۵۴٫

آماره t

۲٫۰۷

۷٫۶

۲٫۷۲

۵٫۴۹

دانشگاه ها

ضریب

متغیرحذف شده

۰۳٫-

متغیرحذف شده

آماره t

۳٫۲۹-

ضریب تعیین

۹۳٫

۹۷٫

۹۲٫

۸۹٫

منبع: همان .
همان طوری که از نتایج جدول ۲-۴ مشخص است در مدل اول ، دوم و چهارم به علت معنی دار نبودن متغیر دانشگاه ، این متغیر از مدل حذف شده است و به واسطه این حذف ضریب تعیین مدل اول و دوم به ترتیب از ۹۰ و ۹۳ درصد به ۹۳ و ۹۷ درصد افزایش یافته است که نشان از تصریح و برازش بهتر مدل دارد. قابل ذکر است در مدل اقتصاد سنجی از متغیر تعداد دانشگاه در شهرهای مختلف استان استفاده شده است و نه تعداد کاربران تلفن همراه در دانشگاه ها ، چه بسا اگر آمار مورد نیاز و تفکیکی آن قابل دسترس بود نتایج تغییر پیدا می­کرد. این امر در بخش دوم این فصل بیشتر توضیح داده خواهد شد.
از آن جا که احتمال نقض فرض ناهمسانی واریانس در مدل­های با داده ­های مقطعی بیشتر است به منظور آزمون این فرض از آزمون وایت استفاده شده است. نتایج آزمون وایت در مدل سوم و برای بازه زمانی ایام نوروز حکایت از نقض این فرض دارد. لذا مدل با لحاظ نقض این فرض مورد برآورد قرار گرفت. نتایج نشان داده است که تمامی متغیرها معنی­دار بوده اند و ضریب تعیین از رقم ۶۷ درصد به ۹۲ درصد افزایش یافته است.

۴ – ۲ – ۳ - سازگاری تئوریکی و روایی نتایج
انتظار تئوریکی از برآورد مدل آن بوده است که ضرایب تمامی متغیرهای مدل مثبت بوده و یا به عبارتی تاثیر مثبت بر روی متغیر وابسته داشته باشد. لذا همان طوری که از نتایج خلاصه جدول ۲-۴ مشخص است تمامی ضرایب مدل از سازگاری تئوریکی برخوردار است. تنها در مورد متغیر تعداد دانشگاه ، با توجه به استفاده دانشگاه ها از باند پهن تلفن ثابت ، انتظار آن بوده است که ضریب این متغیر منفی باشد که در مدل سوم نیز نتیجه به دست آمده سازگاری تئوریکی را تایید کرده است. به منظور روایی و آزمون نتایج به دست آمده ، نتایج مدل های مختلف جدول ۲-۴ را از چند منظر مورد بررسی و تحلیل قرار گرفته است:
مقایسه ضریب یک متغیر در مدل ها: به یقین می­توان گفت تاثیر متغیر توریستی / غیر توریستی بودن منطقه و شهر در مدل­های با بازه زمانی تابستان ، نوروز و تا حدودی پاییز بیشتر از فصل زمستان باشد. نتایج به دست آمده مدل ها این موضوع را تایید کرده است. بدیهی است مسافر پذیری بالای استان مازندران در ایام تابستان و نوروز تاثیر بیشتری درایجاد ترافیک دیتای استان در این بازه های زمانی داشته باشد.
مقایسه ضرایب متغیرها در مدل ها: صرف نظر از مقایسه ضریب یک متغیر در مدل های مختلف برآورد شده ، مقایسه ضرایب متغیرهای مختلف مستقل انواع مدل­ها ­نیز می ­تواند به تایید و روایی بیشتر نتایج مدل­ها کمک نماید. با توجه به این که استفاده از دستگاه موبایل و خدمت دیتای تلفن همراه، نیازمند دانش کافی و در برخی موارد دانش بالا می­باشد ، می­توان انتظار داشت که تاثیر این متغیر نسبت به سایر متغیرهای مستقل مدل بسیار بالاتر باشد. این امر در تمامی مدل­ها به اثبات رسیده است.
۴ – ۲ – ۴ - حساسیت (تغییر پذیری) مقدارضریب متغیرها در مدل ها: انتظار آن است که ضریب متغیرهای مهم در مدل­های مختلف تغییر پذیری کمتری در مقایسه با سایر متغیرها داشته باشد. این امر برای ضریب متغیر جمعیت در نتایج مدل دیده می­ شود. دامنه تغییرات این متغیر در مدل های مختلف بین ۴۴٫ تا ۵۷٫ در نوسان است که در مقایسه با سایر متغیرها از نوسان پذیری کمتری برخوردار است.
۴-۳: بخش دوم تحلیل آماری داده ­های جغرافیایی
۴- ۳ -۱ - بررسی نمونه آماری شبکه در حال کار
پس از شناسایی و اطمینان از معنی دار بودن متغیرهای اصلی بازاریابی جغرافیایی موثر بر ایجاد ترافیک استان ، با محاسبه ترافیک سایت های موجود موبایل و نمونه گیری آماری از رفتار ترافیکی مشتریان در مناطق جغرافیایی مختلف، با کمک روش­های آماری می­توان ضمن تایید تاثیرات مثبت و منفی متغیرهای پیش­گفته، گستره و اندازه بازار احتمالی در نتیجه اهمیت و اولویت مناطق مختلف را پیش ­بینی نمود.
جمعیت: همانطور که در بالا آمد جمعیت مناطق، بعنوان تاثیرگذارترین پارامتر جغرافیای مطرح بوده ­است، هم­چنین بدلیل تاثیر تعداد و جمعیت روستاها روی میزان جمعیت بعضی شهرستان­­ها، بدین معنی که ممکن است میزان جمعیت شهری یک شهرستان کمتر بوده ولی جمعیت کل شهرستان در مقایسه با شهرستان دیگر بیشتر باشد ;جدول نزولی ۴٫۱ ضمیمه با نگاه به جمعیت شهر و شهرستان تهیه شده است، این تفاوت برای بعضی شهرستان­ها کاملا مشهود می­باشد.
بدین منظور بررسی و تحلیل کلی، روی جمعیت شهرستان­ها انجام گرفته ولی بررسی های دقیق­ و جامع­تر در سطح شهرها انجام پذیرفته است. علاوه بر وسعت و جمعیت مناطق مختلف، استان مازندران دارای مشخصه­های جغرافیایی خاص و منحصر بفرد می­باشد که تاثیر به سزایی بر رفتارترافیکی مناطق مختلف دارد، از جمله مهمترین آنها:
تراکم بالای جمعیت بومی که تقریبا بطور یکنواخت درنوار باریکی در جلگه ­شمال متمرکز شده ­اند.
با توجه به نزدیکی روستاها و شهرها بخش زیادی از جمعیت شهری و روستایی سیال بوده که طی صبح و عصر بین شهر و روستا در حرکت می­باشند.
رفتار کاملا متفاوت ترافیکی در نیمه دوم سال به دو علت، یکی پذیرش مسافر زیاد بویژه در نوروز و روزهای تعطیل، دوم جابجایی بخش زیادی از مشترکین بومی به روستاها و ییلاقات مخصوصا در روزهای آخر هفته و تعطیلات رسمی که ­بایستی درنظر گرفته شود.
با درنظر داشتن این کلیات طی چهار مرحله به جمع­آوری، جمع­بندی و تحلیل اطلاعات، رفتار و مدل ترافیکی شهرها و شهرستان­های مختلف می­پردازیم.
۴ – ۳ -۲ - مرحله اول: بررسی و تحلیل ترافیک شهرها و شهرستان­ها
الف: بررسی میزان ترافیک شهرها
با بررسی اولیه جدول۴٫۱ ضمیمه، بزرگی بازار در نتیجه اهمیت شهرهای مختلف تا حدودی مشخص می­گردد، جهت قضاوت دقیق­تر درباره میزان کشش ترافیکی شهرهای مختلف، همانطور که گفته شد در چهار مقطع در طول زمان تحقیق (در زمستان ۹۲ ، نوروز ، تابستان و پاییز ۹۳) بیشترین ترافیک یک ساعته(پیک ترافیک)یا مجموع ترافیک حمل شده توسط هر سکتور طی ۲۴ ساعت شبانه روز از شبکه زنده استخراج گردید. نمونه ­ای از دیتاهای استخراج شده شبکه طی جداولی در ضمیمه این فصل آورده شده که شرح کامل آنها بصورت CD پیوست می­باشد.