Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

---

چگونگی مرتبط کردن داده‌های عملکردی با بودجه به عنوان یکی از مفاهیم اساسی بودجه‌ریزی بر مبنای عملکرد، از دغدغه‌های پژوهشگران بودجه‌ریزی و مدیران است. نحوه انتساب فعالیت‌ها به منابع و مشخص کردن سهم محرک‌های منبعی، یکی از پیچیده‌ترین بخش‌های بودجه‌ریزی بر مبنای عملکرد است. در اغلب روش‌های مرسوم برای هزینه‌یابی و بودجه‌ریزی، معمولاً فرض می شود رابطه ای خطی بین فعالیت ها و هزینه ها وجود دارد. در حالی که یک تابع هزینه، در عمل، همیشه خطی نیست و خطی فرض کردن آن، منجر به محاسبات اشتباه در بودجه فعالیت‌ها، خروجی‌ها و برنامه‌ها خواهد شد. در مقاله حاضر، برای حل مسئله تخمین رابطه بین فعالیت‌ها و منابع (هزینه‌ها) از رویکرد شبکه‌های عصبی مصنوعی استفاده شده است. برای آموزش و آزمون مدل شبکه عصبی، از داده‌های بانک تجارت ایران استفاده شده است. ویژگی متمایزکننده این الگو نسبت به سایر الگوها، در نظر گرفتن روابط بین هزینه – مرکز هزینه، به صورت غیرخطی است. معماری خاص شبکه پیشنهادی (معماری چندلایه پیش‌خور با ارتباطات پرشی) باعث می‌شود تا علاوه بر پیش‌بینی هزینه، مقدار سهم محرک‌های منبعی نیز از مدل قابل استخراج باشد. مقایسه نتایج به دست آمده از الگوی پیشنهادی برای مقدار محرک‌ها با نتایج نظرسنجی از خبرگان برای محرک‌های منبعی، اختلاف قابل قبولی را نمایش می‌دهد.

واژه‌های کلیدی: بودجه‌ریزی بر مبنای عملکرد، تخمین روابط هزینه، شبکه‌های عصبی مصنوعی، هزینه‌یابی بر مبنای فعالیت

متن کامل [PDF 458 kb]   (۳۲۶۷ دریافت)