چکیده:
یکی از مهم ترین ابزارهای آماری در برنامه ریزی و سیاستگذاری های اقتصادی، داده های حساب های ملی است. از این رو، پیش بینی متغیرهای عمده اقتصادی از اهمیت خاصی برخوردار و در این میان، رشد اقتصادی از مهم ترین متغیرهای اقتصادی بوده که پیش بینی آن، از اولویت بالایی برخوردار است. هدف اصلی این مطالعه، شناسایی روش مناسب برای پیش بینی رشد اقتصادی ایران می باشد.
در این پژوهش، مدل رگرسیون فازی که در ادبیات اقتصادی، کمتر مورد توجه قرار گرفته، معرفی و قابلیت آن در پیش بینی رشد اقتصادی ایران با مدل تصحیح خطا (ECM) مقایسه شده است. بدین منظور با استفاده از داده های دوره 1338 تا 1380 تولید ناخالص داخلی ایران از طریق دو مدل ECM و رگرسیون فازی مدل سازی و سپس، رشد تولید ناخالص داخلی ایران برای دوره 1381 تا 1391 پیش بینی شده است. در پایان، عملکرد این مدل ها با استفاده از معیارهای متداول ارزیابی مدل های پیش بینی از جمله MAE، RMSE، MAPE و TIC بررسی شده است. نتایج نشان می دهد که رگرسیون فازی، عملکرد به مراتب بهتری از مدل ECM در پیش بینی رشد تولید ناخالص داخلی ایران ارائه می دهد. همچنین دقت پیش بینی مدل رگرسیون فازی نسبت به مدل ECM از نظر آماری، تفاوت معنی داری دارد.
National accounts data are of the most important statistical tools in planning and making economic policy. Therefore، forecasting the main economic variables in the economy is of great importance. Economic growth is one of the key macroeconomic variables، which gets top priority in forecasting. The purpose of this study is to identify the appropriate methodology for forecasting economic growth in Iran. This study introduces fuzzy regression model and its’ ability to forecast economic growth of Iran in comparison with Error Correction Model (ECM). To do this، the Iran’s GDP is modeled through ECM and Fuzzy regression models using annual data form 1959 to 2001. Then، Iran’s GDP growth is predicted for 2002-2012. Finally، the performances of these models are compared using common criteria for evaluating forecast accuracy including mean absolute error (MAE)، root mean square Error (RMSE)، mean absolute percentage error (MAPE) and Theil’s inequality coefficient (TIC). The results indicate that the performance of fuzzy regression is far better than that of ECM in predicting GDP growth in Iran. Moreover، forecast accuracy of fuzzy regression model is of statistically significant difference in comparison with ECM model.
خلاصه ماشینی:
در اين پژوهش، مدل رگرسيون فازي که در ادبيات اقتصادي، کمتر مورد توجه قرار گرفته، معرفي و قابليت آن در پيشبيني رشد اقتصادي ايران با مدل تصحيح خطا )ECM( مقايسه شده است.
سپس، از مدل ميانگين متحرک خودرگرسيون انباشته فازي )FARIMA( که ترکيبي از دو روش رگرسيون فازي و ARIMA است، براي مدلسازي و پيشبيني رشد اقتصادي ايران استفاده کردند، نتايج تحقيق نشان داد که مدل FARIMA نسبت به مدل ANFIS و ARIMA از قدرت پيشبيني بهتري برخوردار است.
معرفي مدل و متغيرها با توجه به اينکه هدف نهايي پژوهش، مقايسه عملکرد دو مدل ECM و رگرسيون فازي در پيشبيني رشد اقتصادي ايران بوده، اين تحقيق، پژوهش کميجاني و معمار نژاد )١٩٦٩( که مطالعهاي در شناخت تعيين کنندههاي رشد اقتصادي در ايران انجام دادهاند را مبناي کار قرار داده، و بنابراين ، مدلي که بهعنوان مدل تجربي رگرسيون رشد ايران در اين مطالعه استفاده شده، به صورت زير است .
از آنجا که هيچيک از معيارهاي فوق ، معني دار بودن تفاوت صحت و قابليت اعتماد مدل ها را از نظر آماري مشخص نمي کند، براي اين منظور از آماره دايبولد- ماريانو ) Diebold-Mariano ١٩٩٥ ,Statistic( و آماره اصلح شده آن به وسيله هاروي، ليبورن و نيوبلد )Harvey, Leybourne ١٩٩٧ ,Newbold &( استفاده مي شود.
در جدول )٣( مقادير واقعي و مقادير پيشبيني شده براي رشد اقتصادي ايران در دوره ١٩٦١ تا ١٩٣١ با استفاده از مدلهاي ECM و رگرسيون فازي مشاهده ميشود.
نتايج اين آزمون نشان داده که مدل رگرسيون فازي بهطور معني داري، پيشبيني بهتري از مدل ECM براي رشد اقتصادي ايران ارائه داده است .