اطلاع از میزان مصرف و تقاضا برای گاز طبیعی در هر دوره ی زمانی و همچنین پیش بینی آن برای دوره های آتی یکی از مباحث حائز اهمیت برای شرکت ملی گاز است چرا که در عین حال که برای پاسخگویی به مراجعان و مصرف کنندگان به آن نیاز دارد آگاهی از آن جهت برنامه ریزی برای طرحهای آتی صادراتی بسیار حائز اهمیت است . در دهه های اخیر اقتصاد دانان و علمای مدیریت برای براورد تقاضا و تعیین میزان مصرف از روشهای اقتصاد سنجی استفاده کرده اند .در این رساله توابع تولید و مصرف و صادرات که از مابه التفاوت تولید و مصرف بدست آمده با استفاده از روش سیستم معادلات همزمان تخمین زدیم و همچنین در ادامه کار مقدار این متغیرها را با استفاده از روش arma محاسبه نموده و مقدار آن را در افق 1400 با استفاده از excel پیش بینی کردیم. نتایج تحقیق حکایت از این دارد که روند صادرات طی سالهای گذشته و سالهای پیش بینی شده آینده روندی نوسانی و تقریبا سیر فزاینده دارد اما آنچه حائز اهمیت است این است که با ادامه روند موجود ما امکان پاسخگویی به طرحهای صادراتی جدید را نداریم لذا با تغییر در مصرف داخلی , می توان شرایط صادراتی برای طرحهای جدید را فراهم نمود چرا که در صورت عدم تغیر مصرف , ظرفیت صادراتی کفاف استفاده از طرحها و انجام صادرات را نخواهد داد . نکته حائز اهمیت دیگر در این رساله این است که با توجه به حجم عظیم منابع انرژی در ایران و وابستگی بسیار شدید اقتصادی کشور به درآمدهای حاصل از این بخش ضرورت توجه هر چه بیشتر به این منبع خدادادی را برجسته تر می سازد و نیاز بیمه گران داخلی را برای این صنایع ملموس تر می سازد لذا در ادامه کار , در این رساله با در اختیار داشتن میزان تولید انرژی و حق بیمه تولیدی توسط بخش انرژی نرخ حق بیمه تولیدی توسط این بخش را محاسبه و همچنین به دلیل اهمیت بسیار زیاد این مسئله و لزوم برنامه ریزی پیرامون صنعت بیمه به پیش بینی حق بیمه آتی صنایع انرژی و نرخ حق بیمه تولیدی پرداختیم

در پژوهش حاضر به تعیین تابع هزینه و بررسی عوامل موثر بر هزینه سرانه دانشجویی پرداخته شده است. حجم نمونه انتخاب شده در این تحقیق، دانشجویان، کارکنان و اعضا هیات علمی گروه های آموزشی دانشکده فنی دانشگاه تهران به تفکیک 10 سال است.در این تحقیق با استفاده از اطلاعات و منابع موجود در مورد هزینه فعالیت‏های انجام شده در دانشگاه مورد تحقیق، هزینه کل فعالیت‏ها و سپس سر جمع هزینه فعالیت‏های مربوط به دانشجو بر اساس حجم فعالیت محاسبه می‏شوند. با استفاده از این داده‏های ورودی تابع هزینه کل خروجی تعیین و سپس هزینه سرانه دانشجویی محاسبه شود. تحلیل‏های اقتصادسنجی بر مبنای داده‏های ترکیبی (مجموعه ای از داده ها متشکل از تعداد زیادی از متغیرهای مقطعی که در طول یک دوره زمانی مشخص مورد بررسی قرار می‏گیرند) و استفاده از روش پانل دیتا انجام شد. در این راستا، آزمون‏های f و هاسمن برای تشخیص روش تخمین مناسب بکار برده شد. در آزمون f، تفاوت ضرایب برآورد شده برای تک تک مقاطع با ضرایب برآورد شده حاصل از داده‏های جمعی بررسی می‏شود. در صورت رد فرضیه صفر برای انتخاب بین دو مدل اثرات ثابت و اثرات تصادفی آزمون هاسمن انجام شد. تجزیه و تحلیل نتایج نشان داد که شاخص هزینه های سرمایه ای در ترکیب هزینه های خدمات آموزشی از جایگاه مناسبی برخوردار نیست و در صورت دستیابی به عدد شاخص استاندارد نسبت اساتید به دانشجویان، سطح آموزش عالی بهبود پیدا خواهد کرد. همچنین هزینه تحقیق و توسعه در ترکیب هزینه های آموزش عالی نسبت به دو متغیر هزینه های سرمایه ای و حقوق کارکنان دانشگاه از وزن مناسبی برخوردار است. از سوی دیگر، مشخص شد که نسبت دانشجو به اعضا هیات علمی بیشتر از حد استاندارد است و این در حالی است که نسبت دانشجو به کارکنان زیر حد استاندارد است که باید تعدیل گردد. همچنین باید به هزینه‏سرانه، فضای آموزشی که یک نوع هزینه سرمایه‏ای تلقی می‏گردد اضافه شود.

قیمت نفت می تواند با اثرگذاری بر سایر منغیرهای اقتصادی، اقتصاد کشورهای جهان را تحت تاثیر قرار دهد. پیچیدگی ذاتی موجود در آن، باعث شده که این متغیر رفتاری آشوبناک از خود نشان دهد و این مسئله محققین را جهت ارائه پیش بینی دقیق با مشکلاتی مواجه کرده است. تاکنون مدلهای مختلفی جهت این امر ارائه شده است. در این میان مدل های فازی قادرند در شرایط عدم اطمینان و تعداد داده های کم نتایج قابل قبولی را از خود ارائه دهند. به علاوه می توانند به خوبی با روش های کلاسیک و آماری ترکیب شده و نتایج را بهبود دهند. در این پژوهش به پیش بینی قیمت جهانی نفت خام با استفاده از مدل سری زمانی arima، مدلهای سری زمانی فازی و مدل ترکیبی farima پرداخته شده است. در انتها با بررسی معیارهای خطا ، بهترین مدل جهت پیش بینی؛ مدل سری زمانی فازی chen (2004) معرفی گردیده است. این مدل ، با در نظر گرفتن فراوانی داده ها و همگن کردن بازه ها می تواند در میان سایر روشهای سری زمانی فازی نتایج قابل قبول تری را ارائه دهد. مدل ترکیبی farima نیز می تواند در اولویت بعدی جهت این امر قرار گیرد. چر اکه با فازی در نظر گرفتن ضرایب مدل arima و تعیین بهترین و بدترین موقعیت ممکن، سیاست گذاران را جهت تصمیم گیری بهتر یاری می دهد.

یکی از موضوعات مهم عصر حاضر، آموزش می باشد. آموزش، یکی از مهمترین عوامل موثر بر تحول انسان_ یا به عبارتی رساتر "توسعه انسانی"_ و ارتقای سطح کیفی آن است. امروزه بسیاری از صاحبنظران بر این امر اتفاق نظر دارند که نخستین گام در مسیر توسعه اقتصادی_ اجتماعی، توسعه آموزش است. چرا که آموزش یکی از مهم ترین و موثر ترین منابع توسعه انسانی، ارتقای بهره وری و در حقیقت، شالوده و زیربنای پیشرفت فنی، نوآوری و دگرگونی اندیشه ها به شمار می رود. در مطالعه حاضر عوامل موثر بر هزینه ی آموزش خانوار ها در ایران مورد بررسی قرار گرفته است و با استفاده الگوهای نظری و تجربی، بر اساس داده‏های سری زمانی 89-1363 و مقطعی سال 89 مدل¬های مورد نظر برآورد شده است. نتایج برآورد مدل اول به روش gmm (روش گشتاور خود تعمیم یافته) با استفاده از داده های سال های 1363-89 نشان می‏دهد که متوسط هزینه¬ی کل خانوار شهری، اندازه¬ی خانوار، سطح سواد سرپرست خانوار، دارای تاثیر مثبت و معنادار و هزینه¬ی کل آموزش وپرورش دولت دارای تاثیر منفی و معناداری بر متوسط هزینه¬ی آموزش خانوار می¬باشد. در نتیجه تمامی فرضیه های تحقیق به جز منفی بودن رابطه¬ی هزینه¬ی کل آموزش و پرورش دولت و متوسط هزینه¬ی آموزش خانوار را تایید می¬نماید و اثر متوسط هزینه¬ی کل خانوار در مقایسه با سایر متغییرها ضعیف¬تر بوده است. برآورد مدل دوم به روش ols (روش حداقل مربعات معمولی) برای داده های مقطعی سال 1389 نشان می‏دهد که درآمد سرانه، و امکانات آموزشی دارای تاثیر مثبت و معنادار و نیز هزینه¬های سرانه¬ی آموزش دولت و نسبت شهرنشینی دارای اثری منفی و معنادار بر متوسط هزینه¬ی آموزش خانوار می باشند و سطح سواد سرپرست خانوار متغییری بی اثر بر متوسط هزینه¬ی آموزش خانوار می باشد.بنابراین برخی از فرضیه های تحقیق به جز مثبت بودن رابطه¬ی سطح شهرنشینی و متوسط هزینه¬ی آموزش خانوار و بی اثر بودن سطح سواد سرپرست خانوار را تایید می نماید.

پیش بینی و آگاهی از آینده به منظور برنامه ریزی و تدوین استراتژی های اقتصادی بر کسی پوشیده نیست. دقت پیش بینی ها یکی از مهم ترین فاکتورهای موثر در انتخاب نوع روش پیش بینی است.روش های کمی،ازجمله مهم ترین روش های پیش بینی موجود می باشد که بر اساس تجزیه وتحلیل های مربوط به مقادیر گذشته خود متغیر وابسته و یا متغیرهای مستقل موثر بر متغیر وابسته عمل می کنند. شاخص های قیمت سهام هم یکی از متغیرهای موثر در سیستم های اقتصادی بوده که این سری های زمانی بسیار پیچیده، معمولاً تصادفی و درنتیجه تغییرات آن ها غیرقابل پیش بینی فرض می شود. زیرا از آزمون هایی بهره گرفته شده است که در مواجهه با داده های آشوبی به اشتباه افتاده و آن ها را داده های تصادفی تشخیص داده اند، درحالی که این داده ها درواقع از سیستم هایی معین به وجود می آیند که با اختلالاتی جزئی همراه می باشند. عدم کارایی مدل های خطی ( که بر اساس تئوری های اقتصادسنجی استوار است)در ارائه پیش بینی های مناسب در کوتاه مدت (به ویژه در بازارهای بورس)، توجه اقتصاددانان را به رویکردهای جدیدی معطوف کرد که علاوه بر تشخیص ساختار سری های زمانی، بتواند پیش بینی های دقیق تری را بر اساس مدل های غیرخطی دینامیکی در سیستم های آشوبناک معین ارائه نمایند. به همین جهت آزمون های پیش بینی پذیری و غیرخطی جهت بررسی وجود روند آشوبی معین و فرآیندهای غیرخطی در سری زمانی شاخص روزانه سهام بازار اوراق بهادار تهران در بازه زمانی 8/4/1387 تا 10/7/1392 مورداستفاده قرارگرفته اند که ازجمله می توان به آزمون هایhurst،bds، تسلسل و ...اشاره نمود. نتایج آزمون ها حاکی از آن بود که آزمون تسلسل غیر تصادفی بودن شاخص قیمت سهام را تأیید کرد.آزمون هارست نیز دلالت بر یک سری زمانی دوام دار با حافظه بسیار طولانی را داشت.نتایج حاصل از آزمون های bds ، تسای و اندرسون-دارلینگ بیان کننده این بود که شاخص قیمت سهام از فرآیند غیرخطی تبعیت می کند.آزمون های مستقل بودن کوکران و استقلال chowdenning هم، همبستگی بین مشاهدات را مورد آزمون قراردادند که نتایج حاصل دال بر وجود همبستگی بین متغیرها بود و در ادامه آزمون های دوره ای تجمعی و آزمون تعدیل شده west cho مبنی بر آزمودن فرآیند آشوبی متغیر شاخص قیمت سهام صورت گرفت که نتایج هر دو آزمون، آشوبی بودن فرآیند را مورد تأیید قراردادند. به منظور پیش بینی شاخص قیمت سهام در دوره های آتی، مدل های arfima ،figarch ،lstar و estar تخمین زده شد. در بین مدل هایی که به بررسی وجود حافظه بلندمدت در متغیر شاخص قیمت سهام پرداخته اند مدل figarch که هم حافظه بلندمدت متغیر و هم واریانس و تغییرات متغیر را مدل سازی کرده است دارای قدرت بیشتری در پیش بینی بود و در میان مدل های غیرخطی مدل estar دارای قدرت پیش بینی بالاتری بود.