برازش شاخص‌های آینده‌نگاری اقتصاد منطقه‌ای بر مبنای استخراج ضرایب فنی جدول داده – ستانده
Publish place: Semiannual Journal of Iran Futures Studies، Vol: 5، Issue: 1
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 219
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIFS-5-1_009
تاریخ نمایه سازی: 29 دی 1399
Abstract:
هدف: هدف ما این است که نشان دهیم با استفاده از فرآیند تحلیل سلسه‌مراتبی (AHP) می‌توان با نظرسنجی از خبرگان، تخمینی از ضرایب فنی رشته فعالیت‌ها برای تحقیقات آینده‌نگاری در حوزه توسعه اقتصادی استان قزوین به دست آورد. آینده‌نگاری اقتصادی منطقه‌ای نیازمند بررسی کلیه شاخص‌های توسعه است. توسعه هدفمند بدون در اختیار داشتن اطلاعات و ابزار لازم در شرایط پیچیده کنونی امری ناممکن است. در شرایطی که در زمان‌های کوتاه تغییرات شدیدی در ساختار سیاسی و اقتصادی و اجتماعی مناطق ایجاد می‌شود تکیه بر ابزارهای گذشته‌نگر و ایستا خطای زیادی در آینده‌نگاری ایجاد خواهد کرد.
روش:رویکرد این پژوهش از نوع ترکیبی کیفی و کمی است. برای این منظور با همکاری نهادها و سازمان‌های ذی‌نفع در جلساتی منظم و استفاده از اطلاعات کشوری و استانی جدول ضرایب فنی برای استان قزوین تهیه شده است.
یافته‌ها: نتایج این تحقیق نشان می‌دهد که از روش معرفی‌شده می‌توان اطلاعات مورد نیاز آینده‌پژوهان منطقه‌ای را با هزینه زمانی و پولی کمتری نسبت به روش‌های مرسوم استخراج نمود.
نتیجه‌گیری:تحلیل‌های اقتصادی براساس جدول داده ـ ستانده دارای مزایای متعددی است و محققین اقتصادی تمایل زیادی به استفاده از این اطلاعات به‌ویژه در مدل‌های تعادل عمومی دارند. اما تهیه اطلاعات این جدول هزینه‌بر و زمان‌بر است و معمولا به همین دلیل در سطح منطقه‌ای (استانی) تهیه نمی‌شود یا با تاخیر زمانی زیاد که استفاده از آن را کمرنگ می‌کند ارائه می‌شود. روش استفاده‌شده در پژوهش حاضر مشکلات مذکور را رفع نموده است.
Keywords:
Authors
ابوالفضل یاری
دانشجوی دکترای پژوهش محور، دانشگاه آزاد اسلامی واحد قزوین، اقتصاد، قزوین، ایران
بیت الله اکبری مقدم
دانشیار، دانشگاه آزاد اسلامی واحد قزوین، اقتصاد، قزوین، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :