انتخاب الگوی مناسب پیش بینی سطح زیر کشت، تولید و قیمت چغندرقند در ایران

نوع مقاله : مقالات پژوهشی

نویسندگان

1 استادیار پژوهش تحقیقات اقتصاد کشاورزی ، موسسه پژوهش های برنامه ریزی، اقتصاد کشاورزی و توسعه روستایی، سازمان تحقیقات آموزش و ترویج

2 موسسه پژوهش های برنامه ریزی، اقتصاد کشاورزی و توسعه روستایی

3 دانش آموخته کارشناسی ارشد اقتصاد کشاورزی، دانشگاه شیراز

چکیده

چکیده
هدف کلی مطالعه حاضر، انتخاب الگوی مناسب برای پیش بینی سطح زیر کشت، تولید و قیمت چغندرقند در ایران است. برای این منظور الگوهای ARIMA، تعدیل نمایی یگانه، تعدیل نمایی دوگانه، هارمونیک، شبکه عصبی و ARCH با استفاده از اطلاعات دوره زمانی 87-1362 برآورد و بهترین الگو انتخاب گردید. بررسی آزمون تصادفی بودن (دوربین واتسون) سریهای سطح زیر کشت، تولید و قیمت چغندرقند مبین غیرتصادفی متغیرها بود. بر اساس نتایج حاصل از محاسبه معیار کمترین خطای پیش بینی، برای پیش بینی سری های تولید و قیمت چغندرقند الگوی ARIMA به عنوان روش برتر در مقایسه با سایر روش‌ها شناخته شد. اما به منظور پیش بینی سطح زیر کشت چغندرقند، استفاده از شبکه عصبی مناسبتر تشخیص داده شد. لذا استفاده از روش های مذکور به شرط ثابت بودن شرایط، نتایجی با کمترین خطا به دست خواهد داد. بر اساس نتایج حاصل از پیش بینی متغیرهای سطح زیر کشت، تولید و قیمت چغندرقند، در دوره 1388 تا 1393، متغیرهای مزبور حول میانگین دوره در نوسان بوده اند.

طبقه بندی JEL: Q11 – D12 – C32 – C22

واژه های کلیدی: ایران، پیش بینی، تعدیل نمایی، تولید، چغندرقند، سطح زیر کشت، شبکه عصبی، قیمت، هارمونیک، ARCH، ARIMA

عنوان مقاله [English]

Selection the Suitable Model for Forecasting land, Production and Price of Sugar Beet in Iran

نویسندگان [English]

  • M. Rafati 1
  • Y. Azarinfar 2
  • R. Mohammadzadeh 3
1 Faculty of ARDPERI
2 MS in ARDPER
3 MS in Agriculture Economic (Shiraz Un.)
چکیده [English]

Abstract
The aim of this study was to selecting the suitable model for forecast land, production and Price of sugar beet in Iran. For this purpose, Models applied to forecast are ARIMA, Single and Double Exponential Smoothing, Harmonic, Artificial Neural Network and ARCH for period 1993-2008. Results of Durbin-Watson tests, land, production and price of sugar beet series were found non stochastic and predictable. Based on the lowest forecasting error criterion, ARIMA is the best model for forecast production and price of sugar beet series. But in orther to forecast land of sugar beet, Neural Network model is the best. Hence, using the forecast method can affect on different policy about production via forecasting the fluctuation variables.

Jel Classification: Q11 – D12 – C32 – C22

Keywords: ARCH, ARIMA, Artificial Neural Network, Exponential Smoothing, Forecasting, Harmonic, Iran, Land, Production, Price, Sugar beet

CAPTCHA Image