%0 Journal Article %T ارزیابی و مقایسه عملکرد مدل رگرسیون خودبازگشتی میانگین متحرک انباشته فازی و شبکه عصبی فازی در پیش¬بینی رشد اقتصادی ایران %J فصلنامه مطالعات اقتصادی کاربردی ایران %I دانشگاه بوعلی سینا %Z 2322-2530 %A زراء نژاد, منصور %A خداپناه, مسعود %A کیانی, پویان %A ابراهیمی, صلاح %D 2014 %\ 02/20/2014 %V 2 %N 8 %P 33-52 %! ارزیابی و مقایسه عملکرد مدل رگرسیون خودبازگشتی میانگین متحرک انباشته فازی و شبکه عصبی فازی در پیش¬بینی رشد اقتصادی ایران %K پیش¬بینی %K رشد اقتصادی %K شبکه عصبی فازی %K رگرسیون خودبازگشتی %K میانگین متحرک %R %X پیش­بینی براساس مدل­های چندمتغیری اقتصادسنجی با محدودیت­هایی زیادی همراه است، بنابراین یک روش جایگزین استفاده از مدل­های تک متغیری است. اما اکثر روش­های تک­متغیری برای حصول به ­نتیجه خوب نیاز به داده­های زیادی دارند. روش­های رگرسیون فازی به­دلیل فازی در نظر گرفتن اعــداد، برای مدل­سازی و پیش­بینی معمولاً نیاز به داده­های کمتری دارند. از این­رو در این مطالعه کارایی روش رگرسیون خودبازگشتی میانگین متحرک انباشته فازی (FARIMA) که ترکیبی از روش خودبازگشتی میانگین متحرک انباشته (ARIMA) و رگرسیون فـازی است با روش­های ARIMA و شبــکه عصبی فازی (ANFIS) در پیش­بینی رشد اقتصادی ایران مقایسه می­شود. برای تخمین مدل از داده­های دوره­ی 1338 تا 1380 استفاده شده است. سپس کارایی این مدل­ها در پیش­بینی رشد اقتصادی ایران برای دروه 1381 تا 1388 با استفاده از معیارهای RMSE، MAE، MAPE و TIC ارزیابی و مقایسه شده است. مقایسه این معیارها حاکی از این است که بهترین عملکرد متعلق به روش FARIMA است. همچنین مدل ANFIS عملکرد بهتری نسبت به مدل ARIMA دارد. %U https://aes.basu.ac.ir/article_590_76139ab363dc65691bfe9e1feaa9d91e.pdf