پیش گویی نرخ بیکاری ایران بر اساس مدل‌های طولی از دیدگاه بیزی

دشواری روزافزون گردآوری اطلاعات به روش‌های سنتی به دلیل پیچیدگی‌های امروزی جوامع آماری، نیاز به مطالعه برای دگرگونی یا بهنگام‌سازی روش‌های آمارگیری را ضروری کرده است. استفاده از دیگر منابع داده‌ها و مدل‌سازی، از روش‌هایی هستند که می‌توانند به‌عنوان جایگزین روش‌های آمارگیری به‌کار رفته یا به افزایش دقت برآورد‌ها و استنباط‌های ناشی از آمارگیری‌های سنتی یاری رسانند. منابع اطلاعاتی ناشی از داده‌های پیشین (مانند آمارگیری‌های گذشته یا داده‌های ثبت‌شده) همواره یکی از مهمترین منابع اطلاعاتی برای این منظور هستند. بنابراین در این مقاله برای اولین‌بار در ایران با به‌کارگیری روش‌های استنباط و مدل‌سازی بیزی، به پیشگویی نرخ بیکاری ایران می‌پردازیم. داده‌های مورد استفاده در این مقاله، داده‌های برگرفته شده از نتایج آمارگیری سال‌های 1384 الی 1395 مرکز آمار ایران است و با توجه به طولی بودن این داده‌ها از روش بیزی برای داده‌های طولی در پیش‌گویی استفاده شده است. استفاده از روش‌های بیزی در داده‌های آمار رسمی در ایران بی‌سابقه و در جهان کم‌سابقه است. بنابراین در این مقاله تلاش شده که کاربرد این روش‌ها برای تحلیل داده‌های مربوط به آمار رسمی، امکان‌سنجی شوند که با توجه به مهم بودن موضوع اشتغال و بیکاری در عرصه اجتماعی و اقتصادی کشور و تاثیر پذیرفتن بسیاری از تصمیم‌ها و سیاست‌های کشور از این مقوله، در این مقاله،‌ پیش‌گویی نرخ بیکاری، به‌عنوان اولین مطالعه عملی در دستور کار قرار گرفت. نتایج به دست آمده از محاسبات این مقاله، در مقایسه با مقادیر مشاهده شده از نتایج آمکارگیری مزبور از دقت قابل قبولی برخوردار هستند که امکان استفاده از مدل‌های پیش‌گویی بیزی را در دیگر آمارگیری‌ها به شدت مطرح می‌سازد. این‌کار موجب تحولی در تحلیل نتایج این‌گونه آمارگیری‌ها، کاهش هزینه و افزایش دقت و ابزار راست آزمایی نتایج خواهد بود.

prediction of unemployment rate of iran based on longitudinal model in bayesian paradigm

the increasing difficulty of collecting data in traditional ways, due to the complexity of today’s societies, necessitates the need to study to change or update statistical methods. using other data sources and model based techniques are some of the methods that can be used as alternatives to increase the accuracy of statistical estimates and inferences. information sources from previous data (such as past censuses or recorded data) are always one of the most important sources for this purpose. therefore, in this article for the first time in iran’s statistical system, we predict the unemployment rate by using bayesian inference and methods. unemployment rate, as one of the most important socio economic indicators of a country, has a great importance rule for micro and macroeconomic programing and policy making in national level../files/site1/files/%d8%b4%d8%a8%d8%a7%da%a9.pdf