امروزه پیش بینی مقادیر متغیرهای اقتصادی نقش مهمی در برنامه‌ریزی و سیاست‌گذاری اقتصادی دارد و روش‌های متنوعی برای پیش بینی متغیرهای اقتصادی مورداستفاده قرار می گیرند.هرچند که شاید بسیار دقیق بودن میزان پیش بینی در برخی موارد از اهمیت چندانی برخوردار نباشد ولی مسلماً پیش بینی های کوتاه مدت برای بسیاری از تصمیم گیری ها از اهمیت بالایی برخوردار است. با توجه به اهمیت بخش صنعت و سهم آن در تولید ناخالص داخلی کشور، مطالعه حاضر به بررسی و مقایسه دقت و کارایی روش‌های خود توضیح جمعی میانگین متحرک (ARIMA)، هموارسازی نمایی منفرد با روند (SEST)،دوگانه با روند(DEST)
و رگرسیون فازی در راستای پیشبینی ارزش‌افزوده بخش صنعت ایران به قیمت ثابت طی دوره 89-1340 پرداخته است. به این منظور دو معیار ریشه میانگین مربعات خطا (RMSE) و ضریب تعیین (R2) به کار گرفته‌شده است. نتایج حاصله بیانگر آن است که مدلهایهموارسازی نمایی منفرد با روند(SEST) و رگرسیون فازی توانایی انجام یک پیشبینی مناسب را داشته و درنتیجه میتوان از این مدل‌ها به‌عنوان ابزاری دقیقتر برای پیشبینی ارزش‌افزوده بخش صنعت در کنار دیگر روش‌ها بهره جست.
Negarchi S, Javdan E, Jalaee A. Comparison of ARIMA, Fuzzy Regression and Exponential Smoothing methods in the value added of the industrial sector forecasting. TFI 2014; 2 (3) :37-54 URL: http://tfe.raja.ac.ir/article-1-46-fa.html
نگارچی سمانه، جاودان ابراهیم، جلائی عبدالمجید. مقایسه الگوی خود توضیح جمعی میانگین متحرک، روش‌های هموارسازی و رگرسیون فازی در پیش بینی ارزش‌افزوده بخش صنعت ایران. نظریه های اقتصاد مالی. 1393; 2 (3) :37-54
