مقايسه مدل تصحيح خطا و رگرسيون فازي براي پيش بيني توليد ناخالص ملي در ايران

A Comparison of Error Correction Model with Fuzzy Regression in Forecasting Gross Domestic Product (GDP) in Iran

يكي از مهم­ترين ابزارهاي آماري در برنامه­ ريزي و سياستگذاري­ هاي اقتصادي، داده­ هاي حساب­ هاي ملي است. از اين رو، پيش­بيني متغيرهاي عمده اقتصادي از اهميت خاصي برخوردار و در اين ميان، رشد اقتصادي از مهم­ترين متغيرهاي اقتصادي بوده كه پيش­بيني آن، از اولويت بالايي برخوردار است. هدف اصلي اين مطالعه، شناسايي روش مناسب براي پيش­بيني رشد اقتصادي ايران مي­ باشد. در اين پژوهش، مدل رگرسيون فازي كه در ادبيات اقتصادي، كمتر مورد توجه قرار گرفته، معرفي و قابليت آن در پيش­بيني رشد اقتصادي ايران با مدل تصحيح خطا (ECM) مقايسه شده است. بدين منظور با استفاده از داده ­هاي دوره 1338 تا 1380 توليد ناخالص داخلي ايران از طريق دو مدل ECM و رگرسيون فازي مدل­سازي و سپس، رشد توليد ناخالص داخلي ايران براي دوره 1381 تا 1391 پيش­بيني شده است. در پايان، عملكرد اين مدل­ ها با استفاده از معيارهاي متداول ارزيابي مدل ­هاي پيش­بيني از جمله MAE، RMSE، MAPE و TIC بررسي شده است. نتايج نشان مي­ دهد كه رگرسيون فازي، عملكرد به مراتب بهتري از مدل ECM در پيش­بيني رشد توليد ناخالص داخلي ايران ارائه مي­ دهد. همچنين دقت پيش­بيني مدل رگرسيون فازي نسبت به مدل ECM از نظر آماري، تفاوت معني­ داري دارد.

National accounts data are of the most important statistical tools in planning and making economic policy. Therefore, forecasting the main economic variables in the economy is of great importance. Economic growth is one of the key macroeconomic variables, which gets top priority in forecasting. The purpose of this study is to identify the appropriate methodology for forecasting economic growth in Iran. This study introduces fuzzy regression model and its’ ability to forecast economic growth of Iran in comparison with Error Correction Model (ECM). To do this, the Iran’s GDP is modeled through ECM and Fuzzy regression models using annual data form 1959 to 2001. Then, Iran’s GDP growth is predicted for 2002-2012. Finally, the performances of these models are compared using common criteria for evaluating forecast accuracy including mean absolute error (MAE), root mean square Error (RMSE), mean absolute percentage error (MAPE) and Theil’s inequality coefficient (TIC). The results indicate that the performance of fuzzy regression is far better than that of ECM in predicting GDP growth in Iran. Moreover, forecast accuracy of fuzzy regression model is of statistically significant difference in comparison with ECM model.