بهار و تابستان
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
1- گروه پزشکی اجتماعی، دانشکده پزشکی، دانشگاه علوم پزشکی و خدمات درمانی بابل، بابل، ایران
2- مرکز تحقیقات عوامل اجتماعی مؤثر بر سلامت، پژوهشکده سلامت، دانشگاه علوم پزشکی بابل، بابل، ایران
2- مرکز تحقیقات عوامل اجتماعی مؤثر بر سلامت، پژوهشکده سلامت، دانشگاه علوم پزشکی بابل، بابل، ایران
چکیده: (2 مشاهده)
مقدمه و هدف: بر طبق سند ملی گیاهان دارویی و طب سنتی که در سال 2013(1392) تصویب و به‌عنوان سند قانونی برای دولت تکلیف گردید پیش‌بینی شد تا سال 1404 گیاهان دارویی سهم 20 درصدی از بازار دارو کشور را بدست گیرد. با گذشت افق برنامه‌ریزی در سال 1404، مروری بر سبد هزینه درآمد خانوارها نشان می‌دهد سهم محصولات در درمان کمتر از 2% بوده است. این شکست می‌تواند ناشی از عدم شناخت رفتار خانوارها برای درمان و سلامتی و عدم استفاده از محرک‌های مناسب باشد. مطالعات گذشته نشان داد که مصرف گیاهان دارویی تابعی از متغیرهای سلامت و میزان دانش و باور افراد به اثربخشی آن دارد. متغیرهای اقتصادی به صورت غیر مستقیم و از طریق تغییر توان خرید بر مصرف این محصولات موثر است. با توجه به اثرات متقابل محرک‌ها، تثیر آنها مبهم است. برای مثال بالارفتن درآمد می‌تواند با افزایش توان خرید، مصرف را افزایش دهد اما در مقابل ممکن است گیاهان دارویی در دیدگاه افراد کالای پست بوده و رابطه معکوس بین این دو اتفاق بیفتد. از طرف دیگر، رابطه بین مصرف گیاهان دارویی و محرک‌های یادشده به سطح مصرف آن نیز وابسته باشد زیرا احتمال دارد اثر متغیرهای مورد بررسی بر رفتار پرمصرف‌ها و کم مصرف‌ها یکسان نباشد. هدف از این مطالعه، بررسی رابطه بین هزینه‌های دارویی و متغیرهای اقتصاد، اجتماعی و بهداشت و سلامتی خانوارها می‌باشد.
مواد و روش‌‌ها: داده‌های تحقیق از بانک اطلاعات هزینه درآمد خانوار شهری در مرکز آمار ایران برای سال 1404 استخراج شد. در مجموع از داده‌های بیش از 16500 خانوار استفاده شد. در این مطالعه متغیرهای موثر بر رفتار مصرفی این محصولات با استفاده از داده‌های خام درآمد هزینه خانوارهای شهری در مرکز آمار ایران بررسی گردید. روش پژوهش ترکیبی از شبکه عصبی در یادگیری ماشین و رگرسیون چندکی است. حجم بالای داده‌ها، حذف داده‌های پرت و شناسایی متغیرها موثرتر بر مصرف گیاهان دارویی موجب شده است در این تحقیق، از یادگیری ماشین در مرحله اول استفاده شود. در این مرحله پس از استخراج داده‌ها و پاکسازی آن، داده‌ها به دو مجموعه آموزش (80%) و آزمون (20%) به صورت کاملا تصادفی تقسیم شدند. برای آموزش ماشین الگوریتم‌های مختلفی وجود دارد.. یک شبکه عصبی پیشخور با استفاده از کتابخانه Keras روی اجرای TensorFlow طراحی شد. ساختار کلی شبکه شامل چهار لایه؛ لایه ورودی، سه لایه مخفی و یک لایه خروجی طراحی شد. پس تحقق اهداف مرحله اول، رابطه علی بین آنها از رگرسیون چندکی استفاده گردید. از متغیرهای هزینه خرید داروهای گیاهی، هزینه داروهای تجویزشده و نشده توسط پزشک، تعداد اعضا و درآمد خانوار در مرحله اول استفاده گردید. پس از مرحله اول دو متغیر مهمتر به عنوان متغیرهای پیش‌بینی کننده در مدل رگرسیون چندکی وارد گردید.
یافته‌‌ها: در مرحله اول، پس از آموزش، مدل بر روی مجموعه داده با معیارهای زیان و قدرمطلق خطا ارزیابی شد. روند نزولی زیان و خطا در هر دو منحنی اموزش و اعتبارسنجی نشان می‌دهد در بازه صفر تا 20 دور، بیشترین نرخ یادگیری صورت گرفته است. شیب تند نمودار نشان می‌دهد مدل در حال یافتن الگوهای اصلی در داده‌های مصرف است. در بازه 40 تا 50 دور، نمودارها تقریباً صاف شده که نشان از همگرایی است و آموزش بیشتر با داده‌های فعلی ممکن است تغییر چندانی در دقت ایجاد نکند. نتایج مرحله اول نشان داد وضعیت اقتصادی و اجتماعی خانوار بیش از وضعیت بهداشتی و سلامتی آنها بر مصرف گیاهان دارویی تاثیر داشته است. بین مصرف با درآمد و تعداد اعضای خانوار مجموعا بیش از 70% رابطه وجود دارد. به این ترتیب متغیرهای اقتصادی و اجتماعی بیشتر از متغیرهای بهداشت و سلامتی بر مصرف این گیاهان تاثیر دارد. علاوه بر این برآورد رگرسیون چندکی در صدکهای مختلف مصرف حاکی از آن بود که تاثیر این متغیرها در سطوح مختلف مصرف یکسان نبوده و تاثیر متغیرهای درآمد و بعد خانوار در صدکهای بالاتر بیشتر است.
نتیجه‌‌گیری: بر اساس نتایج حاصله؛ بازار گیاهان دارویی ناهمگن بوده و محرک‌مشابه برای تمام بازار مفید نیست. تفکیک بازار به پرمصرف‌ها و کم مصرف‌ها موجب می‌شود بازاریابان، شرکتهای تولید و توزیع‌کننده و دولت از ابزارهای متفاوتی برای توسعه بازار استفاده کنند. در حالیکه در بازار پرمصرف‌ها سیاست‌هایی مانند یارانه‌دهی به این محصولات موجب افزایش مصرف خواهد شد، برای کم‌مصرف‌ها بهبود پوشش بیمه‌ای و تبلیغات (اطلاع‌رسانی) می‌تواند تأثیرگذار باشد.
این مطالعه نشان داد ترکیب یادگیری عمیق و توابع علی می‌تواند نتایج بهتری را توضیح دهد. با وجود اینکه مدل‌های یادگیری عمیق می‌توانند ابزاری موثر برای تحلیل روابط پیچیده باشد و پیش‌بینی‌های دقیق‌تری ارئه می‌کند؛ توانایی کمی در تفسیر و تحلیل روابط علی دارد و از طرف دیگر در اندازه‌گیری اثر متغیرهای توضیح‌دهنده بر سطوح مختلف متغیر پاسخ (مصرف گیاهان دارویی) توانایی کمی دارد. نتایج برآورد نشان داد هر دو متغیر درآمد و بعد خانوار اثر مثبت بر میزان مصرف در تمام صدکهای مصرفی دارد. با این وجود میزان تاثیر در خانوارها پر‌مصرف بیشتر از خانوارهای کم‌مصرف می‌باشد. بر اساس نتایج حاصله؛ بازار گیاهان دارویی ناهمگن بوده و محرک‌مشابه برای تمام بازار مفید نیست. تفکیک بازار به پرمصرف‌ها و کم مصرف‌ها موجب می‌شود بازاریابان، شرکتهای تولید و توزیع‌کننده و دولت از ابزارهای متفاوتی برای توسعه بازار استفاده کنند. در حالیکه در بازار پرمصرف‌ها سیاست‌هایی مانند یارانه‌دهی به این محصولات موجب افزایش مصرف خواهد شد، برای کم‌مصرف‌ها بهبود پوشش بیمه‌ای و تبلیغات (اطلاع‌رسانی) می‌تواند تأثیرگذار باشد. مطالعات آینده می‌توانند از داده‌های غنی‌تر استفاده کنند و از مدل‌های پیچیده‌تری مانند شبکه‌های عصبی بازگشتی یا مدل‌های یادگیری تقویتی استفاده کرد. این تحقیق گامی در جهت استفاده از ابزارهای پیشرفته هوش مصنوعی برای درک بهتر رفتارهای انسانی در حوزه سلامت و اقتصاد است.
مواد و روش‌‌ها: داده‌های تحقیق از بانک اطلاعات هزینه درآمد خانوار شهری در مرکز آمار ایران برای سال 1404 استخراج شد. در مجموع از داده‌های بیش از 16500 خانوار استفاده شد. در این مطالعه متغیرهای موثر بر رفتار مصرفی این محصولات با استفاده از داده‌های خام درآمد هزینه خانوارهای شهری در مرکز آمار ایران بررسی گردید. روش پژوهش ترکیبی از شبکه عصبی در یادگیری ماشین و رگرسیون چندکی است. حجم بالای داده‌ها، حذف داده‌های پرت و شناسایی متغیرها موثرتر بر مصرف گیاهان دارویی موجب شده است در این تحقیق، از یادگیری ماشین در مرحله اول استفاده شود. در این مرحله پس از استخراج داده‌ها و پاکسازی آن، داده‌ها به دو مجموعه آموزش (80%) و آزمون (20%) به صورت کاملا تصادفی تقسیم شدند. برای آموزش ماشین الگوریتم‌های مختلفی وجود دارد.. یک شبکه عصبی پیشخور با استفاده از کتابخانه Keras روی اجرای TensorFlow طراحی شد. ساختار کلی شبکه شامل چهار لایه؛ لایه ورودی، سه لایه مخفی و یک لایه خروجی طراحی شد. پس تحقق اهداف مرحله اول، رابطه علی بین آنها از رگرسیون چندکی استفاده گردید. از متغیرهای هزینه خرید داروهای گیاهی، هزینه داروهای تجویزشده و نشده توسط پزشک، تعداد اعضا و درآمد خانوار در مرحله اول استفاده گردید. پس از مرحله اول دو متغیر مهمتر به عنوان متغیرهای پیش‌بینی کننده در مدل رگرسیون چندکی وارد گردید.
یافته‌‌ها: در مرحله اول، پس از آموزش، مدل بر روی مجموعه داده با معیارهای زیان و قدرمطلق خطا ارزیابی شد. روند نزولی زیان و خطا در هر دو منحنی اموزش و اعتبارسنجی نشان می‌دهد در بازه صفر تا 20 دور، بیشترین نرخ یادگیری صورت گرفته است. شیب تند نمودار نشان می‌دهد مدل در حال یافتن الگوهای اصلی در داده‌های مصرف است. در بازه 40 تا 50 دور، نمودارها تقریباً صاف شده که نشان از همگرایی است و آموزش بیشتر با داده‌های فعلی ممکن است تغییر چندانی در دقت ایجاد نکند. نتایج مرحله اول نشان داد وضعیت اقتصادی و اجتماعی خانوار بیش از وضعیت بهداشتی و سلامتی آنها بر مصرف گیاهان دارویی تاثیر داشته است. بین مصرف با درآمد و تعداد اعضای خانوار مجموعا بیش از 70% رابطه وجود دارد. به این ترتیب متغیرهای اقتصادی و اجتماعی بیشتر از متغیرهای بهداشت و سلامتی بر مصرف این گیاهان تاثیر دارد. علاوه بر این برآورد رگرسیون چندکی در صدکهای مختلف مصرف حاکی از آن بود که تاثیر این متغیرها در سطوح مختلف مصرف یکسان نبوده و تاثیر متغیرهای درآمد و بعد خانوار در صدکهای بالاتر بیشتر است.
نتیجه‌‌گیری: بر اساس نتایج حاصله؛ بازار گیاهان دارویی ناهمگن بوده و محرک‌مشابه برای تمام بازار مفید نیست. تفکیک بازار به پرمصرف‌ها و کم مصرف‌ها موجب می‌شود بازاریابان، شرکتهای تولید و توزیع‌کننده و دولت از ابزارهای متفاوتی برای توسعه بازار استفاده کنند. در حالیکه در بازار پرمصرف‌ها سیاست‌هایی مانند یارانه‌دهی به این محصولات موجب افزایش مصرف خواهد شد، برای کم‌مصرف‌ها بهبود پوشش بیمه‌ای و تبلیغات (اطلاع‌رسانی) می‌تواند تأثیرگذار باشد.
این مطالعه نشان داد ترکیب یادگیری عمیق و توابع علی می‌تواند نتایج بهتری را توضیح دهد. با وجود اینکه مدل‌های یادگیری عمیق می‌توانند ابزاری موثر برای تحلیل روابط پیچیده باشد و پیش‌بینی‌های دقیق‌تری ارئه می‌کند؛ توانایی کمی در تفسیر و تحلیل روابط علی دارد و از طرف دیگر در اندازه‌گیری اثر متغیرهای توضیح‌دهنده بر سطوح مختلف متغیر پاسخ (مصرف گیاهان دارویی) توانایی کمی دارد. نتایج برآورد نشان داد هر دو متغیر درآمد و بعد خانوار اثر مثبت بر میزان مصرف در تمام صدکهای مصرفی دارد. با این وجود میزان تاثیر در خانوارها پر‌مصرف بیشتر از خانوارهای کم‌مصرف می‌باشد. بر اساس نتایج حاصله؛ بازار گیاهان دارویی ناهمگن بوده و محرک‌مشابه برای تمام بازار مفید نیست. تفکیک بازار به پرمصرف‌ها و کم مصرف‌ها موجب می‌شود بازاریابان، شرکتهای تولید و توزیع‌کننده و دولت از ابزارهای متفاوتی برای توسعه بازار استفاده کنند. در حالیکه در بازار پرمصرف‌ها سیاست‌هایی مانند یارانه‌دهی به این محصولات موجب افزایش مصرف خواهد شد، برای کم‌مصرف‌ها بهبود پوشش بیمه‌ای و تبلیغات (اطلاع‌رسانی) می‌تواند تأثیرگذار باشد. مطالعات آینده می‌توانند از داده‌های غنی‌تر استفاده کنند و از مدل‌های پیچیده‌تری مانند شبکه‌های عصبی بازگشتی یا مدل‌های یادگیری تقویتی استفاده کرد. این تحقیق گامی در جهت استفاده از ابزارهای پیشرفته هوش مصنوعی برای درک بهتر رفتارهای انسانی در حوزه سلامت و اقتصاد است.
نوع مطالعه: پژوهشي |
موضوع مقاله:
بازار محصولات کشاورزی و منابع طبیعی
دریافت: 1405/4/24 | پذیرش: 1405/7/21
دریافت: 1405/4/24 | پذیرش: 1405/7/21
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
