سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات158
تعداد شماره‌ها6,230
تعداد مقالات67,758
تعداد مشاهده مقاله115,126,637
تعداد دریافت فایل اصل مقاله89,894,666
میراکبری, زینب, مجاوریان, سید مجتبی, رفیعی, حامد, امیرنژاد, حمید. (1399). خوشه بندی کشورهای هدف صادرات پسته ایران مبتنی بر الگوریتمهای فرا ابتکاری ترکیبی. , 51(3), 413-427. doi: 10.22059/ijaedr.2018.263272.668633
زینب میراکبری; سید مجتبی مجاوریان; حامد رفیعی; حمید امیرنژاد. "خوشه بندی کشورهای هدف صادرات پسته ایران مبتنی بر الگوریتمهای فرا ابتکاری ترکیبی". , 51, 3, 1399, 413-427. doi: 10.22059/ijaedr.2018.263272.668633
میراکبری, زینب, مجاوریان, سید مجتبی, رفیعی, حامد, امیرنژاد, حمید. (1399). 'خوشه بندی کشورهای هدف صادرات پسته ایران مبتنی بر الگوریتمهای فرا ابتکاری ترکیبی', , 51(3), pp. 413-427. doi: 10.22059/ijaedr.2018.263272.668633
میراکبری, زینب, مجاوریان, سید مجتبی, رفیعی, حامد, امیرنژاد, حمید. خوشه بندی کشورهای هدف صادرات پسته ایران مبتنی بر الگوریتمهای فرا ابتکاری ترکیبی. , 1399; 51(3): 413-427. doi: 10.22059/ijaedr.2018.263272.668633

خوشه بندی کشورهای هدف صادرات پسته ایران مبتنی بر الگوریتمهای فرا ابتکاری ترکیبی

تحقیقات اقتصاد و توسعه کشاورزی ایران
مقاله 3، دوره 51، شماره 3، مهر 1399، صفحه 413-427    اصل مقاله (1.02 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/ijaedr.2018.263272.668633
نویسندگان
زینب میراکبری1؛ سید مجتبی مجاوریان* 2؛ حامد رفیعی3؛ حمید امیرنژاد4
1دانشجوی دکتری اقتصاد کشاورزی، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
2دانشیار گروه اقتصاد کشاورزی، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
3استادیار گروه اقتصاد کشاورزی، دانشکده اقتصاد و توسعه کشاورزی، دانشگاه تهران، کرج، ایران
4دانشیار گروه اقتصاد کشاورزی، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
چکیده
هدف اصلی این تحقیق، طراحی الگویی برای ارزیابی و بخش­بندی بازار بین­المللی پسته به­منظور شناسایی فرصت‌های ایران در این بازارهاست. در این مطالعه، بررسی ساختار بازار، وضعیت رقبا در بازار، دسترسی به بازار و تطابق فرهنگی و سیاسی کشورها، برای سال­های 2016-2001 شاخص­هایی را جهت خوشه­بندی بازارهای هدف در این بازارها فراهم می­کنند. با بهره‌گیری از روش‌های خوشه‌بندی فراابتکاری، تقسیم‌بندی بازار بین‌المللی پسته صورت گرفت و خوشه­های همگن صادراتی برای بازارهای هدف ایران استخراج گردیدند. در این پژوهش، با استفاده از الگوریتم خوشه‌بندی کامینز، الگوریتم ترکیبی کامینز و کلونی مورچگان و الگوریتم ترکیبی کامینز و سلسله‌مراتبی، به خوشه­بندی کشورهای هدف صادرات پسته ایران پرداخته شد. مقایسه نتایج حاصل از سه روش خوشه‌بندی نشان داد که در الگوریتم ترکیبی کامینز و سلسله‌مراتبی، خوشه‌های حاصل، خطای کمتری را نشان می­دهند. بر اساس نتایج حاصل از شاخص­های دیویس – بولدین، چو - سو و ضریب نیمرخ، پنج خوشه برای کشورهای هدف صادراتی ایران جهت صادرات پسته شناسایی شدند که با سیاستگزاری یکسان در قبال کشورهای موجود در هر خوشه و سیاستگزاری متفاوت در کشورهای هدف خوشه‌های مختلف، می‌توان کارایی سیاست های صادراتی را افزایش داد.
کلیدواژه‌ها
صادرات پسته؛ مزیت رقابتی؛ الگوریتم کلنی مورچگان؛ کشورهای هدف؛ خوشه‌بندی
عنوان مقاله [English]
Clustering Target Countries of Iranian Pistachio Exports Based on Hybrid Meta-Heuristic Algorithms
نویسندگان [English]
Zeinab Mirakbari1؛ Mojtaba Mojaverian2؛ Hamed Rafiee3؛ Hamid Amirnejad4
1PhD student of Agricultural Economics, Faculty of Agricultural Engineering, Sari Agricultural Sciences and Natural Resources University, Sari, Iran
2Associate Professor of Agricultural Economics Department, Faculty of Agricultural Engineering, Sari Agricultural Sciences and Natural Resources University, Sari, Iran
3Assistant Professor, Department of Agricultural Economics, Faculty of Economics and Agricultural Development College of Agriculture & Natural Resources, University of Tehran, Karaj, Iran
4Associate Professor of Agricultural Economics Department, Faculty of Agricultural Engineering Sari Agricultural Sciences and Natural Resources University, Sari, Iran
چکیده [English]
The main objective of this research was to design a model for assessing and partitioning the international pistachio market in order to identify Iran's opportunities in these markets. Accordingly, in this paper, the study of market structure, the status of competitors in the market, market access, and the cultural and political adaptation of countries for the years 2001- 2016 provide indicators for clustering target markets in these markets. Subsequently, using international meta-clustering methods, international pistachio market segmentation has been done and homogeneous export clusters have been extracted for Iran's target markets. In this research, using Cummins clustering algorithm, Cummins and Clooney Antes algorithm and also Cummins and hierarchy combination algorithms for clustering of target countries of Iranian export of pistachio were studied. Comparison of the results of the three clustering methods showed that in the Cummins and hierarchical combination algorithms, the resulting clusters display less error. Based on the results of the Davis-Bouldin, Chu-Su, five clusters were identified for Iran's export destination countries for export of pistachios, and the same policy for the countries in each cluster and policy in the target countries of different clusters could lead to increased efficiency of the considered strategies.
کلیدواژه‌ها [English]
Pistachio Exports, Competitive Advantage, Ant Colony Algorithm, Target Countries, Clustering
مراجع
  1. Azar, A. & Rajabzadeh, A. (2002). Applied decision-making. Negahdanesh Publications. Tehran (In Farsi).
  2. Balassa, B. (1965) Trade liberalization and “revealed” comparative advantage, The Manchester School of Economics and Social Studies, 33(2): 99-123.
  3. Chagheri, A. & Feizi, M.R. (2018). Automatic data clustering using improved colonial competition algorithm. Processing of Symptoms and Data, 2(32): 160 – 169. (In Farsi)
  4. Chou, C. Su, M. & Lai, E. (2004). A new cluster validity measure and its application to image compression, Pattern Analysis and Applications, 7(2), 205 – 220.
  5. Davies. D. L. & Bouldin, D.  (1979). A cluster separation measure. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 1(2): 224 – 227.
  6. Dorigo, M. & Socha, K. (2007).  An Introduction to Ant Colony Optimization, University Libre de Bruxelles, Technical Report No.TR/IRIDIA/2006-010. Retrieved from: http://csi.org.ir/fa/publication/page/id/9
  7. Ghazanfari, M. Malek Mohammadi, S. Alizadeh, S. Fathollah, M. (2010). Segmentation of export customers of edible fruits, Iranian Journal of trade studies, Vol. 55: 151-181. (In Farsi)
  8. Goodwin, B.K. & Piggott, N.E. (2001). Spatial market integration in the presence of threshold effects. American Journal of Agricultural Economics, Vol.  83(2): 302-317.
  9. Goonatilake, S. (1995). Intelligent Systems for Finance and Business: An Overview, Intelligent Systems for Finance and Business, Wiley, New York, 350pp. 

10. Gould, R. (2002). International Market Selection: Screening Technique. Doctoral Dissertation. RMIT University, Faculty of Constructed Environment, School of Social Science and Planning. Australia.

11. Gun, G. Ma, C. & Wu, J. (2007). Data clustering: theory, algorithms and applications, Society for Industrial and Applied Mathematics, 448pp.

12. Halkidi, M., Batistakis, Y. & Vazirgiannis, M. (2002a). Clustering validity methods: Part I.  ACM SIgMOD Record, 31(2): 40-45.

13. Halkidi, M., Batistakis, Y., and Vazirgiannis, M. (2002b). Clustering validity checking methods: Part II. ACM SIgMOD Record, 31(3): 19-27.

14. Hoseini, M.A., & Human, T. (2007). The study of the world market of dates and target markets for Iran's export dates, Journal of Agricultural Economics and Development, Vol. 15( 57): 1-29. (In Farsi)

15. Houk, J.P. (1977). An approach to specifying and estimating nonreversible functions. American Journal of Agricultural Economics, Vol.  59(3): 570-572

16. Islam, S. (2001) Concentration of international trade in hightechnology products. Applied Economics Letters, 8: 95-97.

17. Kotler, P. Armstrong, G. (2012). Principles of Marketing. (14th Edition). Pearson Education, Inc.

18. Kline, P. (1994). An easy guide to factor analysis. London and New York. Routledge, Taylor and Francis Group.

19. Kygan, V. (2004). Global Marketing Management, translated by Abdulhamid Ebrahimi, Tehran, Cultural Research Center, First Printing, p. 199. (In Farsi)

20. Liesner, H. (1958). The European Common Market and British Industry. Economic Journal, Vol. 68(270): 302-316.

21. Liyaghati, H. Nazari, Gh. & Avazdahandeh, S. (2017). Investigating changes in the structure of the global pistachio market with an emphasis on the role of Iran. Ecological Agriculture, 7 (1), 199 - 186. (In Farsi)

22. Meyer, J. & Von Cramon-Taubadel, S. (2004). Asymmetric Price Transmission: A Survey. Journal of Agricultural Economics, 55, 3.    

23. Mojaverian, M. & Mojaverian, P. (2014). Identify and prioritize the target market for Iran juicer exports. Second National Conference on Optimizing the Production, Distribution and Consumption in the Food Industry, Sari. (In Farsi)

24. Momeni, M. (2014). Clustering of data (cluster analysis). Mansour Momeni Publicationd, 304 pp. (In Farsi)

25. Pakhira, M. Bandyopadhyay, S. Maulik, U. (2004). Validity index for crisp and fuzzy clusters. Pattern Recognition, 37(3): 487 – 501.

26. Rahman, H. (2003). Modeling of international selection process: a qualitative study of successful. Australian International Business, Qualitative Market Research, 6(2), 119-132.

27. Salami, H. & Pishbahar, A. (2001). Changes in the relative advantage of agricultural products in Iran. Agricultural Economics and Development, 9(34): 67-99. (In Farsi)

28. Sanayei, A. (1998). Principles of Marketing and Market Management, Tehran, Porsesh, Third Edition, pp: 38-37. (In Farsi)

29. Strehl, A. & Ghosh, J. (2002). Cluster ensembles: a knowledge reuse framework for combining partitioning. 11-th National Conf. on Artificial Intelligence, Edmonton, Alberta, Canada.

30. Tong, H. (1983). Threshold Models in Non-linear Time Series Analysis. Lecture Notes in Statistics, 21, Springer.

31. Vali Beigi, H. (2006). Prioritization of Export Markets and Barriers to Their Existence, Commercial Journal, (41): 53-90 (In Farsi)

32. Wu, F. & Guclu, H. (2013). Global Maize Trade and Food Security: Implications from a Social Network Model. Risk Analysis, 33(12): 2168-2178.

Zhang, Z. & Gao, Y. (2015). Emerging Market Heterogeneity: Insights from Cluster and Taxonomy Analysis. International Monetary Fund, IMF Working Paper. Strategy, Policy, and Review Department.

آمار
تعداد مشاهده مقاله: 398
تعداد دریافت فایل اصل مقاله: 316


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب