پیش بینی نرخ رشد و نرخ تورم در بخش کشاورزی ایران

امروزه، در موضوعات اقتصادی- بازرگانی، پیش بینی، به عنوان یکی از مهم ترین شاخه های علمی مطرح شده است و روز به روز، توسعه و پیشرفت می کند. مدیران بخش های مختلف اقتصادی و بازرگانی، به دلیل وجود انبوه متغیرهای تأثیرگذار، ترجیح می دهند مکانیزمی را در اختیار داشته باشند، که بتواند آن ها را در امور تصمیم گیری یاری کند. بخش کشاورزی، به عنوان بخش تولیدکنندة محصولات راهبردی(استراتژیک) و تامین کنندة مواد غذایی مورد نیاز جمعیت رو به رشد جامعه، تاثیر زیادی در بسیاری از تصمیم گیری های اقتصادی، اجتماعی و سیاسی دارد. با توجه به اهمیت بخش کشاورزی در اقتصاد کشور و نیز وجود عوامل تاثیر گذار متفاوت و غیرقابل کنترل ، تجزیه و تحلیل متغیرهای نرخ رشد و نرخ تورم در بخش کشاورزی و آگاهی از روند آن ها در آینده و نیز شناخت الگوهای زیر ساختی تولید این داده ها، می تواند راه گشای برنامه ریزان و سیاست مداران برای اتخاذ تصمیمات مناسب باشد. در این تحقیق، سعی بر انتخاب مدل مناسب، برای پیش بینی مقادیر رشد و تورم در بخش کشاورزی ایران شده است. به این منظور، از مدل های هموارسازی نمایی هالت وینترز و مدل arima استفاده شده است. داده های ماهانه مربوط به نرخ تورم (ppi ,wpi)، برای دورة 1383-1338 و داده های فصلی مربوط به نرخ رشد برای دورة 1383-1368 جمع آوری شده اند. به منظور مقایسة دقت پیش بینی مدل های خطی و غیرخطی، به طراحی یک مدل شبکة عصبی مصنوعی(ann)، مبتنی بر متغیرهای مدل رگرسیون و مدلarima پرداخته شد. نتایج نشان داند که مدل هموارسازی نمایی هالت-وینترز، دارای دقت پیش بینی بالاتری از مدل arima و شبکة عصبی بوده و با داده های رشد و تورم در بخش کشاورزی ایران سازگاری بیشتری دارد. این مدل، متوسط نرخ رشد در بخش کشاورزی برای سال های برنامه چهارم توسعه را، 7% و متوسط نرخ تورم در بخش کشاورزی را، 5/10% پیش بینی کرده است. طبقه بندیjel : h12.