۲-۳-۱- اهمیت تبلیغات شفاهی ۲۳
۲-۳-۲- متغیرهای تبلیغات شفاهی ۲۵
۲-۳-۳- ارتباطات ۲۵
۲-۴- تمایل رفتاری ۲۸
۲-۴-۱- تکرار بازدید ۲۸
۲-۴-۲-تبلیغات شفاهی و تمایلات رفتاری مصرف کننده ۲۹
۲-۵- ارزش ادراک شده ۳۰
۲-۵-۱- ارزش ادراک شده و تبلیغات شفاهی ۳۱
۲-۶- ریسک ادراک شده ۳۳
۲-۷- رضایت ۳۶
۲-۸- مدل های مختلف در زمینه تبلیغات شفاهی ۴۰
۲-۸-۱- مدل توسعه وفاداری و تبلیغات شفاهی مثبت فلاویان و همکاران ۴۰
۲-۸-۲- مدل توسعه تبلیغات شفاهی مثبت مولیناری ۴۰
۲-۸-۳- مدل ارزش ادراک شده توسط مصرف کنندگان گیل و همکاران ۴۱
۲-۹- مروری بر تحقیقات پیشین ۴۲
۲-۱۰- مدل پیشنهادی تحقیق ۴۵
۳-۱- مقدمه ۴۶
۳-۲- روش تحقیق ۴۶
۳-۳- متغیرهای تحقیق ۴۷
۳-۴- روش های جمع‌ آوری اطلاعات ۴۷
۳-۵- روایی و پایایی پرسشنامه ۴۹
۳-۵-۱- تعیین پایایی (قابلیت اعتماد) پرسشنامه ۴۹
۳-۵-۲- تعیین اعتبار (روایی) پرسشنامه ۵۰
۳-۶- جامعه و نمونه آماری ۵۱
۳-۷- قلمرو مکانی تحقیق ۵۱
۳-۸- قلمرو زمانی تحقیق ۵۱
۳-۹- روش تجزیه و تحلیل اطلاعات ۵۱
۳-۹-۱- مدل معادلات ساختاری ۵۲
۳-۱۰- ضرورت مدل معادلات ساختاری در پژوهش حاضر ۵۳
۳-۱۱- مراحل مدل معادلات ساختاری ۵۳
۳-۱۲- جمع بندی ۵۸
۴-۱- مقدمه ۵۹
۴-۲- بررسی توصیفی مشاهدات ۶۰
۴-۳- بررسی توصیفی متغیرها ۶۶
۴-۴- تحلیل اسنباطی یافته‌ها ۶۷
۴-۵- بررسی شرایط لازم برای تحلیل عاملی ۶۸
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۴-۶- اعتبار سنجی مدل تحقیق با بهره گرفتن از تحلیل عاملی تاییدی و معادلات ساختاری ۶۹
۴-۷-تفسیر و تعبیر مدل ۷۲
۴-۸- بررسی ضرایب روایی، پایایی و همبستگی ۷۵
۴-۹- نتایج تحلیل عاملی تاییدی (مدل اندازه گیری متغیرهای تحقیق) ۷۷
۴-۱۰- تحلیل فرضیه‌های تحقیق ۷۹
۴-۱۱- فرضیه های تحقیق ۸۰
۵-۱- مقدمه ۸۵
۵-۲- فرایند تحقیق ۸۵
۵-۳- نتیجه گیری ۸۶
۵-۴- نتیجه گیری کلی ۸۸
۵-۵- پیشنهادهای کاربردی ۸۸
۵-۶- پیشنهادهای پژوهشی ۹۰
۵-۷- محدودیت های تحقیق : ۹۱
منابع فارسی ۹۲

بلنتین، جک و پارسونز، ۲۰۱۰

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۲-۸- تجارت دیداری:
کاتلر (۱۹۷۳)، فضا را این گونه تعریف می نماید: نوعی از طراحی محیط است که بر خریداران اثر می گذارد و احتمال خرید آنها را افزایش می دهد. مهم ترین جنبه ی محیط فروشگاهی، تجارت دیداری است. تجارت دیداری را می توان این که چگونه یک محصول به طور دیداری در معرض دید مشتری قرار می گیرد(کرفوت و همکاران، ۲۰۰۳).
به بیان دیگر تجارت دیداری در محیط فروشگاه، ابزاری برای هدایت مشتریان به سمت فروشگاه و تشویق آنها و جلب نظر آنها و افزایش احتمال خرید در محیط فروشگاه است (مورگان، ۲۰۰۸).
گرمند، تجارت دیداری را این گونه تعریف می کند: هر چیزی که مشتری ببیند و در فروشگاه حس کند که علاقه و تمایل آنها را افزایش می دهد. در واقع ابزار بسیار مهمی برای جلب توجه مشتریان به سمت محصولات و تحریک آنها به خرید کردن است که این موضوع خود منجر به افزایش زمان سپری شده در محیط فروشگاه و اتخاذ تصمیم به خرید محصولات بیشتری است.
کرفوت و همکاران (۲۰۰۳) می گوید که در تجارت دیداری این که چگونه محصول یا برند از لحاظ دیداری با مشتری ارتباط برقرار می کند و هم این که پیغام دیداری به طور مناسبی رمزگشایی می شود یا خیر را، مورد بررسی قرار می گیرد.
از سوی دیگر شیمپ(۱۹۹۰) نقش تجارت دیداری را در کسب و کار خرده فروشی این گونه شرح می دهد:
- ایجاد آگاهی بین مشتریان راجع به وجود یک محصول و ارائه ی اطلاعات مرتبط با آن
- یادآوری به مشتریان درباره ی منافع و مزایای یک کالا
- تشویق مشتریان به خرید کالا یا برند خاصی
- حداکثر کردن استفاده از فضا
- تقویت ارتباط خرده فروشان با مشتریان
- کمک به مشتریان در ارزیابی و انتخاب محصول
با توجه به نظر شیمپ درباره ی اهمیت نقش تجارت دیداری نتیجه می شود که تجارت دیداری نقش بسیار مهمی را ایفا می کند و فروشگاه را قادر می سازد که مشتریان بیشتری جلب کند و به آنها در یافتن کالایی که به دنبالش هستند، کمک کند. مشتری ها را برای مدت طولانی تری در فروشگاه نگه می دارد و آنها را به خرید کالاهایی با قصد خرید قبلی و بدون قصد خرید قبلی، ترغیب نماید:
استفاده از تکنیک های با کیفیت تجاری بصری می تواند مقاومت فیزیکی افراد را در مقابل خرید کردن کاهش دهد.
کرفوت(۲۰۰۳) بیان می کند که خرده فروشان امروزه به تجارت بصری اهمیت بسیاری می دهند چرا که بدین وسیله می توانند رفتار خرید مشتری را تغییر دهند. خرده فروشان مایلند تا به این طریق به افراد کمک کنند تا به بهترین و راحت ترین طریق ممکن، کالای مورد نظر خود را پیدا کنند، هم چنین آنها را به سمت خرید برنامه ریزی شده سوق دهند. علاوه بر این خرده فروشان درصدد ایجاد تجربه ی خرید لذت بخشی در ذهن مشتریان هستند(لوی و ویتز، ۲۰۰۹)
پگلر(۲۰۰۶)، پیشنهاد می دهد که جلوه های موجود در فروشگاه، به عنوان ابزاری قدرتمند برای تجارت بصری به شمار می روند که برای معرفی محصول جدید، ایده های جدید، پیشنهاد فروش و غیره به کار گرفته می شوند.

(…گرازبندهلغویشنیدیمرنج / جهاندیدهبسیارگویددروغ)(گلستان: 81) (دهخدا : 1125 )
128- فرقاستمیانآنکهیارشدربر / باآنکهدوچشمانتظارشبود.(گلستان :95 ) (دهخدا : 1140 )
129- فرونبنددکارگشاده،پیشانی( بهحاجتیکهروی،تازهرویوخندانباش)( گلستان: 113)
(دهخدا : 1141)
130- الاتانشنویمدحسخنگوی / کهاندکمایهنفعیازتودارد
کهگرروزیمرادشبرنیاری / دوصدچندانعیوبتبرشمارد.(گلستان :175) (دهخدا:1141)
131- قارونهلاکشدکهچهلخانهگنجداشت/ نوشیرواننمردکهنامنیکوگذاشت.(گلستان:74)
(دهخدا:1153)
132- قاضیکهبهرشوتبخوردپنجخیار/ ثابتکندازبهرتوصدخربزهزار .(گلستان :190)
(دهخدا:
1153)
133- قراردرکفآزادگاننگیردمال/نهصبردردلعاشقنهآبدرغربال.(گلستان:67)(دهخدا:1158)
134- قلمزننگهداروشمشیرزن/ کهحلاجودرزیچهمرد،چهزن.(گلستان:1072 )(دهخدا:1166)
135- کجامنشکرایننعمتگذارم /کهزورمردمآزادیندارم.(گلستان: 109 ) (دهخدا : 1195 )
136- کریمانرابهدستاندردرمنیست/خداونداننعمتراکرمنیست .(گلستان : 163)(دهخدا:1201 )
137- بیفایدهاستوسمهبرابرویکور/ کسنتواندگرفتدامندولتبهزورکوشش.(گلستان:120)
(دهخدا: 1205)
138- کسنیاردپستوپیشفرست ( برگعیشیبهگورخویشفرست…)(گلستان :52)(دهخدا:1206)
139- کسنیایدبهزیرسایه‌یبوم / ورهمایازجهانشودمعدوم.(گلستان:60) (دهخدا: 1207)
140- هرکهگردنبهدعویافرازد / دشمنازهرطرفبدوتازد
سعدیافتادهایاستآزاده / کسنیامدبهجنگافتاده (گلستان : 56 ) (دهخدا: 1206)
141- کهگفتتبهجیحونبراندازتن / چوافتاده‌ایدستوپاییبزن .( بوستان: 3636 )(دهخدا: 1355)
142- گاوانوخرانباربردار / بهزآدمیانمردمآزار .(گلستان :74)
مسکینخراگرچهبیتمییزاست / چونبارهمیبرد،عزیزاست.(گلستان :74)
حاجیتونیستیشتراستازبرایآنک / بیچارهخارمی‌خوردوبارمی‌برد.(گلستان : 159)
( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

(دهخدا :1262)
143- گاهباشدکهکودکنادان / بهغلطبرهدفزندتیری(گلستان :126)
گهبودکزحکیمدانشمند / برنامددرستتدبیری(دهخدا : 1267)
144- گداراکهبرخاطرشبندنیست / بهازپادشاهیکهخرسندنیست.(بوستان: 2817 )(دهخدا:1269)
145- گداراچوحاصلشودنانشام / چنانشادخسبدکهسلطانشام.( بوستان: 703 )( دهخدا:1269)
146-گرآبچاهنصرانینهپاکاست/جهودمردهمی‌شویم،چهباکاست.(گلستان :116)(دهخدا: 1270)
147- گرازرودزمینعقلمنعدمگردد /بهخودگماننبردهیچکسکهنادانم.(گلستان :175)
(دهخدا : 1272)
148- گرتضرّعکنیوگرفریاد / دزدزربازپسنخواهدداد.(گلستان : 143) (دهخدا: 1281)
149- گرچهکسبیاجلنخواهدمرد / تومرودردهاناژدرها
رزقاگرچندبیگمانبرسد / شرطعقلاستجستنازدرها …) (گلستان :122) ( دهخدا : 1288)
150- گفتچشمتنگدنیاداررا / یاقناعتپرکندیاخاکگور.(گلستان :117) (دهخدا : 1315)
151- لطافتکنآنجاکهبینیستیز / نبردقزنرمراتیغتیز.(گلستان :123)
چوپرخاشبینیتحمّلبیار / کهسهلیببندددرکارزار .(گلستان :123) ( دهخدا: 1364)
152- متکلمراتاکسیعیبنگیردسخنشصلاحنپذیرد . (گلستان :175) ( دهخدا : 1399)
153-مسکینخراگرچهبیتمیزاست / چونبارهمیبردعزیزاست.(گلستان :74)
گاوانوخرانباربردار / بهزآدمیانمردمآزار.(گلستان :74)
حاجینیستشتراستازبرایآنک / بیچارهخارمیخوردوبارمیبرد .(گلستان : 159)
خرباربربهکهشیرمردمدر .( گلستان:74) ( دهخدا: 1710 )
154- مشکآناستکهخودببویدنهآنکهعطّاربگوید .(گلستان : 180)
هنرنمودناگرنیزهستلایقنیست / کهخودعبیربگویدچهحاجتعطّار
عروسیراکهمادرستایدبرایدائیخوباست .
معشوقهکهدیردیرنبیند / آخرکمازآنکهسیرنبیند .(گلستان :136)
دیرآمدیاینگار سرمست / زودتندهیمدامنازدست.(گلستان:136) (دهخدا : 1717)

۳-۳-۶- آزمون ایستایی در داده های ترکیبی
آزمونهای ریشه واحد داده های ترکیبی به وسیله کوآه (۱۹۹۲و ۱۹۹۴)^[۴۶] و بریتون (۱۹۹۴)^[۴۷] پایهریزی شد. این مطالعات به وسیله لوین، لین و چو (۱۹۹۳و ۲۰۰۲)^[۴۸] و ایم، پسران و شین (۱۹۹۷ و ۲۰۰۳)^[۴۹] کامل شد. در الگوی داده های تابلویی همانند الگوهای سری زمانی در صورت غیر ایستا بودن متغیرها، مسئله رگرسیون ساختگی مصداق خواهد داشت. همچنین R² بالا ناشی از وجود متغیر زمان، به واسطه ارتباط حقیقی بین متغیرها نیست(گجراتی، ۱۳۸۳). بنابراین کاربرد آزمون ریشه واحد روی داده های ترکیبی جهت تضمین صحت و اعتبار نتایج امری ضروری است. البته آزمونهای ریشه واحد داده های ترکیبی نسبت به آزمونهای ریشه واحد مربوط به سری زمانی قویتر هستند. برای داده های تابلویی، پنج آزمون ریشه واحد به صورت آزمون لوین، لین و چو، آزمون ایم، پسران و شیم، آزمون فیشر- فیلیپس پرون، آزمون فیشر با بهره گرفتن از آزمون دیکی فولر تعمیم یافته و آزمون هادری مورد استفاده قرار میگیرد.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۳-۳-۷- آزمونهای همجمعی داده های تابلویی
بررسی وجود همجمعی متغیرها در داده های ترکیبی نیز مانند داده های سری زمانی اهمیت دارد. در واقع تجزیهوتحلیل همجمعی، برای برآورد و آزمون رابطه تعادلی بلندمدت بین متغیرها استفاده میشود. اگر یک نظریه اقتصادی صحیح باشد، مجموعهی ویژهای از متغیرها که توسط نظریهی مذکور، مشخص شده است، با یکدیگر در بلندمدت مرتبط میشوند. به علاوه، نظریه اقتصادی تنها روابط را به صورت ایستا (بلندمدت) تصریح میکند و اطلاعاتی در خصوص پویاییهای کوتاه مدت میان متغیرها بهدست نمیدهد. در صورت معتبر بودن نظریه، انتظار میرود که با وجود نامانا بودن متغیرها، یک ترکیب خطی ایستا از این متغیرها مانا و بدون روند تصادفی باشد. در غیر این صورت، اعتبار نظریهی مورد نظر زیر سوال میرود. به همین دلیل به طور گسترده، از همجمعی به منظور آزمون نظریههای اقتصادی و تخمین پارامترهای بلندمدت استفاده شده است.
برای انجام آزمون همجمعی داده های ترکیبی، کائو(۱۹۹۹)^[۵۰] و پدرونی(۱۹۹۹)^[۵۱]، پس از برآورد رابطه بلندمدت بین متغیرها در بلندمدت، مانند آنچه که در مورد سریهای زمانی و داده های مقطعی انجام میشود از آمارههای صفحه بعد استفاده کردهاند:
(۳-۱۹)
در رابطه فوق y ضریب رگرسیون خطای بلندمدت، روی وقفه خطاهای حاصل از تخمین مدل به روش پانل   به صورت زیر است:
(۳-۲۰)
N در آمارههای   و   نشان دهنده تعداد مقطعها و   مقدار t استاندارد رابطه (۳-۸) است. آمارههای استخراج شده هر دو، توزیع نرمال با میانگین صفر و واریانس یک دارند. فروض انجام آزمون همانباشتگی داده های ترکیبی را میتوان به صورت زیر نشان داد:
(۳-۲۱)
که فرضیه اول نشان دهنده عدم وجود همانباشتگی بین متغیرها در تمام مقطعها و فرضیه دوم نشان دهنده وجود همانباشتگی بین متغیرها است.
کائو(۱۹۹۹) آزمون همجمعی تعمیم یافته دیکی فولر را با فرض اینکه بردارهای همجمعی در هر مقطع همگن باشند به صورت زیر ارائه کرده است:
(۳-۲۲)
در رابطه فوق   خطای تخمین رابطه بلندمدت با روش داده های ترکیبی و p تعداد وقفه ها در آزمون ADF است که اندازه آن بستگی به رفع خودهمبستگی بین اجزای خطا دارد. همچنین j ضریب متغیر تفاضل وقفه های آزمون و   خطای معادله تخمین زده شده فوق است. به عبارت دیگر در این آزمون مانند آزمونهای   و   پس از تخمین رابطه بلندمدت، خطای تخمین محاسبه شده و سپس با بهره گرفتن از رابطه فوق آزمون ADF انجام میشود. فرضیات این تست مانند فرضیات آزمونهای   و   بوده و آماراه آزمون دارای توزیع t استاندارد است(پدرونی، ۱۹۹۷).
۳-۳-۸- عدم اطمینان قیمتگذاری (MSPE) و عدم دقت قیمتگذاری (MAPE)
آزمون دیگری که در این مجموعه برای مقایسهی دو مدل بهکار رفته است، یکی از رویه های اقتصادسنجی است که میزان خطای پیشبینی دو مدل را اندازه گیری و مقایسه میکند و با آن فرضیه دوم پژوهش مبنیبر بازده بهدست آمده از مدل قیمتگذاری برپایه مخارج مصرفی در بودجه خانوار تبیین بهتری از رفتار بازده واقعی دارد، مورد آزمون قرار میگیرد. بهمنظور انجام این آزمون، خطاهای قیمتگذاری بازده در زمان t را با نماد   بهصورت زیر تعریف میکنند:
 (۳-۲۳)
یعنی خطای قیمتگذاری در زمان t، برابر است با بازده بهدست آمده از مدل برای زمان t، منهای بازده واقعی سهام در زمان t. دو معیار میانگین مربعات خطاهای قیمتگذاری^[۵۲] و میانگین متوسط خطای قیمتگذاری^[۵۳] ابزارهایی هستند که به منظور مقایسهی عدم اطمینان و دقت دو مدل مورد استفاده قرار میگیرند و بهصورت زیر تعریف شدهاند:
(۳-۲۴)
(۳-۲۵)
جایی که   ، میانگین خطاهای قیمتگذاری   است:
(۳-۲۶)
MSPE عدم اطمینان قیمتگذاری و MAPE عدم دقت قیمتگذاری را نشان خواهند داد.
۳-۴- متغیرهای پژوهش
۳-۴-۱- بازدهی سهام
نکتهای که اشاره به آن مهم میباشد، متغیر بازدهی سهام است که در اغلب مطالعات مورد بررسی، تغییر قیمت و بازدهی معادل درنظر گرفته شده و در عبارت   بروز مییابند که تحت عنوان لگاریتم طبیعی تغییر قیمت (بازدهی) معرفی شده و بهصورت زیر محاسبه میشود:
(۳-۲۷)
در این پژوهش نیز برای بررسی ارتباط همزمان و پویا بین بتای بازاری هر سهم و بتای مخارج مصرفی با تغییرات قیمت از همین متغییر استفاده شده است.
۳-۴-۲- بتا
ضریب بتا ارتباط بین بازده دارایی i و بازده شاخص بازار را توصیف میکند. اگر بتا مساوی یک باشد، بدین معنی است که یک درصد تغییر در بازدهی مورد انتظار، باعث یک درصد تغییر در بازده دارایی i میشود. اگر بتا بزرگتر از یک باشد، بدین معنی است که نرخ بازدهی آن سهم، بیشتر از تغییرات بازده بازار خواهد بود و اگر بتا کوچکتر از یک باشد، میتوان انتظار داشت که تغییرات بازده آن سهم کمتر از تغییرات بازده بازار میباشد. بهعبارت دیگر؛ میتوان گفت که ضریب بتا میزان ریسک سیستماتیک کل اوراق بهادار موجود در بورس را نشان میدهد.
نحوه محاسبه بتای بازاری هر سهم عبارت است از:
(۳-۲۸)
برای آزمون مدل قیمتگذاری دارایی سرمایهای سنتی، معادله را بهصورت زیر بیان میکنند:
(۳-۲۹)
نرخ بازده بدون ریسک یا همان
اضافه بازده سهام یا همانE
بازده مشاهده شده سهام i
خطای مورد انتظار یا همان   -
در نتیجه، این مدل بازده دارایی iرا با ریسک سیستماتیک آن ارتباط میدهد.
اما در مدل قیمتگذاری دارایی سرمایهای برپایه مخارج مصرفی، بتا برپایه رشد مخارج مصرفی تعریف میشود:
(۳-۳۰) 
این بتا تعیینکننده ارتباط میان نرخ بازدهی انتظاری دارایی و ریسک براساس اطلاعات بهدست آمده از بودجه خانوار بر حسب مخارج مصرفی دو گروه کالاهای بیدوام و خدمات است، که مبنایی برای درک ارتباط بین ثروت، مخارج مصرفی و ریسک گریزی سرمایهگذاران میباشد تا تبیینکننده بهتری برای ارتباط میان ریسک و بازده باشد.
این مدل هم همانند مدل قیمتگذاری دارایی سرمایهای سنتی، بازده دارایی را با ریسک سیستماتیک آن ارتباط میدهد. هرچند در این جا معیار ریسک سیستماتیک کواریانس با رشد مخارج مصرفی است. بتای مخارج مصرفی، بهگونهای تبیین شده است که این معیار برای بازار برابر یک است.
برای آزمون مدل قیمتگذاری دارایی سرمایهای برپایه مخارج مصرفی، معادله بهصورت زیر بیان میشود:
(۳-۳۱)
با این معادله، بهسادگی میتوان مدل قیمتگذاری دارایی سرمایهای سنتی و مدل قیمتگذاری دارایی سرمایهای برپایه مخارج مصرفی را در یک معادله جای داد. در عمل بازده دارایی i بر بتای بازاری و بتای مخارج مصرفیاش رگرس میشود تا ببینید کدام یک تبیینکننده بهتری از بازده هستند و فرضیه نخست یعنی بتای مخارج مصرفی در بودجه خانوار در مقایسه با بتای بازار ارتباط بیشتری با بازده دارد، مورد آزمون قرار گیرد.
فصل چهارم:
توصیف داده ها و برآورد الگو
۴-۱- مقدمه:
در این فصل ابتدا روند تحلیل داده ها مورد بررسی قرار میگیرد. در قسمت دوم، ابتدا پایایی متغیرهای مورد استفاده در الگو بررسی میشود. سپس به منظور کاذب نبودن نتایج رگرسیون، آزمون همجمعی میان متغیرهای الگو انجام میشود. در ادامه نتایج آزمونهای مختلف برای تعیین نوع برآورد الگو بررسی میشود. در نهایت، نتایج برآورد الگو تفسیر آنها ارائه میشود.
۴-۲- تحلیل روند داده ها:
برای آشنایی کلی با متغیرهای مورد استفاده در الگو، تحلیل داده ها صورت میگیرد. حدود زمانی پژوهش سالهای ۹۰-۱۳۸۱ و حدود مکانی آن کشور ایران است. تحلیل داده های مورد استفاده در جدول (۴-۱) و (۴-۲) نمایش داده شده است.
جدول (۴-۱): منتخبی از شاخصهای کلیدی برای هشت شرکت سرمایهگذاری

ویژگی

نماد اختصاری

دامنه ماکزیمم سیگنال

AMP

دامنه مینیمم سیگنال

-AMP

ناحیه مثبت

PAR

ناحیه منفی

NAR

قدر مطلق ناحیه منفی

NANR

مجموع ناحیه

TAR

قدر مطلق مجموع ناحیه

ATAR

قدر مطلق مجموع ناحیه

TAAR

پیک تا پیک سیگنال

PP

۳-۴- استخراج ویژگی با مدل خودبازگشتی(AR^[17])
روش مدلسازی خود بازگشتی یکی از مدل‌های اتفاقی است که برای نمایش سیگنال‌های غیر ایستا بسیار مورد استفاده می‌باشد. در این مدل، مقادیر جاری سیگنال به صورت جمع خطی از تعداد محدودی از مقادیر قبلی بعلاوه خطای e(n) بیان می‌شود. بنابر این پردازش به صورت ۳-۲ مدل می‌شود:
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

(۳-۲)
به طوری‌که می توان گفت x(n) سیگنال مورد نظر، e(n) نویز سفید با میانگین صفر و واریانس مجهول، ها ضرایب و p مرتبه مدل AR می‌باشد. در این معادله متغیر x(n) به مقادیر قبلی خودش وابسته است. روش های متعددی بطور رایج برای تخمین ضرایب AR استفاده می‌شود]۲[.
۳-۵- استراتژی انتخاب ویژگی
انتخاب ویژگی فرآیندی است که ویژگی‌های با قدرت تشخیص بالاتر و موثرتر را از مجموعه‌های داده برای انجام اعمال داده کاوی انتخاب می‌کند. مرحله مقدماتی فرایند انتخاب ویژگی عبارتند از: شناسایی مجموعه ویژگی‌ها و جستجو برای بهترین زیر مجموعه. مجموعه پارامترها اغلب شامل الگوریتم‌های یادگیری الگوریتم های انتخاب و فرآیندهای تخمین خطا می‌باشند. البته این مسئله کاملا روشن است که هیچ مجموعه ویژگی به تنهایی برای کلیه‌ی مسائل داده کاوی کارا نمی‌باشد.
الگوریتم‌های انتخاب ویژگی به طور کلی به سه دسته تقسیم می‌شوند: مدل‌های فیلتر، مدل‌های رپر^[۱۸] و مدل‌های ترکیبی]۱۳[. مدل‌های فیلتر از مشخصات ذاتی یا آماری ویژگی‌های مجموعه‌های داده استفاده می کنند و از هر گونه الگوریتم یادگیری مستقل اند. چنین رویه‌هایی شامل ماشین یادگیری نمی‌باشند و برای مجموعه داده‌های با ابعاد بالا موثر بوده و پیشنهاد می‌شوند. در مقابل مدل‌های رپر از ماشین‌های یادگیری استفاده کرده و زیرمجموعه ویژگی‌ها را بر اساس تخمین کارایی انتخاب می‌کنند. در مقایسه با فیلتر‌ها رپرها دارای زمان و هزینه‌های محاسباتی بالاتری بوده و برای مجموعه داده‌های با ابعاد بالا مناسب نمی‌باشد. مزیت اصلی رپرها در دقت بالای پیش‌بینی آنها است. نتایج جستجوی رپرها برای یافتن بهترین زیر مجموعه ویژگی بسیار بالاتر از فیلتر‌ها گزارش شده است. برای انتخاب ویژگی خوب،تلاش اصلی فرایند جستجو باید شناخت ویژگی‌های موثر و غیر افزونه باشد]۲۵[. اغلب روش‌های ترکیبی فیلتر و رپر از فیلترها جهت رتبه‌بندی ویژگی‌ها و کاهش تعداد ویژگی‌های کاندید استفاده می‌کنند. به طور کلی مدل‌های ترکیبی بر اساس رویه‌های ترتیبی دو مرحله‌ای کار می‌کنند.در مرحله اول معمولا براساس فیلترها تعداد ویژگی‌های مورد نظر برای مرحله دوم کاهش می‌یابند. سپس با بهره گرفتن از مجموعه کاهش یافته یک رویه رپر در مرحله دوم جهت انتخاب ویژگی‌های مطلوب اعمال می‌شود.
۳-۶- تحلیل مولفه اصلی (PCA)
در روش تحلیل مؤلفه‌های اصلی، محور‌های مختصات جدیدی برای داده‌ها تعریف می‌شود به گونه ای که نخستین محور در جهتی قرار می‌گیرد که واریانس داده‌ها بیشینه است و دومین محور نیز عمود بر محور اول و در جهتی که واریانس داده ها بیشینه باشد،در نظر گرفته می‌شود و به همین ترتیب، محورهای بعدی عمود بر تمامی محورهای قبلی به گونه‌ای قرار می‌گیرند که واریانس داده‌ها در آن جهت بیشینه باشد]۴[.تحلیل مولفه اصلی یکی از روش‌های مرسوم استخراج ویژگی است که در بسیاری از پژوهش‌ها به دلیل سادگی و سرعت بالا در پردازش از آن استفاده می‌شود]۲۶[. تکنیک PCA بهترین روش برای کاهش ابعاد داده به صورت خطی می‌باشد یعنی با حذف ضرایب کم اهمیت بدست آمده از این تبدیل،اطلاعات از دست رفته نسبت به روش های دیگر کمتر است.
فرض کنید ماتریس ورودی X دارای نمونه و n ویژگی است و نمونه باید در C گروه قرار گیرند، میانگین و کوواریانس داده با توجه به روابط (۳-۳) و (۳-۴) محاسبه می­شوند [۳۸]:
(۳-۳) (۳-۴)
در مرحله­ بعد، مقادیر ویژه و بردارهای ویژه از روی ماتریس کواریانس محاسبه می‌شوند. سپس، تعداد k مقدار ویژه بزرگتر از n مقدار ویژه انتخاب می‌شوند. حال ماتریس ورودی X تحت ماتریس بردار ویژه P با تعداد k ویژگی، به فضای تحلیل مولفه‌اصلی تبدیل می‌شود:
(۳-۵)