مقایسه عملکرد روش های رگرسیون آماری و فازی در تخمین تابع تقاضای بنزین (مطالعۀ موردی در ایران)

بنزین از کلیدی‌ترین فرآورده‌های انرژی در حمل‌ونقل مسافر در ایران به‌شمار می‌رود. مصرف روزافزون بنزین و نیاز به سیاستگذاری‌های صحیح در راستای مدیریت تقاضای بنزین، شناخت ساختار تقاضای فرآورده بنزین را به اولویت بسیاری از برنامه‌های تحقیقاتی در ایران بدل ساخته است. یکی از مهم‌ترین چالش‌های موجود در این میان، درنظرگرفتن نااطمینانی‌های ناشی از شکست‌های ساختاری اقتصادی، تغییر در سیاستگذاری‌ها، نبودن داده‌های دقیق و ابهام در روند آتی است. این تحقیق تلاش می‌کند با بهره‌گیری از الگوهای متنوع شبیه‌سازی، به شناختی بهتر از عوامل موثر بر تقاضای بنزین در ایران دست یابد. از این‌رو، با استفاده از رگرسیون‌های آماری و فازی، به تخمین تابع تقاضای بنزین در ایران در بازه زمانی 1360-1386 پرداختیم و متغیر‌های موثر بر تقاضای بنزین معرفی شدند. سپس مدل‌های دو روش با استفاده از معیار‌های استاندارد مقایسه شدند. نتایج تحقیق نشان می‌دهد علی‌رغم برتری نسبی روش رگرسیون آماری، دو روش آماری و فازی دارای دقت کافی و عملکرد مناسب در برآورد و پیش‌بینی تقاضای سرانه بنزین در ایران هستند. همچنین، از میان متغیرهای تخمین، تنها سه متغیر قیمت بنزین، متغیر سهم سرانه خوردو و متغیر روند دارای اثر معنادار بر متغیر وابسته مصرف سرانه بنزین است و متغیر درآمد سرانه اثر معناداری بر مصرف سرانه بنزین ندارد.

Relative performance of statistical and fuzzy regression models in estimation of gasoline demand in Iran

Gasoline is the most important energy product in the passenger transportation sector in Iran. Gasoline demand survey has a high priority in Iran because of its everincreasing consumption. The most important challenges for this purpose are uncertainties resulting from structural failure of economy, changing of policies and lack of accurate data. This research aims to specify the variables explaining the gasoline demand in Iran and to estimate gasoline demand by using the statistical and fuzzy regression models over the period 19812007. Finally, the models were compared using standard criteria. The results indicate that both methods have enough accuracy for estimating and forecasting gasoline demand. In addition, there is a significant relationship between gasoline price, car per capita and trend as explanatory variables of gasoline demand per capita.