چکیده:
یکی از مهمترین مسائلی که دولتها برای حفظ و بهبود جایگاه خود در اقتصاد داخلی، منطقهای و بینالمللی دارند وضعیت رشد اقتصادی میباشد؛ لذا یکی از موارد مهم در این وضعیت، پیشبینی نرخ رشد اقتصادی است. پیشبینی صحیح رشد اقتصادی، اثرات بسیار مهمی در سیاستگذاری و برنامهریزیهای اقتصادی دولتها و کارگزاران اقتصادی دارد و میتواند علاوه بر ایجاد زمینههای توسعه، سیاستگذاران را در تصمیمگیریهای آتی یاری رساند. این تحقیق به پیشبینی نرخ رشد اقتصادی ایران با استفاده از روش متاآنالیز و مقایسه آن با سایر روشها میپردازد. برای این منظور، از نتایج روشهای ANFIS، ARIMA، مارکف سوئیچینگ، آیندهپژوهی و گری مارکف، ECM، رگرسیون فازی، رویکرد حسابداری مربوط به پیشبینی رشد اقتصادی از سال 1383 تا سال 1392 (به غیراز مقادیر پیشبینی با رویکرد حسابداری که تا سال1395میباشد) استفاده شده است. وزنهای ثابت و تصادفی هر یک از مطالعات قبلی با استفاده از اثرات ثابت و تصادفی مشخص گردیده و با استفاده از روش متاآنالیز برای پیشبینی بهکارگرفته شده است. نتایج نشان میدهد که دقت روش متا آنالیز به مراتب بالاتر از سایر روشها است و کمترین میزان اختلاف با دادههای واقعی را دارد. لذا پیشنهاد میشود برای افزایش ضریب اطمینان حاصل از پیشبینی دقیق، از روش ترکیبی متا استفاده شود.
One of the most important issues for governments to maintain and improve their position in the regional and global economy is the state of economic growth; one of the important issues in this situation is to predict the rate of economic growth. Proper forecasting of economic growth has very important effects on government policy and economic planning, and can help policymakers decide on future decisions in addition to creating opportunities for development. This study predicts Iran's economic growth rate using the Meta-analysis method and compares it with other methods. For this purpose, the results of ANFIS, ARIMA, Markov switching methods, future research and Gary Markov, ECM, fuzzy regression, accounting approach related to economic growth forecasting from 1383 to 1392 (except for forecasting values with accounting approach that until 1395 Used). The fixed and random weights of each of the previous studies have been determined using fixed and random effects and have been used using the Meta-analysis method for forecasting. The results show that the accuracy of the Meta-analysis method is much higher than other methods and has the lowest difference with real data. Therefore, it is recommended to use the combined Meta method to increase the reliability coefficient of accurate forecasting.
خلاصه ماشینی:
براي اين منظور، از نتايج روش هاي ANFIS،ARIMA ، مارکف سوئيچينگ ، آينده پژوهي و گري مارکف ، ECM، رگرسيون فازي ، رويکرد حسابداري مربوط به پيش بيني رشد اقتصادي از سال ١٣٨٣ تا سال ١٣٩٢ (به غيراز مقادير پيش بيني با رويکرد حسابداري که تا سال ١٣٩٥مي باشد) استفاده شده است .
دهمرده و همکاران (١٣٩٢)، در تحقيقي به پيش بيني رشد اقتصادي ايران به سه روش شبکه عصبي، ميانگين متحرک خودرگرسيون تجمعي، خودرگرسيون واريانس ناهمساني شرطي نوع تعميم يافته ، با استفاده از داده هاي توليد ناخالص داخلي از سال ١٣٩٠-١٣٣٨ پرداختند.
1. Comprehensive Meta Analysis v2 در ادامه در مورد مزايا و معايب روش هاي مورد استفاده به طور خلاصه اشاره خواهد شد: • روش شبکه عصبي مصنوعي: هوش مصنوعي مزايايي مانند يادگيري تطبيقي، خودسازمان دهي، عملگرهاي بيدرنگ ، تحمل خطا، دسته بندي و تعميم دهي را دارد، اما براي حل مسايل پيچيده و گنگ ، مانند طبقه بندي تصوير، تشخيص گفتار و ترجمه زباني غيرممکن است و از مهم ترين معايب آن اين است که دقت نتايج آن به اندازه مجموعه بستگي دارد، آموزش بسيار مشکل و در حد غيرممکن ، پيش بيني عملکرد آينده آن به سادگي امکان پذير نيست و قواعد و دستورات مشخصي براي طراحي شبکه جهت يک کاربرد اختياري وجود ندارد.
در اين تحقيق از نتايج روش هاي ANFIS،ARIMA ، مارکف سوئيچينگ ، آينده پژوهي و گري مارکف ، ECM، رگرسيون فازي، رويکرد حسابداري مربوط به پيش بيني رشد اقتصادي از سال ١٣٨٣ تا سال ١٣٩٢ استفاده شده است .