سیاست گزاران و برنامه ریزان اقتصادی در تلاش اند تا متغیرهای موثر بر رشد بخش کشاورزی را مدل سازی کنند و از این مدل ها در فرآیند پیش بینی استفاده نمایند. امروزه پیش بینی به عنوان یک ابزار مهم برنامه ریزی برای سیاست گزاران اقتصادی به شمار میرود و روش های متنوعی برای پیش بینی متغیرهای اقتصادی مورد استفاده قرار می گیرد. 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 میکند. 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 تکنیک های 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.
