پژوهش ها و چشم اندازهای اقتصادی

پژوهش ها و چشم اندازهای اقتصادی

شبیه سازی تابع مصرف و پیش‌بینی میزان مصرف ایران تا افق 1404 با استفاده از الگوریتم ژنتیک و الگوریتم بهینه سازی انبوه ذرات (PSO)

نویسندگان
1 عضو هیئت علمی دانشگاه شهید باهنر کرمان (رئیس دانشکده مدیریت و اقتصاد)
2 دانشجوی کارشناسی ارشد دانشگاه شهید باهنر کرمان
3 دانشجوی دکتری دانشگاه تربیت مدرس تهران
چکیده
مصرف یا مخارج مصرفی، یکی از عناصر کلیدی تحلیل­های کلان اقتصادی است که بخش مهمی از تقاضای کل در اقتصاد ایران را به خود اختصاص می­دهد. لذا تلاش در جهت پیش­بینی روند آتی این متغیر از اهمیت ویژه­ای برای سیاستگذاران برخوردار است. در این مقاله با تکیه بر مبانی نظری مربوط به تابع مصرف، به تصریح مدل مصرف مناسب برای اقتصاد ایران با هدف دستیابی به پیش­بینی مطلوب پرداخته می­شود. لذا با هدف پیش بینی روند آتی مصرف بخش خصوصی در اقتصاد ایران تا سال 1404، با استفاده از مبانی نظری در زمینه توابع مصرف و به کارگیری آنها با دو ابزار الگوریتم ژنتیک و الگوریتم بهینه سازی انبوه ذرات، به شبیه سازی تابع مصرف خصوصی ایران طی سالهای 1388-1352 با تکیه بر نظریه مصرف فریدمن و نظریه مصرف دوزنبری پرداخته و سپس با استفاده از معیارهای انتخاب مدل رقیب، الگوریتم و مدل برتر انتخاب و اقدام به پیش بینی میزان مصرف تا سال 1404 شده است. کارآیی و دقت بیشتر الگوریتم (PSO) و سازگاری رفتار مصرفی در ایران با فروض مصرف دوزنبری و فرم نمایی تابع مصرف شبیه­سازی شده و نیز پیش­بینی افزایش میل متوسط به مصرف تا سال 1404 و در نتیجه، کاهش میل متوسط به پس انداز در این دوره از نتایج این مقاله اند.
کلیدواژه‌ها

عنوان مقاله English

Simulating Consumption Function and Forecasting Iran’s Consumption until 1404 Horizon Using Genetic and Particle Swarm Optimization Algorithm

نویسندگان English

Seyed Abdolmajid Jalaee 1
Amin Ghassemi 2
Omid Sattari 3
1 Professor, Faculty of Management and Economics, Shahid Bahonar University of Kerman,
2 MA Student of Economics, Shahid Bahonar University of Kerman
3 Phd student Tarbiat Modares University
چکیده English

The consumption expenditure is a key element of macroeconomic analyses, which accounts for considerable share of aggregate demand in Iran. Any effort for forecasting the future consumption trend is of special importance for policy-makers. In this paper, we specify a consumption model relying on theoretical basics in order to obtain desirable forecasts. On the basis of Duesenberry and Friedman consumption theories, we use genetic algorithm (GA) and particle swarm optimization (PSO) algorithm to simulate Iranians consumption during 1973-2009. Then we select the superior model in terms of prediction power criteria and forecast consumption until 2025. According to the results, the PSO algorithm is efficient and accurate in forecasting consumption; and consumption behavior of Iranians is consistent with Duesenberry theory. In addition, the simulations by exponential consumption model indicate increasing average propensity to consume until 2025.

کلیدواژه‌ها English

genetic algorithm
Particle swarm optimization algorithm
simulation
Consumption Model
Permanent Income
Relative Income
امامی میبدی، علی؛ خضری، محسن و اعظمی، آرش (1388) شبیه سازی تابع تقاضای انرژی در ایران با استفاده از الگوریتم بهینه سازی انبوه ذرات (PSO)؛ مطالعات‌ اقتصاد انرژی،‌ بهار  6(20): 159-141.
بخشی دستجردی، رسول و خاکی نجف­آبادی، ناهید (1390) بررسی تأثیر جمعیت بر رشد اقتصادی در چارچوب الگوی رشد بهینه در اقتصاد ایران (1386-1350): کاربردی از الگوریتم ژنتیک؛ تحقیقات اقتصادی، بهار 46(94): 22-1.
جعفری صمیمی، احمد و امین خاکی، علیرضا (1386) برآورد تابع مصرف در شرایط عدم اطمینان در ایران (1384-1338)؛ نامه مفید، تیر 13 (60): 146-133.
خشادوریان، ادموند و خیابانی، ناصر (1379) یک مدل کلان سنجی هسته – قمر برای ارزیابی سیاستهای اقتصادی در ایران؛ پژوهش و سیاست­های اقتصادی، شماره 14 ص 5 تا 100.
سازمان مدیریت و برنامه­ریزی کشور (1378) الگوی اقتصادسنجی برنامه سوم توسعه؛ مستندات جلد پنجم.
صادقی، حسین؛ ذوالفقاری، مهدی و حیدری­زاده، محمد (1388) تخمین تابع تقاضای بنزین در بخش­حمل­و­نقل با استفاده از الگوریتم­ژنتیک؛ مطالعات‌ اقتصاد انرژی، تابستان 6 (21): 27-1.
عزیزی، فیروزه (1388) اثر تغییر ثروت در بازار سهام بر هزینه­های مصرفی بخش خصوصی (مطالعه موردی: ایران 1386-1370)؛ پژوهشنامه علوم اقتصادی، نیمه دوم 1388، 9(2 (پیاپی 35)): 82-61.
عصاری، محمدرضا؛ عصاره، احسان اله؛ بهرنگ، محمدعلی و قنبرزاده، افشین (1389) کاربردی از ترکیب الگوریتم ژنتیک و شبکه­های عصبی مصنوعی برای بر آورد مصرف گاز طبیعی در ایران؛ تبدیل انرژی، تابستان، 1(1): 31-25.
قنبری، علی؛ خضری، محسن و اعظمی، آرش (1387) شبیه­سازی تابع تقاضای بنزین و نفت گاز در حمل و نقل زمینی ایران، با استفاده از روش الگوریتم ژنتیک؛ فصلنامه اقتصاد مقداری (فصلنامه بررسیهای اقتصادی)، زمستان، 54 (پیاپی 19)): 177-157.
میرمعزی، سیدحسین (1384) الگوی مصرف کلان در جامعه اسلامی؛ اقتصاد اسلامی، تابستان، 5(18).
منجذب، محمدرضا (1376) انتخاب مدل بهینه مصرف در ایران با اتکا به روشهای اقتصاد سنجی؛ مجله برنامه و بودجه، 8: 23-7.
نوفرستی، محمد و مدنی تنکابنی، سیدصهیب (1385) اثر تغییر ساختار سنی جمعیت بر هزینه­های مصرفی بخش خصوصی: (تحلیلی به روش همجمعی)؛ پیک نور- علوم انسانی، تابستان، 4(2 (ویژه اقتصاد 2)): 116-106.
ولدخانی، عباس (1376) برآورد و تحلیل تابع مصرف بخش خصوصی در اقتصاد ایران (1374-1338) با استفاده از روش همگرایی؛ مجله برنامه و بودجه ،16و17: 14-3.
Ahumada, H. & Garegnani M. L. (2004) An estimation of deep parameters describing Argentine consumer behaviour; Applied Economics Letters, 11(11): 719-723.
Assareh,E.; Behrang,M. A.; Assari, M. R.and A. Ghanbarzade(2010)Application of PSO (particle swarm optimization) and GA (genetic algorithm) techniques on demand estimation of oil in Iran; Energy, Vol. 35, Issue 12, December: 5223-29.
Baxter, J. L. & Moosa, I. A. (1996) The consumption function: A basic needs hypothesis; Journal of Economic Behavior & Organization, Vol. 31, Issue 1, October: 85-100
Campos, J. & Ericsson, R. (2000) Consumer data mining: Modeling of consumers’ expenditure in Venezuela. Board of governors of Federal Reserve System; International Finance Discussion Papers, 663.
Dam, N.; Hansen, H. & Olsen, T. (2004) Models of private consumption in Denmark; National konomisk Tidsskrift, 142: 153-178
Engle, R. F.; Granger, C. W. J.; Hylleberg, S. & Lee, H. S. (1993) The Japanese consumption function; Journal of Econometrics, Vol. 55, Issues 1–2, January–February: 275-298.
Herwartz, H. (1997) Performance of periodic error correction models in forecasting consumption data; International Journal of Forecasting, Vol. 13, Issue 3, September: 421-431.
Heymann, D. & Sanguinetti, P. (1998) Business cycles from misperceived trends; Journal of Economic Notes, 26(2): 297-329.
Ogawa, K. & Wan, J. (2007) Household debt and consumption: A quantitative analysis based on household micro data for Japan; Journal of Housing Economics, Vol. 16, Issue 2, June: 127-142.
Padula, M. (2010) An approximate consumption function; Journal of Economic Dynamics and Control, Vol. 34, Issue 3, March: 404-416.
Pei, S.; Tang S.; Zhang, X.; Liu, Z. & Zheng, Z. (2012) Effects of consumption strategy on wealth distribution on scale-free networks; Physica A: Statistical Mechanics and its Applications, Vol. 391, Issue 5, 1 March: 2023-31.