چکیده:
امروزه پیش بینی مقادیر متغیرهای اقتصادی نقش مهمی در برنامه ریزی و سیاست گذاری اقتصادی دارد و روش های متنوعی برای پیش بینی متغیرهای اقتصادی مورد استفاده قرار می گیرند. هر چند که شاید بسیار دقیق بودن میزان پیش بینی در برخی موارد از اهمیت چندانی برخوردار نباشد ولی مسلما پیش بینی های کوتاه مدت برای بسیاری از تصمیم گیری ها از اهمیت بالایی بروردار است. باتوجه به اهمیت بخش صنعت و سهم آن در تولید ناخالص داخلی کشور، مطالعه حاضر به بررسی و مقایسه دقت و کارایی روش های خود توضیح جمعی میانگین متحرک (ARIMA)، هموارسازی نمایی منفرد با روند (SEST)، دوگانه با روند (DEST) و رگرسیون فازی در راستای پیش بینی ارزش افزوده بخش صنعت ایران به قیمت ثابت طی دوره 89-1340 پرداخته است. به این منظور دو معیار ریشه میانگین مربعات خطا (RMSE) و ضریب تعیین (r2) به کار گرفته شده است. نتایج حاصله بیانگر آن است که مدل های هموارسازی نمایی منفرد با روند (SEST) و رگرسیون فازی توانایی انجام یک پیش بینی مناسب را داشته و در نتیجه می توان از این مدل ها به عنوان ابزاری دقیق تر برای پیش بینی ارزش افزوده بخش صنعت در کنار دیگر روش ها بهره جست.
خلاصه ماشینی:
"مقایسه الگوی خود توضیح جمعی میانگین متحرک، روشهای هموارسازی و رگرسیون فازی در پیشبینی ارزشافزوده بخش صنعت ایران سمانه نگارچی 1 ، ابراهیم جاودان 2 ، سید عبدالمجید جلائی 3 دریافت: 13/05/1393 پذیرش: 30/06/1393 چکیده: واژگان کلیدی: طبقهبندی JEL: C22 ,C53 ,E23 ,L50 دانشجوی دکترای اقتصاد کشاورزی دانشگاه شهید باهنر کرمان، (نویسنده مسئول)، negarchi@gmail.
نتایج این مطالعه نشان داد مدل هموارسازی نمایی هالت- وینترز دارای دقت پیشبینی بالاتری از مدل ARIMA و شبکه عصبی بوده و با دادههای رشد و تورم در بخش کشاورزی ایران سازگاری بیشتری دارد.
بنابراین مطالعه حاضر در این راستا تلاش دارد تا به بررسی و مقایسه دقت و کارایی روشهای خود توضیح جمعی میانگین متحرک (ARIMA)، هموارسازی نمایی منفرد با روند (SEST) و دوگانه با روند (DEST) و رگرسیون فازی در راستای پیشبینی ارزشافزوده بخش صنعت ایران بپردازد.
/ نمودار2- مقایسه مقادیر واقعی و پیشبینیشده ارزشافزوده بخش صنعت با روش SEST (میلیارد ریال) 4 نتیجهگیری این تحقیق بهمنظور مقایسه عملکرد روشهای خود توضیح جمعی میانگین متحرک(ARIMA)، هموارسازی نمایی منفرد با روند (SEST)، دوگانه با روند (DEST) و رگرسیون فازی برای مدلسازی و پیشبینی ارزشافزوده سالانه بخش صنعت انجامگرفته است.
نتایج حاصله بیانگر آن است که الگوهای هموارسازی نمایی منفرد با روند (SEST) و رگرسیون فازی توانایی انجام یک پیشبینی مناسب و با حداقل خطا را داشته و درنتیجه میتوان از این الگوها بهعنوان ابزاری دقیقتر برای پیشبینی ارزشافزوده بخش صنعت در کنار دیگر روشها بهره جست.
A new hybrid artificial neural networks and fuzzy regression model for time series forecasting."