چکیده:
در اکثر مطالعات تجربی انجام شده با استفاده از سیستم معادلات تقاضای تقریبا ایده آل، کشش های قیمتی و درآمدی حاصل از برآورد این معادلات به توصیه های سیاستی حساسی در حوزه اقتصاد خرد و کلان منجر شده است. این درحالی است که برآورد خطی سیستم یاد شده مورد شک و تردید می باشد. دراین مقاله به بررسی عملکرد سیستم معادلات تقاضای تقریبا ایده آل خطی و غیرخطی پرداخته شده است. به این منظور با استفاده از تکنیک رگرسیون های به ظاهر نامرتبط برای تخمین مدل به روش خطی و از شبکه عصبی پیشخور چند لایه برای تخمین مدل غیرخطی بهره گرفته شده است. نتایج حاصل از برآورد مدل ها مبین این واقعیت می باشند که مدل شبکه عصبی پیشخور دارای خطای کم تر و در نتیجه از عملکرد بالاتری در برآورد سیستم معادلات تقاضا برخوردار می باشد. نتایج مبین وجود تردیدهایی برای کاربرد شاخص قیمت استون جهت خطی کردن برآورد سیستم تقاضای تقریبا ایده آل می باشد. بنابراین برای برآورد معادلات سیستمی، استفاده از مدل غیرخطی تقریبا ایده آل با استفاده از شبکه عصبی مصنوعی توصیه می شود
In most of empirical studies based on almost ideal demand system (Aids)، the elasticity of the price and income estimated by these equations resulted to some sensitive policy making recommendations in microeconomics and macroeconomics. It is in such a case that there is some doubt about reliability of linear estimation of such models. In this study، the performance of linear and non-linear almost ideal demand system is under the investigation. For this purpose، seemingly unrelated regression (SURE) method will be applied to estimate linear model and multilayered feed forward neural network (MFNN) is used to estimate a non-linear one. The results indicate that multilayered feed forward neural network is associated with less error than the linear model، and consequently، leads to a better estimation of almost ideal demand system. This result creates some hesitate on application of Stone price index for linear zing estimation of almost ideal demand system. Therefore، it is suggested that feed forward neural network will be applied to estimate almost ideal demand systems.
خلاصه ماشینی:
مقايسه عملکرد مدلهاي خطي وغيرخطي در توضيح سيستم تقاضاي تقريبا ايدهآل محمد رضايي پور∗، مهدي ذوالفقاري **، مجتبي يوسفي ديندارلو+، ابوالفضل نجارزاده تاريخ دريافت : ٩٢/٠٢/٠٣ تاريخ پذيرش: ٩٢/٠٦/٢٠ چکيده در اکثر مطالعات تجربي انجام شده با استفاده از سيستم معادلات تقاضاي تقريبا ايدهآل، کشش هاي قيمتي و درآمدي حاصل از برآورد اين معادلات به توصيه هاي سياستي حساسي در حوزه اقتصاد خرد و کلان منجر شده است .
به اين منظور با استفاده از تکنيک رگرسيونهاي به ظاهر نامرتبط براي تخمين مدل به روش خطي و از شبکه عصبي پيشخور چند لايه براي تخمين مدل غيرخطي بهره گرفته شده است .
يکي از مدلهاي غيرخطي که توانايي بالقوه خوبي براي مدلسازي و پيش بيني متغيرهاي اقتصادي از خود نشان داده است ، شبکه هاي عصبي مصنوعي ٣ مي باشد.
بنابراين اهميت بررسي ميزان کارايي روشهاي خطي و غيرخطي در تحليل رفتار عقلايي مصرف کنندگان (بر آورد معادلات تقاضا)، در مقاله ي حاضر براساس اهميت کالاها و خدمات مختلف در سبد مصرفي خانوارهاي شهري ايران ٨ گروه کالايي انتخاب شده است ٤ و ضمن برآورد سيستم معادلات تقاضاي تقريبا ايدهآل اين کالاها به روش خطي از مدلهاي شبکه عصبي نيز براي برآورد اين معادلات در فضاي غيرخطي استفاده شده است .
با توجه به نتايج جدول(٣) هر دو معيارRMSE و MAPE براي شش گروه کالايي خوراکي ها، مسکن لوازم و اثاثه منزل، حمل ونقل ، بهداشت و تفريح و سرگرمي نشاندهنده برتري نتايج برآورد غيرخطي مدل AIDS با استفاده از شبکه عصبي پيشخور نسبت به روش خطي برآورد مدل AIDS مي باشد.