این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
اقتصاد کشاورزی و توسعه، جلد ۲۳، شماره ۹۲، صفحات ۱۹۳-۲۱۶
عنوان فارسی پیش‌بینی شاخص‌های تولید چغندرقند در ایران
چکیده فارسی مقاله هدف کلی مطالعه حاضر، پیش‌بینی شاخص‏های تولید چغندرقند(سطح زیر کشت، تولید و قیمت) در ایران است. برای این منظور الگوهای خودرگرسیون، تعدیل نمایی یگانه، تعدیل نمایی دوگانه، هارمونیک، شبکه عصبی و خودرگرسـیون بـا واریـانس ناهمسانی شرطی برآورد و بهترین الگو انتخاب شد. بررسی آزمون تصادفی بودن (دوربین واتسون) سری‌های سطح زیرکشت، تولید و قیمت چغندرقند مبین غیرتصادفی متغیرها بود. براساس نتایج حاصل از محاسبه معیار کمترین خطای پیش‌بینی، مناسب‌ترین الگو برای پیش‌بینی سری‌های سطح زیرکشت، تولید و قیمت چغندرقند به ترتیب الگوهای شبکه عصبی، ARMA و ARIMA می‌باشند. لذا استفاده از روش‌های مذکور به شرط ثابت بودن شرایط، نتایجی با کمترین خطا به دست خواهد داد. نتایج همچنین نشان داد هر سه شاخص تولید چغندرقند(شامل: سطح زیر کشت، تولید و قیمت) طی دوره 1392 -99 روند افزایشی داشته با این ملاحظه که روند افزایشی سطح زیرکشت و تولید بسیار ملایم‌تر از روند افزایشی قیمت چغندرقند بوده است. طبقه‏بندی JEL: Q11,D12,C32,C22
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Forecasting the Production Indexes of Sugar Beet in Iran
چکیده انگلیسی مقاله The main purpose of this study is forecasting the production indexes of sugar beet (land, production and price) in Iran. For this purpose, Models applied to forecast are Auto Regressive (ARMA and ARIMA), Single and Double Exponential Smoothing, Harmonic, Artificial Neural Network and ARCH. The results of Durbin-Watson tests were revealed that land, production and price of sugar beet series are non stochastic. According to the lowest forecasting error criterion, Neural Network, ARMA and ARIMA are the best models for forecast land, production and price of sugar beet series respectively. Also, results of prediction show that all of these indexes will have a increasing trend during the period 2013- 2020, while the increasing trend of land and production are more smoother than price trend. JEL Classification: D12, Q11, C22, C32 Keywords: Iran, Sugar Beet, Forecasting, Exponential Smoothing, Harmonic, Artificial Neural Network, ARCH, ARIMA, ARMA
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محسن رفعتی | m. rafati
مؤسسه پژوهش های برنامه ریزی، اقتصادکشاورزی و توسعه روستایی

بهایالدین نجفی | b. najafi
دانشگاه شیراز
سازمان اصلی تایید شده: دانشگاه شیراز (Shiraz university)

نشانی اینترنتی http://aead.agri-peri.ir/browse.php?a_code=A-10-24-280&slc_lang=fa&sid=fa
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات