درخت حوزه‌های تخصصی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردار هستند، استفاده می شود. شبکه های عصبی، یکی از این روش های بدیع و در حال تحول است که در موضوعات متنوعی از قبیل الگوسازی، شناخت الگو، خوشه بندی و پیش بینی به کار رفته و نتایج مفیدی داشته است. در این مقاله، از شبکه های عصبی در پیش بینی سری های زمانی داده های اقتصادی استفاده کرده ایم. در این رابطه عوامل مختلف ساختاری، روش های مختلف یادگیری شبکه های عصبی و انتخاب و کاربرد مناسب داده ها در فرایند پیش بینی، مورد ارزیابی و بررسی قرار گرفته است. در این پژوهش، از ابزارهای محاسباتی نرم افزار MATLAB و داده های اقتصادی کشور استفاده شده است.

نرم افزارLimdep یک برنامه رایانه ای برای تخمین و تحلیل مدل های رگرسیونی و نیز مدل های دارای متغیرهای وابسته کیفی و یا محدود شده است. تاکنون برنامه ای که نسبت به این برنامه تنوع بیشتری از لحاظ چهارچوب های مدلبندی، ابزارها و مشخصات تحلیل داده های مقطعی، سری زمانی وPanel را در تحلیل مدل های یاد شده حاصل نماید، ارایه نشده است. نویسنده این برنامه ویلیام اچ. گرین از اقتصاددانان برجسته دانشگاه نیویورک امریکا است. نسخه تحت ویندوز این برنامه متناسب با ویندوز95، 98وNT بوده و به لحاظ سیستم عملیاتی و تصویری خاص برنامه در محیط ویندوز جالب توجه می باشد. این برنامه با ویندوز سازگار نیست. افزون براین، این برنامه 16 مگا بایت حافظه احتیاج داشته و تقریبا 5 تا 6 مگا بایت از دیسک سخت رایانه را اشتغال می کند.

تعیین الگوی بهینه بهره برداری های کشاورزی، اهمیت ویژه ای دارد. با استفاده از این الگو می توان حداکثر درآمد حاصل از مصرف میزان معینی از نهاده ها و یا حداقل هزینه ایجاد ترکیب خاصی از محصولات را تعیین کرد. برنامه ریزی ریاضی از متداولترین روشهای دستیابی به الگوی بهینه است. با این حال، استفاده از نوع خطی متداول آن تنها می تواند برنامه بهینه یک سال زراعی را تعیین کند.هدف اصلی این مطالعه معرفی کاربرد روشی در چارچوب برنامه ریزی ریاضی پویاست که می تواند تغییرات احتمالی مربوط به دوره های زمانی مختلف را در برنامه ریزی واحد کشاورزی مورد توجه قرار دهد. آمار و اطلاعات مورد نیاز در این مطالعه، با استفاده از روش نمونه گیری تصادفی، از کشاورزان استان فارس گردآوری شده است. نتایج این مطالعه نشان می دهد که در سال اول، به علت کمبود سرمایه، لوبیا که محصولی سرمایه بر است وارد الگو نشده است. در سال دوم نیز محصولات دیم از نظر میزان سرمایه به تعادل رسیده اند و زمین به عنوان عامل محدود کننده ای برای این گروه از محصولات درآمده است؛ با این حال، محصولات آبی هنوز با مشکل کمبود سرمایه روبه رو هستند. همچنین در سال سوم، با افزایش سرمایه، مقداری از زمین به کشت لوبیا اختصاص می یابد و از سطح زیرکشت عدس آبی کاسته می شود. در این سال، سطح زیرکشت گندم آبی همچنان در حال افزایش است. در سال چهارم نیز سطح زیرکشت لوبیا، با کاهش میزان عدس آبی، همچنان افزایش می یابد. در این سال، سطح زیرکشت گندم آبی ثابت باقی می ماند. در سال پنجم، الگو به تعادل، می رسد. به دیگر سخن، سطح زیرکشت گندم آبی به میزان حداقل مورد نیاز، یعنی یک هکتار، می رسد. افزون بر آن، عدس آبی از الگو حذف می شود و سطح زیر کشت لوبیا به 2.5 هکتار می رسد. در این حالت، محدودیت سرمایه از میان می رود و محدودیت زمین سبب ثابت ماندن سطح زیرکشت محصولات آبی می شود. نتایج این مطالعه همچنین نشان می دهد که ارزش کنونی سود ناخالص محصولات وارد شده در الگو، در طول افق برنامه ریزی بیش از 45 میلیون ریال است. نتایج تحلیل حساسیت نیز نشان می دهد که بازده برنامه ای این الگو انعطاف در خور ملاحظه ای دارد. به طوری که در دامنه وسیعی از تغییرات سود ناخالص، قیمتها و هزینه ها، بازده برنامه ای الگوی ارایه شده بدون تغییر باقی می ماند. نتایج این مطالعه همچنین نشان می دهد که میزان سرمایه تنها نهاده ای است که تغییرات کمی در آن باعث تغییر تابع هدف می شود.

روش های موجود دربرآورد میزان تاثیرشوک های وارده براقتصاد غالبا قادربه بیان این اثرات درطی زمانی هستند که منحصرا توسط مدل تعیین می گردد، درصورتی که تغییربعضی ازاین متغییرها می تواند برای مدت زمان طولانی ترازآنچه که مدل تعیین نموده است، تاثیرخود را برجای گذارد. روش نوین هم تجمعی درتحلیل سری های زمانی این امکان را می دهد تا بتوان روشی برای برآورد تاثیر با وقفه زمانی تغییرات متغیرهای توضیحی بر متغیروابسته ارائه نمود. ازاین رو، دراین مقاله پس از تدوین یک مدل هم تجمعی فرضی وتشکیل مدل تصحیح خطای مربوط به آن، روشی برای برآورد تاثیربا وقفه زمانی تغییرات موقت و دایمی متغیر توضیحی برمتغیروابسته ارایه شده است.

اکثر تحلیل‌های‌ اقتصادی‌ با محدودیت‌ در دقت‌ نتایج‌ مواجه‌ هستند. این‌ موضوع‌ به‌دلیل‌ مسائل‌ نمونه‌گیری‌ و خطاهای‌ آماری‌ می‌باشد. در این‌ زمینه‌، تحلیل‌های‌ داده‌ - ستانده‌ هم‌مستثنا نیست‌ و به‌ علت‌ وجود عدم‌ دقت‌ لازم‌ در داده‌های‌ مورد استفاده‌، همواره‌ با محدودیت‌دقت‌ در نتایج‌ حاصله‌ از آن‌ مواجه‌ است‌. تحلیل‌ داده‌ - ستانده‌ به‌ دلیل‌ استفاده‌ از داده‌های‌ آماری‌فراوان‌، از جمله‌ ساختار هزینه‌ بخش‌ها، تقاضای‌ نهایی‌ و اجزای‌ ارزش‌ افزوده‌، در معرض‌خطاهای‌ آماری‌ می‌باشد که‌ بر نتایج‌ حاصل‌ از آن‌ نیز تأثیر می‌گذارد. در این‌ مقاله‌، به‌ دلیل‌اهمیت‌ این‌ موضوع‌ و کاربردهای‌بسیار مدل‌ داده‌ - ستانده‌ در تصمیم‌گیری‌های‌ اقتصادی‌ کشور،به‌ بررسی‌ بحث‌ تصادفی‌ تحلیل‌ داده‌ - ستانده‌ در ایران‌ بر مبنای‌ جدول‌ سال‌ 1370 مرکز آمارایران‌ می‌پردازیم‌. در این‌ خصوص‌، به‌ دلیل‌ خطاهای‌ آماری‌ موجود در جدول‌ داده‌ - ستانده‌ درایران‌، در این‌ مقاله‌ به‌ جای‌ برآورد نقطه‌ای‌ از ضریب‌های‌ فزاینده‌ تولید و درآمد با استفاده‌ از مدل‌تصادفی‌ داده‌ - ستانده‌ برآوردهای‌ فاصله‌ای‌ متغیرهای‌ مزبور توصیه‌ می‌شود.

با توجه‌ به‌ اهمیت‌ شناسایی‌ و تعیین‌ بخشهای‌ کلیدی‌ از نظر سیاستگذاری‌، به‌ ویژه‌ درکشورهای‌ در حال‌ توسعه‌، از روشهای‌ مختلفی‌ بدین‌ منظور استفاده‌ می‌کنند. در این‌ مقاله‌، ضمن‌ارزیابی‌ جنبه‌های‌ مختلف‌ روش‌شناسی‌ و روشهای‌ محاسبه‌ پیوندهای‌ پسین‌ و پیشین‌ طرف‌تقاضا و عرضه‌ اقتصاد، از دو روش‌ پیوندهای‌ پسین‌ و پیشین‌ ناخالص‌ و خالص‌ به‌ منظور تبیین‌محتوای‌ واردات‌ مستقیم‌، مستقیم‌ و غیرمستقیم‌ برای‌ 78 بخش‌ اقتصادی‌ در سال‌ 1370 استفاده‌می‌کنیم‌. نتیجه‌ کلی‌ مقاله‌ نشان‌ می‌دهد که‌ روش‌ پیوندهای‌ ناخالص‌ و خالص‌ نرمال‌ شده‌ که‌نهادهایی‌ از قبیل‌ سازمان‌ برنامه‌ و بودجه‌ و مرکز آمار ایران‌، از آن‌ استفاده‌ کرده‌اند، برای‌ بیان‌محتوای‌ واردات‌ کافی‌ نیست‌. برای‌ این‌ منظور، پژوهش‌ ما نشان‌ می‌دهد که‌ روش‌ پیوندهای‌پسین‌ و پیشین‌ متعارف‌ (غیرنرمال‌ شده‌) بهتر می‌تواند محتوای‌ واردات‌ بخشهای‌ مختلف‌اقتصاد را در سیاستگذاریهای‌ بخشی‌ ترسیم‌ نماید.

در این‌ مقاله‌، روشی‌ برای‌ ارزیابی‌ و اندازه‌گیری‌ میزان‌ قدرت‌ پیش‌بینی‌ آینده‌ جدولهای‌داده‌-ستانده‌ به‌ دست‌ می‌دهیم‌. همچنین‌ نتایج‌ مطالعه‌ تجربی‌ بر روی‌ جدول‌ داده‌-ستانده‌ سال‌1367 تهیه‌ شده‌ در بانک‌ مرکزی‌ ایران‌ و جدول‌ سال‌ 1370 تهیه‌ شده‌ در مرکز آمار ایران‌ که‌ بااستفاده‌ از این‌ روش‌ انجام‌ شده‌ است‌ را برمی‌شماریم‌. در این‌ مقاله‌، ابتدا سطرها و ستونهای‌جدولهای‌ یادشده‌ براساس‌ طبقه‌بندی‌ ISIC به‌ 11 بخش‌ عمده‌ اقتصادی‌ تقلیل‌ داده‌ شد و سپس‌با استفاده‌ از یک‌ ماتریس‌ تبدیل‌ حاصل‌ از جدول‌ و اجزای‌ اصلی‌ تقاضای‌ نهایی‌، ارزش‌ افزوده‌11 بخش‌ موردنظر برای‌ یک‌ دوره‌ 4 ساله‌ و یک‌ دوره‌ 9 ساله‌ بعد از سال‌ جدول‌، محاسبه‌ شده‌است‌. مقایسه‌ مقادیر پیش‌بینی‌ شده‌ با مقادیر واقعی‌، نشان‌ می‌دهد که‌ پس‌ از گذشت‌ 4 تا 6سال‌، هر دو جدول‌ یادشده‌، از نظر پیش‌بینی‌ آینده‌، قابلیت‌ اطمینان‌ کمتری‌ خواهند داشت‌.بنابراین‌، پژوهشگران‌ باید در استفاده‌ از نظامهای‌ داده‌-ستانده‌ در پیش‌بینی‌ ارزش‌ افزوده‌ برای‌برنامه‌ریزیهای‌ اقتصادی‌، احتیاط لازم‌ را به‌ عمل‌ آورند. به‌ علاوه‌، در این‌ مقاله‌ می‌بینیم‌ که‌ هر دوجدول‌، در پیش‌بینی‌ ارزش‌ افزوده‌ برخی‌ از بخشها، نارساییهایی‌ دارند، لیکن‌ پدر مجموع‌پ،جدول‌ سال‌ 1370، در این‌ مورد، از قابلیت‌ اطمینان‌ نسبی‌ بیشتری‌ برخوردار است‌.