تدوین الگوی پیش بینی قیمت فصلی انواع گوشت در ایران: کاربرد مدل خودتوضیحی دوره ای (par)
Authors
abstract
گوشت همواره جزء کالاهای مهم و ضروری برای خانوارهای ایرانی است، به طوری که در اغلب سال ها، در بین اقلام خوراکی و آشامیدنی، بیشترین سهم از کل هزینة خانوار متعلق به هزینة انواع گوشت است. هدف مطالعة حاضر، الگوسازی و پیش بینی قیمت سه ماهانة انواع گوشت در کشور است. برای این منظور، داده های فصلی قیمت های گوشت مرغ، گاو و گوسفند برای سال های 1377 تا 1390 استفاده شد. در این زمینه، ابتدا آزمون hegy برای بررسی ریشة واحد فصلی به کار گرفته شد و سپس از آزمون ریشة واحد دوره ای فرانسس و پاپ و آزمون رفتار دوره ای بسویچ و فرانسس استفاده شد. نتایج نشان می دهد الگوی خودتوضیحی دوره ای از مرتبة یک [par(1)] برای الگوسازی و پیش بینی قیمت گوشت مرغ بسیار مناسب است که این امر امکان به دست آوردن پیش بینی های صحیح را فراهم می کند. همچنین، نتایج آزمون ریشة واحد فصلی بیانگر آن است که قیمت گوشت گاو و گوسفند در کشور، از الگوی خودتوضیح میانگین متحرک تبعیت می کند و براین اساس، به کارگیری الگوی arima برای تدوین الگوی پیش بینی قیمت این دو کالا مناسب است.
similar resources
تدوین الگوی پیشبینی قیمت فصلی انواع گوشت در ایران: کاربرد مدل خودتوضیحی دورهای (PAR)
گوشت همواره جزء کالاهای مهم و ضروری برای خانوارهای ایرانی است، بهطوریکه در اغلب سالها، در بین اقلام خوراکی و آشامیدنی، بیشترین سهم از کل هزینة خانوار متعلق به هزینة انواع گوشت است. هدف مطالعة حاضر، الگوسازی و پیشبینی قیمت سهماهانة انواع گوشت در کشور است. برای اینمنظور، دادههای فصلی قیمتهای گوشت مرغ، گاو و گوسفند برای سالهای 1377 تا 1390 استفاده شد. در این زمینه، ابتدا آزمون HEGY برای ب...
full textپیش بینی نرخ تورم فصلی در ایران: کاربرد مدل خود توضیحی تناوبی(par)
عاملان اقتصادی با پیش بینی های درست و کم خطا می توانند گامی بلند در جهت پیشرفت روند صحیح اقتصادی بردارند. در این میان پیش بینی تورم به عنوان یکی از متغیرهای کلیدی کلان اقتصادی از اهداف عمده دولت ها محسوب می شود. در این مطالعه علاوه بر معرفی مدل های خودرگرسیون تناوبی(par) ونحوه عملکرد آنها در سری های زمانی اقتصادی، از یک مدل par برای پیش بینی تورم برای هر فصل با استفاده از داده های سری زمانی فصل...
پیش بینی تقاضای گوشت قرمز در ایران(کاربرد الگوی (arimax
گوشت یکی از مهم ترین منابع تأمین پروتئین است که برای سرمایه گذاری و برنامه ریزی در جهت تولید آن نیاز به پیش بینی تقاضای مصرف گوشت در آینده می باشد. لذا در این مقاله تلاش گردید تا با استفاده از داده های فصلی برای دوره ی 1386.4-1367.1 عملکرد دو الگوی arima و arimax به منظور پیش بینی تقاضای سرانه گوشت قرمز مورد مقایسه قرار گیرد. نتایج نشان داد که پیش بینی حاصل از فرآیند arimax دقیق تر می باشد. لذا...
full textبررسی رفتار فصلی و پیش بینی قیمت ماهانه گوشت مرغ در ایران
هدف از مطالعه حاضر بررسی رفتار فصلی قیمت گوشت مرغ در ایران و پیش بینی مقادیر آتی می باشد. بدین منظور، از روشهای خودرگرسیونی دورهایی (par)، مدلهای جمعی فصلی و باکس-جنکینز فصلی (sarima) بهره گرفته شد. نتایج کار نشان داد رفتار فصلی قیمت گوشت مرغ از یک الگو دورهایی تبعیت نمینماید، لذا مدل par(q)، مدل مناسبی جهت الگوسازی رفتار فصلی قیمت گوشت مرغ در ایران نمیباشد. نتایج آزمون ریشه واحد فصلی ...
full textپیش بینی تقاضای فصلی توریسم در ایران (کاربرد الگوهای سری زمانی فصلی)
چکیده توریسم نقش مهمی در اشتغالزایی و ایجاد درآمد در کشورها دارد و در دهههای اخیر، رشد قابل توجهی داشته است. بهدلیل جاذبههای فرهنگی و طبیعی، ایران موقعیت منحصربفردی در صنعت توریسم دارد. بنابراین توسعه این صنعت میتواند یک روش مناسب برای بهبود شرایط اقتصادی ایران و کاهش وابستگی آن به نفت باشد. هدف مطالعه حاضر، پیشبینی ورود فصلی گردشگر به ایران است. بدین منظور از رهیافت باکس- جنکینز فصلی ([1...
full textمقایسه ی مدل های شبکه های عصبی مصنوعی و سری های زمانی برای پیش بینی قیمت گوشت مرغ در ایران
با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در تحقیق حاضر قیمت این محصول با استفاده از روش ARIMA و شبکه های عصبی مصنوعی برای افق های زمانی یک ماهه، شش ماهه و دوازده ماهه پیش بینی گردید و این فرضیه که شبکه ی عصبی در پیش بینی قیمت گوشت مرغ از کارایی بیشتری نسبت به مدل های سری زمانی برخوردار است، مورد بررسی قرار گرفت. داده های مربوط به این متغیّر برای دوره ی زمانی1371:1 تا 1385:11 بوده و از شر...
full textMy Resources
Save resource for easier access later
Journal title:
تحقیقات اقتصاد و توسعه کشاورزی ایرانPublisher: پردیس کشاورزی و منابع طبیعی دانشگاه تهران
ISSN 2008-4838
volume 46
issue 3 2015
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023