طراحی مدل پیش بینی تقاضای حمل و نقل مسافر در ایران؛تلفیق مدلهای ardl و الگوریتم ژنتیک

اقتصاد حمل و نقل رشته ای از علم اقتصاد است که در جریان تجزیه و تحلیل عوامل عرضه و تقاضا، شیوه استفاده بهینه و مطلوب از امکانات و سرمایه های حمل و نقل را برای رفع نیازهای حمل و نقل در زمان و مکان معین ارائه می دهد. حمل و نقل از ضرورت ها و اساس مبادلات بازرگانی و کلید توسعه اقتصادی و اجتماعی است. بنابراین نارسایی در حمل و نقل، رشد اقتصادی را متوقف ساخته و از کارایی بخش های اقتصادی می کاهد. در این پایان نامه با بررسی عوامل موثر بر تقاضای حمل و نقل مسافری به تخمین تابع تقاضای سفر پرداخته شده است. عواملی را که بر تقاضای مسافر در هر یک از زیربخش های مسافرت جاده ای و ریلی موثرند شناسایی شده و با استفاده از روش اقتصادسنجی ardl، معنی داری هر کدام از متغیرها بررسی شد. پس از شناخت عوامل موثر، با تلفیق عناصری که در روش اقتصادسنجی معنی دارند با روش الگوریتم ژنتیک، اثرات هر یک از این موارد بررسی قرار گرفت. در ابتدا یک معادله رگرسیون تقاضای حمل و نقل مسافر در ایران از دو طریقه جاده ای و ریلی، با استفاده از داده های فصلی دوره های بهار 1376 تا زمستان 1385 برآورد گردید. پس از انجام آزمون مانایی متغیرهای مدل، به برآورد معادلات رگرسیونی پرداخته شد. نتایج برآورد تقاضای حمل و نقل مسافر جاده ای در ایران حاکی از آن است که متغیرهای قیمت واقعی بنزین، کرایه واقعی حمل مسافر از طریق جاده ای و کرایه واقعی حمل مسافر از طریق ریلی در سطح 90 درصد از نظر آماری بی معنا بوده درحالی که متغیر نسبت جاده به ریل، معنادار بوده و بیان می دارد یک درصد افزایش در نسبت طول جاده ها به ریل، 0.86 درصد به میزان تقاضای مسافرت جاده ای در کشور می انجامد. ضریب تولید ناخالص داخلی کشور به عنوان کشش درآمدی تقاضای مسافرت جاده معنادار بوده و مشاهده می شود به ازای یک درصد افزایش در gdp کشور، تقاضای سفر جاده ای، 0.68 درصد افزایش می یابد و حاکی از آن است که حمل و نقل مسافر از طریق جاده به عنوان یک کالای ضروری برای مسافران محسوب می شود. ضریب عبارت ecm(-1) که برابر 1.08- بوده، نشان می دهد که هرگونه شوک ایجاد شده در یک دوره، تعدیل برای دوره بعد به طور کامل انجام می گیرد. نتایج برآورد تقاضای حمل و نقل مسافر ریلی نشان می دهد که تمامی متغیرها به غیر از متغیر نسبت جاده به ریل، معنادار می باشد. متغیر نسبت جاده به ریل نشان می دهد که هرگونه افزایش در میزان طول جاده ها و راه های کشور نسبت به خطوط ریلی، تقاضای سفر ریلی را افزایش می دهد که خلاف انتظار می باشد. از بررسی ضریب تولید ناخالص داخلی کشور مشاهده می شود که به ازای یک درصد افزایش در gdp کشور، تقاضای سفر ریلی، 0.67 درصد افزایش می یابد و حاکی از آن است که حمل و نقل از طریق راه آهن برای مسافران به عنوان کالای ضروری محسوب می شود. ضریب متغیر کرایه واقعی حمل مسافر از طریق جاده ای از نظر آماری معنادار بوده و از لحاظ تئوریک نیز دارای علامت موافق انتظار می باشد. ضریب متغیر کرایه واقعی حمل مسافر از طریق ریلی به عنوان کشش قیمتی تقاضای مسافرت ریلی نشاندهنده کم کشش بودن آن می باشد. در مدل تصحیح خطای حمل و نقل مسافر ریلی نیز علامت ضریب بدست آمده، موافق انتظار بوده و برابر 0.5- می باشد که بیان می دارد که تعدیل از کوتاه مدت به بلند مدت پس از دو دوره انجام می گیرد. در گام بعدی یک الگوریتم ژنتیک با مجموعه متغیرهای ورودی برگرفته شده از معادله رگرسیون و یک لایه پنهان، با تابع فعال سازی تانژانت هیپربولیک درنظر گرفته شد. در این مدل، متغیرهای خروجی، تقاضای حمل و نقل مسافر جاده ای و ریلی می باشد و یک تابع فعال سازی سیگموئید برای نرون های خروجی پذیرفته شد. در نهایت قدرت پیش بینی دو مدل برای دوره فصول مختلف سال 1385 با استفاده از معیارهای مختلف آماری انجام گرفت. نتایج ارزیابی قدرت پیش بینی بر اساس آماره دایبولد- ماریانو نشان می دهد که در مدل تقاضای حمل و نقل مسافر جاده ای، مدل الگوریتم ژنتیک از مدل تخمین زده شده توسط ardl برتر است، اما این برتری معنی دار نمی باشد. این نتایج برای مدلسازی تقاضای حمل ونقل مسافر ریلی نشان می دهد که فرضیه برابر بودن قدرت پیش بینی دو مدل ardl و الگوریتم ژنتیک رد می شود. به عبارت دیگر مدل الگوریتم ژنتیک به طور معنی داری پیش بینی های دقیق تری از مدل رگرسیونی ardl در تقاضای حمل و نقل مسافر ریلی ارائه می کند.