مسافران کثیرالسفر تکمیل شد. برای تعیین وزن مولفهها و یافتن روابط بین آنها از تکنیک DEMATEL و برای رتبهبندی شرکتهای هواپیمایی از تکنیک VIKOR استفاده شد. تحلیل دادهها نیز با نرمافزار Excel و BT Vikor Solver انجام شد.
یافتهها: از میان 20 مولفه شناساییشده، تناسب قیمت بلیت با کیفیت خدمات، مدرن و بهروز بودن هواپیما و قیمت بلیت بالاترین وزن را داشتند. شرکتهای هواپیمایی زاگرس، آتا و آسمان رتبه یک، ایرانایر رتبه دوم و ماهان رتبه سوم را کسب کردند. در بررسی روابط بین مولفهها، مدرن و بهروز بودن هواپیما تاثیرگذارترین معیار و خدمات ویژه افراد ناتوان تاثیرپذیرترین معیار شناسایی شد.
اصالت/ارزشافزوده علمی: این پژوهش با ارایه مدل ترکیبی DEMATEL و VIKOR برای شناسایی و رتبهبندی مولفههای رضایت از خدمات خطوط هوایی، به ارتقای درک مدیران خطوط هوایی از نیازهای مشتریان کمک کرده و ابزار مناسبی برای بهبود کیفیت خدمات ارایه میدهد.
