محمدرضا زارع مهرجردی - استادیاربخش اقتصادکشاورزی دانشگاه شهید باهنر کرمان
ابراهیم جاودان - دانشجوی کارشناسی ارشد بخش اقتصادکشاورزی دانشگاه شهید باهنر کرمان

سیاست گزاران و برنامه ریزان اقتصادی در تلاش اند تا متغیرهای موثر بر رشد بخش کشاورزی را مدل سازی کنند و از این مدلها در فرآیند پیش بینی استفاده نمایند. امروزه پیش بینی به عنوان یک ابزار مهم برنامهریزی برای سیاست گزاران اقتصادی به شمار می رود و روش های متنوعی برای پیش بینی متغیرهای اقتصادی مورد استفاده قرار میگیرد. این پژوهش نرخ رشد بخش کشاورزی ایران را پیش بینی و دقت روش های تک متغیره و چند متغیره را در پیش بینی این متغیر مقایسه می کند. روش های مورد استفاده در این تحقیق عبارت است از هموارسازی نمایی منفرد با روند، هموارسازی نمایی دوگانه با روند، الگوریتم هالت-وینترز تجمعی، الگوریتم هالت-وینترز ضربی، الگوی خودتوضیح جمعی میانگین متحرک، الگوی خودتوضیح برداری و شبکه های عصبی مصنوعی تک متغیره و چند متغیره. بر اساس یافته های پژوهش، شبکه های عصبی مصنوعی، هموارسازی نمایی منفرد و دوگانه با روند در مقایسه با دیگر تکنیکهای تک متغیره ی به کار گرفته شده در این تحقیق بهترین پیش بینی را ارایه داد. سرانجام در روش های چند متغیره نیز دقت و کارآیی پیش بینی شبکه های عصبی مصنوعی در مقایسه با الگوی رقیب خودتوضیح برداری بهتر بود.

بخش کشاورزی، پیش بینی، نرخ رشد