پیش بینی نرخ رشد بخش کشاورزی ایران (مقایسه ی روش های تک متغیره و چند متغیره)
Abstract
سیاست گزاران و برنامهریزان اقتصادی در تلاش اند تا متغیرهای موثر بر رشد بخش کشاورزی را مدل سازی کنند و از این مدلها در فرآیند پیشبینی استفاده نمایند. امروزه پیشبینی به عنوان یک ابزار مهم برنامهریزی برای سیاست گزاران اقتصادی به شمار میرود و روش های متنوعی برای پیشبینی متغیرهای اقتصادی مورد استفاده قرار میگیرد. این پژوهش نرخ رشد بخش کشاورزی ایران را پیشبینی و دقت روش های تک متغیره و چند متغیره را در پیشبینی این متغیر مقایسه میکند. روش های مورد استفاده در این تحقیق عبارت است از هموارسازی نمایی منفرد با روند، هموارسازی نمایی دوگانه با روند، الگوریتم هالت-وینترز تجمعی، الگوریتم هالت-وینترز ضربی، الگوی خودتوضیح جمعی میانگین متحرک، الگوی خودتوضیح برداری و شبکههای عصبی مصنوعی تک متغیره و چند متغیره. بر اساس یافتههای پژوهش، شبکههای عصبی مصنوعی، هموارسازی نمایی منفرد و دوگانه با روند در مقایسه با دیگر تکنیکهای تک متغیره ی به کار گرفته شده در این تحقیق بهترین پیشبینی را ارایه داد. سرانجام در روش های چند متغیره نیز دقت و کارآیی پیشبینی شبکههای عصبی مصنوعی در مقایسه با الگوی رقیب خودتوضیح برداری بهتر بود.