بررسی عملکرد رگرسیون داده های ترکیبی با تواتر متفاوت در پیش بینی تورم فصلی ایران
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
این مطالعه به بررسی قدرت پیش بینی مدل های خودرگرسیون با داده های با تواتر متفاوت در پیش بینی نرخ تورم فصلی برای اقتصاد ایران می پردازد. به این منظور، دقت پیش بینی مدل های خودرگرسیونی که از وقفه های ماهانه نرخ تورم استفاده می کنند در برابر مدل پایه ای که از اطلاعات فصلی تغذیه می کند، مقایسه شده است. نتایج نشان می دهد که استفاده از مشاهدات ماهانه نرخ تورم در پیش بینی تورم فصلی غالبا منجر به بهبود دقت نتایج در پیش بینی تورم شده است. این بهبود بطور ویژه خود را در پیش بینی یک گام به جلو نشان می دهد. در میان الگو های مورد بررسی، رگرسیون های میداس عمدتا در افق های پیش بینی یک گام، سه گام و چهار گام به جلو نسبت به مدل پایه از دقت بالاتری برخوردار بوده اند. مدل وزن دهی گام به گام که دارای تعداد پارامترهای زیادی است، نسبت به مدل رگرسیون میداس که دارای ویژگی های غیرخطی و تعداد پارامتر محدودتری است، پیش بینی های نسبتا دقیق تری ارائه کرده است.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
25 تا 46
لینک کوتاه:
magiran.com/p1818671
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!