انتخاب الگوي مناسب پيش بيني سطح زير كشت، توليد و قيمت چغندرقند در ايران

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

هدف كلي مطالعه حاضر، انتخاب الگوي مناسب براي پيش بيني سطح زير كشت، توليد و قيمت چغندرقند در ايران است. براي اين منظور الگوهاي ARIMA، تعديل نمايي يگانه، تعديل نمايي دوگانه، هارمونيك، شبكه عصبي و ARCH با استفاده از اطلاعات دوره زماني 87-1362 برآورد و بهترين الگو انتخاب گرديد. بررسي آزمون تصادفي بودن (دوربين واتسون) سريهاي سطح زير كشت، توليد و قيمت چغندرقند مبين غيرتصادفي متغيرها بود. بر اساس نتايج حاصل از محاسبه معيار كمترين خطاي پيش بيني، براي پيش بيني سري هاي توليد و قيمت چغندرقند الگوي ARIMA به عنوان روش برتر در مقايسه با ساير روش‌ها شناخته شد. اما به منظور پيش بيني سطح زير كشت چغندرقند، استفاده از شبكه عصبي مناسبتر تشخيص داده شد. لذا استفاده از روش هاي مذكور به شرط ثابت بودن شرايط، نتايجي با كمترين خطا به دست خواهد داد. بر اساس نتايج حاصل از پيش بيني متغيرهاي سطح زير كشت، توليد و قيمت چغندرقند، در دوره 1388 تا 1393، متغيرهاي مزبور حول ميانگين دوره در نوسان بوده اند. طبقه بندي JEL: Q11 – D12 – C32 – C22

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