در این مقاله از شبکة عصبی GMDH، بهعنوان ابزاری با قابلیت بالا در مسیریابی و تشخیص روندهای غیرخطی پیچیده، بهویژه با تعداد مشاهدات محدود، برای الگوسازی و پیشبینی رشد تولید ناخالص داخلی به قیمت ثابت در ایران استفاده شده است. ابتدا الگویی بنیادی شامل 7 متغیر همراه با وقفة اول رشد تولید ناخالص داخلی طراحی و سپس با استفاده از فرآیند قیاسی و نیز کنارگذاشتن هر متغیر از الگوی بنیادی، در مجموع 18 مدل اجرا شد. نتایج نشان داد الگوهای حاصل از کنار گذاشتن رشد صادرات کل، رشد صادرات نفت و رشد حجم تجارت از الگوی بنیادی، به ترتیب بیشترین سهم را در کاهش خطای پیشبینی دارا هستند. همچنین اثر مضاعف رشد هزینههای دولت بر متغیر هدف، مؤید نتایج مطالعات اخیر در کشورهای در حال توسعة نفتی است. برتری شبکة عصبی GMDH در دقت پیشبینی رشد اقتصادی نسبت به روش ARIMA، بر اساس معیارهای خطا نیز مورد تأئید قرار گرفت.
طبقهبندی JEL : C22, C45, C53, O41
分享
引用
