CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بررسی کارایی نهاده های تولیذ: کاربردی از روش شبکه های عصبی مصنوعی در تخمین الگوهای غیر خطی

عنوان مقاله: بررسی کارایی نهاده های تولیذ: کاربردی از روش شبکه های عصبی مصنوعی در تخمین الگوهای غیر خطی
شناسه ملی مقاله: ECONOMETRICS01_121
منتشر شده در اولین همایش بین المللی اقتصاد سنجی، روشها و کاربردها در سال 1391
مشخصات نویسندگان مقاله:

علی حسین استادزاد - کارشناس ارشد مهندسی انرژی و دانشجوی کارشناسی ارشد بخش اقتصاد دانشگاه
سیدعلی صفوی - دانشجوی کارشناسی برق کنترل بخش مهندسی کنترل و قدرت دانشگاه شیراز

خلاصه مقاله:
هدف اصلی این مطالعه نشان دادن چگونگی کاربرد شبکه های عصبی در برآوردهای غیر خطی اقتصاد سنجی می باشد. برای نشان دادن کاربرد این روش به برآورد الگویی غیر خطی از تابع تولید به منظور بررسی کارایی عوامل تولید با استفاده از شبکه های عصبی پرداخته شده است. در برآوردهای رایج اقتصاد سنجی پارامترها ثابت در نظر گرفته می شوند، این در حالی است که بر اساس نقد لوکاس پارامترهای اقتصادی در دوره های مختلف متفاوت و ثابت فرض کردن این پارامترها فرضی بزرگ و غیر واقعی است. پارامترها و رفتار جامعه در طول زمان و بر اساس وقایع اقتصادی به صورت غیر خطی تغییر می کند و شبکه عصبی ابزاری قدرتمند برای تخمین این الگوهای رفتاری می باشد. در این مطالعه علاوه بر نیروی کار و سرمایه، انرژی نیز به عنوان نهاد تولید در نظر گرفته شده است و پس از شبیه سازی تابع تولید مناسب کارایی عوامل تولید در طول دوره 1357-1389 محاسبه شده است. بر اساس بررسی صورت گرفته کارایی حجم سرمایه، نیروی کار و انرژی برای اقتصاد ایران به ترتیب برای دوره پس از جنگ (1367-1385) 0/67، 0/69 و 0/38 و برای سال های اخیر (1385-1389) 0/31، 1/01 و 0/31 محاسبه شده است. محاسبات فوق نشان دهنده کاهش کارایی سرمایه و افزایش کارایی نیروی کار در این دو دوره می باشد. افزایش کارایی نیروی کار به دلیل تخصصی تر شدن نیروی کار در کشور در سال های اخیر می باشد. با توجه به قانون بازده نزولی در اقتصاد، می توان کاهش کارایی سرمایه را به دلیل افزایش حجم سرمایه دانست.

کلمات کلیدی:
اقتصاد سنجی، شبیه سازی، شبکه های عصبی مصنوعی، بهره وری، انرژی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/176254/