برآورد تابع تقاضای موادغذایی خانوارهای شهری استان سیستان و بلوچستان با استفاده از دو سیستم NNDS و QUAIDS QUAIDS
Publish place: Agricultural Economics Research، Vol: 9، Issue: 34
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 162
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JAE-9-34_004
Index date: 14 February 2024
برآورد تابع تقاضای موادغذایی خانوارهای شهری استان سیستان و بلوچستان با استفاده از دو سیستم NNDS و QUAIDS QUAIDS abstract
در این مطالعه، به بررسی تقاضای مواد غذایی خانوارهای شهری استان سیستان و بلوچستان از راه داده های خام درآمد و هزینه ی خانوار ۱۳۹۰ و با استفاده دو سیستم تقاضای شبکه عصبی و سیستم تقاضای تقریبا ایده آل درجه دوم پرداخته و مقدار دقت این دو سیستم بررسی شد. برای برآورد تقاضا براساس طبقه بندی COICOP موادغذایی به نه گروه اصلی طبقه بندی شدند. نتایج NNDS که با استفاده از یک شبکه پیش خور و پرسپترون چندلایه برآورد زده شدند، نشان دادند که خطای همه گروهها با این روش مساوی و کوچک تر از روش QUAIDS است. نتایج بدست آمده از رسم منحنی انگل نشان دادند که منحنی انگل اکثر گروهها برای سیستم تقاضای شبکه عصبی به دلیل غیرخطی بودن به منحنی واقعی نزدیک تر بوده و نتایج بهتری دارند. با توجه به نتایج هر دو سیستم کشش درآمدی گروه کالاهای «نان وغلات»، «شیر و تخم پرندگان»، «حبوبات و سبزی ها»، «قند و شکر»، « نوشیدنی ها» و «چاشنی ها» کم تر از یک بوده و این کالاها ضروری هستند و گروه کالاهای «گوشت»، «روغن ها و چربی ها» و «میوه ها و خشکبار» کالای لوکس بشمار می آیند.
برآورد تابع تقاضای موادغذایی خانوارهای شهری استان سیستان و بلوچستان با استفاده از دو سیستم NNDS و QUAIDS QUAIDS Keywords:
برآورد تابع تقاضای موادغذایی خانوارهای شهری استان سیستان و بلوچستان با استفاده از دو سیستم NNDS و QUAIDS QUAIDS authors
احمد اکبری
استاد اقتصاد کشاورزی، دانشکده مدیریت و اقتصاد دانشگاه سیستان و بلوچستان
مهری احمدی جاوید
دانشجوی دکتری سیاست و توسعه کشاورزی، دانشگاه تربیت مدرس.
محمد باقر ضیایی
کارشناسی ارشد اقتصاد کشاورزی، دانشگاه تبریز
سید مسعود برکاتی
دانشیار، مهندسی برق و الکترونیک، دانشگاه سیستان و بلوچستان
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 :