در سال‌های اخیر روش‌شناسی شبکه‌های عصبی به عنوان رقیبی برای متدولوژی‌های سنتی آماری ظهور کرده است. ایده‌‌ اصلی این روش‌ها عبارتست از طراحی یک مدل بهینه‌ی پیچیده که فقط مدل را بر پایه‌ی داده‌ها و اطلاعات طراحی کرده و هیچ‌گونه پیش‌زمینه‌ی نظری از نحوه‌ی عملکرد داده‌ها از سوی محقق انجام نمی‌گیرد و این کار تنها بر اساس کشف ارتباط میان داده‌های ورودی و خروجی سیستم انجام می‌پذیرد، بنابراین یک مدل خود تنظیم کننده خواهد ساخت که قابلیت حل مسائل پیش‌بینی، تشخیص، ترکیبات کنترلی و سایر مسائل سیستمی به کار برده شده را دارد.

گزیده‌ای از مزایای شبکه‌های عصبی نسبت به روش‌های سنتی به شرح ذیل است:
۱-این رویکرد مدل‌سازی همراه با توانایی یادگیری از طریق تجربه، ابزاری مفید برای دستیابی به بسیاری از مسائل عملی است، چرا که بسیاری از اوقات داشتن داده‌ها بسیار راحت‌تر از داشتن حدسیات تئوریکی خوب در زمینه‌ی قوانین مسلط بر مجموعه و یا سیستمی است که داد‌ه‌ها از آن استخراج می‌شوند.
۲-شبکه‌های عصبی قابلیت تعمیم‌دهی بسیار بالایی دارند .‌بعد از آن که توسط قسمتی از داده‌ها(یک نمونه) آموزش داده شوند، این شبکه‌ها بیشتر اوقات می‌توانند قسمت دیده نشده‌ی جامعه را حتی زمانی که نمونه دارای اطلاعات نویزی باشد، به خوبی حدس بزنند.
۳-شبکه‌های عصبی در مقایسه با روش‌های اماری سنتی، اشکال تابعی جامع‌تر و انعطاف‌پذیری بیشتری دارند. به علت پیچیدگی‌های سیستم‌های حقیقی، روش‌های آماری سنتی محدودیت‌های زیادی در تخمین این روابط دارند. در این میان شبکه‌های عصبی می‌توانند گزینه‌ای مناسب برای تخمین این روابط باشند.
۴-شبکه‌های عصبی بر خلاف روش‌های اقتصادسنجی سری زمانی، دارای الگوهای غیرخطی‌اند.‌ این در حالی است که بیشتر سری‌های زمانی حقیقی نیز غیرخطی هستند.
۵-قدرت رهگیری و مسیریابی بالا و خطای کمینه‌ی پیش‌بینی متغیر هدف، یکی از ویژگی‌های برجسته‌ی شبکه‌های عصبی در مقایسه با سایر روش‌های سری زمانی است(ابریشمی و همکاران،۱۳۸۸) .

تصریح مدل

در این قسمت ابتدا به طور خلاصه به معرفی مدل رشد اقتصادی سولو پرداخته می‌شود و سپس با توجه به مدل رشد معرفی شده و همچنین ادبیات موضوع تحقیق، مدل مناسب رشد اقتصادی برای اقتصاد ایران به منظور بررسی فرضیه‌ی تحقیق، تصریح می‌شود.
رابرت سولو در دو مقاله مشهور در دهه پنجاه میلادی به معرفی الگویی پرداخت که مبنای مدل‌های رشد در مباحث اقتصاد کلان را تشکیل می‌دهد.
فروض اولیه‌ی مدل رشد سولو عبارتند از:
یک کالای همگن تولید و مصرف می‌شود.
تابع تولید از نوع کاب‌داگلاس و نشان‌دهنده‌ی بازده‌ی ثابت نسبت به مقیاس می‌باشد.
در بلندمدت نسبت سرمایه به تولید ثابت است.
کسر ثابتی از درآمد پس‌انداز می‌شود.
وضعیت تکنولوژی و پیشرفت فن‌آوری برون‌زا است.
نرخ رشد جمعیت(نیروی کار) برون‌زا است.
الگوی سولو بر دو محور اساسی استوار است. محور اول یک تابع تولید است. تابع تولید به ما می‌گوید که عوامل اولیه برای تولید کالا در یک اقتصاد چگونه با هم ترکیب می‌شوند و با ترکیب این عوامل چه مقدار کالا تولید می‌شود. این عوامل را می‌توان در دو گروه عمده‌ی سرمایه (K) و نیروی کار(L) جمع‌بندی کرد. به این ترتیب تابع تولید به صورت زیر بیان می‌شود:

(‏۳‑ ۱۲)

در بحث رشد اقتصادی، معمولاً مقدار تولید سرانه در مقایسه با کل تولید از اهمیت بیشتری برخوردار است. چرا که تولید سرانه را می‌توان به عنوان یک شاخص مهم سطح رفاه افراد به کار برد. برای به دست آوردن تولید سرانه کافی است تولید کل را بر تعداد کارگران تقسیم کرد.

(‏۳‑ ۱۳)

اگر فرض شود تولید دارای بازده ثابت نسبت به مقیاس در هر دو عامل تولید است که به معنی همگن از درجه یک بودن تابع تولید در میزان نهاده‌های تولید می‌باشد، می‌توان تابع تولید سرانه را به صورت زیر نوشت:

(‏۳‑ ۱۴)

که در این رابطه y بیانگر تولید سرانه و k سرمایه سرانه هر کارگر است. بر اساس این رابطه، تولید هر کارگر تابعی است از سرمایه‌هایی که به ازاء هر کارگر در اقتصاد موجود است.
تابع تولیدی که سولو برای مدل خود در نظر گرفته دارای این ویژگی است که اولاً با افزایش سرمایه سرانه، تولید افزایش می‌یابد یعنی است. ثانیاً است.
به عنوان مثال می‌توان از یک تابع ساده(تابع تولید کاب‌داگلاس) که دارای استفاده گسترده در اقتصاد است استفاده کرد .