درجه اشتغال زایی حاصل از تجاری سازی یافته های پژوهشی

A₁₂

وجود قوانین مناسب در زمینه حقوق مالکیت فکری

A₂₆

تاثیر تجاری سازی یافته پژوهشی بر واردات

A₁₃

مشوق هایی که توسط دانشگاه برای پژوهشگر در نظر گرفته می شود

۳-۷ روش تجزیه و تحلیل اطلاعات
بعد از جمع آوری داده ها ، قدم بعدی تجزیه و تحلیل داده ها است .اما قبل از انجام این کار ضروری است برخی مراحل مقدماتی( از قبیل کد گذاری داده ها ) انجام شود .این مراحل به آماده کردن داده ها برای تجزیه و تحلیل کمک کرده، اطمینان میدهد که داده های حاصل به طور معقول مناسبند و تفسیر آنها به نحو صحیح میسر است. در این تحقیق همان طور که در جدول ۳-۱ نشان داده شده است عوامل تاثیر گذار بر تجاری سازی یافته های پژوهشی در حوزه فنی و مهندسی شناسایی شده در قالب A1 تا A26 کدبندی شده است. برای آزمون دو فرضیه پایان نامه از روش آزمون t استفاده شد که برای انجام این امر از نرم افزار SPSS کمک گرفته شد. سپس جهت اولویت بندی این عوامل از دو تکنیک SAW و TOPSIS که از جمله تکنیکهای تصمیم گیری چند شاخصه می باشد استفاده شده است.
۳-۸آزمون میانگین یک جامعه
اگر فرضیه ای در خصوص میانگین یک جامعه آماری طراحی شود با بهره گرفتن از مراحل آزمون فرض آماری می توان صحت یا سقم فرضیه را در سطح معنادار α تعیین کرد.
توزیع اساس شرایط تخمین ، یکی از توزیع های z یا t را خواهد داشت. حال بر اساس هر یک از حالت های تخمین ،آماره آزمون به شرح زیر تعریف می شود:
وقتی که نمونه از جامعه نرمال با انحراف معیار معلوم انتخاب شود ، توزیع صرفنظر از حجم نمونه نرمال است و در نتیجه آماره آزمون ، z خواهد بود که چنین تعریف می شود :
(۳-۲)
هرگاه نمونه از جامعه ای نرمال با انحراف معیار نامعلوم انتخاب شود ، توزیع نمونه گیری بر اساس حجم نمونه به این شرح تعیین می شود :
الف) اگر حجم نمونه کوچک باشد () ، توزیع از t استیودنت برخوردار است و آماره آزمون عبارت است از :
(۳-۳)
ب) در صورتی که حجم نمونه بزرگ باشد () ، توزیع بر اساس قضیه حد مرکزی از تقریب نرمال برخوردار است و آماره آزمون عبارت است از :
(۳-۴)
در این حالت همچنین می توان بر اساس تعریف رابطه z و t از رابطه (۳-۳) نیز استفاده کرد (آذر و مومنی, ۱۳۸۵)
در این پژوهش با توجه به اینکه اندازه نمونه از ۳۰ بیشتر است و با توجه به مطالب پیشین از آزمون t استفاده شده است.این آزمون برای متغیرهای کمی بکار می رود و در مورادی برای تشخیص عدم تاثیر یک متغیر در وضعیت مورد بررسی استفاده می شود
۳-۹ مدل های تصمیم گیری چند معیاره : (MCDM)^[60]
در روش های تصمیم گیری چندمعیاره که در دهه های اخیر مورد توجه محققین قرار گرفته است به جای استفاده از یک معیار ، از چند معیار استفاده می شود.مدل های تصمیم گیری چند معیاره به دو دسته عمده مدل های تصمیم گیری چند هدفه^[۶۱] و مدل های تصمیم گیری چند شاخصه^[۶۲] تقسیم می شوند.
۳-۹-۱ مدل های تصمیم گیری چند هدفه : (MODM)
در این مدل های تصمیم گیری ، چندین هدف به طور همزمان جهت بهینه شدن مورد توجه قرار می گیرد که ممکن است مقیاس سنجش هر هدف متفاوت از مابقی اهداف باشد.
تکنیک های MODM از جمله تکنیک های منعطف و کارایی هست که توسط تصمیم گیرندگان در شرایط مختلف به کار می رود.مزیت عمده این تکنیک ها قابلیت کاربرد آنها در شرایطی است که تصمیم گیرنده با اهداف متعارض و گاها متضاد روبرو است و از سوی دیگر همزمان با محدودیت های کارکردی و سیاستی پیچیده ای مواجه باشد.
۳-۹-۲ مدل های تصمیم گیری چند شاخصه : (MADM)
در این مدل ها انتخاب یک گزینه از بین گزینه های موجود مدنظر است. در یک تعریف کلی تصمیم گیری چند شاخصه به تصمیمات خاصی (از نوع ترجیحی) مانند ارزیابی ، اولویت گذاری و یا انتخاب از بین گزینه های موجود اطلاق می گردد. این مدل ها معمولا توسط یک ماتریس تصمیم (جدول توافقی) فرموله می گردد.
مراحل دستیابی به جدول توافقی جهت استفاده از فنون MADM بصورت زیر می­باشد.
مرحله اول: تعریف گزینه­ های ممکن موجود.
مرحله دوم: تعریف و تعیین شاخص­ های ارزیابی.
مرحله سوم: اندازه­ گیری شاخص ­ها.
در این مرحله بازده هر گزینه به ازاء هر شاخص (r_ij) سنجیده شده و در جدول توافقی قرار داده می شود. این جدول اصطلاحاً ماتریس تصمیم ­گیری^[۶۳] نامیده می شود.
مرحله چهارم: آماده ­سازی ماتریس­ تصمیم ­گیری:
در مرحله آماده ­سازی ماتریس تصمیم ­گیری، داده ­های مدل باید به گونه ­ای باشند که مدل قابل حل باشد. برای آماده ­سازی ماتریس تصمیم ­گیری باید مراحل زیر را مد­نظر قرار­داد.
الف) تبدیل شاخص­ های کیفی به کمی:
روش­های مختلفی برای تبدیل شاخص­ های کیفی به کمی وجود دارد که یکی از معروفترین روش­ها طیف لیکرت است.
ب) همگون­سازی شاخص ­ها:
ماتریس تصمیم در صورتی قابل حل می­باشد که واحدهای اندازه ­گیری شاخص ­ها یکسان باشد.با توجه به متفاوت بودن مقیاس اندازه ­گیری شاخصها بی مقیاس کردن داده ­ها امری ضروری می­باشد.از روش های رایج بی­مقیاس کردن می­توان به، روش نرم خطی، روش نرم اقلیدسی و روش نرم ساعتی اشاره نمود. که در ادامه توضیح داده می­شوند (مومنی, ۱۳۸۵) .
بی­مقیاس­سازی خطی