سمانه نگارچی

هدف از مطالعه حاضر نخست بررسی اثر سرریز های تکنولوژی بر میزان صادرات محصولات کشاورزی ایران با استفاده از الگوی VECM و دوم بررسی و مقایسه عملکرد روشGA در مقابل روش VECM و شناسایی روش برتر در برآورد الگوی صادرات محصولات کشاورزی است. نتایج حاکی از تأثیر مثبت و معنی دار سرریز تکنولوژی بر میزان صادرات محصولات کشاورزی ایران است. اثر متغیر های رابطه مبادله تجاری، شاخص قیمت های نسبی، شاخص ارزش افزوده بخش کشاورزی و نرخ ارز حقیقی نیز مثبت وتنها اثر متغیرتولید ناخالص داخلی شرکای تجاری ایران منفی و از لحاظ آماری معنی دار است. همچنین مقایسه عملکرد الگوهای GA و VECM، بر اساس معیار های آماری و اقتصاد سنجی، نشان می-دهد که روش GA در برآورد الگوی صادرات از روش VECM عملکرد بهتری دارد و به عنوان روش برتر جهت بهینه کردن تابع صادرات محصولات کشاورزی است. با توجه به اثر مثبت سرریز های تکنولوژی بر میزان صادرات محصولات کشاورزی، شایسته است با ایجاد فضای امن سرمایه گذاری، ایجاد بستر ها و امکانات زیربنایی، اولویت بندی بخش های پر بازده به منظور تخصیص بهینه سرریزها و ارتقای دانش و مهارت نیروی انسانی زمینه جذب بیشتر FDI و استفاده مؤثرتر از مواهب تکنولوژی فراهم آید. همچنین با توجه به عملکرد بالای GA در امر بهینه یابی، استفاده از این روش در مطالعات علمی توصیه می شود. طبقه بندی :JEL Q1,Q16,Q17

تاکنون مطالعات متعددی در تخمین تابع تولید در بخش کشاورزی صورت گرفته است. اغلب این مطالعات روش های اقتصاد سنجی را برای تخمین توابع تولید به کار برده اند. با توجه به اینکه اخیراً الگوریتم های ابتکاری در مدت زمان اندکی کاربردهای گسترده ای در مسائل بهینه سازی یافته است؛ در این مطالعه نیز با به کارگیری روش الگوریتم ژنتیک(GA) به منظور برآورد تابع تولید در بخش کشاورزی، به مقایسه ی این مدل با روش خودتوضیح با وقفه های گسترده(ARDL) پرداخته شده است. برای برآورد تابع تولید از داده های سری زمانی ارزش افزوده، نیروی کار، انرژی و سرمایه ی بخش کشاورزی طی دوره ی زمانی 86-1356 استفاده گردیده و نتایج مقایسه ی این دو روش براساس دو معیار خطای ریشه متوسط مربعات(RMSE) و ضریب تعیین(R2 ) حاکی از آن است که روش الگوریتم ژنتیک نسبت به روش ARDL از کارایی بالایی در تخمین تابع تولید برخوردار است.

امروزه به علت عدم قطعیت محیط و توسعه سریع تکنولوژی نوین معمولاً باید موقعیت های آینده را با استفاده از داده های کم و در بازه زمانی کوتاه مدت پیش بینی کرد. بنابراین به روش هایی برای پیش بینی نیاز است که به داده های کمتری احتیاج داشته باشد. مدل میانگین متحرک خودرگرسیون و روش شبکه عصبی مصنوعی برای دستیابی به نتایج دقیق نیاز به داده های زیادی دارند اما مدلهای رگرسیون فازی، مدل های مناسبی برای پیش بینی با استفاده از داده های کمتری نسبت به دیگر روشها میباشند. در این مقالله به منظور برطرف ساختن مشکل مذکور و حصول نتایج دقیق تر به بررسی سه روش میانگین متحرک خود رگرسیون انباشته، رگرسیون فازی و میانگین متحرک خود رگرسیون انباشته فازی که از ترکیب دو روش قبل بدست آمده، پرداخته شده است. مقایسه میزان صحت پیش بینی مدل های مذکور براساس دو معیار خطای ریشه متوسط مربعات(RMSE) و ضریب تعیین (R2 ) حاکی از آن است که مدل میانگین متحرک خود رگرسیون انباشته فازی به عنوان الگوی برتر جهت پیش بینی مقادیر شاخص قیمت بوده است.