پیش بینی رشد اقتصادی ایران: مقایسه مدل های سری زمانی تک متغیره و چند متغیره (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
در پژوهش حاضر سعی شده است با استفاده از آمار و اطلاعات مربوط به دوره 1385-1338 رشد اقتصادی ایران توسط برخی از روش های متداول سری زمانی پیش بینی شود. با مقایسه عملکرد پیش بینی های درون نمونه ای برای افق های یکساله، سه ساله و پنج ساله، اقدام به گزینش روش برتر در هر افق زمانی شده است و سپس رشد اقتصادی ایران برای دوره های متفاوت خارج از نمونه با روش های برتر، پیش بینی شده است. روش های مورد استفاده در این پژوهش در دو دسته روش های تک متغیره (شامل الگوریتم باکس جنکینز و مدل فضای حالت) و روش های چند متغیره(شامل مدل اتورگرسیو برداری و مدل تصحیح خطای برداری) دسته بندی شده اند. نتایج پژوهش حاکی از این است که روش های تک متغیره بطور کلی در پیش بینی رشد اقتصادی ایران بهتر عمل می کنند. نتایج همچنین مبین این است که پیش بینی با روش های چندمتغیره به دلیل حساسیت های موجود در این روش ها شامل تصریح مدل، لحاظ خصلت مانایی سری های مورد نظر در مدل سازی و معیار مورد استفاده جهت تعیین تعداد وقفه بهینه، عملکردهای متفاوتی را نشان می دهند. با این حال روش های چند متغیره توانایی پیش بینی دقیقتر از روشهای تک متغیره را تنها در کوتاه مدت (در این تحقیق یک سال) دارا می باشند.Forecasting economic growth of Iran: univariate versus multivariate time series models
This article aimed to forecast Iran's economic growth rate using annual time series data released in the period of 1338-1385, employing various econometric approaches. To prefer the most appropriate method based on a time-duration consideration, we applied a package of proper diagnostic tests on the output of different models and then singled out the most fitted model accordingly. We used these preferred models to forecast economic growth rate in a different duration period. Two classes of econometric approaches were considered; univariate and multivariate methods. Univariate methods incorporate Box-Jenkins method and State-Space method and the multivariate ones consist of VAR and VEC techniques. Results indicate that univariate approaches forecast Iran's economic growth more accurately. However, multivariate methods, which demonstrate very sensitive to the time-series properties of the variables and also to the specification of the models, emerge volatile performance. Nevertheless, the current methods display more powerful in forecasting just-one period ahead.
تبلیغات
