این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات اقتصادی، جلد ۴۱، شماره ۳، صفحات ۰-۰
عنوان فارسی پیش‌بینی نرخ رشد و نرخ تورم در بخش کشاورزی ایران
چکیده فارسی مقاله 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 تولیدکننده محصولات راهبردی(استراتژیک) و تامین کننده 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 دوره 1383-1338 و داده‌های فصلی مربوط به نرخ رشد برای دوره 1383-1368 جمع آوری شده‌اند. به منظور مقایسه دقت پیش‌بینی مدل‌های خطی و غیرخطی، به طراحی یک مدل شبکه 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 شبکه 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.
کلیدواژه‌های فارسی مقاله بخش کشاورزی، تورم، رشد، مدل‌های پیش‌بینی،
عنوان انگلیسی -
چکیده انگلیسی مقاله Nowadays in commercial- economical subjects, prediction is known as one of the main branch of science and develops day after day. Managers of different economics and commercial sectors, because of many effective variables, prefer to have a mechanism which can help them in decision making. Agriculture as a sector which produces strategic products and provides needed foods for increasing population in society, have a main effect on significant of economic, social and political decision making. Analysis of growth and inflation rate variables in Agriculture sector and being aware of there future trend and also knowing structural data generating models can help politicians and planners in suitable decision making. In this study we have used holt- winters exponential smoothing and ARIMA models. Monthly data for inflation rate variable during 1363-1383 were gathered. In order to make a comparison between linear and non- linear models prediction accuracy, we construct an artificial neural network according to regression model variables and ARIMA model. Result showed that holt-winters exponential smoothing has the most prediction accuracy of all. In our suggested model, agricultural sector average growth rate for the forth development program and average inflation rate in agricultural sector are predicted about 7% respectively. JEL Classification: H12
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله احمد سام دلیری | ahmad sam
دانشجوی کارشناسی‎ارشد

صادق خلیلیان |
استادیار گروه اقتصاد کشاورزی دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

نشانی اینترنتی http://jte.ut.ac.ir/article_18236_112059a663342f8d6ce6a8531eba2dd9.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/689/article-689-451248.pdf
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