ورود
مقالات فارسیISIکنفرانسهاژورنالها

A comparison of genetic algorithm and auto -regressive distributed lag model in determination of total factors productivity growth in the agricultural sector of iran

محل انتشار: دوفصلنامه تحقیقات کشاورزی ایران، دوره: 34، شماره: 2
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 67

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/1752260

شناسه ملی سند علمی:

JR_IAR-34-2_012

تاریخ نمایه سازی: 13 شهریور 1402

چکیده مقاله:

ABSTRACT-Due to the important role productivity plays in future decision making and programming, the productivity indexes should have accurate quantities. In this study, Auto-Regressive Distributed Lag (ARDL) and Genetic Algorithm (GA) methods are applied to time series of ۱۹۷۸-۲۰۰۸ to accurately measure total factor productivity (TFP) in the agricultural sector of Iran. The comparison of these two methods shows that GA method is more efficient than ARDL model. Also, the growth of TFP in the agricultural sector of Iran has had high fluctuations and annual average of productivity growth in this sector has been -۰.۱۶ during the period of the study. Therefore, it is necessary to emphasize the optimum use of available inputs, their appropriate combinations and increasing productivity in the agricultural sector of Iran.

کلیدواژه ها:

Genetic Algorithm ، Auto-Regressive Distributed Lag Total Factors Productivity Agriculture ، Iran

نویسندگان

Samaneh Negarchi

Department of Agricultural Economics, ShahidBahonar University of Kerman, Kerman, I. R. Iran.

M.R. Zare Mehrjerdi

Department of Agricultural Economics, ShahidBahonar University of Kerman, Kerman, I. R. Iran.

H. Mehrabi Boshrabadi

Department of Agricultural Economics, ShahidBahonar University of Kerman, Kerman, I. R. Iran.

H. Nezamabadi Pour

Department of Electrical Engineering, ShahidBahonar University of Kerman, Kerman, I. R. Iran.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Atkins, F.J., & Coe, P.J. (۲۰۰۲). An ARDL bounds test ...
  • Amjadi, M.H., Nezamabadi Pour, H., & Farsangi, M.M. (۲۰۱۰).Estimation of ...
  • Central bank of Islamic Republic of Iran, Report and statistics; ...
  • Ceylan, H., & Ozturk, H.K. (۲۰۰۴). Estimating energy demand of ...
  • Chen, P.C., YU, M.M., Chang, C.C., & HSU, S.H. (۲۰۰۸). ...
  • Energy balance-sheet: power ministry of Iran, Energy report and statistics; ...
  • Goldberg, D.E. (۱۹۸۹). Genetic Algorithm in Search, Optimization and Machine ...
  • Haldenbilen, S., & Ceylan, H. (۲۰۰۵). Genetic algorithm approach to ...
  • Hamamoto, M. (۲۰۰۶).Environmental regulation and the productivity of Japanese manufacturing ...
  • Holland, J.H. (۱۹۹۲). Adaptation in natural and artificial systems. Cambridge, ...
  • Pirasteh, H. (۲۰۰۳). The contribution of agriculture to economic and ...
  • Pesaran, M.H., Shin, Y., & Smith, R.J. (۲۰۰۱).Bounds testing approaches ...
  • Pesaran, H.M., & Shin, Y. (۱۹۹۹). Autoregressive distributed lag modeling ...
  • Romer, D. (۲۰۰۱).Advanced Macroeconomics. Shanghai University of Finance & Economics ...
  • Simmons, P., & Cacho, O. (۱۹۹۹). a genetic algorithm approach ...
  • Sethuram, S., Girmay, M., Steven, K., Jeffrey, B., & Lant ...
  • Solow, R. (۱۹۵۶). A Contribution to the Theory of Economic ...
    • نمایش کامل مراجع