پیش بینی رشد اقتصادی بدون نفت در اقتصاد ایران به تفکیک بخش های اقتصادی با استفاده از مدل فازی- عصبی تطبیقی(ANFIS)
محل انتشار: فصلنامه اقتصاد مقداری، دوره: 16، شماره: 1
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 66
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JQE-16-1_002
تاریخ نمایه سازی: 27 آبان 1402
چکیده مقاله:
درادبیات اقتصادی رشد اقتصادی و پیش بینی روند آن به عنوان یکی از شاخص های مهم اقتصادی، نقش مهمی در سیاست گذاری و برنامه ریزی اقتصادی دارد و می تواند به سیاست گذاران در تصمیم گیری های آتی یاری رساند. هدف از این پژوهش نیز پیش بینی میزان تولید ناخالص داخلی بدون نفت به تفکیک بخش های اصلی اقتصاد (صنعت، کشاورزی و خدمات) و رشد اقتصادی بدون نفت تا سال۱۳۹۷ شمسی است. برای این منظور نیز با توجه به ساختار غیرخطی و همراه با عدم قطعیت داده های مربوط به ارزش افزوده بخش های اقتصادی، از الگوی غیرخطی مبتنی بر شبکه های عصبی– فازی تطبیقی (ANFIS) که به داده های کمتری نیاز دارد، استفاده شده است. دراین پژوهش، داده های فصلی مربوط به سه بخش اصلی اقتصاد و تولید ناخالص داخلی ایران از بهار ۱۳۸۵ تا نه ماهه نخست ۱۳۹۵ بکار گرفته شده است. مدل سازی شبکه عصبی- فازی در قالب سه مدل با توابع عضویت مختلف بررسی و نهایتا با توجه به قدرت مدل ها در پیش بینی، درهر سه بخش به تفکیک، بهترین مدل انتخاب شده است. نتایج حاصل از داده های تست که مربوط به نه ماهه ی نخست سال ۱۳۹۵ بوده، دقت بالای مدل ANFIS درپیش بینی را نشان می دهند. میزان خطای مدل ها نیز با استفاده از معیارهای اندازه گیری خطا محاسبه ودرنهایت باتوجه به مقدارخطای هریک ازمدل ها، از الگوی منتخب برای پیش بینی مقادیر تولید برای ۹ دوره ی روبه جلو استفاده شده است. با توجه به مقادیربدست آمده، رشد اقتصادی بدون نفت کشور درسال ۱۳۹۵ حدود ۶ درصد برآورد شده که پیش بینی گردیده این مقدار در سال های ۱۳۹۶ و ۱۳۹۷ نیز به ترتیب حدود ۲ و ۵/۳ درصد باشد.
کلیدواژه ها:
نویسندگان
نادر حکیمی پور
استادیار و عضو هیئت علمی پژوهشکده آمار
ایوب فرامرزی
دکترای اقتصاد و عضو هیئت علمی پژوهشکده آمار
ابوالفضل عسکری
کارشناسی ارشد مهندسی صنایع – دانشگاه علم و صنعت ایران.تهران
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 :