پیش بینی رشد اقتصادی ایران به کمک الگوی داده های ترکیبی با تواتر متفاوت
Publish place: Economics and Modeling، Vol: 4، Issue: 0
Publish Year: 1392
نوع سند: مقاله ژورنالی
زبان: Persian
View: 319
This Paper With 23 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ECOJ-4-0_001
تاریخ نمایه سازی: 11 آبان 1400
Abstract:
رشد اقتصادی که در این مقاله توسط رشد تولید ناخالص داخلی به قیمت عوامل اندازه گیری شده، عمدهترین متغیری است که میتوان بر اساس آن عملکرد کلی اقتصاد را مورد قضاوت قرار داد. پیشبینی این رشد به مسئولین اقتصادی کمک میکند تا تصویری از شرایط آینده اقتصاد را در اختیار داشته و در صورت لزوم سیاستهای اقتصادی خاصی را اتخاذ نمایند. در این مقاله با استفاده از روشی که اخیرا توسط گیزلز، سانتاکلارا و والکانو در سال۲۰۰۴ ابداع شدهاست به پیشبینی رشد اقتصادی به صورت فصلی پرداخته شده است. این روش که «الگوی دادههای ترکیبی باتواتر متفاوت (میداس) » نام گرفته است امکان میدهد تا متغیرهای با تواتر زمانی مختلف، مثلا فصلی، ماهانه و هفتگی بتوانند در کنار هم در یک معادله رگرسیونی قرار گیرند. حسن وجود متغیرهای توضیح دهنده با تواتر زیاد برای توضیح متغیر وابسته کمتواتر در این است که به محض انتشار دادههای جدیدی برای متغیرهای پرتواتر میتوان در مقدار پیشبینی متغیر کمتواتر تجدید نظر کرد. مقایسه پیشبینیهای ارائه شده توسط الگوی برآوردشده در این مقاله برای رشد تولید ناخالص داخلی با دادههایواقعی فصلهایی که در برآورد اولیه الگو مورد استفاده قرار نگرفتهاند حاکی از قدرت پیشبینی بسیار دقیق الگو است. این الگو نرخ رشد اقتصادی فصل پاییز سال ۱۳۹۳ را در برآورد اولیه ۸/۱ % و سپس با اطلاع از کاهش قیمت نفت در ماههای اخیر نهایتا پس از تجدید نظر معادل ۵/۱% پیش بینی میکند. این نرخ برای فصل زمستان سال ۱۳۹۳ به میزان ۲/۲- % پیش بینی شده است. بدین ترتیب پیشبینی میشود اقتصاد ایران در سال ۱۳۹۳ از رشدی معادل ۹/۱% برخوردار باشد.
Keywords:
Authors
محمد نوفرستی
دانشیار دانشکده ی علوم اقتصادی و علوم سیاسی دانشگاه شهید بهشتی
محبوبه بیات
کارشناس ارشد علوم اقتصادی دانشگاه شهید بهشتی
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 :