تاکنون روش‌های متعددی برای پیش بینی نرخ تورم استفاده شده است. در این پژوهش برای رفع محدودیت‌های روش‌های پیشین از روش رگرسیون فازی استفاده شده است. به طور کلی برای برازش یک معادله رگرسیون خطی فازی سه دسته مدل وجود دارد: مدل‌های رگرسیون امکانی فازی، مدل‌های رگرسیون کم‌ترین مربعات فازی و مدل‌های رگرسیون مبتنی بر تحلیل بازه‌ای. اولین گام در طراحی یک مدل رگرسیون فازی تعیین متغیرهای مستقل است. در این راستا متغیرهای مستقل نرخ رشد تقدینگی، نرخ رشد GDP واقعی، نرخ رشد قیمت دلار در بازار آزاد و نرخ تورم سال قبل انتخاب شده است و با توجه به رویکردهای مختلف سه مدل ساخته شده است. ضرایب هر سه مدل فازی می‌باشند. بنابراین نتایج حاصل نیز فازی خواهند بود. نتایج حاصل برای نرخ تورم با استفاده از روش مرکز سطح غیرفازی و سپس مقادیر درصد میانگین قدر مطلق خطا، ریشه میانگین مربعات خطا و میانگین قدرمطلق خطا محاسبه شده‌اند. سپس با استفاده از معکوس این مقادیر و به کمک روش تحلیل پوششی داده‌های ستاده‌گرا و بدون داده‌های ورودی رگرسیون فازی با بیشترین کارایی برگزیده شده است.
کلید واژگان :نرخ تورم، رگرسیون فازی، تحلیل پوششی داده‌ها
ارزش ریالی : 500000 ریال
با پرداخت الکترونیک