پیش بینی شاخص های کلان بخش کشاورزی با استفاده از الگوی رگرسیونی با داده های مختلط

الموضوعات : فصلنامه علمی -پژوهشی تحقیقات اقتصاد کشاورزی

زینب امیدوار ¹ , احمدعلی قاسمی نژاد رایینی ² , رضا مقدسی ³ , امیر محمدی نژاد ⁴

1 - گروه اقتصاد، ترویج و آموزش کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 - گروه اقتصاد، واحدسیرجان، دانشگاه ازاد اسلامی، سیرجان، ایران
3 - گروه اقتصاد، ترویج و آموزش کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
4 - گروه اقتصاد، ترویج و آموزش کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

تاريخ الإرسال : 15 الأحد , ربيع الأول, 1442 تاريخ التأكيد : 17 الجمعة , جمادى الأولى, 1445 تاريخ الإصدار : 09 الأحد , رجب, 1445

الکلمات المفتاحية: کشاورزی, پیش بینی, رگرسیون میداس,

ملخص المقالة :

مقدمه و هدف: یکی از مهمترین بخشهای اقتصاد که اطلاع از نحوه عملکرد آن در آینده حائز اهمیت است، بخش کشاورزی می باشد. پیش بینی شاخص های کلان بخش کشاورزی برای برنامه ریزان و سیاست گذاران این بخش از اهمیت ویژه ای برخوردار است.  به این منظور هدف اصلی در این پژوهش برآورد شاخص های کلان بخش کشاورزی مانند ارزش افزوده کشاورزی،صادرات و واردات بخش کشاورزی توسط الگوی رگرسیونی با داده های  مختلط(میداس) می­باشد
مواد و روش­ها: در این تحقیق از رهیافت میداس که امکان بهره­گیری از داده­ها با تواتر مختلف را فراهم می­آورد، استفاده شد.  دوره مورد بررسی در این تحقیق از سال 1392 تا انتهای سال 1397 می باشد.تواتر داده ها برای ارزش افزوده کشاورزی فصلی بوده و برای صادرات کشاورزی ، واردات کشاورزی و متغیرهای تورم و نرخ ارز دارای داده های ماهانه و دما و بارش با تواتر فصلی مورد بررسی قرار گرفتند.
یافته­ ها: نتایج پیش بینی های ارائه شده توسط الگوی برآورد شده در این مقاله حاکی از قدرت بالای پیش بینی است.همچنین مشخص گردید که متغیرهای نرخ ارز و تورم در تمام معادله ها دارای تاثیر معنی دار می باشد و دما بر ارزش افزوده و صادرات اثر معنی دار دارد و میزان بارش در هیچ کدام از برآورد های مورد بررسی اثر معنی دار ندارد.
بحث و نتیجه­ گیری: نتایج حاصل از این مطالعه تایید واضحی بر قدرت قابل قبول پیش بینی­های بدست آمده از رهیافت میداس می­باشد. این نکته برای کشوری همچون ایران که با مشکل تواترهای مختلف برای داده­های دردسترس مواجه است، بسیار مهم می­باشد.

المصادر:

1. Barkchian M, Rezaee M.H. Performance of panel data regression with mixed data in prediction of quarterly inflation in Iran. Economics and Modeling, 2016; 101-123 https://ijer.atu.ac.ir/article_1630.html


2. Pishbahar E, Bodagh Sh, Dashti Gh. Prediction of Iran’s agricultural growth: MIDAS approach. Economic Research (Sustainable Growth and Development), 2019; 45-61 http://dorl.net/dor/20.1001.1.17356768.1398.19.3.3.1


3. Hosseini S.S., Homayounpour M. Influential factors on Iran’s agricultural exports. Agricultural Economics; 1-16 https://www.sid.ir/paper/124407/fa


4. Sepehrdoust H, Shamsollahi V, Sarhadi D. Iran’s agricultural investment opportunities and challenges. Paper presented at Resistance Economics Conference, Babolsar, 2015 https://civilica.com/doc/586651/


5. Soleymaninejad S, Dourandish A, Nikoukar A. Influential economic and climatic factors on Iran’s agricultural value-added. The 10^th Iranian Agricultural Economics Conference, Kerman, 2016 https://www.sid.ir/paper/877539/fa


6. Sayyadi F, Moghaddasi R. Impact of energy cost on cereals’ price using MIDAS model. Iranian Applied Economic Studies, 2015; 149-160 https://aes.basu.ac.ir/article_1237.html


7. Espinoza R, Fornari F, Lombardi M. J. The role of financial variables in predicting economic activity. Journal of Forecasting, 2012; 15-46 https://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp1108.pdf


8. Forn, M, Hallin M, Lippi M, Reichlin L. Do financial variables help forecasting inflation and real activity in the Euro area? Journal of Monetary Economics, 2003; 1243-1255 https://ideas.repec.org/a/eee/moneco/v50y2003i6p1243-1255.html


9. Giannone D, Reichlin L, Small D. "Nowcasting: The real-time informational content of macroeconomic data. Journal of Monetary Economics, 2008; 665–676 https://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp633.pdf


10. Ghysels E, Santa-Clara P, Valkanov R. The MIDAS touch: Mixed Data Sampling regression models, mimeo, Chapel Hill, N.C. 2014 https://rady.ucsd.edu/_files/faculty-research/valkanov/midas-touch.pdf


11. Luis M. Gomez-Zamudio, R. I. Are daily financial data useful for forecasting GDP? Evidence from Mexico , Documentos de Investigación Banco de México Working Papers N° 2017-17 https://www.banxico.org.mx/publications-and-press/banco-de-mexico-working-papers/%7BAB436397-D17E-8D2B-D047-60AD3CC13AB8%7D.pdf