هدف از پژوهش های کاربردی در یک زمینه خاص است، به عبارت دیگر پژوهش های کاربردی به علت کاربرد عملی دانش هدایت می شود. لذا از نظر هدف پژوهش کاربردی است که در جهت کاربردی کردن عوامل موثر بر وصول مطالبات در بانک صادرات اردبیل مورد استفاده قرار خواهد گرفت. همچنین پژوهش های علمی را بر اساس چگونگی به دست آوردن داده های مورد نیاز می توان به پژوهش توصیفی و آزمایشی تقسیم کرد. پژوهش حاضر با توجه به توصیف شرایط و پدیده های مورد بررسی و برای شناخت بیشتر و بهتر شرایط موجود و یاری دادن به فرایند تصمیم گیری انجام شده است که از این داده ها برای اصلاح یا تعدیل شرایط موجود استفاده می شود و یا اینکه برای بهسازی آنها طرح های مستدلی تهیه می شود. لذا پژوهش حاضر از نظر نحوه گردآوری داده ها، پژوهش توصیفی می باشد پژوهش توصیفی شامل مجموعه روش هایی است که هدف آنها توصیف شرایط یا پدیده های مورد بررسی است. اجرای پژوهش توصیفی می تواند صرفا برای شناخت بیشتر شرایط موجود یا یاری دادن به فرایند تصمیم گیری باشد. پژوهش پیمایشی شاخه ای از پژوهش های توصیفی به شمار می رود، در این نوع پژوهش نمونه ای از جامعه مطالعه منتخب می شود، و نیاز به مطالعه نمونه به این دلیل است که مطالعه کل جامعه دشوار است و نمونه می تواند تصویر دقیقی از جامعه آماری مورد مطالعه بدست دهد که از مهمترین مزایای آن قابلیت تعمیم نتایج است(کرلینجر،۶۶:۱۳۸۲).

( 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. )

این پژوهش از نظر ارتباط بین متغیرها از نوع پژوهش های همبستگی است چون می خواهد روابط بین متغیرهای مستقل و وابسته را بررسی نماید. پژوهش های همبستگی شامل کلیه پژوهش های است که در آنها سعی می شود رابطه بین متغیرهای مختلف با بهره گرفتن از ضریب همبستگی ،کشف یا تعیین شود. هدف پژوهش های همبستگی عبارت است از درک الگوهای پیچیده رفتاری از طریق مطالعه همبستگی بین این الگوها و متغیرهایی که فرضیه می شود بین آنها رابطه وجود دارد(دلاور،۱۳۸۶).
۳-۳ متغیر های پژوهش
متغیر یک مفهوم است که بیش از دو یا چند ارزش یا عدد به آن اختصاص داده می شود. به عبارت
دیگر متغیر به ویژگی هایی اطلاق می شود که می توان آنها را مشاهده یا اندازه گیری کرد . و دو یا
چند ارزش یا عدد را جایگزین آنها نمود. عدد یا ارزش نسبت داده به متغیر ، نشان دهنده تغییر از یک
فرد به فرد دیگر یا از یک حالت به حالت دیگر است (دلاور،۱۳۸۴).
متغیر بر اساس نقشی که در پژوهش برعهده دارد به دو دسته تقسم می شود:
الف- متغیر مستقل
ب- متغیر وابسته(دلاور ، ۱۳۸۴).
متغیر مستقل ، متغیر محرک درون داده است که به وسیله پژوهشگر اندازه گیری،دستکاری یا انتخاب
می شود تا تاثیر یا ارتباط آن با متغیر دیگری معین شود.
متیغر وابسته ، متغیر پاسخ ،برون داد یا ملاک است و عبارت است از وجهی از رفتار یک ارگانیسم که
تحریک شده است. متغیر وابسته مشاهده یا اندازه گیری می شود تا تاثیر متغیر مستقل بر آن معلوم و
مشخص شود.
متیغر وابسته عبارت است ریسک اعتباری مشریان حقیقی بانک
متغیر مستقل عبارت است از علت های احتمالی متغیر وابسته که شامل موارد زیر است:
سابقه اعتباری مشتریان ،مبلغ تسهیلات، تعداد چک برگشتی مشتریان، مبلغ تسهیلات به معدل موجودی، معدل موجودی
۳-۴ روش آماری تجزیه و تحلیل داده ها
مطالعه از نوع همبستگی و به لحاظ وقوع فاصله زمانی بین اعمال متغییرهای مستقل و متغیر وابسته از مدل رگرسیون استفاده شده است به دلیل دو ارزشی بودن متغیر وابسته با بهره گرفتن از رگرسیون لوجستیک داده ها تحلیل و به پرسشهای پژوهش پاسخ داده می شود در این پژوهش چند متغیر بر روی یک گروه اندازه گیری و مطالعه می شود.
مدل استفاده شده در این پژوهش مدل لاجیت است که از رگرسیون لاجستیک پیروی می کند در رگرسیون لاجستیک ضرایب متغیرهای مستقل بر آورد می شود مدلهای لاجیت و پروبیت در مواردی استفاده می شود که متغیر وابسته قابل مشاهده نباشد متغیر وابسته در این موارد به صورت انتخاب دوگانه ظاهر می شود مدل لاجستیک از منحنی لاجستیک پیروی می کند بدین ترتیب این منحنی بر اساس داده های واقعی برازش می شود.داده های واقعی مربوط به متغیر وابسته بر اساس این که پدیده مورد نظر اتفاق افتاده یا اتفاق نیفتاده دو مقدار صفر و یک اختصاص داده می شود وقوع یا عدم وقوع پدیده مزبور با توجه به سطوح مختلف از ترکیبات خطی متغیرهایی مستقل تعیین می شود برتری رگرسیون لاجستیک در این است که برای تعیین مقادیر صفرویک تنها اطلاع از وقوع پدیده مورد نظر(بطور مثال خرید یک کالا ،ریسک اعتباری یا موفقیت یا عدم موفقیت یک شرکت ) کافی است بدین ترتیب از این متغیر وابسته می توان به منظور تخمین وقوع یا عدم وقوع اتفاق مورد نظر سود جست اگر احتمال وقوع بیش از ۵% پیش بینی شود در این صورت وقوع پدیده مورد نظر حتمی تلقی می شود در غیر این صورت وقوع پدیده غیر حتمی خواهد شد. آنچه در استفاده از این مدل مد نظر است در درجه اول بدست آوردن احتمال کل ناتوانی در باز پرداخت وام دریافتی توسط افراد و در مرحله بعد استخراج اثرات نهایی هریک ازمتغیرهای توضیحی است اثر نهایی تغییر در میزان احتمال رخ دادن متغیر وابسته در ازای یک واحد افزایش در متغیرهای توضیحی است در این تحقیق متغیر وابسته قصور مشتری در پرداخت دیون است. در این پژوهش برای تجزیه و تحلیل آماری اطلاعات از دو نرم افزار کاربردی اس پی اس اس و اکسل استفاده شده است.
۳-۵ رگرسیون لجستیک^[۱۳]
رگرسیون لجستیک یک حالت عمومی تر از رگرسیون خطی می باشد.قبلا این روش برای پ یش بینی
مقادیر باینری یا متغیرهای دارای چند مقدار گسسته استفاده می شد. از آنجایی که مقادیر مورد نظر برای پیش بینی مقادیر گسسته می باشند نمی توان آنرا به روش رگرسیون خطی مدلسازی کرد برای این منظور این متغیرهای گسسته را به روشی تبدیل به متغیر عددی و پیوسته می کنیم و برای این منظور مقدار لگاریتم احتمال متغیر مربوطه را در نظر می گیریم و برای این منظور احتمال پیشامد را بدین صورت در نظر می گیریم :
احتمال اتفاق نیفتادن پیشامد/ احتمال اتفاق افتادن پیشامد
و تفسیر این نسبت مانند تفسیری است که در بسیاری از مکالمات روزمره در مورد مسابقات یا شرط بندی ها یه موارد مشابه به کار می رود .مثلا وقتی می گوییم شانس بردن یک تیم در مسابقه ۳ به ۱ است در واقع از همین نسبت استفاده کرده و معنی آن این است که احتمال برد آن تیم ۷۵ % است. وقتی که ما موفق شدیم لگاریتم احتمال مورد نظر را بدست آوریم با اعمال لگاریتم معکوس می توان نسبت مورد نظر را مشخص نمود.
۳-۶ مدل لاجیت^[۱۴] ( لجستیک)
رگرسیون لاجیت در مواردی استفاده می شود که متغیر وابسته قابل مشاهده نباشد. متغیر وابسته در این موارد به صورت انتخاب دوگانه^[۱۵] ظاهر می شود، به عبارت دیگر دارای دو یا بیش ازدو حالت است. اساس این که پدیده مورد نظر اتفاق افتاده یا اتفاق نیفتاده باشد دو حالت صفر و یک را به خود اختصاص می دهند و لذا در بالا و پایین نمودار مزبور قرار می گیرند. وقوع یا عدم وقوع پدیده مزبور با توجه به سطوح مختلف از ترکیبات خطی متغیرهای مستقل تعیین می شود. یکی از مزایای رگرسیون لجستیک این می باشد که کافی است بدانیم پدیده مورد نظر(به طورمثال خرید یک کالا، ریسک اعتباری، موفقیت یا عدم موفقیت یک شرکت) اتفاق افتاده است یا خیر. در این صورت می توان از یک متغیر وابسته گسسته مانند یک یا صفر برای نشان دادن پدیده مذکور استفاده نمود.
بدین ترتیب از این متغیر وابسته می توان به منظور تخمین وقوع و یا عدم وقوع اتفاق مورد نظر سود
جست. مقادیر احتمال بین صفر و یک می باشند و لذا مقادیر مورد پیش بینی نیز باید بین صفر و یک
قرار گیرند. در صورتی که احتمال وقوع بیشتر از حد آستانه(نرخ توقف ^[۱۶]) که معمولاً در بیشتر مطالعات ۰٫۵ در نظر گرفته می شود پیش بینی شود، وقوع پدیده مورد نظر محتمل تلقی شده و در شکل را همان S غیر این صورت غیر محتمل خواهد بود. در این ارتباط رگرسیون لاجیت رابطه ای گونه که در شکل زیر آورده شد، بین احتمال وقوع یک پدیده (متغیر وابسته) و ترکیب خطی از متغیرهای مستقل فرض می نماید(مقایسه مدل خطی و لجستیک).
نمودار مدل رگرسیون لجستیک
همانگونه که در شکل بالا ملاحظه می شود در سطوح پایین متغیر مستقل، احتمال وقوع به سمت صفر میل می نماید و با افزایش سطوح متغیر مستقل احتمال افزایش یافته و در سطوح بالاتر متغیر مستقل این مقدار به سمت یک میل می کند. رابطه بین متغیر مستقل و متغیر وابسته غیر خطی است لذا عملاً نمی توان از رگرسیون خطی معمولی برای برآورد آن استفاده کرد. جدای رابطه غیر خطی، ارتباط مزبور را نمی توان در قالب رگرسیون معمولی در نظر گرفت چرا که رگرسیون معمولی مفروضاتی دارد که در این حالت برقرار نیست. اول این که خطاهای مربوط به مقادیر گسسته از توزیع دوجمله ای و نه نرمال پیروی می کند لذا تمام آزمون های آماری مربوط به آن بی اعتبار می شود .
دوم این که واریانس جمله خطا ثابت نمی باشد. این امر موجب به وجود آمدن پدیده ای به نام واریانس ناهمسانی^[۱۷] می شود و دلیل سوم این که احتمالات پیش بینی شده در روش مدل رگرسیون خطی ممکن است بیشتر از یک و یا کمتر از صفر شود.
رگرسیون لاجیت به منظور رفع مشکلات فوق ایجاد شده است. بدست آوردن رابطه منحصر به فرد متغیر وابسته با متغیرهای مستقل در این رگرسیون نیازمند روش های برآورد، تعیین نیکویی برازش و تفسیر ضرایب می باشد.
۳-۷ برآورد مدل رگرسیون لاجیت
با وجود این که اطلاعات متقاضی ها واطلاعاتی از عدم پرداخت های قبلی وجود دارد اما متغیرهای غیر قابل مشاهده نیز وجود دارد باید از رگرسیون لجستیک استفاده نمود .برای توضیح رگرسیون لوجستیک می توان از تابع توزیع تجمعی استفاده نمود،توابع توزیع تجمعی ، مجموعه ای از تغییراتی که مقدارpدر معادله (۳-۱)را در فاصله صفر ویک قرار می دهد، به وجود می آورند،در حالی که همچنان خواص یکنواختی را دارا می باشند.(بدین معنا که آنها توابع یکنواخت افزایشی یا کاهش هستند). فرض می کنیم که یک توزیع نرمال استاندارد برای بیان احتمال انتخاب شده باشد:
(۳-۲)
(: x بردار متغیرهای توضیحی  =
P: احتمال تجمعی وقوع پیشامد
 : بردار ضرایب
که در آن   تابع چگالی نرمال استاندارد است.
این تابع معرف مدل پروبیت می باشد . اگر تابع توزیع لجستیک برای بیان احتمال تجمعی وقوع مورد استفاده قرار گیرد ، به مدل لجستیک منجر خواهد شد. در این موارد: (
(۳-۳)
 که در آن  تابع چگالی لجستیک یا لوجیت می باشد. در مدل لاجیت متغیر وابسته به صورت صفر ویک تعریف می شود و دارای توزیع دو جمله ای می باشند.
در این صورت نسبت  یعنی نسبت احتمال وقوع پیشامد مورد نظر به احتمال عدم وقوع آن به صورت رابطه زیر می باشد: