پیش بینی نرخ بیکاری و تورم در ایران با استفاده از شبکه های عصبی مصنوعی و بررسی تطابق با منحنی فیلیپس

نرخ تورم و بیکاری همواره دو مورد از شاخص های کلان اقتصادی به شمار می روند که مورد علاقه تصمیمگیران و مسئولان اقتصادی هر کشور است . وقتی اقتصاددانان و س یاست گذاران از سلامت اقتصاد صحبت م ی کنند، تورم و بیکاری دو شاخصی هستند که می توانند تاثیر متقابلی بر روی یکدیگر دشته باشند. پیش بینی دقیق این دو شاخص می تواند تصمیمگیری و هدف گذاری آینده را تسهیل بخشد و همچنین باعث تدوین به هنگام برنامه مقابله با افزایش نرخ این شاخص ها را در بر داشته باشد. علاوه بر مقوله پیش بینی ، استفاده از برخی راهکارهای ریاضی نظیر منحنی فیلیپس که در آن تاکید بر ارتباط معکوس و پایداری میان این دو شاخص اقتصادی است ، می تواند تصمیمگیران را در محاسبه مقادیر هر یک از این شاخص ها از روی شاخص دیگر یاری کنند. در پژوهش جاری ، ابتدا با بهره گیری از روش های نوین پیش بینی نظیر شبکه های عصبی مصنوعی ، ابتدا نرخ تورم از روی نرخ بیکاری پیش بینی می شود. بدین منظور، داده های مربوط به تورم و نرخ بیکار ی از مرکز ملی آمار ایران بصورت فصل ی برای سال های ۱۳۸۵-۱۴۰۱ تهیه شده اند. نتایج حاصل از پیاده سازی شبکه های عصبی نشان داد که استفاده از این روش ها به خوبی و با دقت بسیار بالایی می تواند نرخ تورم را از بیکاری پیش بینی نماید. در ادامه ، در این پژوهش با استفاده از داده های سال های ۱۳۸۵-۱۴۰۱میزان تطابق نرخ تورم و بیکاری در ایران با منحنی فیلیپس بررسی شده و معادلات رگرسیون بدست آمده نشان می دهد که منحنی فیلیپس در ایران از لحاظ میزان ضریب تبیین با مقدار ۴۴.۰ صادق است و می تواند رابطه بین نرخ تورم و بیکاری را بیان کند.

Keywords:

نرخ بیکاری , نرخ تورم , منحنی فیلیپس , شبکه عصبی مصنوعی .