دانلود پایان نامه

شرکت های کوچک و متوسط رشد فروش بالاتری نسبت به شرکت های بزرگتر دارند.
بگز و همکاران(2008)
مدل Tobit و رگرسیون OLS
رشد فروش بالا بقا را افزایش می دهد.
اسجوکویست و
کریستی(2012)
مدل برآورد کننده حد محصول(کاپلان- ماير) و مدل نيمه پارامتريک رگرسيون Cox
رشد سریع و توسعه یک شرکت جدید شانس بقای آن را افزایش می دهد.
محسن عرب نجف آبادی (1390)
مدل Probit
بین رشد صنعت و بقا رابطه ی مثبتی وجود دارد.
بهشتی، ناصر صنوبر و فرزانه کجاباد (1388)
رگرسیون OLS
از موانع عمده برای تولد بنگاه های جدید، عدم کارایی بازار پول و سرمایه کشور جهت تأمین بنگاهها برای شروع فعالیت می باشد. همچنین رشد و سودآوری صنعت بعنوان یک عامل جذب کننده بنگاههای جدید در بخش صنعت ایران عمل می کند.

فصل سوم
روش شناسی تحقیق
3-1- مقدمه
تجزیه و تحلیل بقاء یا تحلیل ماندگاری یکی از مباحث علم آمار است که در رشته‌های مختلفی از جمله علوم کامپیوتر، اپیدومیولوژی و کشاورزی کاربرد دارد. تجزیه و تحلیل داده های بقاء یک تکنیک آماری پیشرفته در تجزیه و تحلیل داده های مربوط به زمان وقوع حوادثی چون مرگ می باشد.بر اساس تئوری های این بخش از آمار، برای هر موجود زنده (یا در حال انجام یک فرایند کاری) می توان زمان شکست (مرگ) در نظر گرفت. در تحلیل داده های بقاء، احتمال مرگ در هر لحظه از زندگی موجود زنده و تابع بقاء او محاسبه می شود. مدل های طول عمر، کاپلان مایر و رگرسیون کوکس دارای بیشترین کاربرد در این زمینه می باشند (یوسف نژاد و همکاران، 1390).
تجزیه و تحلیل بقاء اولین بار توسط جان گرانت در سال 1662 و همچنین ستاره شناس معروف، ادموند هالی کاشف ستاره دنباله دار هالی، در قرن 17 و در سال 1693 انجام شده است (پوربهرام آبکنار، 1383). ارتقاء روش های تحلیل داده های بقا به عنوان یکی از حوزه های علم آمار در سال های اخیر بسیار مورد توجه قرار گرفته است. این بدان خاطر است که در بسیاری از موقعیت های عملی، محققین تمایل به بررسی زمان بقا تا رخداد یک واقعه از قبیل تاریخ انقضاء یک ماده یا زمان مرگ یک بیمار و … دارند (رجایی فرد و همکاران، 1388).
معمولاً تحلیل بقاء در زمانی انجام می شود که پیشامد مورد نظر در مورد تعدادی از واحدها رخ نداده است که این واحدها مقادیر سانسور شده را تشکیل می دهند، زیرا قادر به ثبت وضعیت نهایی آن ها نیستیم. در حقیقت وجود این مقادیر سانسور شده است که روش های تحلیل بقاء را از سایر روش های تحلیل متمایز می کند (پور بهرام آبکنار،1390).
به صورت کلی سه روش تحلیل آماری در مطالعات بقا وجود دارد: روش های پارامتریک، ناپارامتریک و نیمه پارامتریک. در این فصل در ابتدا در مورد داده های تاریخچه ای- رویدادی توضیحاتی داده می شود، سپس به معرفی نرم افزار TDA می پردازیم، و در نهایت سه روش تحلیل آماری پارامتریک، ناپارامتریک و نیمه پارامتریک مورد بررسی قرار گرفته و روش های مورد استفاده در این تحقیق تشریح می شوند.
3-2- متدلوژی تجزیه و تحلیل داده های تاریخچه ای- رخدادی
این نوع داده ها اغلب مناسبترین نوع اطلاعات تجربی هستند که محقق می تواند راجع به یک فرآیند مورد مطالعه به دست آورد. کولمن(1981) این نوع فرآیندها را به شکل زیر توصیف کرده است: