- همه نشریات
- نشریات علمی سازمان تحقیقات، آموزش و ترویچ کشاورزی
- مجلات ترویجی سازمان تحقیقات، آموزش و ترویج کشاورزی
- سایر نشریات سازمان تحقیقات، آموزش و ترویج کشاورزی
- نشریات علمی انجمن ها
- علوم آب و خاک
- علوم اقتصاد و ترویج کشاورزی
- علوم جنگل, مرتع و آبخیزداری
- علوم دامی و شیلات
- علوم زراعی و باغی
- علوم گیاهپزشکی
- علوم مهندسی و مکانیزاسیون کشاورزی
- نشریات با زبان انگلیسی
- نشریات با زبان فارسی
- نشریات دانشگاه آزاد اسلامی
- نشریات علمی
پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 283 |
| تعداد نشریات سازمان | 81 |
| تعداد شماره‌ها | 2,727 |
| تعداد مقالات | 31,057 |
| تعداد مشاهده مقاله | 28,347,552 |
| تعداد دریافت فایل اصل مقاله | 16,272,172 |
پیشبینی قیمت محصولات کشاورزی مطالعه موردی پنبه و برنج و زعفران | ||
| اقتصاد کشاورزی و توسعه | ||
| مقاله 3، دوره 17، شماره 3 - شماره پیاپی 67، آذر 1388، صفحه 43-72 اصل مقاله (603.89 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30490/aead.2009.58834 | ||
| نویسندگان | ||
| زکریا فرج زاده* ؛ ارکیده شاه ولی | ||
| چکیده | ||
| این مطالعه با هدف پیشبینی قیمت اسمی و واقعی محصولات کشاورزی شامل پنبه و زعفران و برنج برای دوره 1350-84 صورت گرفت. پس از بررسی ایستایی سریها، تصادفی بودن متغیرها با استفاده از دو آزمون ناپارامتریک والد-ولفویتز و پارامتریک دوربین-واتسون بررسی شد. براساس نتایج این آزمونها، تمامی سریهای قیمت اسمی محصولات یاد شده و همچنین سری قیمت واقعی پنبه به عنوان سریهای غیرتصادفی و قابل پیش بینی ارزیابی شدند. الگوهای مورد استفاده برای پیشبینی شامل ARIMA ، تعدیل نمایی یگانه، تعدیل نمایی دوگانه، هارمونیک، ARCH و الگوی شبکه عصبی مصنوعی است. بر اساس معیار کمترین خطای پیشبینی، الگوی ARIMA سریهای قیمت اسمی برنج و زعفران را بهتر از سایر روشها پیشبینی کرد. بهترین پیشبینی برای سریهای قیمت اسمی و واقعی پنبه نیز به ترتیب با استفاده از الگوهای شبکه عصبی مصنوعی و هارمونیک به دست آمد. مقادیر خطای پیشبینی حداقل برای هر یک از سریهای اسمی قیمت پنبه، برنج و زعفران و همچنین قیمت واقعی پنبه به ترتیب برابر با 08/30، 14/11، 46/4 و 78/14 درصد محاسبه شد. طبقه‌بندی JEL : C22 ، C32 ، C51 ، C53 ، D12 ، Q11 | ||
| کلیدواژه‌ها | ||
| پیشبینی؛ قیمت؛ پنبه؛ برنج؛ زعفران؛ ARIMA؛ هارمونیک؛ تعدیل نمایی؛ ARCH؛ شبکه عصبی مصنوعی | ||
| عنوان مقاله [English] | ||
| Forecasting agricultural crops prices: case study of cotton, rice and saffron | ||
| چکیده [English] | ||
| The aim of this study was to forecast nominal and real price of some agricultural crops including Cotton, Saffron and Rice. Initially the stationary of the series was tested, then in order to investigate whether series are stochastic, nonparametric test of Vald-Wulfowitz and parametric test of Durbin-Watson were applied. Based on the tests results, all of the selected nominal crops prices and real price of Cotton were found non stochastic and predictable. The study period covers 1971-2005. Models applied to forecast are ARIMA, Single and Double Exponential Smoothing, Harmonic, ARCH and Artificial Neural Network. Based on the lowest forecasting error criterion, ARIMA forecasted nominal prices of Saffron and Rice with lowest forecasting error. In the case of nominal and real price of Cotton prediction of the lowest forecasting error belongs to Artificial Neural Network and Harmonic models respectively. The lowest forecasting errors for nominal prices of Cotton, Rice and Saffron as well as of the real price of Cotton are 30.08, 11.14, 4.46 and 14.78 percent respectively. JEL Classification: C22، C32، C51، C53، D12، Q11 | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 333 تعداد دریافت فایل اصل مقاله: 217 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب