تعداد نشریات | 161 |
تعداد شمارهها | 6,493 |
تعداد مقالات | 70,156 |
تعداد مشاهده مقاله | 123,301,128 |
تعداد دریافت فایل اصل مقاله | 96,512,667 |
پیشبینی نرخ رشد و نرخ تورم در بخش کشاورزی ایران | ||
فصلنامه تحقیقات اقتصادی | ||
مقاله 7، دوره 41، شماره 3، شهریور 1385 اصل مقاله (395.46 K) | ||
نویسندگان | ||
احمد سام دلیری1؛ صادق خلیلیان* 2 | ||
1دانشجوی کارشناسیارشد | ||
2استادیار گروه اقتصاد کشاورزی دانشگاه تربیت مدرس | ||
چکیده | ||
امروزه، در موضوعات اقتصادی- بازرگانی، پیشبینی، به عنوان یکی از مهمترین شاخههای علمی مطرح شده است و روز به روز، توسعه و پیشرفت میکند. مدیران بخشهای مختلف اقتصادی و بازرگانی، به دلیل وجود انبوه متغیرهای تأثیرگذار، ترجیح میدهند مکانیزمی را در اختیار داشته باشند، که بتواند آنها را در امور تصمیمگیری یاری کند. بخش کشاورزی، به عنوان بخش تولیدکنندة محصولات راهبردی(استراتژیک) و تامین کنندة مواد غذایی مورد نیاز جمعیت رو به رشد جامعه، تاثیر زیادی در بسیاری از تصمیمگیریهای اقتصادی، اجتماعی و سیاسی دارد. با توجه به اهمیت بخش کشاورزی در اقتصاد کشور و نیز وجود عوامل تاثیرگذار متفاوت و غیرقابل کنترل ، تجزیه و تحلیل متغیرهای نرخ رشد و نرخ تورم در بخش کشاورزی و آگاهی از روند آنها در آینده و نیز شناخت الگوهای زیر ساختی تولید این دادهها، میتواند راهگشای برنامهریزان و سیاستمداران برای اتخاذ تصمیمات مناسب باشد. در این تحقیق، سعی بر انتخاب مدل مناسب، برای پیشبینی مقادیر رشد و تورم در بخش کشاورزی ایران شده است. به این منظور، از مدلهای هموارسازی نمایی هالت وینترز و مدل ARIMA استفاده شدهاست. دادههای ماهانه مربوط به نرخ تورم (PPI ,WPI)، برای دورة 1383-1338 و دادههای فصلی مربوط به نرخ رشد برای دورة 1383-1368 جمع آوری شدهاند. به منظور مقایسة دقت پیشبینی مدلهای خطی و غیرخطی، به طراحی یک مدل شبکة عصبی مصنوعی(ANN)، مبتنی بر متغیرهای مدل رگرسیون و مدلARIMA پرداخته شد. نتایج نشان داند که مدل هموارسازی نمایی هالت-وینترز، دارای دقت پیشبینی بالاتری از مدل ARIMA و شبکة عصبی بوده و با دادههای رشد و تورم در بخش کشاورزی ایران سازگاری بیشتری دارد. این مدل، متوسط نرخ رشد در بخش کشاورزی برای سالهای برنامه چهارم توسعه را، 7% و متوسط نرخ تورم در بخش کشاورزی را، 5/10% پیشبینی کرده است. طبقه بندیJEL : H12. | ||
کلیدواژهها | ||
بخش کشاورزی؛ تورم؛ رشد؛ مدلهای پیشبینی | ||
آمار تعداد مشاهده مقاله: 3,018 تعداد دریافت فایل اصل مقاله: 1,635 |