نمذجة وتحليل السلاسل الزمنية لعدد السكان في المملكة العربية السعودية باستخدام نماذج Box-Jenkins (ARIMA): دراسة تحليلية للفترة 1950–2024
DOI:
https://doi.org/10.59992/IJFAES.2025.v4n7p15الكلمات المفتاحية:
نماذج ARIMA، بوكس وجينكنز، السلاسل الزمنية، التنبؤ السكاني، SPSS، المملكة العربية السعوديةالملخص
تهدف هذه الدراسة إلى تحليل السلسلة الزمنية لعدد السكان في المملكة العربية السعودية خلال الفترة (1950–2024) باستخدام نماذج بوكس وجينكنز (ARIMA)، وذلك بهدف التنبؤ بالاتجاهات المستقبلية حتى عام 2030. تم استخدام برنامج SPSS (الإصدار 27) لتنفيذ منهجية Box-Jenkins، التي تشمل مراحل التحديد، والتقدير، والتشخيص، والتنبؤ. تم اختبار عدد من النماذج منها ARIMA (1,1,1) وARIMA (2,1,2)، إلا أن النتائج أظهرت أن النموذج الأفضل هو ARIMA (3,1,2)، حيث حقق أعلى معامل تحديد (R-squared = 0.963)، وانخفاضًا في معيار BIC، مع بواقي غير مترابطة ذاتيًا. كما بلغت دقة التنبؤ نسبة عالية جدًا، وأكد اختبار البواقي سلامة النموذج. توصي الدراسة باعتماد نموذج ARIMA (3,1,2) كأداة تنبؤية فعالة في مجالات التخطيط السكاني ووضع السياسات المستقبلية.
المراجع
أولًا: الدراسات السابقة:
1. العتيبي، سارة (2020). التنبؤ بعدد السكان في المملكة العربية السعودية باستخدام نماذج ARIMA. جامعة الملك سعود – كلية العلوم.
2. عبد الرحمن، محمد (2017). تحليل سلاسل زمنية لبيانات الناتج المحلي الإجمالي في مصر باستخدام ARIMA. جامعة الأزهر.
3. الكردي، فهد (2019). استخدام نماذج Box-Jenkins للتنبؤ بإجمالي الناتج الزراعي في السعودية. جامعة الملك فيصل.
4. Al-Mulali, U., & Sab, C. N. B. C. (2018). Investigating the impact of population growth on energy consumption using ARIMA modeling. Renewable and Sustainable Energy Reviews.
5. Ismail, A., & Manaf, N. H. A. (2022). Forecasting population growth using ARIMA and exponential smoothing models: A comparison study. International Journal of Statistics and Applied Mathematics.
ثانيًا: مراجع الإطار النظري:
1. المنارة للاستشارات. (بدون تاريخ). معلومات مهمة حول السلاسل الزمنية في علم الإحصاء. https://www.manaraa.com/post/5450/معلومات-مهمة-حول-السلاسل-الزمنية-في-علم-الإحصاء.
2. شعراوي، فوزي (2004). التحليل الإحصائي باستخدام الحاسوب. مكتبة الرشد، الرياض.
3. فاندل، ج. (1991). طرق تحليل السلاسل الزمنية. ترجمة محمد عكاشة. دار المعرفة الجامعية، القاهرة.
4. الشيماء إبراهيم الوصيفي (2015). نماذج بوكس وجينكنز للتنبؤ. دار الكتب العلمية.
5. العاني، أحمد حسين. (2003). النماذج الاحصائية الحديثة. دار صفاء للنشر والتوزيع، الأردن.
6. بري، مصطفى. (2002). السلاسل الزمنية وتطبيقاتها الاقتصادية. دار الفكر العربي.
7. عبير حسن علي الجبوري (2010). التنبؤ بأسعار النفط العراقي للعام 2010 باستخدام السلاسل الزمنية. مجلة بابل للعلوم الإنسانية، جامعة بابل.
8. Brockleban, Dickey (2003). Time Series Forecasting Models. McGraw-Hill.
9. United Nations. (2024). World Population Prospects. Retrieved from https://www.macrotrends.net.
