پیش‌بینی رشد بخش کشاورزی ایران: رهیافت داده‌های ترکیبی با تواتر متفاوت (midas)

امروزه در موضوعات اقتصادی و بازرگانی، پیش‌بینی به‌عنوان یکی از مهم‌ترین شاخصه‌های علمی، روز به روز پیشرفت می‌کند و پیش‌بینی متغیرهای کلان اقتصادی برای برنامه‌ریزان و سیاست‌گذاران و واحدهای اقتصادی، از اهمیت ویژه‌ای برخوردار است. بخش کشاورزی، به‌عنوان بخش تولیدکننده محصولات راهبردی و تامین کننده مواد غذایی مورد نیاز جمعیت رو به رشد جامعه، تاثیر زیادی در بسیاری از تصمیم‌گیری‌های اقتصادی، اجتماعی و سیاسی دارد. با توجه به اهمیت بخش کشاورزی در اقتصاد کشور و نیز وجود عوامل تاثیرگذار متفاوت و غیرقابل کنترل، سعی می‌شود از روش‌هایی در پیش‌بینی استفاده شود که به‌واسطه‌ آنها، تخمین به واقعیت نزدیک و خطا بسیار کم باشد تا رشد اقتصادی این بخش را به‌درستی پیش‌بینی کرده و سیاست‌ها و برنامه‌های لازم برای بهبود جایگاه این بخش، طرح‌ریزی شود. در این مقاله، از الگوی داده‌های ترکیبی با تواتر متفاوت (midas) که اخیراً گسترش زیادی داشته، به پیش‌بینی رشد ارزش‌افزوده بخش کشاورزی پرداخته شده است. مقایسه پیش‌بینی‌های ارائه شده توسط الگوی برآورد شده برای رشد ارزش‌افزوده بخش کشاورزی با داده‌های واقعی، حاکی از قدرت پیش‌بینی دقیق الگو است. این الگو، نرخ رشد ارزش افزوده بخش کشاورزی را برای سالهای 1400-1396 به ترتیب، 215/3، 53/2، 92/2، 29/5 و 99/5 درصد پیش‌بینی کرده است.

Forecasting Iran's Agricultural Sector Growth: Using Mixed-frequency Data Sampling (MIDAS) Model

Today, forecasting of economic and commercial variables as an important scientific field is developing, and forecasting of macroeconomic variables is of special importance for planners, policy makers and economic enterprises. The agricultural sector, as a producer of strategic products and provider of food for the growing population, has a great influence on economic, social and political decisions. Considering the importance of the agricultural sector in Iran as well as the existence of different and uncontrollable influential factors, the researchers who focus on agricultural sector rsquo; growth, try to use methods of forecasting in order to get results close to reality, reduce the prediction errors, and design policies and plans to improve the place of this sector. In this paper, the mixed frequency datasampling model (MIDAS) has been used to predict the growth of agricultural sector rsquo; value added. Comparison of the model predictions with actual data indicates the predictive power of the model. This model has predicted the growth rate of agricultural sector #39;s value added over the period 20172021 by 3.215%, 2.53%, 2.92%, 5.29%, and 5.99%, respectively.