تحقیقات اقتصادی

ارزیابی و مقایسه عملکرد مدل رگرسیون خود بازگشتی میانگین متحرک انباشته فازی و شبکه عصبی فازی در پیش­بینی رشد اقتصادی ایران

نویسندگان: منصور زراء­نژاد، مسعود خداپناه، پویان کیانی، صلاح ابراهیمی

چکیده:

پیش­بینی براساس مدل­های چند متغیری اقتصادسنجی با محدودیت­هایی زیادی همراه است، بنابراین یک روش جایگزین استفاده از مدل­های تک متغیری است. اما اکثر روش­های تک متغیری برای حصول به­نتیجه خوب نیاز به داده­های زیادی دارند. روش­های رگرسیون فازی به­دلیل فازی در نظر گرفتن اعداد، برای مدل­سازی و پیش­بینی معمولاً نیاز به داده­های کمتری دارند. از این رو در این مطالعه کارایی روش رگرسیون خود بازگشتی میانگین متحرک انباشته فازی (FARIMA) که ترکیبی از روش خود بازگشتی میانگین متحرک انباشته (ARIMA) و رگرسیون فازی است با روش­های ARIMA و شبکه عصبی فازی (ANFIS) در پیش­بینی رشد اقتصادی ایران مقایسه می­شود. برای تخمین مدل از داده­های دوره­ 1338 تا 1380 استفاده شده است. سپس کارایی این مدل­ها در پیش­بینی رشد اقتصادی ایران برای دروه­ 1381 تا 1388 با استفاده از معیارهای RMSE، MAE، MAPE و TIC ارزیابی و مقایسه شده است. مقایسه این معیارها حاکی از این است که بهترین عملکرد متعلق به روش FARIMA است. همچنین مدل ANFIS عملکرد بهتری نسبت به مدل ARIMA دارد.