• برخی برآوردهای غیردقیق از میزان صدمات جسمی وارده به مصدوم یا مصدومین رانندگی ‌(عدم تطابق با قانون مجازات اسلامی)؛

• عدم احراز هویت و نیز عدم معاینه مصدومین توسط نهاد ذی ربط و استناد صرف به مدارک پزشکی ارائه شده؛

• در برخی موارد اقدام به ترسیم کروکی نادرست با نظر طرفین؛

• عدم درج دقیق نحوه استقرار سرنشینان خودروی بارکش در گزارشات مقامات انتظامی؛

• عدم وجود بانک اطلاعاتی مشخص و به روز، از متقلبان و کلاهبرداران بیمه‌ای؛

• ضعف سیستم‌های کنترلی مبتنی بر فناوری اطلاعات؛

• نحوه‌ی تنظیم گزارشات نهادهای درگیر و عدم بیان واقعیت‌های حادثه و افراد درگیر در آن، به طور عمدی یا غیرعمدی؛

• عدم پاسخگویی یا پاسخگویی با تاخیر ارگان‌های ذی‌ربط به استعلامات شرکت‌های بیمه‌ای؛

• • نبود دستورالعمل و آیین‌نامه مشخص برای پیشگیری و کشف تقلبات و کلاهبرداری‌های بیمه‌ای؛

• نگاه جامعه به شرکت‌های بیمه‌ای به عنوان نهادهای حمایتی.

وجود این محدودیت‌ها باعث شده است که در بسیاری از موارد، شرکت‌های بیمه‌ای نتوانند موارد تقلب و کلاهبرداری را کشف کنند و در بسیاری از موارد نیز، علی‌رغم کشف تقلب در پرونده و ارائه مستندات و شواهد لازم، این مدارک و مستندات مورد قبول واقع نمی‌شود و علی‌رغم وجود جعل، تحریف و تقلب در پرونده بیمه، خسارت‌های جعلی به افراد پرداخت می‌دهد. .( صالحی نژاد و آرمان مهر،۱۳۹۳،۷۱).
۲-۲۳ . موانع موجود برای مقابله موثر با کلاهبرداری
اسپارو و کلارک معتقدند که بیمه گران برای مقابله موثر با کلاهبرداری با موانع زیر مواجهه هستند:
کلاهبرداری مخفی است:
کلاهبرداری به گونه ای انجام می شود که طبیعی به نظر برسد. از آنجا که کلاهبرداری مخفی است و مسیر خود را پنهان طی می کند، جهت کشف آن باید در جستجوی آن بود. مقابله با کلاهبرداری به عواملی همچون کشف سریع و کوتاه بودن زمان بررسی بستگی دارد که این یکی از کارکردهای با ارزش اتوماسیون و استفاده گسترده از تکنولوژی و فناور های قدرتمند اطلاعات و ارتباطات است. ( اسپارو و کلارک،۲۰۰۰،۱۱۶).اثبات قانونی کلاهبرداری مشکل است.
ظن وشک محض ، جهت اثبات کلاهبرداری کافی نبوده و مدرکی قانونی به شمار نمی رود. علایم هشدار دهنده که باعث شک می شوند، ممکن است فقط نشان دهنده درجه ریسک باشند که غالبا ًدلیل قطعی نیز نمی باشند. بنابراین بیمه گرانی که استفاده از روش های قانونی را در دستور کار خود قرار داده اند، باید آمادگی بیشتری برای سرمایه گذاری مالی در بازرسی های ویژه داشته باشند. چرا که مقوله ادعا ( اتهام) مقوله جدی است و شواهد قانونی معتبر و استاندارد درباره کلاهبرداری را می طلبند.( کلارک،۲۰۰۰،۱۱۹).
کلاهبرداری یک پدیده پویاست و کلاهبرداران از تاکتیک های پیچیده و پنهان استفاده می کنند.
همگام با تجارت کلاهبرداری نیز تکامل می یابد و پیشرفته تر می شود، به طوری که هر قدر فضای تجاری پیچیده تر و پویا تر گردد، کلاهبرداری نیز به موازات آن پیچیده تر و پویاتر می گردد. کلاهبرداران با تجربه به سرعت بر تازه ترین فرصت ها متمرکز شده و از آنها بهره برداری می کنند. جهت مقابله موثر با کلاهبرداری لازم است که به صورت نظام مند و به سرعت، کلاهبرداری های جدید و نوظهور را شناسایی و ابزارهای کنترل سریع کلاهبرداری فراهم گردد.
مفهوم مقابله با کلاهبرداری به درستی جا نیفتاده است:
چالش اساسی در کنترل کلاهبرداری ، جلوگیری، کشف و بازرسی موثر کلاهبرداری در یک فضای مکانیزه را کاملا قابل پیش بینی می کند و در مجموع یک حس امنیت کاذب ایجاد می کند. مقابله موثر با کلاهبرداری نیاز به عنصر غیر قابل پیش بینی بودن را دارد، به گونه ای که همیشه مرتکبان را در معرض ریسک گرفتار شدن قرار دهد.( کلارک،۲۰۰۰،۱۳۲).
اخبار در مورد کلاهبرداری همیشه ناخوشایند است.
مقابله با کلاهبرداری نه تنها یک امر پیچیده ، بلکه قبولاندن آن به مدیران نیز سخت است.مقابله با کلاهبرداری در هر حرفه ای یک تجارت بی رونق است. شکست در کشف کلاهبرداری یک خبر ناخوشایند و کشف آن نیز همین طور است. به همین علت بیمه گران ترجیح می دهند به هیچ عنوانی با کلاهبرداری ارتباطی نداشته باشند، نه در نقش قربانی، نه در نقش مبارز ( اسپارو،۲۰۰۰،۷۹).
محاسبه میزان بازدهی سرمایه گذاری در کنترل کلاهبرداری دشوار است.
با در نظر داشتن حدود و دامنه تخمینی پدیده کلاهبرداری، عواید ناشی از کنترل کلاهبرداری، بالقوه زیاد، پردامنه، نوعاً بلند مدت و غالباً سرریز شده به دیگر حرفه ها، خصوصآ آنهایی که بیشتر به صورت مستقیم با این پدیده در ارتباط اند، می باشد.بنابراین ارزش آن را به درستی نمی توان محاسبه کرد.( کلارک و اسپارو،۲۰۰۰،۱۵۱).
دیگر اهداف استراتژیک در شرکت های بیمه بر مهار کلاهبرداری الویت دارند.
اهداف استراتژیک زیر غالبآ با مساله مقابله با کلاهبرداری تعارض دارد:
ایجاد تصویر و ذهنیت مثبت، ماهیت مقابله با کلاهبرداری، تهدیدی علیه تصویر و ذهنیت مثبت می باشد که ارائه و ساختن این تصویر مثبت بسیار مشکل است و به راحتی یک حرکت ضد مشتری قلمداد می شود.
کارایی رویه، خدمت به مشتری تا حدود زیادی مترادف با کارایی رویه ( انجام امور به طور صحیح و در کمترین زمان ممکن) شده است. بنابراین هنگام صدور بیمه نامه با پرداخت خسارت، زمان کافی برای مقابله با کلاهبرداری وجود ندارد؛ چرا که مقابله با کلاهبرداری فرایندی زمان بر است.
توسعه پر تفوی، از زمانیکه بیمه به جامعه مصرفی راه یافته، افزایش در آمد بیمه ای یک الویت تاریخی به شمار می رود. ( کلارک،۲۰۰۰،۱۴۳).
۲-۲۴ . راه های مقابله با کلاهبرداری در شرکت های بیمه
مهمترین مکانیسم دفاعی در مقابل کلاهبرداری در صنعت بیمه در سطح شرکت ها، یعنی نزدیکترین سطح به منشا کلاهبرداری می باشد. در این میان فعالیت های ضد کلاهبرداری در سطح جامعه، مکانیسم های دفاعی در سطح شرکت را تکمیل و تقویت می کنند. ترتیبات مقابله با کلاهبرداری عبارتند از
پیشگیری و کشف در سطح شرکت: یافتن راه های برای بیمه گران جهت جلوگیری از وقوع کلاهبرداری ، موضوعی مهم در ادبیات گسترده بیمه ای موجود است که از قواعد عاملیت^[۳۹]، نظریه بازی ها^[۴۰] برای مطالعه نحوه انعقاد قرارداد و بررسی (ممیزی) بهینه با وجود اطلاعات نامتقارن که منشا فرصت هایی جهت کلاهبرداری بیمه ای است، استفاده می کند. تمرکز این ادبیات بر اثرات بازدارنده اقدامات ضد کلاهبرداری است. مدل اصلی در این زمینه کنترل وشناسایی هزینه بر «تانسند» است که موقعیتی را تشریح می کند که یک عامل فرصت طلب ( بیمه گذارفرصت طلب ) که به دنبال ماکسیمم کردن مطلوبیت خود است، متعهد شده است که وضعیت واقعی پس از وقوع تشدید خطر ( که مزیت اطلاعاتی آن،مختص اوست) را به بیمه گر گزارش دهد، اما این فرد انگیزه ارائه تصویر غلط عمدی از امور را به منظور بهره برداری از قرارداد بیمه دارد.مساله اصلی بیمه گر طراحی قرارداد و سیستم بررسی و ممیزی، به گونه ای است که فرد فرصت طلب را در همان گام اول از ارتکاب کلاهبرداری باز دارد.( تانسند،۲۰۰۸،۱۲۶)
موثرترین شیوه برای مبارزه با کلاهبرداری ، جلوگیری از سوء استفاده از سیستم است. این شیوه بیمه گران را به بهبود امکانات بازرسی، تدارک آموزش های خاص برای پرسنل واحدهای صف و پرداخت خسارت و همچنین سرمایه گذاری در مهارت های بازرسی خاص، افزایش ارتباطات و همکاری درون و بین صنعت بیمه و دستگاه های قضایی و پلیس و حمایت مالی از ادارات و انجمن های ضد کلاهبرداری، رهنمون می سازد.( دریگ،۲۰۰۶،۱۳۲).
سازمان ها و نهادهای مبارزه با کلاهبرداری : یک بیمه گر ممکن است به تنهایی ابزار لازم برای تجزیه و تحلیل سنتز به موقع اطلاعات پرونده های مشکوک به کلاهبرداری بیمه ای را در اختیار نداشته باشد. اما یک مرکز گسترده مبادله اطلاعات و داده، امکان انباشت اطلاعات جزئی در مورد بیمه نامه ها، متقاضیان، بیمه گذاران، ریسک ها ، خسارات ، مراکز تعمیر و… و استفاده از این اطلاعات را ممکن می سازد. البته این امر زمانی محقق خواهد شد که سیستم مذکور بر اساس اطلاعات دقیق و به موقع تعداد زیادی از بیمه گران و دیگر سازمان ها بدون به خطر انداختن رقابت سالم استوار باشد. در سال ۲۰۰۰، اجلاس ملی کلاهبرداری بیمه ای یک برنامه در ۵ حوزه برای مبارزه با کلاهبرداری در سطح جامعه برای ۵ سال بعد تدارک دید که عبارتند از :
قوانین ومقررات، که این الگو کمک می کند که مبارزه با کلاهبرداری به صورت واحد وهماهنگ صورت گیرد. استاندارد سازی و سازگاری قوانین و مقررات ، کارایی و تاثیر مبارزه با کلاهبرداری را افزایش می دهد.
مسایل نوظهور، پدیده کلاهبرداری بیمه ای به صورت بنیادی از تغییرات زیاد و جدید وهمچون پیشرفت سریع تکنولوژی ، روندهای جهانی شدن و مقررات زدایی در تجارت و تغییر ماهیت تامین خدمات مالی تاثیر می پذیرد. در این راستا اجلاس ملی کلاهبرداری بیمه ای یک لیست جامع از نقاط ضعف و قوت ،فرصت ها و تهدیدها در حوزه مطالب و مسایل جدید ضد کلاهبرداری ارائه می کند.( رشیدی ،۱۳۸۷،۷۳)
همکاری بخش های خصوصی و عمومی، ارتباط موثر، همکاری و هماهنگی بین بخش خصوصی و عمومی برای مبارزه کاراتر با کلاهبرداری لازم است. این امر نیازمند تبادل موثرتر و کاراتر اطلاعات بین بخش عمومی وخصوصی، کارآمدتر کردن ارائه گزارش ها در مورد کلاهبرداری بیمه ای و توسعه برنامه های آموزشی و یادگیری مشترک برای تمام اعضا ی درگیر می باشد.
سنجش کلاهبرداری و ضد کلاهبرداری، از نظر اجلاس ملی کلاهبرداری بیمه ای،یک سیستم سنجش جامع، منسجم و درست باید بتواند منابع کمیاب را به صورت بهینه تخصیص دهد تا بتواند درکی از درجه تاثیر راه حل های مختلف ارائه کند و به مبارزه با کلاهبرداری بیمه ای اعتبار بخشد. (رشیدی،۱۳۸۷،۷۹).
۲-۲۵ . مهم‌ترین مواردی که روند رسیدگی به پرونده‌های کلاهبرداری‌های بیمه‌ای را با مشکل مواجه می‌کند
وجود محدودیت‌هایی اساسی در روند رسیدگی به پرونده خسارت‌های جعلی، که فرایند کشف آنها را با چالش جدی مواجه می‌کند.
عدم ایفای نقشِ مناسبِ نهادهای درگیر در پرونده خسارت.
عدم وجود مکانیسمی مشخص در شرکت‌های بیمه برای کشف تقلب و تخلف. .(ایسنا،۱۳۹۳،۱۶).
۲-۲۶ .مهم‌ترین محدودیت‌های کشف تقلب و کلاهبرداری‌های بیمه‌ای

• نحوه‌ی عملکرد شوراهای حل اختلاف در مورد ترسیم کروکی فرضی بر اساس اظهارات افراد ذینفع (بعد از وقوع حادثه و بهم خوردن صحنه تصادف) توسط کارشناسان رسمی دادگستری (بدون تحقیق و تفحص)؛

• عدم پذیرش نماینده شرکت بیمه ذینفع در دادگاه‌های ذی‌ربط؛

• عدم تطبیق احکام صادره از سوی دادگاه‌ها با مفاد قانون مجازات اسلامی (دیات)؛

• برخی برآوردهای غیردقیق از میزان صدمات جسمی وارده به مصدوم یا مصدومین رانندگی ‌(عدم تطابق با قانون مجازات اسلامی)؛

• عدم احراز هویت و نیز عدم معاینه مصدومین توسط نهاد ذی ربط و استناد صرف به مدارک پزشکی ارائه شده؛

• در برخی موارد اقدام به ترسیم کروکی نادرست با نظر طرفین؛

۳-۱-مواد گیاهی
بذر گیاهان واریته officinalis از شرکت نوین سبز پرورشهر ری تهیه شده و در تاریخ ۲۴/۲/۹۲در گلدانها کاشته شدند.
در هر گلدان تعداد ۲۰ بذر کشت شده وپس از سبز شدن همه بذرها وهمگن کردن گیاهان تعداد سه گیاه در هر گلدان نگه داری شد.
آزمایش در گلدانهایی شفاف با قطر ۲۰سانتی متر وارتفاع ۱۵سانتی متر در قالب طرح کامل تصادفی انجام گرفت.
گیاهان مورد آزمایش هر روز یکبار آبیاری شدند.کلیه عملیات داشت (وجین،آبیاری،مبارزه با بیماری وآفات) به فراخور نیاز انجام شد.
۳-۲-زمان ومکان انجام روشها
۳-۲-۱-خصوصیات منطقه ی مورد مطا لعه:
به منظور اثرات محلول پاشی عنصر کم مصرف روی واسید سالیسیلیک واسید آسکوربیک بر عملکرد گیاهان یکماهه همیشه بهار این آزمایش در بهار وتابستان ۱۳۹۲در شهرستان گرمسارانجام شد. محل مورد مطاله دارای طول وعرض جغرافیایی ۳۵°شمالی و ۵۲ درجه ′ شرقی با دمای
متوسط ۳۸ درجه وارتفاع از سطح دریا ۸۵۰متر می با شد.
منطقه طبق اقلیم بندی کشور دارای اقلیم گرم وخشک است.
۳-۲-۲-خاک مورد آزمایش
خاک مورد آزمایش شامل ۵قسمت خاک برگ و۱قسمت خاک رس بود .
درآزمایشگاه دانشگاه گرمسار انجام شد ونتایج به صورت زیر می باشد. pH وECاندازه گیری

خاک مورد آزمایش از نظر بافت متوسط وفاقد مشکل شوری وقلیائیت بوده وبا توجه به غلظت کم روی برای اجرای این آزمایش مناسب بود.

۳-۳-نوع طرح مورد آزمایش
آزمایش در قالب طرح کامل تصادفی در هفت تیمار انجام شد.هر تیمار شامل چهار تکرار می باشد.
تیمارها ونحوه اعمال تیمارها
گروهبندی تیمارها شامل:
تیمار شاهد
اسید سالیسیلیک غلظت ۲۰۰ ppm
اسید آسکوربیک ppm50
سولفات رویg/l 3
تیمار همزمان اسید سالیسیلیک واسید آسکوربیک
تیمار همزمان اسید سالیسیلیک وسولفات روی
تیمار همزمان اسید آسکوربیک وسولفات روی
پس از رسیدن گیاهان همیشه بهاربه سن یکماهگی در طول ۳۵روز ۵بار به فاصله زمانی یک هفته مورد محلول پاشی با تیمارهای فوق قرار گرفتند.
۳-۴-صفات مورفولوژیکی وفیزیولوژیکی مورد ارزیابی
۳-۴-۱-وزن تر گیاه
برای اندازه گیری وزن تر اندام هوایی، ابتدا ریشه ، ساقه وبرگ گیاهان برداشت شده، جدا و سپس با ترازو وزن آنها جداگانه بر حسب گرم اندازه گیری شد.
در این آزمایش وزن تر گیاهان طبق روشی استاندارد، توسط ترازوی دیجیتا لی با دقت ۰۱/۰درصد اندازه گیری و وزن آنها یا دداشت شد (اسلامی،۱۳۷۳).

به دلیل اینکه قانون اعداد بزرگ تضمین می­ کند که در احتمال^[57]، ریسک تجربی به ریسک مورد انتظار همگرا می­ شود، میتوان به جای حداقل سازی ریسک مورد انتظار، ریسک تجربی را حداقل کرد.این موضوع را می توان تحت عنوان اصل حداقل سازی ریسک تجربی^[58] اینگونه بیان کرد که اگر ریسک تجربی به ریسک واقعی همگرا شود، آنگاه حداقل ریسک تجربی ممکن است به حداقل ریسک واقعی همگرا شود.اگر این همگرایی برقرار نباشد نمی توان هیچ نتیجه ای بر اساس مجموعه داده ها گرفت و گفته می شود که ناسازگاری وجود دارد.
Vapnik و chervonenkis بیان کردند که شرط لازم و کافی برای داشتن سازگاری در اصل حداقل سازی ریسک تجربی، محدود بودن بعد VC فضای H می­باشد.همانطور که قبلا بیان شد بعد VC فضای H (یا بعد VC طبقه بندی کننده  ) یک عدد طبیعی است که بیانگر ماکزیمم تعداد نقاط داده می­باشد که می ­تواند با توجه به تمام حالات ممکن توسط مجموعه توابع  از هم جدا شوند.بعد VC همچنین بیانگر پیچیدگی مجموعه H است و اغلب متناسب با تعداد پارامترهای آزاد طبقه بندی کننده  است]11[.

آنها یک حد بالا برای میزان انحراف ریسک تجربی نسبت به ریسک مورد انتظار بدست آوردند.این حد که دارای احتمال  است، به صورت زیر بیان می­ شود:

(2-4)
که در آن h بعد VC تابع  می باشد.
از این رابطه به طور واضح می­توان فهمید که برای داشتن یک ریسک مورد انتظار کوچک(جهت داشتن قدرت تعمیم خوب)، باید هم ریسک تجربی و هم نسبت بین بعد VC و تعداد نقاط داده کوچک باشد.از آنجا که ریسک تجربی معمولا یک تابع نزولی نسبت به h است می توان نتیجه گرفت که برای تعداد مشخص نقاط داده، یک مقدار بهینه h موجود می­باشد.
انتخاب مناسب h (که در اکثر تکنیک ها توسط تعداد پارامترهای آزاد مدل مربوطه کنترل می­ شود) برای داشتن عملکرد خوب بسیار مهم است مخصوصا زمانی که تعداد نقاط داده کم می­باشند.مثلا وقتی از پرسپترون چندلایه یا شبکه RBF استفاده می­ شود، تعیین بعد VC معادل با مساله پیدا کردن تعداد مناسبی از واحدهای مخفی است که مساله مشکلی است.رابطه بالا بیانگر این است که اصل حداقل سازی ریسک تجربی را می­توان با اصل بهتری جایگزین نمود که در بخش بعدی توضیح داده خواهد شد]11[.
2-8-5-5حداقل سازی ریسک ساختاری^[59]
تکنیک حداقل سازی ریسک ساختاری که توسط vapnik بیان شد تلاش و کوششی جهت مقابله با مسئله انتخاب بهینه بعد VC بود. بطور واضح از معادله(2-4) مشخص است که داشتن مقدار حداقل برای ریسک تجربی لزوما به معنی داشتن یک مقدار حداقل برای ریسک مورد انتظار نیست که این منجر به بیان اصلی تحت عنوان اصل حداقل سازی ریسک ساختاری^[60] شد.این اصل بر این اساس پایه گذاری شد که برای کوچک کردن ریسک مورد انتظار طبق معادله (2-4) باید هم بعد VC و هم ریسک تجربی همزمان حداقل شوند.
نیاز اصلی برای پیاده سازی این اصل، داشتن یک ساختار تو در تو در فضای فرضیه است:

با این خاصیت که  و  بعد VC مجموعه H_n می­باشد.
با توجه به معادله(2-4) باید مسئله زیر حل شود(از قسمت های لگاریتمی صرف نظر شده است):

(2-5)
اگرچه اصل حداقل سازی ریسک ساختاری از نظر ریاضی بسیار واضح است ولی پیاده سازی آن به دلایل زیر دشوار است:
1) محاسبه بعد VC فضای H دشوار بوده و مدل های محدودی وجود دارند که دارای روش مشخصی برای محاسبه بعد VC هستند.
2) حتی با فرض اینکه بتوان بعد VC فضای H را محاسبه کرد، حداقل سازی رابطه (2-5) مشکل خواهد بود.
هدف از بکارگیری الگوریتم SVM، حداقل کردن یک حد برای بعد VC و همچنین حداقل کردن تعداد خطاهای آموزشی بطور همزمان است]11[.
2-8-6 ماشین بردار پشتیبان طبقه بندی کننده خطی با داده های جدا شدنی به طور خطی]9،10،11،12،14[
در این بخش ساده ترین حالت طبقه بندی کننده SVM که SVM خطی با داده های جدا شدنی به طور خطی است را مورد بررسی قرار می­دهیم :
فرض کنید تعدادی از بردارهای ویژگی یا الگوهای آموزشی به صورت  داریم که هر کدام یک بردار ویژگی m بعدی بوده و دارای برچسب  است و  .هدف حل یک مساله دسته بندی دو کلاسه به صورت بهینه است.فرض کنید این دو کلاس را بخواهیم با تابع تمایز f(x) و ابر صفحه H با معادله زیر از هم جدا کنیم :

(2-6)
اگر نمونه های دو کلاس را با نام های مثبت(+1) و منفی(-1) بیان کنیم، میتوان فوق صفحاتی را در نظر گرفت که نمونه های مثبت را از نمونه های منفی جدا کنند.نقاطی که روی این فوق صفحات جداکننده قرار می­گیرند در معادله  صدق می­ کنند که W بردار عمود بر فوق صفحه،  فاصله عمودی از فوق صفحه تا مبدا ،  اندازه اقلیدسی^[61] بردار W و b مقدار بایاس^[62] است .vapnik ثابت کرد که بعد VC برای طبقه بندی کننده هایی از نوع ابر صفحات کانونی دارای یک کران بالاست که این کران بالا با توان دوم نرم بردار وزن یعنی  نسبت مستقیم دارد.در واقع اگر ما  را محدود کرده و مینیمم کنیم، بعد VC طبقه بندی کننده را مینیمم کرده ایم و تخمین ما از مقدار ریسک واقعی به صورت احتمالی دقیق تر بوده و خاصیت تعمیم دسته بندی کننده بیشتر خواهد بود.

رابطه بین خاصیت تعمیم طبقه بندی کننده با  را می­توان به طریق دیگر نیز توجیه کرد.فرض کنید داده های دو کلاس جداپذیر باشند و بردارهای ویژگی مرزی کلاس اول روی ابر صفحه  و بردارهای ویژگی مرزی کلاس دوم روی ابر صفحه  قرار گیرند.ابر صفحات  و  به این صورت تعریف می­شوند :

(2-7)
الگوهایی که بر روی ابر صفحات  و  قرار می­گیرند، بردارهای پـشتیبان نامیده می­شوند.ناحیه بین دو ابرصفحه  و  را ناحیه مرزی^[63] گویند.فاصله بین دو ابرصفحه  و  برابر با  خواهد بود.طراحی ابرصفحه با بیشترین عرض ناحیه مرزی یا ناحیه مرزی بهینه^[64] بر این استوار است که با شرط درست طبقه بندی شدن الگوها، عرض ناحیه مرزی حداکثر شود تا بتواند بهترین تفکیک پذیری را بین دو کلاس داشته باشد.یعنی  ماکزیمم شود و  مینیمم شود.هدف این است که اولا الگوها درست طبقه بندی گردند و ثانیا بر روی و یا خارج از ناحیه مرزی واقع شوند.فرض کنید تمام داده های آموزشی در محدوده زیر قرار گیرند :
(2-8)

ترکیب این دو معادله را میتوان به فرم زیر نوشت :
.
فاصله بین ابرصفحه جداکننده و نزدیک ترین داده اموزشی را حاشیه می­نامیم. بی نهایت ابرصفحه جداکننده می­توانیم داشته باشیم.اما از میان این ابرصفحه های جداکننده باید مناسب­ترین را انتخاب کنیم.طبیعتا آن تفکیک کننده ایی که فاصله را بیشینه کند، ابرصفحه جداکننده بهینه خواهد بود.
برای پیدا کردن ابرصفحه جداکننده بهینه، لازم است صفحه ای که فاصله بین ابرصفحه و نزدیکترین داده ها(نمونه ها) به این ابر صفحه را بیشینه می­ کند، پیدا نمود.فاصله نزدیکترین نمونه برابر است با:
(2-9)

مقدار بیشینه و کمینه مناسب به ترتیب برابر است با 1و 1-.بدین ترتیب معادله بالا به صورت زیر در می آید:

بنابراین مسئله به کمینه کردن  تبدیل می­ شود. پس در واقع طراحی یک طبقه بندی کننده ابرصفحه ای با ناحیه مرزی بهینه به صورت زیر خواهد بود :

(2-10)
واضح است که داریم :  و  .

WC= [ΔCurrent Assets– ΔCash] – [ΔCurrent Liabilities– ΔDebt in Current Liabilities]
WC : اقلام تعهدی عملیاتی جاری
ΔCurrent Assets: تغییر در دارایی های جاری در دوره t نسبت به دوره t-1
ΔCash: تغییر در مانده نقد در دوره t نسبت به دوره t-1
ΔCurrent Liabilities: تغییر در بدهی های جاری در دوره t نسبت به دوره t-1
ΔDebt in Current Liabilities: تغییر در تسهیلات دریافتی جاری در دوره t نسبت به دوره t-1
۲) اقلام تعهدی عملیاتی غیرجاری
اقلام تعهدی عملیاتی غیرجاری بصورت زیر محاسبه می شود(بوبکری،۲۰۱۲).
NCO= [ΔTotal Assets – ΔCurrent Assets– ΔLong Term Investments] – [ΔTotal Liabilities – ΔCurrent Liabilities – ΔLong Term Debt]
NCO: اقلام تعهدی عملیاتی غیرجاری در دوره t نسبت به دوره t-1
ΔTotal Assets : تغییر در کل دارایی ها در دوره t نسبت به دوره t-1
ΔLong Term Investments: تغییر در سرمایه گذاری های بلندمدت در دوره t نسبت به دوره t-1
ΔTotal Liabilities: تغییر در کل بدهی ها در دوره t نسبت به دوره t-1
ΔLong Term Debt : تغییر در تسهیلات دریافتی غیرجاری در دوره t نسبت به دوره t-1
سایر متغیرها قبلا تبیین شده اند.
۳) اقلام تعهدی مالی
اقلام تعهدی مالی بصورت زیر محاسبه می شود(بوبکری،۲۰۱۲).
FIN= [ΔLong Term Investments + ΔShort Term Investments] – [ΔLong Term Debt +ΔDebt in Current Liabilities]
FIN: اقلام تعهدی مالی
ΔShort Term Investments: تغییر در سرمایه گذاری های کوتاه مدت
:ΔDebt in Current Liabilities تغییر در تسهیلات دریافتی جاری
سایر متغیرها قبلا تبیین شده اند.
۳-۸) مدل فرضیات
مدل فرضیه های پژوهش بصورت زیر می باشد.
۳-۸-۱) مدل فرضیه اول
در فرضیه اول پیش بینی شده است که ضریب پایداری اقلام تعهدی سود حسابداری جاری از ضریب پایداری جریان نقدی، کمتر است. مطابق با بوبکری(۲۰۱۲) این نظریه از طریق مدلهای رگرسیونی ۱ و ۲ قابل آزمون است.
مدل(۱)
ROA_it ۱ α_ α_CF _it  α_ AC _it €_{it ۱}
که در آن
ROA: بازده دارایی ها
CF: خالص جریان نقدی
AC: کل اقلام تعهدی
مطابق با ریچاردسون و همکاران(۲۰۰۵) برای تاکید بر این واقعیت که ضریب پایداری اقلام تعهدی از ضریب پایداری جریانات نقدی کمتر است؛ در مدل رگرسیونی فوق CF با ROA-AC جایگزین می شود.

مدل(۲)
ROA_it ۱ β_ β_ROA _it  β_ AC _it €_{it ۱}
به این ترتیب
β_ α_ و β_ α_-α_
بنابراین، β_ اختلاف بین ضریب پایداری اقلام تعهدی با ضریب پایداری جریان نقدی را نشان می دهد و چنانچه منفی باشد، فرضیه اول پژوهش پذیرفته می شود(بوبکری،۲۰۱۲).
۳-۸-۲) مدل فرضیه های دوم تا چهارم
بدلیل اینکه برخی از اجزای اقلام تعهدی با قابلیت اعتماد بالایی اندازه گیری می شوند و برخی دیگر بیشتر متکی به قضاوت های شخصی هستند؛ ممکن است دامنه ضریب پایداری هر یک از اجزای اقلام تعهدی، متفاوت باشد. بنابراین برای آزمون فرضیات دوم، سوم و چهارم از مدل رگرسیونی ذیل استفاده می شود.
مدل(۳)
ROA _{it ۱}  α_  α_ CF _it  α_WC _it  α_ NCO _it  α_ FIN _it €_{it ۱}
که در آن
WC: اقلام تعهدی عملیاتی جاری
NCO: اقلام تعهدی عملیاتی غیرجاری
FIN: اقلام تعهدی مالی
همچنین مشابه با مدل ۲، به جای CF از اختلاف سود و اقلام تعهدی استفاده می شود.
مدل(۴)
ROA _{it ۱} β_ β_ROA_itβ_WC_it  β_NCO _itβ_FIN _it€_{it ۱}
به این ترتیب

دانشگاه تربیت مدرس
دانشکده مدیریت و اقتصاد
پایان نامه دوره کارشناسی ارشد علوم اقتصادی
بررسی تأثیر استقلال بانک مرکزی بر تورم و رشد اقتصادی در کشورهای منتخب
محمد حسنی
استاد راهنما:
دکتر بهرام سحابی
استاد مشاور:
دکتر کاظم یاوری
بهمن ۱۳۹۰

دانشگاه تربیت مدرس
دانشکده مدیریت و اقتصاد
پایان نامه دوره کارشناسی ارشد علوم اقتصادی
بررسی تأثیر استقلال بانک مرکزی بر تورم و رشد اقتصادی در کشورهای منتخب
محمد حسنی
استاد راهنما:
دکتر بهرام سحابی
استاد مشاور:
دکتر کاظم یاوری
بهمن ۱۳۹۰
چکیده
یکی از مسائل مهمی که در سالهای اخیر موضوع مباحثه میان اقتصاددانان بوده است، مقوله استقلال بانک مرکزی و روابط بین آنها با دولتهاست. اعطای استقلال به بانک مرکزی دلایل متعددی دارد ولی آنچه مسلم است، این امر ریشه در این ادعا دارد که «استقلال بانک مرکزی رابطه منفی با نرخ تورم دارد.»
بنابراین در این پژوهش با بهره گرفتن از اطلاعات آماری ۹۲ کشور منتخب از کشورهای در حال توسعه و توسعه یافته در بازه زمانی ۱۹۹۰ تا ۲۰۰۴ ، سعی بر این است که رابطه استقلال بانک مرکزی با تورم و رشد اقتصادی مطالعه شود. روابط موجود بین متغیرها با بهره گرفتن از تخمین زنهای گشتاورهای تعمیم یافته (GMM) تخمین زده میشود. همچنین در ادامه این پژوهش، به بررسی اثرات متقابل و همزمان این سه متغیر بر یکدیگر با بهره گرفتن از رویکرد خود رگرسیون برداری (VAR)، پرداخته میشود.

نتایج این پژوهش با بهره گرفتن از رویکرد گشتاورهای تعمیم یافته نشان میدهد که استقلال بانک مرکزی به صورت جداگانه، بر نرخ تورم تأثیر منفی و بر روی رشد اقتصادی تأثیر مثبت دارد. اما با لحاظ کردن اثرات متقابل و همزمان استقلال بانک مرکزی، تورم و رشد اقتصادی، نتایج حاکی از این است که استقلال بانک مرکزی بر تورم تأثیر منفی و معنیداری دارد؛ اما اثرات این متغیر بر رشد اقتصادی معنیدار نیست.
واژگان کلیدی: استقلال بانک مرکزی، تورم، رشد اقتصادی، گشتاورهای تعمیم یافته (GMM)، متدولوژی VAR
فهرست
فصل اول: کلیات پژوهش ۱
۱- ۱- مقدمه ۲
۱-۲- بیان مسئله و ضرورت انجام پژوهش ۲
۱-۳- اهداف پژوهش ۶
۱-۴- سوالات پژوهش ۶
۱-۵- فرضیات پژوهش ۶
۱-۶- تبیین مدل و روش پژوهش ۷
۱-۷- قلمرو پژوهش ۱۰
۱-۷-۱- قلمرو مکانی ۱۰
۱-۷-۲- قلمرو زمانی ۱۰
۱-۸- تعریف مفاهیم و واژگان اختصاصی ۱۰
۱-۸-۱- بانک مرکزی ۱۰
۱-۸-۲- استقلال بانک مرکزی ۱۰
۱-۸-۳- رشد و توسعه اقتصادی ۱۲
۱-۸-۴- تورم ۱۲
۱-۹- خلاصه فصل ۱۳
فصل دوم: مبانی نظری و پیشینه پژوهش ۱۴
۲-۱- مقدمه ۱۵
۲-۲- تاریخچه ایجاد بانک مرکزی ۱۵
۲-۳- وظایف بانک مرکزی ۱۶
۲-۴- نگاهی گذرا به مقوله استقلال بانک مرکزی ۱۷
۲-۴-۱ تعریف استقلال بانک مرکزی ۱۷
۲-۴-۲- متغیرهای موثر در اندازه‏گیری استقلال بانک‏ مرکزی ۱۸
۲-۴-۳- روند تغییر استقلال بانک مرکزی در دو دهه گذشته ۲۳