طراحی و تبیین مدل بخش‎بندی پویای بازار بین‎المللی فراورده‎های نفتی ایران (مطالعۀ موردی: بازار بین‎المللی بنزین)

هدف از پژوهش حاضر، بخش‌بندی پویای بازار بین‌المللی فراورده‌های نفتی ایران بر اساس رویکرد اقتصاد‌سنجی داده‌های پانلی و روش ترکیبی جدیدی مبتنی بر الگوریتم‌های داده‌کاوی است. بدین منظور، در مرحلۀ اول داده‌های 35 کشور واردکنندۀ بنزین در منطقه‎های خاورمیانه، آسیا و اقیانوسیه بین سال‌های 1995 تا 2012 تجزیه و تحلیل شدند و تاثیر مولفه‌های شناسایی شده بر واردات بنزین در قالب هفت فرضیه بررسی شد. نتایج این مرحله نشان داد اندازۀ بازار، توسعۀ اقتصادی، ساختار بازار آزاد، قیمت خرده‌فروشی بنزین و کشش درآمدی تقاضای بنزین، تاثیر مستقیم و معناداری بر واردات بنزین می‎گذارند. در مرحلۀ دوم، پس از بخش‌بندی بازار بین‌المللی بنزین با استفاده از مولفه‌های شناسایی شده و الگوریتم داده‌کاوی درخت تصمیم cart، دنباله‌های انتقال کشورهای وارد‌کنندۀ بنزین به بخش‌های مختلف شناسایی شدند. در ادامه، با استفاده از الگوریتم‌های داده‌کاوی kmeans، شبکۀ عصبی کوهنن و دو مرحله‌ای، به بخش‌بندی این دنباله‌ها اقدام شد. بررسی کیفیت بخش‌ها از طریق شاخص سیلهوت، نشان‎دهندۀ برتری الگوریتم شبکۀ عصبی کوهنن بود و این الگوریتم به‎عنوان روش مناسب بخش‌بندی دنباله‌ها انتخاب شد.

Design and Explanation of the Model of Dynamic Segmentation through the InternationalPetroleum Product Market of Iran (Case Study: International Gasoline Market)

The main objective of the present study has been paid on segmentation of international petroleum product market of Iran based on panel data econometric approach and a new hybrid approach based on data mining algorithm. For this purpose, in the first step data of 35 gasoline importing countries in the Middle East, Asia and the Pacific between 1995 and 2012 were analyzed and through the seven hypotheses the effect of the identified components on gasoline imports have been examined. The results indicate that the market size, economic development, the structure of the free market, pump gasoline price and income elasticity of demand for gasoline have direct and significant impact on gasoline imports. In a second step, by using the identified construct and data mining algorithm named Classification and Regression Tree, international gasoline market were segmented and sequences of transition of importing gasoline countries to different segments identified. Then, sequences segmented by using data mining algorithm such as KMeans, Kohonen and two step. Analyzing quality of segments in terms of Silhouette index shows the superiority of Kohonen Kohonen, so chosen as a suitable segmentation method of sequence.