توانایی مدیریت و پیامدهای آن بر ارزش آفرینی شرکت ها با به کارگیری شبکه های عصبی (رویکرد مقایسه ای در صنایع شیمیایی و مواد غذایی)
محورهای موضوعی : آینده پژوهی
اکبر ولیزاده اوغانی
1
,
ناصر فقهی فرهمند
2
,
فرزین مدرس خیابانی
3
1 - دانشجوی دکتری، گروه مدیریت صنعتی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایرانن
2 - دانشیار گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران (نویسنده مسئول)
farahmand@iaut.ac.ir
3 - استادیار گروه ریاضی کاربردی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
کلید واژه: تحلیل پوششی داده ها, ارزش آفرینی, توانایی مدیریت, شبکه های عصبی,
چکیده مقاله :
هدف این تحقیق بررسی پیامدهای توانایی مدیریت شرکت ها بر ارزش آفرینی در صنایع شیمیایی و مواد غذایی در دوره زمانی 1390-1394 با بکارگیری شبکه های عصبی مصنوعی است. ابتدا با اجرای مدل DEA با یک الگوی بومی شده، کارایی نسبی برای هر شرکت مشخص شده و با برآورد یک مدل رگرسیونی، شاخص توانایی مدیریت هر شرکت نیز تعیین شده است. سپس ارزش آفرینی شرکت ها از متوسط حاصل عواملی مانند بازده صاحبان سهام، نسبت Q توبین، بازده سرمایه گذاری ها و خلق ثروت برای سهامداران اندازه گیری شد. مدل شبکه عصبی بکار گرفته شده در این تحقیق، پرسپترون چندلایه ای با الگوی آموزش پس انتشار خطا بوده است. برای ارزیابی کارایی نسبی از نرم افزار بهینه سازی GAMS، جهت سنجش شاخص توانایی مدیریت از E-Views و برای آموزش و ارزیابی مدل شبکه عصبی از نرم افزار MATLAB بهره گرفته شده است. نتایج نشان می دهد که مدل شبکه عصبی مصنوعی در صنعت مواد غذایی بهتر از صنعت شیمیایی، ارزش آفرینی شرکت ها را از روی شاخص توانایی مدیریت و دیگر متغیرهای ورودی برآورد می کند. از دیگر نتایج تحقیق اینکه، امتیاز توانایی مدیریت در هر دو صنعت برابر بوده اما متوسط امتیاز ارزش آفرینی شرکت ها در صنعت مواد غذایی بیشتر از صنعت شیمیایی بوده است.
The purpose of this study is to investigate the effect of management ability on the value creation in the chemical and food industry in 2012-2016 by using artificial neural network. Initially, with the implementation of the DEA model with a native model, the relative efficiency is determined for each company and by estimating a regression model, the management ability to each company is also determined. Then the value creation of the companies is measured by the average of the factors such as return on equity, Q Tobin ratio, return on investment, and wealth creation for shareholders. The neural network model used in this study is a multilayer perceptron with back propagation error training pattern. To evaluate the relative efficiency is used the GAMS optimization software and to measure the management ability used the E-Views and MATLAB software is used to train and test the neural networks model. The results show that the artificial neural network model in the food industry is better than the chemical industry. This model estimates the companies' value creation through the management ability and other input variables. Other research results, the management ability score in both industries is equal, but the average value creation of the companies in the food industry is higher than the chemical industry.
_||_