پیش‌بینی نرخ رشد و نرخ تورم در بخش کشاورزی ایران

نویسندگان

1 دانشجوی کارشناسی‎ارشد

2 استادیار گروه اقتصاد کشاورزی دانشگاه تربیت مدرس

چکیده

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 تولیدکنندة محصولات راهبردی(استراتژیک) و تامین کنندة 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 دورة 1383-1338 و داده‌های فصلی مربوط به نرخ رشد برای دورة 1383-1368 جمع آوری شده‌اند. به منظور مقایسة دقت پیش‌بینی مدل‌های خطی و غیرخطی، به طراحی یک مدل شبکة 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 شبکة 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.

کلیدواژه‌ها


عنوان مقاله [English]

-

چکیده [English]

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

کلیدواژه‌ها [English]

  • Agricultural sector
  • growth rate
  • Inflation rate
  • Prediction models