بررسی اثر نوسانات قیمت نفت بر متغیرهای بخش کشاورزی به وسیله مدل arimax و شبکه عصبی طی دوره 1373-1393

ﻧﻔﺖ ﯾﮑﯽ از ﻣﻬﻢﺗﺮﯾﻦ ﻣﻨﺎﺑﻊ درآﻣﺪی ﺑﺮای ﮐﺸﻮرﻫﺎی ﺻﺎدرﮐﻨﻨﺪه ﻧﻔﺖ و ﻫﻢﭼﻨﯿﻦ، ﻣﺎده ﺧﺎم اﺻﻠﯽ در ﻓﺮاﯾﻨﺪ ﺗﻮﻟﯿﺪ اﺳﺖ. ﻧﻮﺳﺎنﻫﺎی ﻗﯿﻤﺘﯽ ﻧﻔﺖ ﻣﯽﺗﻮاﻧﺪ ﻣﻮﺟﺐ ﺑﯽﺛﺒﺎﺗﯽ در ﺑﺨﺶﻫﺎی ﮐﺸﺎورزی و ﺻﻨﻌﺖ در ﮐﺸﻮر اﯾﺮان ﮐﻪ ﺟﺰء ﮐﺸﻮرﻫﺎی ﺻﺎدرﮐﻨﻨﺪه ﻧﻔﺖ اﺳﺖ. بر اساس پدیده‌ی بیماری هلندی پیش‌بینی می‌شود، درنتیجه‌ی افزایش درآمدهای نفتی آثار و پیامدهای آن در تمام بخش‌های اقتصادی ازجمله بخش سنتی منعکس گردد. هدف این پژوهش بررسی اثر نوسانات قیمت نفت بر متغیرهای بخش کشاورزی می‌باشد. داده‌های مورد استفاده جهت بررسی تولید، صادرات، قیمت دو محصول پسته و خرما طی دوره‌ی 1373-1393 به‌صورت سالانه می‌باشد. داده‌های مربوط به متغیرهای بخش کشاورزی از طریق سایت جهاد کشاورزی و مرکز آمار ایران و سایت بانک مرکزی گردآوری‌ شده است. بر اساس نتایج دو مدل arimax و شبکه‌ی عصبی مشاهده می‌شود، ترتیب شدت اثرگذاری نوسانات قیمت نفت بر هر یک از متغیرها در هر دو مدل یکسان می‌باشد. اما، در مدل شبکه عصبی جهت تاثیرگذاری نوسانات قیمت نفت بر متغیرها با دقت بالاتری صورت گرفته به صورتی که رابطه‌ی معکوس بین قیمت نفت با دو متغیر تولید و صادرات، که عامل رخ دادن پدیده‌ی بیماری هلندی می‌باشد، به‌وضوح نشان داده شده است. از همین رو مدل شبکه‌ی عصبی نسبت به مدل arimax از دقت بالاتری برخوردار می‌باشد.

A Surveyon The effect of oil price volatility in Agricultural sector by Arimax and Neural network Methods during 19942014

Based on Dutch disease, it is predicted that due to increased oil incomes, its consequences may be reflected in all other economic sectors including traditional sector. The aim of this study is to examine the impact of oil price fluctuations on some variables in agricultural sector. Data used for the study include production, exports, and pistachio and dates prices during years 19942014. data concerning agricultural sector was collected from website of agricultural –jihad ministry and Iran’s statistical centre as well as Central Bank site during years 19942014. As results of two ARIMAX and neural network models showed that, the order of impact intensity of oil price fluctuations is the same on each variable in both models. But in neural network, the direction of impact of oil price fluctuations on variables has taken place more precisely so that a reverse relationship between oil price and two variables of production and exports which have led to Dutch disease phenomenon is clearly shown. Therefore, the neural network model is more accurate than the Arimax model.