پیش‌بینی صادرات محصولات کشاورزی ایران: کاربرد مدلهای رگرسیونی و شبکه عصبی مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

چکیده

  پیش­بینی صادرات محصولات کشاورزی ایران:   کاربرد مدلهای رگرسیونی و شبکه عصبی مصنوعی     دکتر سیدعبدالمجید جلائی * ، محمدرضا پاکروان * ، دکتر امید گیلانپور * * ،   هاجر اثنی عشری * * * ، دکتر حسین مهرابی بشرآبادی * * *   تاریخ دریافت: 15/2/88 تاریخ پذیرش: 25/2/89   چکیده   پیش­بینی متغیرهای کلان اقتصادی برای برنامه‌ریزان و سیاستگذاران و واحدهای اقتصادی از اهمیت ویژه­ای برخوردار است و از همین رو مدلهای گوناگونی برای پیش­بینی ابداع شده است. یکی از روشهای پر کاربرد پیش­بینی، به‌خصوص در دهه­های اخیر، روش شبکه­های عصبی مصنوعی است. در این مطالعه نیز مدل صادرات محصولات کشاورزی ایران برای دوره 1387-92 با استفاده از روشهای اقتصادسنجی و شبکه عصبی مصنوعی پیش­بینی شده است. به این منظور از داده­های دوره 1344-80 برای پیش­بینی و آموزش شبکه و از داده‌های دوره 1381-86 برای آزمون صحت پیش­بینی­های به دست آمده استفاده شد. نتایج مطالعه نشان داد که شبکه عصبی پیشرو دارای خطای کمتر و عملکرد بهتری در مقایسه با روش اقتصادسنجی VAR [1] برای پیش­بینی مقدار صادرات محصولات کشاورزی ایران است. مقدار صادرات محصولات کشاورزی در سالهای 1389 و 1392 با توجه به پیش­بینی صورت گرفته با استفاده از روش شبکه عصبی، با کاهش همراه خواهد بود و لذا لازم است دولت با استفاده از سیاستهای مشوق صادرات به مقابله با این امر بپردازد.     طبقه‌بندی JEL : C45 ، F17 ، Q17     کلیدواژه‌ها:   صادرات بخش کشاورزی، شبکه­های عصبی مصنوعی، پیش­بینی، مدل VAR     * به ترتیب: دانشیار دانشکده مدیریت و اقتصاد دانشگاه شهید باهنر کرمان و دانشجوی کارشناسی ارشد اقتصادکشاورزی دانشگاه شهید باهنر کرمان (نویسنده مسئول)   e-mail:        e-mail: hmehrabi2000@gmail.com   * * استادیار و مدیر گروه پژوهشی بازاریابی و تجارت خارجی مؤسسه پژوهشهای برنامه­ریزی و اقتصادکشاورزی و توسعه روستایی   * * * به ترتیب: دانشجوی کارشناسی ارشد اقتصادکشاورزی و دانشیار بخش اقتصاد کشاورزی دانشگاه شهید باهنر کرمان   [1] . Vector Auto Regression Model

عنوان مقاله [English]

Forecasting Amount of Iran's Agricultural Export: Usage of Statistic Models and Artificial Neural Network (ANN)

نویسندگان [English]

  • S J
  • M P