ارزیابی و مقایسه عملکرد مدل رگرسیون خودبازگشتی میانگین متحرک انباشته فازی و شبکه عصبی فازی در پیش بینی رشد اقتصادی ایران

پیش بینی براساس مدل های چندمتغیری اقتصادسنجی با محدودیت هایی زیادی همراه است، بنابراین یک روش جایگزین استفاده از مدل های تک متغیری است. اما اکثر روش های تک متغیری برای حصول به نتیجه خوب نیاز به داده های زیادی دارند. روش های رگرسیون فازی به دلیل فازی در نظر گرفتن اعــداد، برای مدل سازی و پیش بینی معمولاً نیاز به داده های کمتری دارند. از این رو در این مطالعه کارایی روش رگرسیون خودبازگشتی میانگین متحرک انباشته فازی (farima) که ترکیبی از روش خودبازگشتی میانگین متحرک انباشته (arima) و رگرسیون فـازی است با روش های arima و شبــکه عصبی فازی (anfis) در پیش بینی رشد اقتصادی ایران مقایسه می شود. برای تخمین مدل از داده های دوره ی 1338 تا 1380 استفاده شده است. سپس کارایی این مدل ها در پیش بینی رشد اقتصادی ایران برای دروه 1381 تا 1388 با استفاده از معیارهای rmse، mae، mape و tic ارزیابی و مقایسه شده است. مقایسه این معیارها حاکی از این است که بهترین عملکرد متعلق به روش farima است. همچنین مدل anfis عملکرد بهتری نسبت به مدل arima دارد.