بررسی تأثیر ویژگیهای صنعت و شرکت بر بقای شرکت های تازه وارد …

بررسی تأثیر  ویژگیهای صنعت و شرکت بر بقای شرکت های تازه وارد  …

# Interval Midpoint Function Error Density Error Rate Error
۰٫۰۰ ۲۱٫۰۰ ۱٫۰۰۰۰۰ ۰٫۰۰۰۰۰ ۰٫۰۰۰۱۷ ۰٫۰۰۰۱۷ ۰٫۰۰۰۱۷ ۰٫۰۰۰۱۷
۴۲٫۰۰ ۶۳٫۰۰ ۰٫۹۹۲۷۰ ۰٫۰۰۷۲۷ ۰٫۰۰۱۵۶ ۰٫۰۰۰۵۰ ۰٫۰۰۱۶۳ ۰٫۰۰۰۵۴
۸۴٫۰۰ ۱۰۵٫۰۰ ۰٫۹۲۷۰۱ ۰٫۰۲۲۲۲ ۰٫۰۰۱۰۴ ۰٫۰۰۰۴۲ ۰٫۰۰۱۱۵ ۰٫۰۰۰۴۷
۱۲۶٫۰۰ ۱۴۷٫۰۰ ۰٫۸۸۳۲۱ ۰٫۰۲۷۴۴ ۰٫۰۰۰۷۸ ۰٫۰۰۰۳۸ ۰٫۰۰۰۹۰ ۰٫۰۰۰۴۵
۱۶۸٫۰۰ ۱۸۹٫۰۰ ۰٫۸۵۰۵۰ ۰٫۰۳۰۹۲ ۰٫۰۰۲۳۲ ۰٫۰۰۰۷۳ ۰٫۰۰۲۹۰ ۰٫۰۰۰۹۶
۲۱۰٫۰۰ ۲۲۶٫۰۰ ۰٫۷۵۲۹۹ ۰٫۰۴۱۰۴ ۰٫۰۰۰۰۰ * ۰٫۰۰۰۰۰ *
۲۴۲٫۰۰ * ۰٫۷۵۲۹۹ ۰٫۰۴۱۰۴ ۰٫۰۰۰۰۰ * ۰٫۰۰۰۰۰ *

همانطور که در جدول ۴-۳ نشان داده شده است، خروجی حاصل از جدول عمر دارای دو قسمت است. در قسمت اول فاصله های زمانی و اطلاعات مربوط به هر فاصله نشان داده شده است.
توضیح ستون ها به شرح زیر می باشد:
Midpoint: ستون دوم قسمت اول است که نشان دهنده ی نقطه میانی فاصله زمانی می باشد. مثلاً ۲۱ که در سطر اول نوشته شده است حاصل میانگین فواصل دو سطر اول می باشد ]۲۱= ۲/ (۴۲+۰) [.
Number Entering: نشان دهنده ی تعداد اپیزودهای وارد شده در هر فاصله ی زمانی است که به صورت زیر به دست می آید:
 
۱-۰-۱۳۷ = ۱۳۶ = تعداد اپیزودهای فاصله ۴۲
Number Censored: تعداد اپیزودهای سانسور شده را در هر فاصله ی زمانی نشان می دهد.
Exposed to Risk: نشان دهنده ی مجموعه ریسک می باشد، به عنوان مثال پس از گذشت ۴۲ ماه، مجموعه ریسک به صورت زیر خواهد بود:
(۰ *۰٫۵)-۱۳۷ = ۱۳۷= مجموعه ریسک در فاصله زمانی ۴۲ ماه
قسمت دوم خروجی، برآورد های تابع بقا را نشان می دهد. این برآوردها در نمودار ترسیم شده با روش جدول عمر به خوبی قابل بررسی می باشد.
نمودار ۴-۲ نمودار تابع بقا به روش جدول عمر را نشان می دهد. که مقادیر بقای گروه های تازه وارد را در فواصل زمانی ۴۲ ماهه (۳ سال و نیم) نشان می دهد.
نمودار۴-۲- تابع بقای جدول عمر
مأخذ: خروجی حاصل از نرم افزار TDA که توسط محقق پردازش شده است.
همانطور که در نمودار فوق نشان داه شده است، ۵ گروه در فواصل ۴۲ ماهه وجود دارد. پس از گذشت ۴۲ ماه اول ۹۸ درصد تازه واردها باقی مانده اند در حالی که پس از ۱۲۰ماه (۱۰ سال) تقریباً ۸۵ درصد بقا یافته اند. تحلیل جدول عمر تا ماه ۲۱۴ براساس فواصل ۴۲ ماهه خواهد بود و باقی شرکت ها در دسته ششم قرار می گیرند که یک فاصله تقریباً ۲۵ ماهه را شامل می شود.
۴-۳- آزمون فرضیه ها
به منظور تجزیه و تحلیل بقا روش های مختلفی بکار برده می شود. مدل کوکس نیز بر اساس رویکرد مدلسازی برای تجزیه و تحلیل داده های بقا مورد استفاده قرار می گیرد. هدف از این مدل آن است که به طور همزمان اثرات متغیرهای متعدد بر بقا را بررسی کند. مدل کوکس یک روش آماری است که برای تجزیه و تحلیل داده های بقا به رسمیت شناخته شده است (والترز[۸۴]، ۲۰۰۹). در این تحقیق نیز برای آزمون فرضیه ها از مدل نیمه پارامتریک کوکس استفاده کرده ایم.
۴-۴- تجزیه و تحلیل خروجی حاصل از مدل کوکس
جدول ۴-۴ نتایج حاصل از برآورد مدل کوکس می باشد:
جدول۴-۴- برآورد حاصل از مدل رگرسیون Cox

منبع فایل کامل این پایان نامه این سایت pipaf.ir است

مدیر سایت

Variable Coeff Error C/Error Signif