مقاله

ارزیابی و مقایسه عملکرد مدل رگرسیون خودبازگشتی میانگین متحرک انباشته فازی و شبکه عصبی فازی در پیش¬بینی رشد اقتصادی ایران

چکیده

پیش­بینی براساس مدل­های چندمتغیری اقتصادسنجی با محدودیت­هایی زیادی همراه است، بنابراین یک روش جایگزین استفاده از مدل­های تک متغیری است. اما اکثر روش­های تک­متغیری برای حصول به ­نتیجه خوب نیاز به داده­های زیادی دارند. روش­های رگرسیون فازی به­دلیل فازی در نظر گرفتن اعــداد، برای مدل­سازی و پیش­بینی معمولاً نیاز به داده­های کمتری دارند. از این­رو در این مطالعه کارایی روش رگرسیون خودبازگشتی میانگین متحرک انباشته فازی (farima) که ترکیبی از روش خودبازگشتی میانگین متحرک انباشته (arima) و رگرسیون فـازی است با روش­های arima و شبــکه عصبی فازی (anfis) در پیش­بینی رشد اقتصادی ایران مقایسه می­شود. برای تخمین مدل از داده­های دوره­ی 1338 تا 1380 استفاده شده است. سپس کارایی این مدل­ها در پیش­بینی رشد اقتصادی ایران برای دروه 1381 تا 1388 با استفاده از معیارهای rmse، mae، mape و tic ارزیابی و مقایسه شده است. مقایسه این معیارها حاکی از این است که بهترین عملکرد متعلق به روش farima است. همچنین مدل anfis عملکرد بهتری نسبت به مدل arima دارد.

اسناد مشابه