سامانه مدیریت نشریات علمی دانشگاه بوعلی سینا

زراء نژاد, منصور, خداپناه, مسعود, کیانی, پویان, ابراهیمی, صلاح. (1392). ارزیابی و مقایسه عملکرد مدل رگرسیون خودبازگشتی میانگین متحرک انباشته فازی و شبکه عصبی فازی در پیش¬بینی رشد اقتصادی ایران. پژوهش های زبان شناسی تطبیقی, 2(8), 33-52.
منصور زراء نژاد; مسعود خداپناه; پویان کیانی; صلاح ابراهیمی. "ارزیابی و مقایسه عملکرد مدل رگرسیون خودبازگشتی میانگین متحرک انباشته فازی و شبکه عصبی فازی در پیش¬بینی رشد اقتصادی ایران". پژوهش های زبان شناسی تطبیقی, 2, 8, 1392, 33-52.
زراء نژاد, منصور, خداپناه, مسعود, کیانی, پویان, ابراهیمی, صلاح. (1392). 'ارزیابی و مقایسه عملکرد مدل رگرسیون خودبازگشتی میانگین متحرک انباشته فازی و شبکه عصبی فازی در پیش¬بینی رشد اقتصادی ایران', پژوهش های زبان شناسی تطبیقی, 2(8), pp. 33-52.
زراء نژاد, منصور, خداپناه, مسعود, کیانی, پویان, ابراهیمی, صلاح. ارزیابی و مقایسه عملکرد مدل رگرسیون خودبازگشتی میانگین متحرک انباشته فازی و شبکه عصبی فازی در پیش¬بینی رشد اقتصادی ایران. پژوهش های زبان شناسی تطبیقی, 1392; 2(8): 33-52.

ارزیابی و مقایسه عملکرد مدل رگرسیون خودبازگشتی میانگین متحرک انباشته فازی و شبکه عصبی فازی در پیش¬بینی رشد اقتصادی ایران

فصلنامه مطالعات اقتصادی کاربردی ایران
مقاله 4، دوره 2، شماره 8، اسفند 1392، صفحه 33-52    اصل مقاله (697.9 K)
نوع مقاله: مقاله پژوهشی
نویسندگان
منصور زراء نژاد1؛ مسعود خداپناه2؛ پویان کیانی* 3؛ صلاح ابراهیمی4
1استاد اقتصاد دانشگاه شهید چمران اهواز
2استادیار اقتصاد دانشگاه شهید چمران اهواز
3دانشجوی دکتری اقتصاد دانشگاه تبریز
4دانش آموخته کارشناسی ارشد اقتصاد دانشگاه شهید چمران اهواز
چکیده
پیش­بینی براساس مدل­های چندمتغیری اقتصادسنجی با محدودیت­هایی زیادی همراه است، بنابراین یک روش جایگزین استفاده از مدل­های تک متغیری است. اما اکثر روش­های تک­متغیری برای حصول به ­نتیجه خوب نیاز به داده­های زیادی دارند. روش­های رگرسیون فازی به­دلیل فازی در نظر گرفتن اعــداد، برای مدل­سازی و پیش­بینی معمولاً نیاز به داده­های کمتری دارند. از این­رو در این مطالعه کارایی روش رگرسیون خودبازگشتی میانگین متحرک انباشته فازی (FARIMA) که ترکیبی از روش خودبازگشتی میانگین متحرک انباشته (ARIMA) و رگرسیون فـازی است با روش­های ARIMA و شبــکه عصبی فازی (ANFIS) در پیش­بینی رشد اقتصادی ایران مقایسه می­شود. برای تخمین مدل از داده­های دوره­ی 1338 تا 1380 استفاده شده است. سپس کارایی این مدل­ها در پیش­بینی رشد اقتصادی ایران برای دروه 1381 تا 1388 با استفاده از معیارهای RMSE، MAE، MAPE و TIC ارزیابی و مقایسه شده است. مقایسه این معیارها حاکی از این است که بهترین عملکرد متعلق به روش FARIMA است. همچنین مدل ANFIS عملکرد بهتری نسبت به مدل ARIMA دارد.
کلیدواژه‌ها
پیش¬بینی؛ رشد اقتصادی؛ شبکه عصبی فازی؛ رگرسیون خودبازگشتی؛ میانگین متحرک
آمار
تعداد مشاهده مقاله: 3,570
تعداد دریافت فایل اصل مقاله: 1,495