فهرست مطالب نویسنده:
seyyed nematollah moosavi
-
سیاستهای حمایتی دولت در رابطه با محصولات استراتژیک، همواره در راستای حمایت از مصرف کنندگان بوده است. این در حالی است که سیاست قیمت گذاری دولت بر الگوی کشت کشاورزان تاثیرگذار است. یک راه سنجش تاثیر سیاستهای قیمت گذاری دولت بر روند تولید یک محصول محاسبه نرخ حمایت اسمی می باشد. در این مطالعه سیاست قیمت گذاری دولت طی دوره 1385-1353 بر عکس العمل کشاورزان گندم کار با روش هم انباشتگی مورد مطالعه قرار گرفت. نوسانات نرخ حمایت اسمی طی دوره مذکور نشان داد که سیاستهای قیمتی در رابطه با تغییر شرایط از انعطاف لازم برخوردار نبوده است. نرخ حمایت اسمی طی دوره مزبور در تمام سالها، کمتر از یک بوده است که نشان می دهد نه تنها حمایت واقعی از گندم کاران صورت نگرفته؛ بلکه آنها بطور ضمنی مالیات هم پرداخت کرده اند. همچنین تحلیل هم انباشتگی نشان داد که در بلند مدت رابطه مثبت بین سطح زیر کشت و نرخ حمایت اسمی و همچنین بین رشد تولید گندم و نرخ حمایت اسمی وجود دارد.
کلید واژگان: استان فارس، سیاست حمایتی دولت، گندم، شاخص قیمت، سطح زیر کشت، تولید گندم، تحلیل هم انباشتگی، نرخ حمایت اسمی، تحلیل اقتصادیGovernment supporting policies in the case of strategic crops have been inclined toward consumers. The polices influence farmers cultivation pattern. Nominal Protection Rate is as a measure to investigate the impact of government pricing polices on crop production. The impact of government pricing policy on wheat growers response over 1353-1385 (1974-2006) was studied using Cointegration analysis. Fluctuations of nominal protection rate during the selected period revealed that price polices have not been flexible in proportion to the changes in conditions. Nominal protection rate of less than unity over the study period indicates that not only wheat growers have not been supported but also have paid tax implicitly. The cointegration analysis showed a positive long run relationship between nominal protection rate and cropping area as well as wheat production. -
در این مطالعه با هدف پیش بینی واردات برنج و ذرت، از روش شبکه عصبی مصنوعی و ARIMA استفاده شده و نتایج حاصل مورد مقایسه قرار گرفته است. به منظور انجام این بررسی، داده های گمرک ایران در خصوص واردات برنج و ذرت برای سالهای 1360 تا 1383 مبنای محاسبه قرار گرفته است. از داده های دوره 1380-1360 به منظور آموزش شبکه و از داده های سه سال آخر برای بررسی قدرت پیش بینی استفاده شده است. نتایج مطالعه نشان دهنده آن است که روش شبکه عصبی دارای عملکرد بهتری در مقایسه با فرآیند ARIMA بوده و قادر است میزان واردات برنج و ذرت را دقیق تر پیش بینی کند.
کلید واژگان: واردات، برنج و ذرت، شبکه عصبی مصنوعیThe objective of this research work is to forecast the rice and corn imports using the methods of artificial neural network and ARIMA. The results are then compared. Calculations are based upon the data from the Iranian Customs regarding imports of rice and corn during the period 1360 to 1383. Data for the period 1360-1380 are used for educating the network, and data related to the last three years are used to examine the predictive power. The results show that the method of neural network has a better performance as compared to the process of ARIMA and is able to predict the rice and corn imports with higher accuracy.Keywords: Imports, Rice, Corn, Artificial Neural Network
بدانید!
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو میشود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشتههای مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته میتوانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که میخواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.