.
¯ مقدمه
امروزه کشورهای پیشرفته با انتشار آمار هفتگی، ماهیانه و فصلی بیش از ۲۵۰ متغیر مهم اقتصادی، نه تنها قادر به ارائه تصویری روشن و کامل از وضعیت اقتصادی خود هستند، بلکه از آن به‌عنوان ابزاری به‌منظور پیش‌بینی جهت‌های آینده و بعضاً جلوگیری از بحران‌های آتی بهره می‌برند.
شناخت و دنبال کردن متغیرهای کلان اقتصادی و روند آنها و به ویژه رشد اقتصادی، رشد ارزش افزوده بخش‌های اقتصادی، رشد نقدینگی، تورم، نرخ بیکاری و ... ابزارهایی هستند که می‌توانند سیاستگذاران و نیز صاحبان کسب و کار و کار‌آفرینان را در تشخیص اوضاع و احوال اقتصادی از نقطه‌نظر دوره‌های اقتصادی (رونق، رکود و بحران) و پیش‌بینی دوره‌های آتی یاری دهند.
اصولاً شاخص‌های تشخیص دوره‌های فصلی به ۳ گروه؛ شاخص‌های پیش‌رو۱، شاخص‌های با وقفه۲ و شاخص‌های وضع موجود۳ قابل تقسیم هستند.
شاخص‌های نوع اول شاخص‌هایی هستند که حرکت آنها زودتر از وضعیت کلان اقتصادی حادث شده صورت می‌گیرد. مثلاً اگر قرار است چند ماه دیگر وضع اقتصاد کلان به گونه‌ای باشد، این شاخص‌ها آن حالت را نشان می‌دهند (همانند زوزه و بی‌قراری برخی حیوانات قبل از وقوع زلزله). به‌عنوان نمونه‌هایی از این نوع شاخص‌ها می‌توان به این موارد اشاره کرد:
میزان تقاضا برای استفاده از بیمه بیکاری، سفارشات جدید کالاها، میزان عرضه پول، شاخص بازار سهام، تفاوت نرخ ارز رسمی و بازار آزاد و ... .
شاخص‌های نوع دوم (شاخص‌های با وقفه) شاخص‌هایی هستند که وضعیت امروزی آنها، وضعیت اقتصادی چند ماه پیش (یا فصول قبل) را نشان می‌دهد. به بیان دیگر اندازه این شاخص‌ها مبین و تأییدگر وضعیت رکود یا رونق در گذشته است. مثل متوسط مدت زمان بیکاری، میزان تغییرات موجودی انبار، مانده وام‌ها، تغییرات در هزینه واحد کار یک واحد تولید محصول و ... و بالاخره گروه سوم که بیانگر وضعیت فعلی اقتصاد کشور هستند مثل اشتغال (البته غیر از بخش کشاورزی)، میزان تولیدات صنعتی، میزان فروش کالاهای صنعتی و از همه مهم‌تر رشد اقتصادی.
از آن‌جا که امکان پیش‌بینی و برنامه‌ریزی آینده بدون شناخت از وضعیت فعلی امکان‌پذیر نیست، طبعاً آگاهی از میزان شاخص‌های دسته اول برای پیش‌بینی‌های رشد و شاخص‌های دسته سوم به ویژه رشد اقتصادی برای سیاستگذاران اقتصادی حائز اهمیت فراوان است.
با توجه به اهمیتی که متغیر رشد اقتصادی (رشد GDP) به‌عنوان شاخصی برای سنجش عملکرد اقتصادی و سطح رفاه عمومی کشور دارد و علی‌رغم کاستی‌هایی که متغیر GDP در تبیین دقیق رفاه دارد، اما به جرأت می‌توان گفت که هنوز هیچ متغیر اقتصادی دیگری نتوانسته قابلیت‌های GDP را به‌عنوان یک بدیل داشته باشد، بنا بر این آگاهی از اندازه GDP و اجزای آن (ارزش افزوده بخش‌های اقتصادی) و شناخت روند رشد اقتصادی چه در دوران گذشته و چه در دوره‌های آتی، در جهت کمک به سیاست‌گذاری‌ها و برنامه‌ریزی‌ها (در سطح ملی، بخشی، منطقه‌ای، دولتی و خصوصی) از اهمیت زیاد و ویژه‌ای برخوردار است. پیش‌بینی رشد اقتصادی به مسئولین، سیاستگذاران و صاحبان کسب و کار کمک می‌کند که تصویر روشن‌تری از شرایط آینده اقتصاد در اختیار داشته باشند و با استفاده از آمار و اطلاعات بهنگام‌تر، تصمیمات اقتصادی مناسبی را اتخاذ نمایند. در این راستا حساب‌های ملی فصلی با ارائه تصویری از فعالیت‌های اقتصادی در بازه زمانی فصل و به منظور بررسی و رصد وضعیت اقتصادی و تغییرات آن، پیش‌بینی رشد اقتصادی و ایجاد آمادگی و واکنش مناسب برای هدایت اقتصاد کشور و کسب و کارها به نقطه مطلوب (هدف) تهیه می‌شود.
در مرکز آمار ایران محاسبه حساب‌های ملی و رشد اقتصادی علاوه بر سالانه، برای مقاطع فصلی نیز با استفاده از نتایج طرح‌های آمارگیری و اطلاعات ثبتی جمع‌آوری شده از سازمان‌ها و نهادها (اعم از دولتی و غیر دولتی) به طور منظم انجام و ارائه می‌شود. اما از آن‌جا که نتایج حساب‌های فصلی معمولاً یک فصل بعد از فصل مرجع منتشر و در اختیار کاربران قرار می‌گیرد، موضوع پیش‌بینی اهمیت و ضرورت بیشتری پیدا می‌کند.
خوشبختانه از اوایل سال جاری پژوهشکده‌ی آمار با هدف کمک به ارائه آمار بهنگام‌تر، مبادرت به پیش‌بینی رشد اقتصادی فصول آینده نموده که در این راستا پیش‌بینی رشد اقتصادی فصل بهار، تابستان و پاییز را یک ماه قبل از شروع این فصول انجام داده است. گزارش حاضر اختصاص به تبیین روش شناختی پیش‌بینی رشد اقتصادی پاییز ۱۳۹۹ (روش‌های پیش‌بینی، منابع اطلاعاتی و مدل‌های به کار گرفته شده)، مقایسه نتایج روش‌های گوناگون، جمع‌بندی نهایی و بالاخره تحلیل نتایج دارد. پیش‌بینی حاضر با استفاده از اطلاعات سری زمانی فصلی مرکز آمار ایران، مجموعه‌ای از اطلاعات جانبی و نقطه نظرات کارشناسی گروه پیش‌بینی و سایر اطلاعاتی که می‌توانست به دقت و غنای پیش‌بینی‌ها کمک کند صورت پذیرفته است.
لازم به اشاره است که در حال حاضر صرف آگاهی از اندازه رشد اقتصادی تنها هدف این تحقیق نیست بلکه هدف مهم دیگر این است که تمامی مدل‌ها و روش‌های پیش‌بینی برای رشد اقتصادی فصل به کار گرفته شوند و با استفاده از مقایسه نتایج پیش‌بینی هر کدام از روش‌ها با عملکرد تحقق یافته رشد، روش‌های مطمئن و قابل اتکایی برای شناسایی و پیش‌بینی‌های بعدی، انتخاب و به کار گرفته شوند.
بدیهی است اعتبارسنجی و راستی‌آزمایی روش‌های پیش‌بینی رشد اقتصادی فصلی، تحقیق علمی جداگانه‌ای را می‌طلبد که این امر نیز در دستور کار پژوهشکده‌ی آمار قرار دارد و پس از اتمام در قالب یک مقاله علمی ارائه خواهد شد.
¯ مدل‌های پیش‌بینی و منابع اطلاعاتی
مدل‌های پیش‌بینی
تصمیم‌گیری در زمینه‌های مختلف به نحوی با پیش‌بینی سر و کار دارد. این پیش‌بینی‌ها می‌تواند در برخی از جهات ساده و برخی دیگر پیچیده باشد. همچنین پیش‌بینی‌ها می‌توانند برای دوره‌های زمانی کوتاه مدت یا بلند مدت انجام گیرند. پیش‌بینی دقیقاً با واقعیت تطبیق نمی‌کند، و باید کوشید خطای پیش‌بینی به حداقل ممکن کاهش یابد. امروزه، فنون و تکنیک‌های مختلفی برای پیش‌بینی ابداع شده و در اختیار کاربران قرار گرفته است. هر یک از این تکنیک‌ها کاربرد خاص خود را دارند و با آگاهی از آنها می‌توان پیش‌بینی موفق‌تری را انجام داد.
به طور کلی برای انتخاب مدل مناسب پیش‌بینی توجه به موارد زیر ضروری است :
* محدوده زمانی
* آمار و ارقارم داده شده
* ارتباط اطلاعات با متغیر مورد نظر
* هزینه
* دقت
* سادگی
به طور کلی می‌توان روش‌های پیش‌بینی را در سه گروه مختلف دسته‌بندی کرد که این سه دسته عبارت‌اند از: پیش‌بینی‌های مبتنی بر قضاوت، پیش‌بینی‌های مبتنی بر اطلاعات گذشته و پیش‌بینی‌های علت و معلولی.
پیش‌بینی قضاوتی: در مواقعی که اطلاعات دقیق و کاملی در مورد مسئله وجود نداشته باشد از این نوع پیش‌بینی استفاده می‌شود. در این روش کوشش می‌شود نظرات ذهنی به صورت پیش‌بینی‌های کمی در آید و قابل استفاده شود. استفاده از نظرات کارشناسان فن، سازمان‌هایی که در آینده‌نگری صاحب تجربه‌اند و سایر متخصصان می‌توانند در انجام این نوع پیش‌بینی‌ها مفید باشد. از این نوع پیش‌بینی می‌توان از روش دلفی و روش توافق جمعی نام برد.
پیش‌بینی مبتنی بر اطلاعات گذشته؛ در این نوع پیش‌بینی اطلاعات گذشته اساس پیش‌بینی قرار می‌گیرد. به عبارت دیگر فرض بر این است که در کوتاه مدت می‌توان روند گذشته را به آینده تسری داد. بنا بر این، این روش برای پیش‌بینی‌های بلند مدت قابلیت استفاده چندانی ندارد. از این نوع پیش‌بینی می‌توان از انواع روش‌های مبتنی بر میانگین متحرک، روش نمو هموار، روش باکس– جنکینز، روش‌های تعیین روند، روش نمو هموار دوبل و روش کمترین مجذورات نام برد.
پیش‌بینی علت و معلولی؛ هنگامی‌که اطلاعات کافی در مورد موضوع پیش‌بینی موجود و روابط بین متغیرها نیز مشخص است، استفاده از این روش مزیت فراوانی دارد. از این نوع پیش‌بینی می‌توان از روش رگرسیون، مدل‌های اقتصادسنجی، مدل داده-ستانده، مدل شاخص راهنما و مدل مدت طول عمر نام برد.
در این مطالعه، برای انتخاب روش‌های پیش‌بینی، از روش‌های مؤثر در زمینه مدل‌سازی سری‌های زمانی که به روش‌های گذشته‌نگر مشهورند استفاده می‌شود. این روش‌ها عبارت‌اند از:
· روش مدل‌سازی باکس و جنکینز (اتورگرسیو میانگین متحرک جمعی (ARIMA))
پیش‌بینی سری‌های زمانی مالی از اهمیت ویژه‌ای برخوردار می‌باشند. مدل‌های آماری زیادی برای پیش‌بینی سری زمانی وجود دارند. از جمله این مدل‌ها می‌توان از مدل‌های خطی AR، MA، ARMA و ARIMA نام برد که برای مدل‌سازی و پیش‌بینی سری‌های زمانی ایستا فراوان به کار گرفته شده‌اند و توسط باکس و جیکنز معرفی و بسط داده شده‌اند. این روش برای پیش‌بینی فرآیندهای خطی کاربرد فراوانی دارد.
· روش مدل‌سازی فضای حالت هموارساز نمایی۴
در بیشتر سیستم‌ها، برای نشان دادن ارتباط بین ورودی و خروجی‌ها از تابع انتقال استفاده می‌شود. این روش بیشتر برای سیستم‌های دارای تک ورودی و تک خروجی کاربرد دارد؛ اما مدل‌بندی فضای حالت این محدودیت‌ها را ندارد و انواع سیستم‌ها با داد و ستدهای چندگانه، سیستم‌های غیر خطی ناپیوسته و سیستم‌های مستقل از زمان را می‌توان با این روش تحلیل کرد. روش فضای حالت بـه یـک ابـزار قدرتمنـد بـرای مـدل‌بنـدی و پیش‌بینی سیستم‌های پویا تبدیل شده است.
· روش ترکیبی مدل‌سازی تبدیل موجک گسسته- اتورگرسیو میانگین متحرک جمعی۵
در این روش ابتدا هر یک از سری‌های زمانی با استفاده از هر یک از روش‌های تبدیلات موجک گسسته که انواع مختلفی دارد در سطوح مختلفی که مد نظر است تجزیه می‌شود. بنا بر این هر سری زمانی به چند زیر سری با همان اندازه سری اولیه تجزیه می‌شود. سپس هر یک از این زیر سری‌ها با استفاده از مدل‌سازی ARIMA مدل و پیش‌بینی می‌شود و با استفاده از روش‌های موجود هر یک از زیرسری‌ها تجمیع و به سری اولیه تبدیل می‌شوند. سری به دست آمده یک سری با نقاط پیش‌بینی شده است.
تبدیل موجک یکی از تبدیلات مهم ریاضی است که در حوزه‌های مختلف علوم کاربرد دارد و نقاط ضعف و محدودیت‌های موجود در تبدیل فوریه را می‌تواند پوشش دهد. این تبدیل را بر خلاف تبدیل فوریه، می‌توان در مورد سیگنال‌های غیر ایستا و سیستم‌های دینامیک نیز مورد استفاده قرار داد.
به کار گرفتن این تبدیل در کنار مدل‌های آماری به‌خصوص در فرآیندهای غیر ایستا می‌تواند نتایج قابل باورتری از پیش‌بینی را بدنبال داشته باشد.
· روش k-نزدیک‌ترین همسایگی۶
یک روش ناپارامتری است که در داده‌کاوی، یادگیری ماشین و تشخیص الگو مورد استفاده قرار می‌گیرد. بر اساس آمارهای ارائه شده الگوریتم k-نزدیک‌ترین همسایگی یکی از ده الگوریتمی است که بیشترین استفاده را در پروژه‌های گوناگون یادگیری ماشین و داده‌کاوی، هم در صنعت و هم در دانشگاه داشته است. الگوریتم K-NN در فرایندهای پیش‌بینی دارای مزیت‌هایی از قبیل اجرای ساده، عدم نیاز به مرحله تخمین پارامترها، قابلیت مدل‌سازی غیر خطی و مؤثر بودن و عملکرد با بازدهی بالا در برخورد با تعداد دسته‌های زیاد از داده‌ها است. در این مطالعه برای پیش‌بینی از نرم‌افزار آماری R و پکیج‌های Forecast و WaveletArima استفاده شده است.
۲-2- منابع اطلاعاتی
برخی نیازهای آماری و اطلاعاتی برای انجام محاسبات حساب‌های ملی فصل مرجع، معمولاً حتی تا 2 فصل بعد از فصل مرجع تولید و در دسترس قرار نمی‌گیرد این موضوع از یک‌سو و سنگین بودن هزینه‌های تولید داده‌ها و آمارهای مورد نیاز محاسبات حساب‌های ملی فصلی از سوی دیگر باعث می‌شود که تهیه حساب‌های ملی فصلی به طور معمول به روش مستقیم (منظور همانند حساب‌های ملی سالانه است که تماماً بر اساس داده‌های آماری ناشی از طرح های آماری و آمارهای ثبتی است) انجام نگیرد. بنا بر این در اغلب کشورها از روش‌هایی غیر مستقیم و جایگزین، برای تهیه این حساب‌ها استفاده می‌شود.
به‌طور کلی دو رویکرد اساسی برای تولید و برآورد سری‌های زمانی فصلی وجود دارد که با عناوین »رویکرد محاسباتی« و »رویکرد آماری« شناخته می‌شوند. در رویکرد محاسباتی که در واقع مبتنی بر روش کمینه‌سازی حداقل مربعات۷ است، بر اساس رفتار سالانه یک متغیر و با استفاده از یک شاخص کمکی فصلی، سری زمانی فصلی مورد نظر برآورد می‌شود. در چارچوب »رویکرد محاسباتی«، روش‌های متعددی از جمله روش دنتون۸ مورد استفاده قرار می‌گیرد.
در رویکرد محاسباتی تلاش می‌شود حداکثر شاخص‌های کمکی موجود اعم از اطلاعات طرح‌های آماری و برآوردهای موجود در دفاتر مرکز آمار ایران و اطلاعات ثبتی موجود در سازمان‌ها استفاده شود، که این اطلاعات در فصل پاییز به شرح زیر بوده است:
· شاخص قیمت مصرف‌کننده قطعی فصل پاییز 99
· شاخص قیمت تولید‌‌کننده برآوردی فصل پاییز 99
· اطلاعات مقدار تولید محصولات زراعی و باغی برآوردی وزارت جهاد کشاورزی
· مقدار تولید دام سبک در فصل پاییز 99
· اطلاعات 5 ماهه مقدار تولید محصولات منتخب صنعتی وزارت صمت
· گزارش فعالیت معادن سنگ آهن برای فصل پاییز 99
· اطلاعات 8 ماهه سازمان بورس و اوراق بهادار
· قوانین بودجه سنواتی
در »رویکرد آماری« نیز برآورد ارقام فصلی بر اساس رفتار سالانه و فصلی سری زمانی مورد نظر صورت می‌گیرد، اما بر خلاف روش محاسباتی، در این روش از یک مدل آماری استفاده می‌شود. الگوهای رگرسیونی و مدل‌های اقتصادسنجی از ابزارهای اصلی مورد استفاده در این رویکرد هستند.
در رویکرد آماری نیز اطلاعات سری زمانی فصلی در ریزترین سطح تفکیک ممکن مبنای محاسبه قرار گرفته است. برآورد به 3 روش ARIMA،Exponential smoothing state space model وWaveletArima انجام شده و در هر سطح تفکیک، یک روش به‌عنوان بهترین برازش با استفاده از روش MSE انتخاب شده است. این رویکرد در قالب 5 سناریو به شرح ذیل اجرا شد:
برآورد رشد بخش کشاورزی با استفاده از سری زمانی شاخص‌های مقدار تولید بخش کشاورزی به‌تفکیک 3 فعالیت زراعت، باغداری و دامداری (38 فصل)
برآورد رشد بخش صنعت با استفاده از سری زمانی شاخص‌های مقدار تولید بخش صنعت به‌تفکیک 22 کد فعالیت آیسیک دو رقمی (38 فصل)
برآورد رشد اقتصادی با نفت و بدون نفت با استفاده از سری زمانی ارزش افزوده رشته‌فعالیت‌ها به‌تفکیک 14 رشته‌فعالیت عمده اقتصادی (38 فصل)
برآورد رشد اقتصادی با نفت و بدون نفت با استفاده از سری زمانی رشد ارزش افزوده رشته‌فعالیت‌ها به‌تفکیک 14 رشته‌فعالیت عمده اقتصادی (38 فصل)
برآورد رشد اقتصادی با نفت و بدون نفت با استفاده از سری زمانی رشد محصول ناخالص داخلی با نفت و بدون نفت (118 فصل)
بر اساس تجربیات حاصل شده در فرآیند پیش‌بینی صورت گرفته در فصول قبل و تطبیق نتایج پیش‌بینی‌ها با ارقام تحقق‌یافته و نهایتاً بر اساس نقطه نظرات تکمیلی اعضای کمیته‌ی پیش‌بینی حساب‌های ملی فصلی و نرخ رشد اقتصادی فصل پاییز با استفاده از یک رویکرد تلفیقی انجام شد. بدین معنی که تمرکز اصلی بر جمع‌آوری حداکثر اطلاعات موجود در کشور و استفاده از روش دنتون بوده است. از طرفی برای برخی از فعالیت‌ها که امکان استفاده از مدل‌های سری زمانی برای آنها وجود دارد و کمتر تحت تأثیر شرایط خاص (مانند وضعیت حاکم بر کشور پس از شیوع ویروس کرونا) قرار می‌گیرند، از مدل‌های آماری استفاده شده است.
در ادامه نتایج حاصل از رویکرد تلفیقی در هر یک از رشته‌فعالیت‌ها و در نهایت پیش‌بینی محصول ناخالص داخلی ارائه شده است.
¯ انجام محاسبات و برآوردها
برآورد رشد بخش کشاورزی با استفاده از شاخص مقدار
1. اطلاعات سری زمانی فصلی دوره 1390- تابستان ۱۳۹۹ (38 فصل) در 4 سطح (شاخص کل کشاورزی، شاخص زراعت، شاخص باغداری و شاخص دامداری) مبنای محاسبه قرار گرفته است.
2. برآورد به 3 روش ARIMA،Exponential smoothing state space model وWaveletArima انجام شده است.
3. در هر 4 سطح شاخص یک روش به‌عنوان بهترین برازش با استفاده از روش MSE انتخاب شده است.
جدول ۱- نتایج شاخص مقدار کشاورزی
نام فعالیت
تابستان
پاییز
واقعی
برآورد مدل
شاخص کشاورزی
۲٫۹
۱٫۵
۱٫۲
زراعت
۰٫۶
۰٫۷
۰٫۴
باغداری
۸٫۴
۴٫۰
۰٫۸
دامداری
۱٫۵-
۱٫۲-
برآورد رشد بخش صنعت با استفاده از شاخص مقدار
1. اطلاعات سری زمانی فصلی دوره 1390- تابستان ۱۳۹۹ (38 فصل) در سطح 22 کد دو رقمی آیسیک مبنای محاسبه قرار گرفته است.
2. برآورد به 3 روش ARIMA،Exponential smoothing state space model و WaveletArima انجام شده است.
3. در هر 22 سطح شاخص یک روش به‌عنوان بهترین برازش با استفاده از روش MSE انتخاب شده است.
جدول ۲- نتایج شاخص مقدار صنعت به‌تفکیک 22 کد دورقمی ISIC
کل صنعت
۰٫۵
۴٫۴
ساخت محصولات غذایی و انواع آشامیدنی
۰٫۹
۰٫۶-
۲٫۳
ساخت محصولات از توتون و تنباکو
۱۲٫۰
۱۱٫۶-
۰٫۵-
ساخت منسوجات
۴٫۱-
۱۲٫۷-
۳٫۵-
ساخت پوشاک، عمل‌آوری و رنگ کردن خز
۲۷٫۱-
۳۳٫۶-
۲۷٫۳-
دباغی و پرداخت چرم و سایر محصولات چرمی
۸٫۴-
۱۲٫۰-
۱۰٫۵-
ساخت چوب و محصولات چوبی
۲٫۶-
۲٫۸-
۳٫۲-
ساخت کاغذ و محصولات کاغذی
۲٫۴
۱٫۴
انتشار، چاپ و تکثیر رسانه‌های ضبط شده
۶٫۷-
۰٫۷-
ساخت کک، فرآورده‌های حاصل از تصفیه نفت و سوخت‌های هسته‌ای
۷٫۹-
ساخت مواد شیمیایی و محصولات شیمیایی
۳٫۸-
۴٫۴-
ساخت محصولات از لاستیک و پلاستیک
۴٫۳
۲٫۱
ساخت سایر محصولات کانی غیر فلزی
۱٫۹
۸٫۰
۲٫۲
ساخت فلزات اساسی
۱٫۸
۹٫۱
۰٫۳-
ساخت محصولات فلزی فابریکی به‌جز ماشین‌آلات و تجهیزات
۴٫۵-
۴٫۱
ساخت ماشین‌آلات و تجهیزات طبقه‌بندی نشده در جای دیگر
۵٫۰
۲٫۳-
ساخت ماشین‌آلات دفتری، حسابداری و محاسباتی
۴٫۲-
۶٫۳
ساخت ماشین‌آلات و دستگاه‌های برقی طبقه‌بندی نشده در جای دیگر
۲٫۲-
۹٫۵-
۳٫۷-
ساخت رادیو و تلویزیون، دستگاه‌ها و وسایل ارتباطی
۱۱٫۴-
۵٫۱-
ساخت ابزار پزشکی، ابزار اپتیکی، ابزار دقیق و انواع ساعت
ساخت وسایل نقلیه موتوری، تریلر و نیم تریلر
۱۶٫۳
۱۹٫۱
۴۲٫۶
ساخت سایر تجهیزات حمل و نقل
۹٫۲
۰٫۲-
ساخت مبلمان و مصنوعات طبقه‌بندی نشده در جای دیگر
۳٫۱-
۱٫۰-
برآورد رشد اقتصادی بر اساس محاسبه ارزش افزوده رشته‌فعالیت‌ها
1. اطلاعات سری زمانی فصلی 1390 دوره 1390- تابستان ۱۳۹۹ (38 فصل) در سطح 14 رشته‌فعالیت عمده اقتصادی مبنای محاسبه قرار گرفته است.
3. در هر 22 در هر یک از 15 رشته‌فعالیت یک روش به‌عنوان بهترین برازش با استفاده از روش MSE انتخاب شده است.
4. ارقام سرجمع محاسبه و رشد محصول ناخالص داخلی کل محاسبه شده است.
جدول 3- نتایج رشد ارزش افزوده بخش‌های اقتصادی
۲٫۵
۲٫۷
بخش کشاورزی
۳٫۳
۲٫۶
زراعت، باغداری، دامداری و جنگلداری
۵٫۰-
۶٫۲-
۱۰٫۶
ماهیگیری
۵٫۸-
بخش معدن
۶٫۵-
۳٫۴
استخراج نفت و گاز طبیعی
۰٫۱
سایر معادن
۱٫۱
بخش صنعت
بخش تأمین آب، برق و گاز طبیعی
۸٫۳
۵٫۴
بخش ساختمان
۴٫۶-
۵٫۴-
بخش‌های عمده و خرده‌فروشی، فعالیت‌های خدماتی مربوط به تأمین جا و غذا
۰٫۲
بخش‌های حمل و نقل، انبارداری، پست، اطلاعات و ارتباطات
۱٫۶
۷٫۵-
بخش فعالیت‌های مالی و بیمه
۱۰٫۸
بخش مستغلات، کرایه و خدمات کسب و کار و دامپزشکی
بخش‌های اداره امور عمومی و خدمات شهری، آموزش، فعالیت‌های مربوط به سلامت انسان و مددکاری اجتماعی
۸۵٫۵-
۴٫۵
۶۲٫۸-
بخش سایر خدمات عمومی، اجتماعی، شخصی و خانگی
۰٫۸-
۰٬۳
جمع ارزش افزوده رشته‌فعالیت‌ها
۹۰٫۲-
۴۴٫۸-
۱۴٫۹
خالص مالیات بر واردات
۰٫۱-
محصول ناخالص داخلی (به قیمت بازار)
محصول ناخالص داخلی (بدون نفت)
برآورد رشد اقتصادی بر اساس رشد ارزش افزوده رشته‌فعالیت‌ها
1. اطلاعات سری زمانی فصلی دوره 1390- تابستان ۱۳۹۹ (38 فصل) در سطح 14 رشته‌فعالیت عمده اقتصادی مبنای محاسبه قرار گرفته است.
جدول ۴- نتایج رشد ارزش افزوده بخش‌های اقتصادی
۱٫۷
۳٫۹
۳٫۶
۱۳٫۴
۳٫۰
۳٫۱
۴٫۹
۱۱٫۴
۱۲٫۱-
۲٫۵-
۱٫۹-
۱۰٫۹-
۳٫۴-
۵٫۷
۱٫۳-
۱٫۷-
۴۵٫۴-
۲٫۱-
برآورد رشد اقتصادی بر اساس روند رشد محصول ناخالص داخلی
1. اطلاعات سری زمانی فصلی دوره 1370- تابستان 1399 (118 فصل) محصول ناخالص داخلی با نفت و بدون نفت مبنای محاسبه قرار گرفته است.
3. برای هر یک از 2 متغیر یک روش به‌عنوان بهترین برازش با استفاده از روش MSE انتخاب شده است.
جدول 5- نتایج رشد محصول ناخالص داخلی
برآورد رشد GDP
بهار
با نفت
بدون نفت
ARIMA
-۳٫۲
-۲٫۱
-۴٫۵
-۰٫۶
-۲٫۶
-۰٫۴
Exponential smoothing state space model
-۵٫۵
-۱٫۳
-۴٫۰
-۱٫۶
-۰٫۷
-۰٫۹
WaveletArima
-۵٫۴
-۱٫۱
محقق شده
-۴٫۱
-۲٫۴
-۰٫۲
knn روش جدید
-۳٫۸
-۱٫۰
۱٫۳
۳٫۸
¯ جمع‌بندی و خلاصه نتایج
همان‌طور که عنوان شد بر اساس رویکرد تلفیقی مورد استفاده در این گزارش، برآورد رشته‌فعالیت‌های کشاورزی، استخراج نفت و گاز طبیعی، صنعت و حمل و نقل با استفاده از رویکرد آماری و مدل‌سازی انجام شده و در سایر رشته‌فعالیت‌ها از رویکرد محاسباتی یعنی اطلاعات در دسترس و بکارگیری روش دنتون استفاده شده است. خلاصه محاسبات به شرح جدول ۶ است.
جدول ۶- جمع‌بندی نتایج رشد به دست آمده از روش‌های مختلف
شرح
مدل شاخص مقدار
برآورد با استفاده از مدل ارزش افزوده
برآورد با استفاده از مدل رشد ارزش افزوده
تعدیل‌شده یا منتخب
توضیحات
کشاورزی
1٫2
1٫7
اعمال ضریب خطای تابستان روی مدل شاخص مقدار
رشد 6 ماهه تعدیل شده با روش دنتون
صنعت
تأمین آب، برق و گاز طبیعی
۵٫۶
ساختمان
عمده و خرده‌فروشی، هتل و رستوران
-۴٫۸
حمل و نقل، انبارداری و ارتباطات
واسطه گری‌های مالی
مستغلات، کرایه و خدمات کسب و کار
-۲٫۸
امور عمومی، آموزش، بهداشت و مددکاری
سایر خدمات عمومی، اجتماعی و شخصی
-۶۰٫۴
جمع ارزش افزوده رشته‌فعالیت‌های اقتصادی
به‌دست آمده از جمع ارزش افزوده رشته‌فعالیت‌ها
-
محصول ناخالص داخلی بدون نفت (به قیمت بازار)
¯ تحلیل نتایج
پیش‌بینی نهادها و مؤسسات بین‌المللی در مورد رشد اقتصادی سال ۲۰۲۱
بنابر پیش‌بینی‌های صورت گرفته توسط سازمان‌های بین المللی، نرخ رشد اقتصادی ایران به شرح جدول 1 می‌باشد. برآورد رشد اقتصادی نه ماهه معادل منفی ۱٫۱ درصد به پیش‌بینی صندوق بین المللی پول برای سال 2020 نزدیک‌تر است.
جدول ۷- نتایج نهایی پیش‌بینی رشد اقتصادی فصل پاییز و نه ماهه سال 1399
نه ماهه 1399
۱۳٫۱-
۲٫۸
فعالیت استخراج نفت و گاز طبیعی
۳٫۰-
۱۴٫۵-
فعالیت سایر معادن
بخش تأمین آب ، برق و گاز طبیعی
۵٫۵
۲٫۰
۲٫۰-
بخش عمده و خرده‌فروشی، هتل و رستوران
۵٫۷-
۷٫۱-
۴٫۸-
بخش حمل و نقل، انبارداری و ارتباطات
بخش واسطه گری‌های مالی
۱۰٫۳
بخش مستغلات، کرایه و خدمات کسب و کار
بخش امور عمومی، آموزش، بهداشت و مددکاری
بخش سایر خدمات عمومی، اجتماعی و شخصی
۶۲٫۱-
۶۳٫۰-
۶۰٫۴-
۱٫۱-
۰٫۹-
۲٫۴-
بنابر پیش‌بینی‌های صورت گرفته توسط سازمان‌های بین المللی، نرخ رشد اقتصادی ایران به شرح جدول ۸ است. برآورد رشد اقتصادی نه ماهه معادل منفی 1٫1 درصد به پیش‌بینی صندوق بین‌المللی پول برای سال 2020 نزدیک‌تر است.
جدول ۸- پیش‌بینی‌های بین‌المللی در مورد رشد اقتصادی ایران
پیش‌بینی نرخ رشد اقتصادی ایران
2020
2021
بانک جهانی
3٫7-
1٫5
صندوق بین‌المللی پول
1٫5-
3٫۰
اکونومیست
12٫۰-
2٫۰
Statista
4٫9-
3٫16
www.stastia.com
بانک جهانی در ژانویه سال 2021، برآورد جدید خود از چشم‌انداز اقتصاد جهانی را پیش‌بینی کرده است بنا بر این گزارش رشد اقتصادی جهان در سال 2021 مثبت چهار درصد است. به گفته این نهاد شیوع کرونا و تاخیر در توسعه واکسن سبب شده تا اقتصاد جهانی در سال2020، ۴٫۳ درصد کوچک شود. همچنین پیامدهای منفی همه‌گیری کرونا بر روی اقتصاد جهانی تا سال‌ها ادامه خواهد داشت.
پیش‌بینی نرخ رشد اقتصادی بنابر این گزارش برای جهان، ایران و کشورهای منتخب برای سال‌های 2020 و 2021 به شرح جدول ۹ است.
جدول ۹- پیش‌بینی بانک جهانی از رشد اقتصادی جهان، کشورهای منتخب و ایران (ژانویه 2021)
پیش‌بینی نرخ رشد اقتصادی
جهان
4٫3-
4
منطقه یورو
۷٫۴-
چین
2
7٫9
آمریکا
3٫6-
3٫5
ژاپن
5٫3-
2٫5
ایران
ارمنستان
8-
3٫1
جمهوری آذربایجان
5-
1٫9
روسیه
4-
2٫6
ترکیه
0٫5
4٫5
عربستان
5٫4-
امارات
6٫3-
1
افغانستان
5٫5-
پاکستان
صندوق بین‌المللی پول در ژانویه سال 2021، پیش‌بینی خود از نرخ رشد اقتصادی جهان در 2021 را مورد بازنگری قرار داده و افزایش داد. بنا بر گزارش مذکور، فعالیت‌های اقتصادی در جهان همچنان پایین‌تر از سطح قبل از بحران کرونا است.
پیش‌بینی نرخ رشد اقتصادی بنا بر این گزارش صندوق بین‌المللی پول برای جهان، ایران و کشورهای منتخب برای سال‌های 2020 و 2021 به شرح جدول ۱۰ است.
جدول ۱۰- پیش‌بینی صندوق بین المللی پول از رشد اقتصادی جهان، کشورهای منتخب و ایران(ژانویه 2021)
3٫5-
5٫5
2٫3
8٫1
3٫4-
5٫1
5٫1-
کره
1٫1-
3٫0
هند
11٫5
6٫0
3٫9-
0٫4-
شامخ کل اقتصاد
شاخص مدیران خرید (PMI) مقیاسی است که با تکمیل سؤالات مشخص از سوی بنگاه‌های نمونه استخراج و اوایل هر ماه توسط اتاق بازرگانی ایران منتشر می‌شود و رونق، رکود یا ثبات کسب و کارهای مورد بررسی را نشان می‌دهد.
در شکل 1، شامخ کل اقتصاد طی فصول پاییز سال 1398 تا پاییز 1399 و رشد تولید ناخالص داخلی طی این دوره، مورد مقایسه قرار گرفته است. نتایج طرح شامخ روند رو به بهبود رشد کل اقتصاد را از زمستان سال 1398 تا پاییز 1399 نشان می‌دهد. از طرفی محاسبات رشد محصول ناخالص داخلی نیز از زمستان 1398 روند رو به بهبود داشته است.
¯ تحلیل نهایی
بر اساس یک جمع‌بندی از نتایج روش‌های مختلف به کار گرفته شده و مقایسه با سایر پیش‌بینی‌ها اعم از داخلی و بین‌المللی، رشد اقتصادی فصل پاییز ۱۳۹۹ بین ۰٫۵ درصد (سناریو اصلی و محتمل) و ۱٫۳ درصد (به‌عنوان سناریو خوش‌بینانه‌تر) پیش‌بینی می‌شود. پیش‌بینی اخیر پژوهشکده‌ی آمار بر اساس روش knn صورت گرفته که با پیش‌بینی بانک خاورمیانه که با استفاده از مدل تعادل عمومی پویای تصادفی (DSGE) صورت گرفته و رشد ۱٫۴ درصد را برای پاییز سال ۱۳۹۹ پیش‌بینی کرده است، سازگاری بیشتری دارد. همچنین رشد اقتصادی پیش‌بینی‌شده پژوهشکده‌ی آمار برای ۹ ماهه‌ی اول سال ۱۳۹۹، ۱٫۱ درصد منفی می‌باشد که با پیش‌بینی (صندوق بین‌المللی پول IMF) برای سال ۲۰۲۰ (یعنی ۱٫۵ درصد منفی) از سازگاری و هم‌خوانی نسبتاً خوبی برخوردار است.
1- Leading Indicators
2- Lagging Indicators
3- Coincident Indicators
4- Exponential smoothing state space model
5- DWT-ARIMA
6- k-Nearest Neighbors
7- Least–square minimization
8- Denton