این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های رشد و توسعه پایدار، جلد ۲۰، شماره ۴، صفحات ۹۳-۱۲۳
عنوان فارسی مقایسه روش‌های مختلف پیش‌ بینی رشد اقتصادی ایران با تأکید بر مدل های گزینشی نمودن و متوسط‌ گیری الگوی پویا
چکیده فارسی مقاله در دهه های اخیر، به دلیل اهمیت مقادیر آتی متغیرهای کلان اقتصادی، طیف وسیعی از روش‏ها و مدل‏های پیش‏ بینی، مورد بررسی و ارزیابی قرار گرفته است. هدف اصلی این مقاله، مقایسه روش‏های مختلف پیش‏ بینی رشد اقتصادی ایران با استفاده از داده‏ های سری زمانی فصلی در دوره زمانی 96-1369 است. به منظور دستیابی به این هدف، به پیش‏ بینی این متغیر با استفاده از مدل‏های DMA، DMS،BMA، BVAR، TVP و AR در سه افق پیش  ‏بینی (یک، چهار و هشت فصل) پرداخته شده است. مدل‏ های مورد استفاده در این مطالعه، به سه طیف، بزرگ مقیاس (شامل 112 متغیر در نه بلوک عاملی)، متوسط مقیاس (شامل 10 متغیر) و مدل‏های تک متغیره، دسته بندی شده اند. نتایج مطالعه، نشان می دهد که پیش ‏بینی مدل‏های گزینشی‏ نمودن (DMS) و متوسط‏ گیری الگوی پویا (DMA) نسبت به سایر روش ‏های پیش‏ بینی سنتی، دارای عملکرد پیش ‏بینی بسیار کارآیی برای رشد اقتصادی ایران هستند.
کلیدواژه‌های فارسی مقاله پیش‌ بینی، رشد اقتصادی، مدل فضا- حالت، مدل عاملی، متوسط ‌گیری الگوی پویا
عنوان انگلیسی Comparison of Different Methods of Predicting Iran's Economic Growth with an Emphasis on Dynamic Model Selection and Dynamic Model Averaging
چکیده انگلیسی مقاله In recent decades, due to the importance of future values of macroeconomic variables, a range of predicting methods and models has been studied and evaluated. The main purpose of this paper is to compare different methods of predicting Iran's economic growth using seasonal time series data during 1990-2017. To this end, economic growth is predicted using dynamic model averaging (DMA), dynamic model selection (DMS), BMA, BVAR, TVP and AR models in three prediction horizons (one, four and eight seasons). The models used in this study are categorized into three spectra, large-scale (including 112 variables in nine factor blocks), average-scale (including 10 variables) and univariate models. The results show that the predictions of DMS and DMA are more efficient than other traditional prediction. 
کلیدواژه‌های انگلیسی مقاله Forecasting, Economic growth, State-space model, Factor model, Dynamic model averaging
نویسندگان مقاله تیمور محمدی | Teymour Mohammadi
Associate Professor of Economics, Allameh Tabataba’i University
دانشیار و عضو هیأت علمی دانشکده اقتصاد، دانشگاه علامه طباطبائی

ناصر خیابانی | naser khiabani
Associate Professor of Economics, Allameh Tabataba’i University
دانشیار اقتصاد، عضو هیأت علمی دانشکده اقتصاد، دانشگاه علامه طباطبائی

جاوید بهرامی | Javid Bahrami
Associate Professor of Economics, Allameh Tabataba’i University
دانشیار و عضو هیأت علمی دانشکده اقتصاد، دانشگاه علامه طباطبائی

فاطمه فهیمی فر | fatemeh fahimifar
Ph.D Candidate of Economics, Allameh Tabataba’i University
دانشجوی دکتری اقتصاد، دانشگاه علامه طباطبائی

نشانی اینترنتی http://ecor.modares.ac.ir/browse.php?a_code=A-10-27368-1&slc_lang=fa&sid=18
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات