| تعداد نشریات | 286 |
| تعداد نشریات سازمان | 84 |
| تعداد شماره‌ها | 2,846 |
| تعداد مقالات | 32,300 |
| تعداد مشاهده مقاله | 41,387,088 |
| تعداد دریافت فایل اصل مقاله | 18,562,167 |
پیش‌بینی شاخص‌های تولید چغندرقند در ایران | ||
| اقتصاد کشاورزی و توسعه | ||
| مقاله 9، دوره 23، شماره 4 - شماره پیاپی 92، اسفند 1394، صفحه 193-216 اصل مقاله (256.31 K) | ||
| شناسه دیجیتال (DOI): 10.30490/aead.2016.59018 | ||
| نویسندگان | ||
| محسن رفعتی* ؛ بهاءالدین نجفی | ||
| چکیده | ||
| هدف کلی مطالعه حاضر، پیش‌بینی شاخص‌های تولید چغندرقند(سطح زیر کشت، تولید و قیمت) در ایران است. برای این منظور الگوهای خودرگرسیون، تعدیل نمایی یگانه، تعدیل نمایی دوگانه، هارمونیک، شبکه عصبی و خودرگرسـیون بـا واریـانس ناهمسانی شرطی برآورد و بهترین الگو انتخاب شد. بررسی آزمون تصادفی بودن (دوربین واتسون) سری‌های سطح زیرکشت، تولید و قیمت چغندرقند مبین غیرتصادفی متغیرها بود. براساس نتایج حاصل از محاسبه معیار کمترین خطای پیش‌بینی، مناسب‌ترین الگو برای پیش‌بینی سری‌های سطح زیرکشت، تولید و قیمت چغندرقند به ترتیب الگوهای شبکه عصبی، ARMA و ARIMA می‌باشند. لذا استفاده از روش‌های مذکور به شرط ثابت بودن شرایط، نتایجی با کمترین خطا به دست خواهد داد. نتایج همچنین نشان داد هر سه شاخص تولید چغندرقند(شامل: سطح زیر کشت، تولید و قیمت) طی دوره 1392 -99 روند افزایشی داشته با این ملاحظه که روند افزایشی سطح زیرکشت و تولید بسیار ملایم‌تر از روند افزایشی قیمت چغندرقند بوده است. طبقهبندی JEL: Q11,D12,C32,C22 | ||
| کلیدواژه‌ها | ||
| ایران؛ چغندرقند؛ پیش‌بینی؛ تعدیل‌نمایی؛ هارمونیک؛ شبکه عصبی؛ ARCH؛ ARIMA؛ ARMA | ||
| عنوان مقاله [English] | ||
| Forecasting the Production Indexes of Sugar Beet in Iran | ||
| نویسندگان [English] | ||
| M. Rafati؛ B. Najafi | ||
| چکیده [English] | ||
| The main purpose of this study is forecasting the production indexes of sugar beet (land, production and price) in Iran. For this purpose, Models applied to forecast are Auto Regressive (ARMA and ARIMA), Single and Double Exponential Smoothing, Harmonic, Artificial Neural Network and ARCH. The results of Durbin-Watson tests were revealed that land, production and price of sugar beet series are non stochastic. According to the lowest forecasting error criterion, Neural Network, ARMA and ARIMA are the best models for forecast land, production and price of sugar beet series respectively. Also, results of prediction show that all of these indexes will have a increasing trend during the period 2013- 2020, while the increasing trend of land and production are more smoother than price trend. JEL Classification: D12, Q11, C22, C32 Keywords: Iran, Sugar Beet, Forecasting, Exponential Smoothing, Harmonic, Artificial Neural Network, ARCH, ARIMA, ARMA | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 388 تعداد دریافت فایل اصل مقاله: 211 |
||