تدوین الگوی پیش‌بینی قیمت فصلی انواع گوشت در ایران: کاربرد مدل خودتوضیحی دوره‌ای (PAR)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار گروه اقتصاد کشاورزی دانشکدة کشاورزی، دانشگاه تبریز

2 دانشجوی دکتری گروه اقتصاد کشاورزی دانشکدة کشاورزی، دانشگاه تبریز

چکیده

گوشت همواره جزء کالاهای مهم و ضروری برای خانوارهای ایرانی است، به‌طوری‌که در اغلب سال‌ها، در بین اقلام خوراکی و آشامیدنی، بیشترین سهم از کل هزینة خانوار متعلق به هزینة انواع گوشت است. هدف مطالعة حاضر، الگوسازی و پیش‌بینی قیمت سه‌ماهانة انواع گوشت در کشور است. برای این‌منظور، داده‌های فصلی قیمت‌های گوشت مرغ، گاو و گوسفند برای سال‌های 1377 تا 1390 استفاده شد. در این زمینه، ابتدا آزمون HEGY برای بررسی ریشة واحد فصلی به‌کار گرفته شد و سپس از آزمون ریشة واحد دوره‌ای فرانسس و پاپ و آزمون رفتار دوره‌ای بسویچ و فرانسس استفاده شد. نتایج نشان می‌دهد الگوی خودتوضیحی دوره‌ای از مرتبة یک [PAR(1)] برای الگوسازی و پیش‌بینی قیمت گوشت مرغ بسیار مناسب است که این امر امکان به‌دست‌آوردن پیش‌بینی‌های صحیح را فراهم می‌کند. همچنین، نتایج آزمون ریشة واحد فصلی بیانگر آن است که قیمت گوشت گاو و گوسفند در کشور، از الگوی خودتوضیح میانگین متحرک تبعیت می‌کند و براین‌اساس، به‌کارگیری الگوی ARIMA برای تدوین الگوی پیش‌بینی قیمت این دو کالا مناسب است.

کلیدواژه‌ها


Brendstrup, B., Hylleberg, S., Nielsen M. O., Skipper, L., & Stentoft, L. (2004). Seasonality in economic models. Macroeconomic Dynamics, 8: 362–394.
Castro, B., & Osborn, R. (2005). Testing for Seasonal Unit Roots in Periodic Integrated Autoregressive Processes. Economic Studies, School of Social Sciences, University of Manchester.
Chu, L. F. (2008). A fractionally integrated autoregressive moving average approach to forecasting tourism demand. Tourism Management, 29 (1): 79-88.
Clements, M.P., & Hendry, D.F. (2004). A companion to economic forecasting. Blackwell Publishing, ltd
Darne, O., & Diebolt, C. (2002). A note on seasonal unit root tests. Quality and Quantity. Kluwer Academic Publishers, 36: 305–310.
Ebrahimi, S., Shajari, Sh. & Zareh. (2012). Forecasting chicken price changes using time series models and neural network in Fars province, 8th Conference biennial of IAES papers. (In Farsi).
Enders, W. (2004). Applied economics time series. Second edition, John Wiley and Sons, Inc.
Food Outlook. (2013). BIANNUAL REPORT ON GLOBAL FOOD MARKETS, from http://www.fao.org/docrep/018/al999e/al999e.pdf.
Franses, P. H. (1991). Seasonality, non-stationary and the forecasting of monthly time series. International Journal of Forecasting, 7:199-208.
Franses, P. H., & Paap, R. (2004). Periodic Time Series Models. Published in the United States by Oxford University Press Inc., New York.
Ghahremanzadeh, M. (2011). Forecasting monthly price of one day chicken in
Azarbayjan- E- Shargi province, journal of agricultural economics, No 5(4):183-210. (In Farsi)
Ghahremanzadeh, M. & Salami, H. (2008). Forecasting Chicken price in Iran: Case study of Tehran province. Iranian Journal of Agricultural Science, No 1:1-17. (In Farsi)
Hylleberg, S., Engle, R. F., Granger, C.W.J & Yoo, S. (1990). Seasonal integration and cointegration. Journal of Econometric, 44: 215–238.
Keshavarz, H. G. (2006). Analysis of calendar effects on price fluctuations of some major goods, a case study of seasonal of chicken, red meat and egg prices. Iranian Journal of Tahghighat- E- Eghtesadi, No 72:295-328. (In Farsi)
Li, C., He, C. (2011). Modeling and Forecasting Monthly Electricity Price of Sweden with Periodic Autoregressive Models. Dalarna University, Sweden.
Osborn, D. R., Heravi, S. & Birchenhall, C. R. (1999). Seasonal unit roots and forecasts of two-digit European industrial production. International Journal of Forecasting, 15: 27- 47.
State Livestock Affairs Logistics Co. (1998-2013) Information bank of livestock and poultry input price, Plan and Budget office, Ministry of Agricultural Jahad, Tehran, Iran. (In Farsi)
Tripodis, Y. & Penzer, J. (2004). Periodic time series models: a structural approach. Department of Statistics, London School of Economics.