عملکرد مدل های مختلف خود رگرسیون برداری بیزی جهت پیش بینی متغیرهای کلان اقتصادی ایران:کاربرد روش نمونه گیری گیبس

داشتن تورمی پایین و رشد اقتصادی پایدار هدف نخست سیاستگذاران اقتصادی است که برای رسیدن به این هدف طلایی پیش بینی قابل اطمینان از متغیرهای کلان اقتصادی نقش مهمی ایفا می کند در این مطالعه سعی شده است تا عملکرد مدل های خود رگرسیون برداری بیزی با اطلاعات PRIORS متفاوت برای پیش بینی متغیرهای کلان در اقتصاد ایران ارزیابی شود ویزگی منحصر به فرد این مقاله استفاده از الگوریتم گیبس برای تخمین مدل BVAR ومقایسه آن با دو مدل BVAR شبه بیزی است که در آنها از اطلاعات نرمال ویشارد Normal Wishard و مینستا Minnesota استفاده شده است جهت ارزیابی دقت پیش بینی متغیرهای کلان اقتصادی است در این مطالعه مقایسه دو مدلBVAR شبه بیزی فوق و BVAR با الگوریتم گیب سبا توزیع پیشین یکسان مینستا نشان می دهد که مقدار MSFE در پیش بینی متغیرهای اقتصادی برای 4 دوره در مدل BVAR با الگوریتم گیبس کمتر بوده و این مدل در کل عملکرد بهتری در پیش بینی متغیرهای کلان اقتصادی فوق نسبت به مدل های شبه بیزی دارد

کلیدواژه ها:

الگوریتم گیبس ، پیش بینی ، توزیع پیشین نرمال ویشارد ، توزیع پیشین مینستا ، ایران