نوع مقاله : مقالات پژوهشی
نویسندگان
دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
چکیده
با توجه به اهمیت مدیریت واردات، مطالعه حاضر بر آنست تا با بهکارگیری روش ARDL تعمیم یافته الگوی MIDAS ضمن بررسی عوامل مؤثر، ارزش واردات گندم را پیشبینی نموده و دقت پیشبینیهای حاصل با الگوی شامل دادههای تطبیقیافته مقایسه گردد. هدف مدلهای رگرسیونی MIDAS استخراج مناسب اطلاعات متغیرهای با تواتر بالاتر در راستای مدلسازی و پیشبینی متغیرهای وابسته در تواتر پایین بوده و انتظار بر این است که از این طریق شناسایی بهتر روابط موجود میان متغیرها، پیشبینی دقیقتری در پی داشته باشد. بر اساس نتایج هر دو رگرسیون با دادههای تطبیق یافته و MIDAS برای دوره 1357 تا 1382 به عنوان دوره آموزش، ارزش واردات گندم با تولید داخلی و نرخ ارز رابطه مستقیم داشته و متغیر قیمتهای نسبی بر ارزش واردات گندم تأثیر منفی داشته است. آمارههای دقت پیشبینی مرسوم و آزمون معنیداری اختلاف خطای پیشبینی الگوهای رقیب حاکی از آنست که الگوی MIDAS شامل دادههای سالانه ارزش واردات گندم، تولید و قیمتهای نسبی گندم و اطلاعات فصلی نرخ ارز به طور معنیداری دقت پیشبینی ارزش واردات گندم در دوره 1383 تا 1387 به عنوان دوره آزمون را بهبود بخشیده است. بر این اساس پیشنهاد میگردد تا در راستای ارتقاء دقت مدلسازی و پیشبینی ارزش واردات کشاورزی بهویژه محصولات وارداتی استراتژیک روشهای پیشبینی با دادههای مختلط با دقت بالای پیشبینی جایگزین الگوهای با دادههای تطبیق یافته گردند.
کلیدواژهها
عنوان مقاله [English]
Applying Regression Models with Mixed Frequency Data in Modeling and Prediction of Iran's Wheat Import Value (Generalized OLS-based ARDL Approach)
نویسندگان [English]
- M. Jalerajabi
- R. Moghaddasi
Agricultural Economics Department, Science and Research Branch, Islamic Azad University, Tehran, Iran
چکیده [English]
Due to the importance of the import management, this study applies generalized ARDL approach to estimate MIDAS regression for wheat import value and to compare the accuracy of forecasts with those competed by the regression with adjusted data model. Mixed frequency sampling models aim to extract information with high frequency indicators so that independent variables with lower frequencies are modeled and foorcasted. Due to a more precise identification of the relationships among the variables, more accurate prediction is expected. Based on the results of both estimated regression with adjusted frequency models and MIDAS for the years 1978-2003 as a training period, wheat import value with internal products and exchange rate was positively related, while the relative price variable had an adverse relation with the Iran's wheat import value. Based on the results from the conventional statistics such as RMSE, MAD, MAPE and the statistical significance, MIDAS models using data sets of annual wheat import value, internal products, relative price and seasonal exchange rate significantly improves prediction of annual wheat import value for the years2004-2008 as a testing period. Hence, it is recommended that applying prediction approaches with mixed data improves modeling and prediction of agricultural import value, especially for strategic import products.
کلیدواژهها [English]
- prediction
- Regressions with Mixed Data
- Regression with Adjusted Data
- Wheat Import Value
)
ارسال نظر در مورد این مقاله