بررسی قابلیت پیش بینی تولید کل و بخشی درالگوهای داده-ستانده؛ با تاکید بر بخش های بلوغ یافته
Publish place: Iranian Economic Development Analyses، Vol: 4، Issue: 2
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 380
This Paper With 30 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_EDP-4-2_001
تاریخ نمایه سازی: 26 خرداد 1398
Abstract:
پیش بینی متغیرها یکی از وظایف اصلی و مهم علوم مختلف از جمله اقتصاد میباشد. به لحاظ روش شناسی، مطالعات خارجی انجام شده، در خصوص پیش بینی تولید از الگوهای داده- ستانده تقاضامحور لئونتیف (LDM)[1] و عرضه محور گش (GSM)[2] استفاده می گردد. در زمینه پیش بینی تولید بخش های اقتصادی، توجه به ماهیت بخش ها از منظر بلوغ یافته[3] و کمتر بلوغ یافته[4] حائز اهمیت است. در این مقاله، پیشبینی تولید برای دو دوره زمانی محاسبه شده است. اول، پیش بینی تولید سال 1378 بر مبنای ساختار تولید سال 1367، که نمایانگر دوره پایان جنگ و شروع بازسازی در اقتصاد است و دوم،پیش بینی تولید سال 1383 بر مبنای ساختار تولید سال 1378، که دوره بعد از بازسازی در اقتصاد را متصور است. در ادامه، بر مبنای دو دوره زمانی مطرح شده، خطای پیش بینی تولید کل و بخش های اقتصادی بویژه بخش های بلوغ یافته در الگوهای داده- ستانده با به کارگیری معیار میانگین قدرمطلق انحراف (MAD)[5] مورد سنجش قرار گرفته است. یافته های مقاله حاکی از آن است که نخست، بر مبنای دو دوره زمانی مطرح شده، الگوی لئونتیف خطای پیش بینی کمتری را برای تولید کل ارائه می کند و از قابلیت پیش بینی بهتری نسبت به الگوی گش برخوردار است. دوم آنکه، در دوره پایان جنگ و شروع بازسازی، از بین بخش های کشاورزی، ساختمان و معدن، الگوی گش فقط برای بخش معدن، خطای پیش بینی کمتری را نسبت به الگوی لئونتیف ارائه دارد؛ لذا در ایران تنها بخش معدن، بخش بلوغ یافته است و بخش های کشاورزی و ساختمان، بخش های کمتر بلوغ یافته تلقی می شوند.
Keywords:
جدول داده- ستانده , الگوی تقاضامحور لئونتیف , الگوی عرضه محور گش , قابلیت پیش بینی , بخش بلوغ یافته , رشد عمقی
Authors
زیبا اقتصادی منقوطای
کارشناسی ارشد/دانشگاه علامه طباطبایی
علی اصغر بانوئی
استاد/دانشگاه علامه طباطبایی
پریسا مهاجری
استادیار/دانشگاه علامه طباطبایی
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 :