اندازه دولت، رشد اقتصادی، توزیع درآمد و پیش بینی آن ها در اقتصاد ایران (کاربرد سیستم معادلات همزمان و شبکه های عصبی مصنوعی)

در شرایط اقتصادی امروز و نظریه های جدید اقتصادی، دولت ها دیگر به نقش کوچکی که اقتصاددانان کلاسیک برای آن ها قائل بودند اکتفا نکرده و به صورت یکی از ارکان اقتصادی جامعه عمل می کنند. جدا از وظایف سنتی که مورد پذیرش اقتصاددانان کلاسیک هم هست، دولت ها در جهت نیل به رفاه اجتماعی باید به مسائلی چون: تخصیص منابع، توزیع درآمد، حفظ سطح قیمت ها و رشد اقتصادی بپردازد. سطح فعالیت های اقتصادی دولت در اقتصاد به طور مستقیم و غیر مستقیم این اهداف اقتصاد کلان را تحت تاثیر قرار می دهد. از سوی دیگر ارتباط متغیرهای کلان اقتصادی مانند رشد و توزیع درآمد و بحث های مربوط به تضاد یا هماهنگی این اهداف، باعث شده که نقش دولت از اهمیت قابل توجهی برخوردار شود. بدون شک اتخاذ هر سیاست جدید اقتصادی آثار مثبت و منفی در دوره های کوتاه مدت و بلند مدت در پی دارد. نوسان در روند متغیرهای کلان اقتصادی متضمن بار هزینه ای است که لازم است برای کاهش و جلوگیری از ایجاد این هزینه ها، روند آتی این متغیرها توسط روش های مناسب و با کارایی لازم مورد برآورد قرار گیرد.در مطالعه حاضر به تاثیر متقابل سه متغیر "رشد اقتصادی ، توزیع درآمد و اندازه دولت" در قالب یک سیستم معادلات همزمان طی دوره زمانی 85-1345 برای اقتصاد ایران پرداخته شده است. پس از برآورد معادلات و تحلیل نتایج حاصله متغیرهای ذکر شده به دو روش شبکه های عصبی مصنوعی و فرم های خلاصه شده معادلات سیستم همزمان مورد پیش بینی قرار گرفته اند. نتایج حاصل از برآورد معادلات نشان می دهد اندازه دولت و رشد اقتصادی به صورت متقابل بر یکدیگر تاثیر می گذارند. با گسترش اندازه دولت در اقتصاد ایران، افزایش رشد اقتصادی را در کشور شاهد خواهیم بود. در مقابل، با تسریع رشد اقتصادی حجم فعالیت های اقتصادی دولت در جامعه محدود خواهد شد. بررسی ارتباط متقابل رشد اقتصادی و توزیع درآمد نیز نشان دهنده وجود تاثیر گذاری رشد اقتصادی بر توزیع درآمد می باشد. افزایش رشد اقتصادی وضعیت توزیع درآمد را در جامعه نابرابرتر می کند و عدالت اجتماعی را کاهش می دهد. بر اساس نتایج به دست آمده نحوه توزیع درآمد در کشور بر رشد اقتصادی موثر نیست.علاوه بر این، نتایج حاصل از پیش بینی متغیرها نیز توانایی بالاتر سیستم معادلات همزمان را در مقابل شبکه های عصبی مصنوعی نشان می دهد. دلیل اصلی این امر برخورد پیچیده شبکه های عصبی با مدل های ساده و خطی است.