عنوان پایان‌نامه
ارزیابی پیش بینی رشد تولید ناخالص داخلی از طریق شاخص های پیشرو
- رشته تحصیلی
- علوم اقتصادی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده اقتصاد شماره ثبت: 1124;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 40067
- تاریخ دفاع
- ۱۳ مهر ۱۳۸۷
- دانشجو
- رضا محمدی
- استاد راهنما
- علی طیب نیا
- چکیده
- بررسی رفتار تولید ناخالص داخلی و برخی متغیرهای کلان و بخشی نشان می دهد که الگوی تغییرات تولید ناخالص داخلی با الگوی تغییرات آن متغیرها هماهنگی دارد که این هماهنگی با تقدم و تأخر زمانی انعکاس می یابد. تقدم زمانی مذکور در متغیرهای مربوطه زمینه پیش بینی تحولات تولید ناخالص داخلی را فراهم می کند. این متغیرها به شاخص های پیشرو معروف می باشند. این تحقیق به دنبال مقایسه توانایی شاخص های پیشرو مختلف در پیش بینی رشد کوتاه مدت تولید ناخالص داخلی از طریق دو روش مدل تک نماگر از شاخص های پیشرو و روش انتخاب خودکار مدل می باشد. بدین منظور 18 شاخص پیشرو طی پنج دوره زمانی(چهار دوره پیش بینی گذشته نگر و یک دوره پیش بینی آینده نگر) در روش های مذکور مورد بررسی قرار گرفته است. لازم به ذکر است ضمن مقایسه دو روش فوق پیش بینی های حاصله با نتایج الگوی خود رگرسیونی میانگین متحرک یک متغیره نیز مقایسه گردیده است. نتایج حاکی از برتری نسبی روش مدل تک نماگر از شاخص های پیشرو می باشد. اما نمی توان برای پیش بینی های لزوماً بهتر از الگوی خود رگرسیونی میانگین متحرک یک متغیره به هیچ یک از این روش ها اعتماد کرد. همچنین بهترین شاخص پیشرو در دوره های مختلف متفاوت می باشد. ملاک مقایسه پیش بینی های انجام شده آماره ریشه میانگین مجذور خطاها می باشد.
- Abstract
- The review of Gross Domestic Production behavior and some local and macro variables shows that GDP variation sample is coordinated with variation sample of these variables. This coordination reflexes itself by lead or lag. The mentioned priority in related variables is provided the basis of forecasting GDP. These variables are known as leading indicators. The objective of this research is to compare the ability of different leading indicators in forecasting short run GDP growth through two methods of single indicator model procedure based on leading indicators and automated model selection procedure. In this regard eighteen leading indicators in five periods (four terms ex-post and one term ex-ante forecasting) are reviewed in the mentioned methods. It should be mentioned that during comparison of these two methods the expected outcome compared with result of univariate ARMA. The results show the relative preference of single indicator model from automated model selection. Also the best leading indicators during different period is changing. The criterion per comparison is the RMSE criteria.
