پیش بینی بهره وری کل عوامل تولید در اقتصاد ایران

نویسنده:
پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

هدف اصلی این پژوهش پیش بینی بهره وری کل عوامل تولید در اقتصاد ایران با استفاده از رویکرد شبکه های عصبی مصنوعی می باشد که به صورت توصیفی- تحلیلی انجام گرفته است. در این پژوهش پارامترهای موثر بهره وری کل عوامل تولید در اقتصاد ایران، نرخ تورم، نرخ ارز حقیقی، بدهی های خارجی، آموزش و سرمایه های انسانی، سرمایه گذاری مستقیم خارجی، باز بودن اقتصاد به عنوان ورودی شبکه های عصبی در نظر گرفته شده و خروجی شبکه بهره وری کل عوامل تولید بوده است. دوره زمانی مورد بررسی سالهای 1375-1395 بوده است. در این پژوهش از شبکه های عصبی پیش خور با الگوریتم پس انتشار خطا برای پیش بینی استفاده شده است 5 ترکیب بندی متفاوت از ورودی های جهت طراحی 5 مدل استفاده شده و در هر مدل30 سناریو مختلف در تعداد نورون جهت پیش بینی طراحی و راه اندازی شده است. مدل برتر شبکه با تعداد نورون مدل پنجم با 18 نورون و تابع فعال ورودی TANSIG و تابع خروجی TANSIG توسط ضریب همبستگی(R) میانگین مربع خطا (MSE) و جذر میانگین خطا (RMSE) و جذر میانگین خطا نرمال (NRMSE) که به ترتیب برابر در مدل برتر 9985/0، 0111/0، 1055/0، 62/2 بوده است. نتایج نشان می دهد شبکه های عصبی طراحی شده با 6 متغیر مورد بررسی قابلیت پیش بینی بهره وری کل عوامل تولید در اقتصاد ایران را دارد.

زبان:
فارسی
صفحات:
45 تا 70
لینک کوتاه:
magiran.com/p2076020 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!