Abstract:
در پژوهش حاضر سعي شده است با استفاده از آمار و اطلاعات مربوط به دوره 1385-1338 رشد اقتصادي ايران توسط برخي از روش هاي متداول سري زماني پيش بيني شود. با مقايسه عملكرد پيش بيني هاي درون نمونه اي براي افق هاي يكساله، سه ساله و پنج ساله، اقدام به گزينش روش برتر در هر افق زماني شده است و سپس رشد اقتصادي ايران براي دوره هاي متفاوت خارج از نمونه با روش هاي برتر، پيش بيني شده است. روش هاي مورد استفاده در اين پژوهش در دو دسته روش هاي تك متغيره (شامل الگوريتم باكس جنكينز و مدل فضاي حالت) و روش هاي چند متغيره(شامل مدل اتورگرسيو برداري و مدل تصحيح خطاي برداري) دسته بندي شده اند. نتايج پژوهش حاكي از اين است كه روش هاي تك متغيره بطور كلي در پيش بيني رشد اقتصادي ايران بهتر عمل مي كنند. نتايج همچنين مبين اين است كه پيش بيني با روش هاي چندمتغيره به دليل حساسيت هاي موجود در اين روش ها شامل تصريح مدل، لحاظ خصلت مانايي سري هاي مورد نظر در مدل سازي و معيار مورد استفاده جهت تعيين تعداد وقفه بهينه، عملكردهاي متفاوتي را نشان مي دهند. با اين حال روش هاي چند متغيره توانايي پيش بيني دقيقتر از روشهاي تك متغيره را تنها در كوتاه مدت (در اين تحقيق يك سال) دارا مي باشند.
This article aimed to forecast Iran's economic growth rate using annual time series data released in the period of 1338-1385، employing various econometric approaches. To prefer the most appropriate method based on a time-duration consideration، we applied a package of proper diagnostic tests on the output of different models and then singled out the most fitted model accordingly. We used these preferred models to forecast economic growth rate in a different duration period. Two classes of econometric approaches were considered; univariate and multivariate methods. Univariate methods incorporate Box- Jenkins method and State-Space method and the multivariate ones consist of VAR and VEC techniques. Results indicate that univariate approaches forecast Iran's economic growth more accurately. However، multivariate methods، which demonstrate very sensitive to the time-series properties of the variables and also to the specification of the models، emerge volatile performance. Nevertheless، the current methods display more powerful in forecasting just-one period ahead.
Machine summary:
"آنها در این تحقیق تقاضای یک کشور مقصد را برای گردشگر از چهار کشور اروپایی (مبداء) با استفاده از روش تک متغیره باکس جنکینز (ARIMA)، روش تک متغیره حالت فضا٤٧ و روش چند متغیره حالت فضا٤٨ پیش بینی کردهاند و نهایتا 41 Linear Nonadaptive Model 42Cheng Benjamin and Wei Lai 43Anita Ghatak 44Moshiri and Cameron 45Van Aarle, Boss and Hlouskova 46Du Preez and Witt 47Univariate State Space 48Multivariate State Space به این نتیجه رسیدهاند که روش تک متغیره باکس جنکینز پیش بینیهای بهتری انجام میدهد.
0292 1382 6/0082 6/6517 0/6434 1383 5/1377 6/1265 0/9887 1384 6/3630 6/6320 0/2689 1385 6/5504 5/7635 -0/7869 ٥-٣- پیش بینی رشد اقتصادی ایران با استفاده از روشهای چند متغیره ٥-٣-١- معرفی مدل و متغیرهای مورد استفاده برای تشکیل رگرسیون تجربی رشد در این پژوهش ضمن اتکا به نتایج برخی از مطالعات تجربی رشد در ایران از چارچوب معرفی شده توسط بارو و سالای مارتین استفاده شده است .
جدول ١٠: پیش بینی رشد اقتصادی ایران برای دورههای مختلف با استفاده از روشهای برگزیده سال روش پیش بینی مقدار پیش بینی 1386 اتورگرسیو برداری با سری های مانا(VARg3) 8/8579 1387 الگوریتم باکس جنکینز 4/2200 1388 الگوریتم باکس جنکینز 7/0459 1389 مدل فضای حالت 5/8058 1390 مدل حالت -فضا 6/0338 مأخذ: نتایج تحقیق ٦- خلاصه ، نتایج و پیشنهادات ضمن تأکید بر گستردگی و پیچیدگی مبانی نظری رشد اقتصادی سعی شده است بطور مختصر در مورد برخی از جنبه های برجسته رشد اقتصادی شامل حقایق آشکار شده رشد اقتصادی، تئوریهای رشد و ارتباط بین تئوریهای رشد و رگرسیونهای تجربی رشد بحث شود."
(
, 
, 
)
