a comparison of genetic algorithm and auto regressive distributed lag model in determination of total factors productivity growth in the agricultural sector of iran

Due to the important role productivity plays in future decision making and programming, the productivity indexes should have accurate quantities. in this study, autoregressive distributed lag (ardl) and genetic algorithm (ga) methods are applied to time series of 19782008 to accurately measure total factor productivity (tfp) in the agricultural sector of iran. the comparison of these two methods shows that ga method is more efficient than ardl model. also, the growth of tfp in the agricultural sector of iran has had high fluctuations and annual average of productivity growth in this sector has been 0.16 during the period of the study. therefore, it is necessary to emphasize the optimum use of available inputs, their appropriate combinations and increasing productivity in the agricultural sector of iran.

مقایسه الگوریتم ژنتیک و روش خود توضیح با وقفه‏های گسترده در

چکیده امروزه دستیابی به رشد اقتصادی از راه ارتقای بهره‏وری، از مهم‏ترین هدف‏های اقتصادی کشورها بشمار می‏آید با توجه به نقش مهم بهره‏وری در تصمیم‏گیری‏ها و برنامه‏ریزی‏های آینده، باید مقادیر دقیقی از این شاخص در اختیار داشت. در این مطالعه به منظور اندازه‏گیری دقیق بهره‏وری کل عوامل تولید در بخش کشاورزی، از  دو روش ARDL و الگوریتم ژنتیک طی دوره زمانی 861356 استفاده شده است. نتایج مقایسه‏ی این دو روش حاکیازآناستکه روش الگوریتم ژنتیک نسبت به روش ARDL از کارایی بسیار بالایی برخوردار است. همچنین نتایج حاصل از اندازه‏گیری بهره‏وری کل عوامل تولید ، نشان دهنده صعودی بودن روند آن تا سال1370 و از آن بعد روند نزولی ملایمی داشته است. همچنین رشد بهره‏وری کل عوامل تولید در بخش کشاورزی ایران طی دوره مورد بررسی نوسانات زیادی داشته است و میانگین سالانه رشد بهره‏وری در این بخش طی دوره مورد بررسی 16/0 می‏باشد. پس لازم است بر استفاده بهینه‏تر از نهاده‏های موجود و ترکیب مناسبتر آنها و افزایش بهره‏وری در بخش کشاورزی تأکید داشت.