تصنيف وتحليل فئات الدخل في السودان باستخدام الدالة التمييزية مقارنة بنماذج الشبكات العصبية في الفترة من 1990-2013م

Abstract

تناول هذا البحث، والذي بعنوان، تصنيف وتحليل فئات الدخل في السودان باستخدام الدالة التمييزية مقارنة بنماذج الشبكات العصبية في الفترة من 1990 – 2013 م. حيث كانت البيانات الأساسية لهذا البحث هي الأرقام القياسية لأسعار المستهلكين او ما يعرف بمستويات المعيشية لفئات الدخل وهي ( فئة الدخول العليا – فئة الدخول الوسطي – فئة الدخول العليا) والتي يتم إعدادها بواسطة الجهاز المركزي للإحصاء. وقد شملت متغيرات هذا البحث المجموعات السلعية الأساسية وهي (الطعام والشراب"الغذاء"، الملابس والأحذية، السكن، الأدوات المنزلية، العناية الصحية، النقل والمواصلات، الترفيه، التعليم ، أخري). وقد كانت مشكلة البحث كيف يمكن ان نستخدم مؤشر الرقم القياسي لمستويات المعيشة في السودان في أسلوب التحليل الإحصائي الذي يستخدم الدالة التمييزية مقارنة بنماذج الشبكات العصبية الاصطناعية، لنصل ألي أسلوب تصنيف من خلاله نستطيع ان نصنف الفرد في أي من مجموعات الدخل ينتمي، وكذلك أيهما أكثر دقة في التصنيف، أسلوب التحليل التمييزي ام أسلوب الشبكات العصبية، وما هي درجة العلاقة بين الأسلوبين، وقد تمثل هدف البحث في استخدام نوعين من التحليل هما التحليل التمييزي والشبكات العصبية, وكذلك هدف البحث الي استعراض واستخدام أساليب الشبكات العصبية المستخدمة في التصنيف وذلك بتطبيقها في مجال الدراسات الاقتصادية ومن ثم المقارنة بين أسلوبي التحليل التمييزي والشبكات العصبية لمعرفة خصائص كل طريقة وما هي أوجه الشبة والاختلاف بين الطريقتين وتحت أي الظروف يمكن ان نستخدم احدي هذه الطرق. وقد توصل البحث الي نتائج مهمة في التحليل التمييزي، تتمثل في ان الدالة التمييزية المتحصل عليها عن طريق التحليل التمييزي كانت معنوية الا ان كفاءة الدالة في التمييز لم تكن عالية. كذلك بلغت نسبة التصنيف الصحيح 58.3%، كذلك استخدام التحليل التمييزي يتيح طرق وبدائل مختلفة للباحث اذا ما كانت هناك اي مشكلة في طبيعية البيانات . أسلوب الشبكات العصبية أنتج دالة تمييزية بمتوسط مربع خطأ اكبر من متوسط مربع الخطأ في أسلوب التحليل التمييزي. وقد كانت أهم توصيات هذا البحث، استخدام شبكات أخري في عملية التمييز يمكن ان يكون له اثر ايجابي في تحسين مستوي الخطأ عن طريق الشبكات العصبية. اذا كان مجتمع بيانات الدراسة غير معلوم فان الشبكات العصبية تكون بديلا ناجحا للتحليل التمييزي لاحتوائها علي عدد من دوال التنشيط والنقل والتحويل واكتساب طرق التعلم الذاتي. عدم توفر برمجيات الشبكات العصبية يعتبر احد عوائق انتشار تطبيقها واستخدامها في مجالات مختلفة، وبالتالي لابد من إتاحتها وسهولة استخدامها.