دانشگاه صنعتی شریف (پژوهشکده سیاستگذاری) ناشر: پژوهشکده سیاستگذاری دانشگاه صنعتی شریف سیاست نامه علم و فناوری 2476-7220 07 3 2017 10 23 The Performance of GMDH Neural Network to Predict Determinants of Foreign Direct Investment in Iran عملکرد شبکه عصبی GMDH در پیش بینی عوامل موثر بر جذب سرمایه گذاری مستقیم خارجی کشور ایران 61 73 20444 FA سعید کیان پور عضو هیئت علمی گروه اقتصاد دانشگاه پیام نور سپیده عظیمی عضو هیئت علمی گروه آمار دانشگاه پیام نور Journal Article 2018 01 13 FDI is counted one of important factor of growth and economic development in host countries that has had increasing process recently. Determinants recognition of FDI can be useful for developing countries. This paper considers determinants of FDI in Iran during 1980-2015.Mentioned analysis has estimated with GMDH neural network pattern for minimum mean square estimator. In addition, most variable was estimated through sensitivity analysis. The results indicate that degree of openness, rate of capital return, economic growth, human capital, broad money, R&D, instructions and corruption are determinants of foreign direct investment. سرمایه گذاری مستقیم خارجی (FDI) یکی از عوامل مهم رشد و توسعۀ اقتصادی کشورهای میزبان به شمار می رود و طی دهه های اخیر روند فزاینده ای نیز داشته است. شناخت عوامل مؤثر در جذب FDI در سیاستگذاری کشورهایی که نتوانسته اند از این عامل به خوبی استفاده کنند مفید است. تحلیل بیان شده در چارچوب الگوی «شبکۀ عصبی چند جمله ای» ارائه شده است تا پیش بینی مدل با حداقل خطا نمایش داده شود. همچنین در مدل برآوردشده، مؤثرترین متغیرها از راه آنالیز حساسیت الگوریتم ژنتیک به دست آمد. نتایج حاصل از برآورد الگو مبین آن است که اثر درجۀ باز بودن، نرخ بازگشت سرمایه، رشد اقتصادی، سرمایۀ انسانی، نقدینگی، مخارج تحقیق و توسعه، زیرساخت ها و فساد از عوامل مؤثر در جذب سرمایه گذاری مستقیم خارجی است. https://stpl.ristip.sharif.ir/article_20444_073bc0c3d04eb94d5d8fe01c71afd78a.pdf