مقاله علمی و پژوهشی " تحولات فصلی و پیش‌بینی سالانه صادرات غیرنفتی: رهیافت رگرسیونی داده‌های ترکیبی با تواتر متفاوت" مقاله ای است در 22 صفحه و با 16 فهرست منبع که در مجلات معتبر علمی و پژوهشی با رویکرد اقتصاد و الگو سازی منتشر شده است

در این مقاله علمی و پژوهشی به مباحث  الگوی داده‌های ترکیبی با تواتر متفاوت؛ پیش بینی؛ صادرات غیرنفتیپرداخته شده است

چکیده مقاله

هدف مقاله طراحی و برآورد الگوئی از صادرات غیرنفتی کشور است که به کمک آن بتوان به محض آن‌که اطلاعات جدیدی در مورد متغیرهای تاثیرگذار بر صادرات غیرنفتی در دسترس قرار گرفت، درمقادیر پیش‌بینی شده سالانه صادرات غیر نفتی تجدیدنظر کرد. این مهم امکان پذیر نخواهد بود مگر آن که الگوئی تصریح شود که صادرات غیرنفتی سالانه را تابعی از متغیرهای توضیح دهنده فصلی قرار دهد. این مقاله با بهره‌گیری از روش میداس، صادرات غیرنفتی سالانه را تابعی از متغیرهای تولید ناخالص داخلی واقعی، نرخ ارز حقیقی و نوسان‌های آن با تواتر فصلی، قرار داده است. این الگو علاوه بر پیش‌بینی‌های دقیق‌تر نسبت به الگوهای سنتی قبلی، از این مزیت برخوردار است که وقتی اطلاعات جدیدی در دسترس قرار می‌گیرد، بتوان کمیت پیش بینی شده قبلی را مورد تجدید نظر قرار داد. الگوی تصریح شده بر اساس داده‌های سال 1392-1367، مقدار واقعی صادرات غیرنفتی را برای سال 1393 که معادل 23864 میلیون دلار است، در خارج از محدوده‌ی الگوسازی، تنها با حدود 2 درصد خطا پیش‌بینی می‌کند که بسیار نزدیک به واقعیت تلقی می‌شود.

عنوان مقاله [English]

Seasonal Variations and Prediction of Annual Non-Oil Export: A Mixed Data Sampling Approach

چکیده [English]

The aim of this paper is to specify and estimate such a model for non-oil export that allows to revise the previous predicted volume of annual non-oil export, as soon as new seasonal data for the explanatory variables are released.  This cannot be achieved unless a model is constructed in such a way that annual non-oil export is set as a function of some seasonal explanatory variables. By utilizing a very recent method of regression specification, namely MIDAS regression, this article sets annual non-oil export as a function of seasonal real GDP, seasonal real exchange rate and seasonal real exchange rate fluctuations. To provide more accurate predictions, as compared to traditional methods, this regression model is capable of providing a revised prediction as soon as new information concerning explanatory variables are released. The specified regression model, which is estimated by using time series data within the period 1989 – 2014, predicts the real amount of annual non-oil export for 2015 with a small error of almost 2%. So, this prediction is considered to be very close to the reality.

کلیدواژه‌ها [English]

Mixed Frequency Data Sampling (MIDAS), prediction, Non-oil Export

دانشجویان دوره دکترا و کارشناسی ارشد می تواند از محتوای این مقاله برای رساله دکترا و پایان نامه کارشناسی ارشد بهره ببرند .