عملکرد مدلهای مختلف خود رگرسیون برداری بیزی جهت پیش بینی متغیرهای کلان اقتصادی ایران: کاربرد روش نمونهگیری گیبس | ||
| پژوهشهای اقتصادی ایران | ||
| مقاله 3، دوره 20، شماره 62، 1394، صفحه 57-79 اصل مقاله (7.48 M) | ||
| شناسه دیجیتال (DOI): 10.22054/ijer.2015.2489 | ||
| نویسندگان | ||
| حسن حیدری1؛ پریسا جوهری سلماسی* 2 | ||
| 1دانشیار اقتصاد دانشگاه ارومیه | ||
| 2دانشجوی دکتری اقتصاد دانشگاه ارومیه | ||
| چکیده | ||
| داشتن تورمی پایین و رشد اقتصادی پایدار، هدف نخست سیاستگذاران اقتصادی است که برای رسیدن به این هدف طلایی، پیش بینی قابل اطمینان از متغیرهای کلان اقتصادی نقش مهمی ایفا می کند. در این مطالعه سعی شده است تا عملکرد مدل های خودرگرسیون برداری بیزی با اطلاعات (Priors) متفاوت برای پیش بینی متغیرهای کلان در اقتصاد ایران ارزیابی شود. ویژگی منحصر به فرد این مقاله استفاده از الگوریتم گیبس برای تخمین مدل BVAR و مقایسه آن با دو مدل BVAR شبه بیزی است که در آنها از اطلاعات نرمال ویشارد ( (Normal Wishardومینستا Minnesota )) استفاده شده است، جهت ارزیابی دقت پیش بینی متغیرهای کلان اقتصادی است. در این مطالعه مقایسه دو مدل BVAR شبه بیزی فوق و BVAR با الگوریتم گیبس با توزیع پیشین یکسان مینستا نشان میدهد که مقدار MSFE در پیش بینی متغیر های اقتصادی برای 4 دوره در مدل BVAR با الگوریتم گیبس کمتر بوده و این مدل در کل عملکرد بهتری در پیش بینی متغیرهای کلان اقتصادی فوق نسبت به مدلهای شبه بیزی دارد. | ||
| کلیدواژهها | ||
| BVAR؛ الگوریتم گیبس؛ پیش بینی؛ توزیع پیشین نرمال ویشارد؛ توزیع پیشین مینستا؛ ایران | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 3,570 تعداد دریافت فایل اصل مقاله: 2,660 |
||