درخت حوزه‌های تخصصی

ایجاد جامعه ای دارای توازن اجتماعی از اهداف اسلام و ادیان الهی است.در این تحقیق سعی شده است در ابتدا با مروری بر نظریات اندیشمندان مسلمان و مبانی اسلامی، نقش نابرابری فرصت ها در پیدایش نابرابری های درآمدی و توازن اجتماعی از منظر اسلام احصا شود. سپس، در بخش کاربردی این پژوهش سعی شده با استفاده از ماتریس داده های خرد استانی تأثیر نابرابری فرصت ها بر نابرابری درآمدی در قالب یک مدل تعادل عمومی محاسبه پذیر در مناطق ایران مورد ارزیابی قرار گیرد. در این تحقیق با توسعه مدل حقیقی و مرتضوی کاخکی(2012) اثر فرصت ها بر عرضه نیروی کار ماهر در هر استان مدلسازی شده و شاخص ضریب جینی استانی محاسبه شده است.نتایج این پژوهش نشان می دهد که در ایران ایجاد فرصت های برابر از طریق برابر نمودن فرصت ها در استان های مختلف می تواند به توازن درآمدی کمک نموده و باعث کاهش ضریب جینی درآمدی بین استانی شود. بر اساس مدل ارائه شده در صورت تحقق برابری فرصت ها، شاخص توزیع درآمد بهبود یافته و ضریب جینی بین استانی از 0.25 به 0.11 کاهش خواهد یافت. در این بین استان های سیستان و بلوچستان، کردستان، لرستان، آذربایجان غربی، گلستان و خراسان شمالی شاهد بیشترین افزایش در سطح درآمد سرانه خواهند بود.

اندازه گیری اثرات رفاهی اصلاح یارانه انرژی، یکی از مهمترین گامهای اساسی در تعیین شرایط و سناریوهای اصلاح قیمت حامل های انرژی می باشد. لذا هدف اصلی این مقاله، بررسی چگونگی اثرگذاری اصلاح یارانه انرژی بر رفاه دهک های درآمدی خانوارهای شهری و روستایی می باشد که با استفاده از مدل تعادل عمومی محاسبه پذیر استاندارد و بر اساس سناریوهای قانون مصوب مجلس سال 1389 مورد ارزیابی قرار می گیرد. همچنین در این مطالعه، سیاست های حمایتی و بازتوزیع درآمدی ناشی از اصلاح یارانه نیز شبیه سازی و تحلیل می شود. نتایج بررسی نشان می دهد که با اصلاح یارانه انرژی به صورت افزایش قیمت انرژی، رفاه تمامی خانوارهای شهری و روستایی کاهش یافته و این امر، بویژه در دهک های پایین درآمدی در هر دو خانوارهای شهری و روستایی مصداق بیشتری دارد. همچنین در نتیجه اصلاح یارانه انرژی خانوارهای روستایی در مقایسه با خانوارهای شهری، کاهش رفاه بیشتری را تجربه می نمایند و از طرفی دیگر، بسته های حمایتی و بازتوزیع درآمد ناشی از اصلاح قیمت انرژی تحت سناریوهای مختلف بازتوزیع تا حد قابل توجهی کاهش رفاه خانوارها را جبران می کند

سابقه تاریخی جداول داده - ستانده منطقه ای به سال 1950 باز می گردد که اندیشه تدوین آن توسط والتر ایزارد مطرح شد. در ایران تهیه حساب های منطقه ای از برنامه عمرانی پنجم قبل از انقلاب آغاز گردید ولی تاکنون برای استان های معدودی این حساب ها تدوین شده است....

This paper investigates the use of different priors to improve the inflation forecasting performance of BVAR models with Litterman’s prior. A Quasi-Bayesian method, with several different priors, is applied to a VAR model of the Iranian economy from 1981:Q2 to 2007:Q1. A novel feature with this paper is the use of g-prior in the BVAR models to alleviate poor estimation of drift parameters of Traditional BVAR models. Some results are as follows: (1) our results show that in the Quasi-Bayesian framework, BVAR models with Normal-Wishart prior provides the most accurate forecasts of Iranian inflation; (2) The results also show that generally in the parsimonious models, the BVAR with g-prior performs better than BVAR with Litterman’s prior.

مصرف گاز طبیعی به عنوان یکی از مهم ترین حامل های انرژی، طی سالیان اخیر روند صعودی را داشته و مدیریت مصرف و برنامه ریزی جهت تأمین نیازهای آن، نیازمند شناخت وضعیت مصرف کنونی و پیش بینی روند آتی آن می باشد. با معرفی و کاربرد گسترده مدل های مختلف همچون شبکه های عصبی مصنوعی جهت برآورد روند آتی مصرف و از طرفی تصادفی بودن آن ها، آگاهی از دقت این مدل ها جهت نیل به هدف پیش بینی دقیق تر، اهمیت بیشتری یافته است. پژوهش حاضر سعی دارد با به کارگیری شبکه های عصبی مصنوعی به عنوان مدلی غیرخطی و مدل خطی ARIMA در پیش بینی مصرف ماهانه گاز طبیعی در بخش خانگی ایران به عنوان عمده ترین بخش مصرف کننده، به مقایسه دقیق تر این پیش بینی ها با استفاده از باز نمونه گیری از نمونه ها بپردازد. بدین منظور ابتدا آموزش شبکه با استفاده از الگوریتم های ژنتیک و ازدحام ذرات صورت گرفته و مقایسه آن ها با استفاده از روش «10-fold» حاکی از عملکرد بهتر الگوریتم ازدحام ذرات جهت آموزش شبکه بود. در ادامه شبکه عصبی با استفاده از باز نمونه گیری با جایگذاری از داده های اردیبهشت ماه 1381 تا اسفندماه 1388 به تعداد 2000 بار توسط الگوریتم ازدحام ذرات آموزش داده شد و مصرف ماهانه گاز طبیعی در بخش خانگی طی سال های 1389 و 1390 توسط آن ها پیش بینی و فاصله اطمینان 95 درصدی برای پیش بینی ها محاسبه شد. نتایج بررسی معنی داری اختلاف پیش بینی مدل ترکیبی شبکه عصبی با مدل ARIMA و همچنین مقادیر واقعی، بر اساس فاصله اطمینان به دست آمده حاکی از عملکرد بهتر شبکه عصبی ترکیبی نسبت به مدل ARIMA در اغلب ماه ها بود.

We employ the modelling strategy of Garratt, Lee, Pesaran and Shin (2003a) to estimate a structural cointegrating VARX* model for Iran in which core macroeconomic variables of the Iranian economy are related to current and lagged values of a number of key foreign variables. The long run macroeconomic relations for real money balances, interest rates, output, prices and exchange rates are identified and tested within this framework over the period 1979Q1-2007Q4. We make use of generalised impulse response functions to analyze the dynamic properties of the model following a shock to exogenous variables (oil prices and foreign interest rates). We also examine via the persistence profiles, the speed of adjustments to the long run relations following a system-wide shock. The results show that money demand relation and UIP-PPP (international parity conditions jointly) are not rejected within the model. Furthermore, these two long run relations have well-behaved persistence profiles in which the effects of system wide-shocks on the long run relations are transitory and die out eventually. However, both UIP-PPP and the money demand relations exhibit sluggish rates of adjustments to shocks. We also provide evidence for the excessive importance of oil price shocks for Iranian economy in our impulse response analysis.

یکی از اشکالات جدی که در مدلهای اقتصادسنجی ممکن است بروز کند، درونزا بودن برخی از متغیرهای توضیحی مدل و در نتیجه اریب شدن پارامترهای تخمینی می باشد. روش همسان سازی بر اساس نمرات گرایش بعلت رسیدگی اثر تیمار و همچنین رفع مسئله ی سوگیری انتخاب، در سه دهه ی گذشته در علومی نظیر آمار، اقتصاد و پزشکی کاربرد فراوانی داشته و در سنوات اخیر در حسابداری و علوم مالی کاربرد زیادی پیدا نموده است. هدف تحقیق حاضر معرفی این ابزار جهت استفاده بیشتر در تحقیقاتی می باشد که با رویکرد مقایسه جفت ها می باشد و بدنبال رفع مشکل درون زائی و سوگیری انتخاب و کاهش تعداد متغیرها می باشد.

در این مقاله با توجه به رشد اقتصاد چین در سال های اخیر و وفور  معادن زیرزمینی در این کشور، موضوع اهمیت بخش معادن زیرزمینی جهت مقایسه و نقش این بخش در دو کشور ایران و چین، با بررسی روابط پیشین و پسین مبادلات این بخش در ساختار اقتصاد هر کشور  از طریق جداول داده ستانده سال های1390 و 2011 مورد بررسی قرار گرفته است. بدین منظور، از طریق رویکردهای هم پیوندی سنتی  جایگاه این بخش در اقتصاد دوکشور تعیین و سپس از طریق رویکرد هم پیوندی نوین، شامل روش خالص مقدار، پیوندهای پیشین و پسین کل آن بخش، تأثیرگذاری این یخش بر سایر صنایع دیگر در اقتصاد هر کشور مورد بررسی قرار گرفت. نتایج تحقیق حاکی از آن است که بخش معادن زیرزمینی از لحاظ جایگاه در ساختار اقتصاد ملی چین در بسترسازی تولید برای سایر بخش ها رتبه اول را داشته، لیکن در تقاضا برای کالاهای سایر بخش ها کمتر از متوسط فعالیت اقتصاد آن کشور تأثیرگذار است. اما، بخش معادن زیرزمینی در ایران، هم در بسترسازی برای تولید، یعنی پیوندهای پیشین، هم در تأثیرگذاری بر تقاضا از سایر بخش ها، یعنی روابط پسین، از جایگاه ضعیفی برخوردار می باشد که این موضوع باتوجه به سهم تولیدات معادن زیرزمینی، به ویژه با داشتن ذخایر نفتی و گازی، نشان می دهد ماندگاری تولیدات آن بسیار پایین است و بیشتر آن به صورت صادرات مواد خام از چرخه تولید خارج می شود و نتوانسته است باعث تحرک بخشی و تأثیرگذاری مناسب در سایر بخش های اقتصادی گردد.

تورم به عنوان یکی از بنیادی ترین چالش های اقتصادی، در طول حیات اقتصادی هر کشور شناخته می شود، به همین دلیل پیش بینی روند تورم برای تنظیم سیاست های اقتصادی اهمیت به سزایی دارد. این نیاز موجب توجه جدی به کاربرد مدل های مختلف برای پیش بینی نرخ تورم شده است؛ و بدین منظور مدل های پیش بینی گوناگونی در رقابت با یکدیگر توسعه یافته اند. از این رو این پژوهش با هدف پیش بینی ماهیانه نرخ تورم در ایران برای سال 1390 با استفاده از داده های سری زمانی ماهیانه شاخص بهای کالا و خدمات مصرفی ایران در سال های 1383 تا 1389 انجام شده و اطلاعات مربوط به شاخص بهای کالا و خدمات مصرفی نیز برای سال های مورد نظر از بانک مرکزی جمهوری اسلامی ایران گرفته شده است. برای این منظور از دو الگوی میانگین متحرک هم انباشته خود توضیح (ARIMA) و شبکه عصبی (ANN) استفاده شده و همچنین در این پژوهش به مقایسه الگوهای اقتصادسنجی و شبکه عصبی و توان پیش بینی هر یک از الگوها با در نظر گرفتن میانگین درصد خطای مطلق آنها پرداخته شده است. نتایج پیش بینی با استفاده از این دو الگو نشان داد، که اگرچه هر دو الگوی میانگین متحرک خود توضیح و شبکه ی عصبی، با توجه به میانگین درصد خطای مطلق پیش بینی درون نمونه ای، به ترتیب 86/0 و 94/0 درصد دارای توان پیش بینی بالایی بوده اند، اما الگوی ARIMA به نسبت الگوی ANN از دارای توان پیش بینی بالاتری بوده است. بنابراین در این پژوهش مقادیر پیش بینی شده شاخص بهای کالا و خدمات مصرفی در ایران بر اساس الگوی سری زمانی ARIMA تعیین شده است و نتایج پیش بینی این الگو نشان می دهد، با توجه به روند رو به رشد در شاخص بهای کالا و خدمات مصرفی در ایران برای سال 1390، در پیش گرفتن سیاست های کنترل حجم پول و نقدینگی از طریق اعمال سیاست های پولی و مالی مناسب توسط سیاستگذران می تواند نقش مهمی در کنترل نرخ تورم داشته باشد.