آمار
| تعداد نشریات | 205 |
| تعداد شماره‌ها | 4,410 |
| تعداد مقالات | 48,439 |
| تعداد مشاهده مقاله | 83,077,115 |
| تعداد دریافت فایل اصل مقاله | 67,025,628 |
مقایسه عملکرد روش های رگرسیون آماری و فازی در تخمین تابع تقاضای بنزین (مطالعۀ موردی در ایران) | ||
| مدیریت صنعتی | ||
| مقاله 2، دوره 7، شماره 1، بهار 1394، صفحه 1-19 اصل مقاله (1.2 MB) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/imj.2015.50684 | ||
| نویسندگان | ||
محمد رضا تقی زاده یزدی  1؛ حسین میرشجاعیان حسینی2؛ عزت ا... اصغری زاده3؛ حامد شکوری گنجوی4
| ||
| 1استادیار مدیریت صنعتی دانشکدة مدیریت، دانشگاه تهران، تهران، ایران. | ||
| 2استادیار گروه اقتصاد بین رشته ای دانشکدة اقتصاد، دانشگاه تهران، تهران، یران. | ||
| 3دانشیار گروه مدیریت صنعتی دانشکدة مدیریت، دانشگاه تهران، تهران، ایران | ||
| 4دانشیار گروه مهندسی صنایع دانشکدة فنی، دانشگاه تهران، تهران، ایران. | ||
| چکیده | ||
| بنزین از کلیدی‌ترین فرآورده‌های انرژی در حمل‌ونقل مسافر در ایران به‌شمار می‌رود. مصرف روزافزون بنزین و نیاز به سیاستگذاری‌های صحیح در راستای مدیریت تقاضای بنزین، شناخت ساختار تقاضای فرآوردة بنزین را به اولویت بسیاری از برنامه‌های تحقیقاتی در ایران بدل ساخته است. یکی از مهم‌ترین چالش‌های موجود در این میان، درنظرگرفتن نااطمینانی‌های ناشی از شکست‌های ساختاری اقتصادی، تغییر در سیاستگذاری‌ها، نبودن داده‌های دقیق و ابهام در روند آتی است. این تحقیق تلاش می‌کند با بهره‌گیری از الگوهای متنوع شبیه‌سازی، به شناختی بهتر از عوامل مؤثر بر تقاضای بنزین در ایران دست یابد. از این‌رو، با استفاده از رگرسیون‌های آماری و فازی، به تخمین تابع تقاضای بنزین در ایران در بازة زمانی 1360-1386 پرداختیم و متغیرهای مؤثر بر تقاضای بنزین معرفی شدند. سپس مدل‌های دو روش با استفاده از معیار‌های استاندارد مقایسه شدند. نتایج تحقیق نشان می‌دهد علی‌رغم برتری نسبی روش رگرسیون آماری، دو روش آماری و فازی دارای دقت کافی و عملکرد مناسب در برآورد و پیش‌بینی تقاضای سرانة بنزین در ایران هستند. همچنین، از میان متغیرهای تخمین، تنها سه متغیر قیمت بنزین، متغیر سهم سرانة خوردو و متغیر روند دارای اثر معنادار بر متغیر وابستة مصرف سرانة بنزین است و متغیر درآمد سرانه اثر معناداری بر مصرف سرانة بنزین ندارد. | ||
| کلیدواژه‌ها | ||
| تقاضای بنزین ایران؛ رگرسیون آماری؛ رگرسیون فازی | ||
| مراجع | ||
|
Azadeh, A., Arab, R. & Behfard, S. (2010). An adaptive intelligent algorithm for forecasting long term gasoline demand estimation: The cases of USA, Canada, Japan, Kuwait and Iran. Expert Systems with Applications, 37: 7427–7437. Chitnis, M. (2005). Estimating price elasticity of gasoline demand using structural time series models and concept of implicit trend. Economics Research Quarterly, 5(3): 1-16. (In Persian)
Crotte, A., Noland, R. B. & Graham, D. J. (2010). An analysis of gasoline demand elasticities at the national and local levels in Mexico. Energy Policy, 38: 4445–4456.
Eltony, M. N. & Al-Mutairi, N. H. (1995). Demand for gasoline in Kuwait, Energy Economics. Energy Economics, 17(3): 249-253.
Gojorati, D. (2010). Principles of Econometrics, Abrishami, H., University of Tehran Press. Tehran. (In Persian)
Khataei, M. & Eghdami, P. (2005). Analysis of price elasticity of gasoline demand in Iran Land transportation and predicting it by the year 1394. Iran Economics Researches, 7(25): 23-46. (In Persian)
Ministry of power (2009). Energy balance sheet 1387, Deputy of Energy. Tehran. (In Persian)
Montgomery, D. C. & Peck, E. A. (1982). Introduction to Linear Regression Analysis, Wiley. New York.
Norozi, H. & Salgi, M. (2006). Surveying Effect of different price scenarios on gasoline. Energy Economics Studies Quarterly. 3(11): 64-83. (In Persian)
Park, S .Y. & Zhao, G. (2010). An estimation of U.S gasoline demand: A smooth time-varying cointegration approach. Energy Economics, 32: 110–120.
Sadeghi, H., Zolfaghari, M. & Heidarzadeh, M. (2009). Estimation of gasoline demand function in transportation sector using genetic algorithm. Energy Economics Studies Quarterly. 6(21): 1-27. (In Persian)
Savic, D. A., Pedrycz, W. (1991). Evaluation of fuzzy linear regression models. Fuzzy Sets and Systems, 39(1): 51-63.
Sene, M. N. & Al-Mutairi, N. H. (2011). Estimating the demand for gasoline in developing countries: Senegal. Energy Economics, In Press.
Shakeri, A., Mohammadi, T., Jahangard, A. & Moosavi, M. (1389). Estimating structural model of demand for gasoline and gas oil in Iran transport sector. Energy Economics Studies Quarterly. 7(25): 1-31. (In Persian)
Stern, J. D. (2000). Business Dynamics: Systems Thinking and Modeling for a Complex World, McGraw-Hill.Irwin.
Zadeh, L. A. (1975). The concept of a linguistic variable and its application to approximate reasoning I. Inform. Sci., 8: 199-249.
Zaranejad, M. & Ghapanchi, F. (2007). Estimating Error correction model for gasoline demand in Iran. Business Research Quarterly, 42: 29-52. (In Persian) | ||
|
آمار تعداد مشاهده مقاله: 3,264 تعداد دریافت فایل اصل مقاله: 1,679 |
||
