>
Fa   |   Ar   |   En
   عملکرد شبکه عصبی Gmdh در پیش بینی عوامل موثر بر جذب سرمایه گذاری مستقیم خارجی کشور ایران  
   
نویسنده کیان پور سعید ,عظیمی سپیده
منبع سياست نامه علم و فناوري - 1396 - دوره : 7 - شماره : 3 - صفحه:61 -73
چکیده    سرمایه گذاری مستقیم خارجی (fdi) یکی از عوامل مهم رشد و توسعۀ اقتصادی کشورهای میزبان به شمار می رود و طی دهه های اخیر روند فزاینده ای نیز داشته است. شناخت عوامل موثر در جذب fdi در سیاستگذاری کشورهایی که نتوانسته اند از این عامل به خوبی استفاده کنند مفید است. تحلیل بیان شده در چارچوب الگوی «شبکۀ عصبی چند جمله ای» ارائه شده است تا پیش بینی مدل با حداقل خطا نمایش داده شود. همچنین در مدل برآوردشده، موثرترین متغیرها از راه آنالیز حساسیت الگوریتم ژنتیک به دست آمد. نتایج حاصل از برآورد الگو مبین آن است که اثر درجۀ باز بودن، نرخ بازگشت سرمایه، رشد اقتصادی، سرمایۀ انسانی، نقدینگی، مخارج تحقیق و توسعه، زیرساخت ها و فساد از عوامل موثر در جذب سرمایه گذاری مستقیم خارجی است.
کلیدواژه سرمایه گذاری مستقیم خارجی (Fdi)، عوامل مکانی، شبکۀ عصبی، مدل Gmdh
آدرس دانشگاه پیام نور, گروه اقتصاد, ایران, دانشگاه پیام نور, گروه آمار, ایران
 
   The Performance of GMDH Neural Network to Predict Determinants of Foreign Direct Investment in Iran  
   
Authors kian poor saeed ,azimi sepideh
Abstract    FDI is counted one of important factor of growth and economic development in host countries that has had increasing process recently. Determinants recognition of FDI can be useful for developing countries. This paper considers determinants of FDI in Iran during 19802015.Mentioned analysis has estimated with GMDH neural network pattern for minimum mean square estimator. In addition, most variable was estimated through sensitivity analysis. The results indicate that degree of openness, rate of capital return, economic growth, human capital, broad money, R D, instructions and corruption are determinants of foreign direct investment.
Keywords
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved