درخت حوزه‌های تخصصی

ساختار اقتصاد استان تهران با توجه به سهم بخش خدمات از کل ستانده و اشتغال استان که در سال 1380 به ترتیب 57 و 63 درصد می باشد، خدمات محور به شمار می رود و از این منظر، مشابه ساختار اقتصادهای پیشرفته است. هدف این مقاله، تبیین ساختار اقتصاد خدمات محور استان با استفاده از الگوی داده- ستانده و پیوندهای بین بخشی به روش بردار ویژه می باشد. در این راستا، سؤال اساسی تحقیق این است که آیا به کارگیری روش بردار ویژه نسبت به روش های سنتی چنری- واتانابه و راسمیوسن می تواند اهمیت بخش های استان را برمبنای میزان ماندگاری واسطه ای در چرخه تولید بهتر ارزیابی نماید؟ در این مطالعه، ابتدا جدول داده- ستانده سال 1380 استان تهران به روش AFLQij برآورد و سپس اهمیت بخش های اقتصادی استان برحسب پیوندهای پسین و پیشین در قالب سه روش چنری- واتانابه، راسمیوسن و بردار ویژه، مورد سنجش قرار گرفت. نتایج حاصله نشان می دهند که روش بردار ویژه می تواند اهمیت بخش های اقتصادی استان را بر مبنای میزان ماندگاری واسطه ای بخش ها در چرخه تولید تبیین نماید، بدین صورت که چهار بخش با سهم غالب فعالیت های صنعتی، به عنوان بخش کلیدی ظاهر شدند که متوسط سهم تقاضای نهایی از تولید کل آنها برابر 5/45 درصد می باشد، حال آنکه نسبت فوق برای 71 بخش اقتصادی و بخش های خدماتی استان، به ترتیب 76 درصد و 84 درصد است. در مجموع، نتایج حاصله تصویر متفاوتی از ماهیت بخش خدمات نسبت به اقتصادهای پیشرفته به دست می دهد و بدین ترتیب، به نظر می رسد که ماهیت خدمات در استان تهران برخلاف این اقتصادها، بیشتر خدمات مصرفی تا خدمات تولیدی است.

در این‌ مقاله‌، روشی‌ برای‌ ارزیابی‌ و اندازه‌گیری‌ میزان‌ قدرت‌ پیش‌بینی‌ آینده‌ جدولهای‌داده‌-ستانده‌ به‌ دست‌ می‌دهیم‌. همچنین‌ نتایج‌ مطالعه‌ تجربی‌ بر روی‌ جدول‌ داده‌-ستانده‌ سال‌1367 تهیه‌ شده‌ در بانک‌ مرکزی‌ ایران‌ و جدول‌ سال‌ 1370 تهیه‌ شده‌ در مرکز آمار ایران‌ که‌ بااستفاده‌ از این‌ روش‌ انجام‌ شده‌ است‌ را برمی‌شماریم‌. در این‌ مقاله‌، ابتدا سطرها و ستونهای‌جدولهای‌ یادشده‌ براساس‌ طبقه‌بندی‌ ISIC به‌ 11 بخش‌ عمده‌ اقتصادی‌ تقلیل‌ داده‌ شد و سپس‌با استفاده‌ از یک‌ ماتریس‌ تبدیل‌ حاصل‌ از جدول‌ و اجزای‌ اصلی‌ تقاضای‌ نهایی‌، ارزش‌ افزوده‌11 بخش‌ موردنظر برای‌ یک‌ دوره‌ 4 ساله‌ و یک‌ دوره‌ 9 ساله‌ بعد از سال‌ جدول‌، محاسبه‌ شده‌است‌. مقایسه‌ مقادیر پیش‌بینی‌ شده‌ با مقادیر واقعی‌، نشان‌ می‌دهد که‌ پس‌ از گذشت‌ 4 تا 6سال‌، هر دو جدول‌ یادشده‌، از نظر پیش‌بینی‌ آینده‌، قابلیت‌ اطمینان‌ کمتری‌ خواهند داشت‌.بنابراین‌، پژوهشگران‌ باید در استفاده‌ از نظامهای‌ داده‌-ستانده‌ در پیش‌بینی‌ ارزش‌ افزوده‌ برای‌برنامه‌ریزیهای‌ اقتصادی‌، احتیاط لازم‌ را به‌ عمل‌ آورند. به‌ علاوه‌، در این‌ مقاله‌ می‌بینیم‌ که‌ هر دوجدول‌، در پیش‌بینی‌ ارزش‌ افزوده‌ برخی‌ از بخشها، نارساییهایی‌ دارند، لیکن‌ پدر مجموع‌پ،جدول‌ سال‌ 1370، در این‌ مورد، از قابلیت‌ اطمینان‌ نسبی‌ بیشتری‌ برخوردار است‌.

This paper presents an assessment of the small-sample performance of the three well-known estimators of components variance in random effects model for panel data. The estimators considered are Swamy-Arora, Wansbeek-Kaptayn and Wallace-Hussain. To this end, by simulating a one-way error component model in the form of random effects, small sample performance of three variance estimators is studied. The implications of these results for indentifying the model and its estimation are specified. In these simulations, conditions under which Swamy-Arora estimator is inferior to alternatives are expressed. It is shown that in small samples the estimator thus obtained can give highly wrong guidance. In one-way error component model this small sample size refers to the number of cross-sections.

این مقاله با بکارگیری یک مدل تعادل عمومی پویای تصادفی کینزی جدید برای اقتصاد ایران و لحاظ چسبندگی قیمت و بازارهای ناقص، نشان می دهد که چگونه تکانه های تصادفی در حضور انواع مختلف قواعد عکس العمل مالی، متغیرهای اصلی اقتصاد کلان را تحت تأثیر قرار می دهند. در این راه، پاسخ متغیرهای مزبور به تکانه های تصادفی در سناریوی پایه (که در آن دولت هیچ گونه عکس العمل سیاستی اعمال نمی کند ) را با سناریوهای دیگربدیل، هنگامی که دولت به صورت ضد ادواری و از طریق قواعد مالی گذشته نگر عکس العمل نشان می دهد، مقایسه کردیم. یافته های ما با نشان دادن اینکه انحراف متغیرها از وضعیت باثباتشان، زمانی که دولت سیاست فعال اتخاذ می کند، کمتر است، از این قواعد سیاستی قعال حمایت می کنند.

توسعه مدل های پیش بینی انرژی یکی از مراحل مهم در برنامه ریزی های کلان برای تامین پایدار انرژی در راستای توسعه اقتصادی و رفاه اجتماعی است و همواره مورد توجه سیاستگذران و تحلیلگران انرژی بوده است. بخش خانگی- تجاری بزرگترین مصرف کننده انرژی در ایران است و پیش بینی تقاضای این بخش از اهمیت بالایی برخوردار است. در تحقیق حاضر با استفاده از از توابع خطی و نمایی و با ضرایب بدست آمده از الگوریتم ژنتیک به پیش بینی تقاضای انرژی بخش خانگی – تجاری ایران پرداخته شده است. 54 سناریوی مختلف با ورودی های متفاوت مورد بررسی قرار گرفته و از داده های مربوط به سال های 1346 تا 1389 برای توسعه مدل ها و انتخاب سناریوی مناسب استفاده شده است. نتایج نشان داد مدل نمایی با ورودی های ارزش افزوده کل منهای بخش نفت، ارزش ساختمان های ساخته شده، تعدا کل خانوار و شاخص قیمت مصرف انرژی مناسب ترین مدل است. با استفاده از سناریوی انتخابی تقاضای انرژی بخش خانگی-تجاری تا سال 1410 پیش بینی شده است. نتایج نشان می دهد تقاضای انرژی این بخش در سال 1410 به حدود 1180 میلیون بشکه معادل نفت خام می رسد.

به منظور برآورد تابع تولید و همچنین بررسی تغییرات بهره وری و رشد در اقتصاد هر کشوری، به سری زمانی متغیر حجم سرمایه نیازاست. تنوع در روش های پیشنهادی و نیز دشواری محاسبه سری زمانی این متغیر، باعث شده است که داده های موجود برای آن چندان قابل اعتماد نباشد. در میان روش های موجود، روش موجودی پیوسته بیشتر مورد توجه قرار گرفته که این روش نیز در عین برخورداری از ویژگی های مثبت، خالی از اشکالنیست. دراین تحقیق به منظور بهبود روش موجودی پیوسته در برآورد حجم سرمایه، از روش «الگوریتم نویسی» استفاده شده است. از قابلیت های الگوی بسط داده شده در این مطالعه می توان به متغیر؛ «در نظر گرفتن نرخ استهلاک سرمایه در دوره های مختلف»، «در نظر گرفتن متغیر کیفی جنگ و تاثیر آن بر نرخ استهلاک»، «بررسی انواع تابع تولید غیرخطی و خطی به منظور افزایش دقت برآورد و در نظر گرفتن انرژی به عنوان نهاده تولید علاوه بر نیروی کار و حجم سرمایه بر خلاف مطالعات گذشته»، اشاره کرد. نتایج نشان می دهد که سری زمانی محاسبه شده در این مطالعه دارای روندی مشابه، اما با مقداری تفاوت، در مقایسه با سری زمانی گزارش شده توسط بانک مرکزی ایران،است. همچنین نرخ استهلاک برآوردی میانگین برای دوره 1338 تا 1389 برابر با 1/5% است. برآوردها نشان می دهد که در دوران جنگ همواره نرخ استهلاک بالاتر از نرخ میانگین استهلاک بوده است. این نتیجه قدرت الگوریتم بسط داده شدهدر محاسبه نرخ استهلاک و همچنین حجم سرمایه را نشان می دهد.

This paper attempts to compare the forecasting performance of the ARIMA model and hybrid ARMA-GARCH Models by using daily data of the Iran’s exchange rate against the U.S. Dollar (IRR/USD) for the period of 20 March 2014 to 20 June 2015. The period of 20 March 2014 to 19 April 2015 was used to build the model while remaining data were used to do out of sample forecasting and check the forecasting ability of the model. All the data were collected from central bank of Iran. First of all, the stationary of the exchange rate series is examined using unit root test which showed the series as non stationary. To make the exchange rate series stationary, the exchange rates are transformed to exchange rate returns. By using Box-Jenkins method, the appropriate ARIMA model was obtained and for capturing volatilities of returns series, some hybrid models such as: ARIMA-GARCH, ARIMA-IGARCH, ARIMA-GJR and ARIMA-EGARCH have been estimated. The results indicate that in terms of the lowest RMSE, MAE and TIC criteria, the best model is ARIMA((7,2),(12)) –EGARCH(2,1). This model captures the volatility and leverage effect in the exchange rate returns and its forecasting performance is better than others.

در مطالعه حاضر نمونه ای از کاربرد الگوسازی چندسطحی برای تحلیل جداول داده- ستانده منطقه ای ارائه شده است. برای این منظور ابتدا جداول داده- ستانده کلیه استان های کشور براساس روش سهم مکانی اصلاح شده فلگ استخراج شده اند. سپس متمایز بودن ضرایب فنی لئونتیف و پیوندهای پسین و پیشین بین فعالیت ها و بخش های اقتصادی استان های مختلف، با استفاده از الگوهای سه سطحی و دو سطحی، آزمون شده است. نتایج حاصل از تجزیه واریانس بین سطوح مختلف نشان می دهد فعالیت ها، بخش ها و استان های مختلف از لحاظ شاخص های مذکور ناهمگن هستند. بنابراین تجمیع فعالیت های جداول داده- ستانده و همچنین تلفیق فضایی جداول داده- ستانده منطقه ای با یکدیگر منجر به کاهش دقت و خطا در تحلیل ها می گردد.

مقاله حاضر به شناسایی زنجیره های تولید[1] با استفاده از شاخص میانگین طول انتشار[2]برای اقتصاد ایران با استفاده از جدول داده ستانده سال 1380 می پردازد. ابتدا به اندازه گیری پیوند های پسین و پیشین فعالیت ها می پردازیم و سپس، ماتریس شاخص میانگین طول انتشار و در نهایت، شناسایی زنجیره های تولیدی را با استفاده از جدول داده ستانده تجمیع شده شش بخشی و بیست وهشت بخشی به دست می آوریم. نتایج حاکی از آن است که با بررسی پیوندهای پسین و پیشین فعالیت های اقتصادی، بخش های صنعت و آب،برق و گاز به عنوان بخش های کلیدی شناسایی شدند.همچنین با مقایسه میانگین طول انتشارهای پسین و پیشین نتایج نشان می دهند که بزرگ ترین میانگین طول انتشار پیشین متعلق به بخش کشاورزی و سپس، بخش معدن و کوچک ترین مقادیر متعلق به بخش خدمات و ساختمان است. بزرگ ترین میانگین طول انتشارهای پسین نیز متعلق به بخش ساختمان و کشاورزی و کوچک ترین مقادیر متعلق به بخش معدن و خدمات است. نکته و نتیجه مهم این بوده که در هر دو مورد جدول 6 بخشی و جدول 28 بخشی بخش معدن در بین فعالیت های اقتصادی در ابتدای چرخه تولید اقتصاد ایران قرار می گیرد.

یکی از مهمترین عوامل رشد اقتصادی سرمایه انسانی است که طی چند دهه گذشته با بروز پدیده مهاجرت به شدت تحت تاثیر قرار گرفته است. هدف این مقاله بررسی تاثیر مهاجرت بر رشد اقتصادی کشورها و آزمون نظریه های سنتی و جدید مهاجرت، در طی دوره زمانی 1965 تا 2015 با استفاده از داده های تابلویی بین کشوری، با در نظر گرفتن داده های 180 کشور است. در این مقاله، مهاجرت به سه صورت مهاجران وارد شده، کل مهاجران خارج شده و مهاجران خارج شده تحصیل کرده مد نظر قرار می گیرد. یافته های پژوهش بیانگر این است که وارد شدن مهاجران بدون در نظر گرفتن سطح تحصیلات، تأثیر منفی بر رشد اقتصادی دارد. ولی اثر متقاطع کشورهای در حال توسعه و وارد شدن مهاجران مثبت است. خارج شدن مهاجران، بدون در نظر گرفتن سطح تحصیلات آنان بر رشد اقتصادی کشور مبدا تاثیر منفی و معنی دار دارد. ولی در نظر گرفتن متغیر نسبت وجوه ارسالی نیروی کار به تولید ناخالص داخلی باعث می شود که تأثیر منفی معنادار نباشد که می تواند تأییدی بر نظریه های جدید درباره آثار مهاجرت باشد. همچنین خارج شدن مهاجران تحصیل کرده اثر منفی بر رشد اقتصادی دارد و در این حالت حتی در نظر گرفتن وجوه ارسالی مهاجران نیز از آثار منفی یاد شده نمی کاهد.

نظام مالی اسلامی ایران به عنوان یکی از اصلی ترین بخش های تأثیرپذیر از ناحیه سرریز شوک های سیستمی اقتصاد ایران مبتنی ترتیبات نهادی فعلی، در قالب مدل تعادل عمومی پویای تصادفی در این تحقیق مورد توجه قرار گرفته است. این تحقیق با قرار دادن نرخ واقعی ارز به عنوان یک آماره کافی، روش افزایش میزان مقاومت اقتصاد مبتنی بر بندهای 8 و 9 سیاست های کلی اقتصاد مقاومتی را مورد موشکافی قرار می دهد. حین اجرای مدل، ضعف روش های مستفاد در این حوزه از دو حیث خطی و حالت ایستای غیرتصادفی مورد بررسی و آسیب شناسی قرار می گیرد. بنابر یافته این پژوهش، روش گلوبال با التزام به حالت ایستای تصادفی بیشترین ظرفیت را در بهینه نمودن نقطه حداکثر مقاومت می تواند از خود عرضه کند.

در چند دهه آینده بسیاری از کشورهای جهان تحول وسیعی را در ساختار جمعیتی خود شاهد خواهند بود. چنین تغییر جمعیتی اثرات زیادی را بر اقتصاد و بازار کار به همراه خواهد داشت. در این پژوهش با طراحی یک مدل تعادل عمومی محاسبه پذیر چندبخشی به بررسی اثر تغییر ساختار جمعیت ایران بر رفاه، اشتغال و فعالیت بخش های اقتصادی ایران پرداخته شده است. مدل حاضر از هفت بخش اقتصادی تشکیل و دو نوع نیروی کار ماهر و غیر ماهر به تفکیک در آن لحاظ شده است. انتخاب بین کار و فراغت و تحرک نیروی کار در نظر گرفته شده است. مدل بر اساس ماتریس داده های خرد سال 1390 کالیبره شده است. نتایج محاسبات نشان می دهد که در دوره جوانی جمعیت، اشتغال نیروی کار و سطح فعالیت بخش ها نسبت به سال پایه افزایش خواهد یافت. در این دوره همچنین به دلیل افزایش سطح فعالیت و تولید، درآمد افزایش می یابد و در نتیجه رفاه نیز افزایش می یابد. اما در دوره سالخوردگی جمعیت، رفاه اقتصادی، اشتغال نیروی کار ماهر و ساده و سطح فعالیت بخش-ها در اقتصاد کاهش خواهد یافت. نتایج همچنین نشان دهنده این است که بخش های کشاورزی و نفت و گاز بیشترین مقدار تغییر در اشتغال نیروی کار ساده و ماهر را در هر دو دوره جوانی و سالخوردگی جمعیت تجربه خواهند کرد.

داشتن تورمی پایین و رشد اقتصادی پایدار، هدف نخست سیاستگذاران اقتصادی است که برای رسیدن به این هدف طلایی، پیش بینی قابل اطمینان از متغیرهای کلان اقتصادی نقش مهمی ایفا می کند. در این مطالعه سعی شده است تا عملکرد مدل های خودرگرسیون برداری بیزی با اطلاعات (Priors) متفاوت برای پیش بینی متغیرهای کلان در اقتصاد ایران ارزیابی شود. ویژگی منحصر به فرد این مقاله استفاده از الگوریتم گیبس برای تخمین مدل BVAR و مقایسه آن با دو مدل BVAR شبه بیزی است که در آنها از اطلاعات نرمال ویشارد ( (Normal Wishardومینستا Minnesota )) استفاده شده است، جهت ارزیابی دقت پیش بینی متغیرهای کلان اقتصادی است. در این مطالعه مقایسه دو مدل BVAR شبه بیزی فوق و BVAR با الگوریتم گیبس با توزیع پیشین یکسان مینستا نشان می دهد که مقدار MSFE در پیش بینی متغیر های اقتصادی برای 4 دوره در مدل BVAR با الگوریتم گیبس کمتر بوده و این مدل در کل عملکرد بهتری در پیش بینی متغیرهای کلان اقتصادی فوق نسبت به مدل های شبه بیزی دارد.

محاسبه جدول متقارن داده- ستانده متکی بر دو فرض تکنولوژی بخش و کالاست. اوّلی درایه های غیرمنفی در جدول را تضمین می کند ولی فاقد پایه نظری قابل قبول است. هر چند دومی، از پایه نظری نسبتاً قابل قبولی برخوردار اما ظهور عناصر منفی در آن اجتناب ناپذیر و تفسیر اقتصادی عناصر منفی غیرممکن می باشد. دو نوع واکنش برای برون رفت از مساله ظهور عناصر منفی در برخورد تحلیلگران داده- ستانده مشاهده می شود. گروهی از تحلیلگران به طور کلی، فرض تکنولوژی کالا را رد می کنند، در حالی که گروهی از اقتصاددانان، بر این باورند که باید با این چالش مدارا نموده و از روش های حذف تدریجی عناصر منفی برای حل این مساله، استفاده کرد. بانک مرکزی به منظور احتراز از ظهور عناصر منفی، فرض تکنولوژی بخش را مبنای محاسبه جداول متقارن سال های 1367 و 1378 قرار می دهد. حال آنکه، مرکز آمار ایران در ابتدا از فرض تکنولوژی بخش حمایت می کند و بر مبنای آن، جدول متقارن سال 1365 را محاسبه می کند، پس از آن، عبارت «عمدتاً فرض تکنولوژی کالا با تعدیلاتی در چارچوب تکنولوژی مختلط» را اساس استخراج جدول متقارن 1380 قرار می دهد. در گزارش های مرکز آمار ایران دقیقاً مشخص نیست که از کدام روش برای حذف عناصر منفی استفاده شده است. ذکر این نکته ضرورت دارد که این مساله تاکنون مورد توجه پژوهشگران اقتصاد داده- ستانده در ایران قرار نگرفته است. در این مقاله، با استفاده از الگوریتم ریاضی آلمن و بر مبنای ماتریس های ساخت و جذب مرکز آمار ایران برای سال 1380، برای نخستین بار در مطالعات مربوط به حوزه اقتصاد داده- ستانده ایران و ضمن استفاده از فرض تکنولوژی کالا، جدول داده- ستانده متقارنی را محاسبه می کنیم که فاقد عناصر منفی است و تراز جدول نیز حفظ می شود. در این مطالعه، ارقام مستخرج از الگوریتم آلمن با ارقام متناظر در جدول متقارن مرکز آمار ایران مقایسه می گردند. یافته های تحقیق حاکی از آن است که در الگوریتم آلمن، میزان تعدیل های مورد نیاز روی جدول متقارن کالا در کالا با فرض تکنولوژی کالا بسیار کمتر از میزان تعدیل هایی است که مرکز آمار برای حذف درایه های منفی استفاده نموده است. به کارگیری روش مذکور برای محاسبه جداول متقارن آتی بویژه محاسبه جدول متقارن سال 1390 که اخیراً در دستور کار مرکز آمار ایران قرار گرفته است، پیشنهاد می گردد.

در پنج دهه گذشته تحلیل گران اقتصاد داده- ستانده دو رویکرد ماتریس ضرایب داده – ستانده و ماتریس مبادلات واسطه ای بین بخشی که هردو مبتنی بر الگوریتم های تکرارند را در بهنگام سازی جداول داده- ستانده مورد استفاده قرار داده اند. اولی پایه نظری تابع تولید دارد و از مقبولیت بیشتری نسبت به رویکرد دوم برخوردار است که فقط جنبه حسابداری دارد و کمتر مورد توجه قرار گرفته است. اما نکته چالش برانگیز، نتایج یکسان و یا متفاوت بودن بکارگیری دو رویکرد بین تحلیلگران اقتصاد داده- ستانده است. گروهی بر اختلاف نتایج تاکید دارند، حال آنکه مشاهدات گروه دیگر حاکی از یکسان بودن نتایج است. هیچیک از دو گروه عواملی همچون تجمیع و سرعت همگرایی روش ها را در این دو رویکرد مورد توجه قرار نداده اند. بررسی جنبه های نظری و کاربردی این موضوعات محورهای اصلی این مقاله را تشکیل می دهند. با استفاده از جداول آماری داده ستانده سالهای 1375 و 1380 ایران، این رویکردها با تاکید بر تجمیع و سرعت همگرایی در قالب جداول سه بخشی، هفت بخشی، پانزده بخشی و بیست و یک بخشی بصورت کمی مورد سنجش قرار می گیرند. یافته های کلی مقاله عبارتند از: یک- خطاهای آماری بین دو رویکرد وجود دارند اما ناچیزند. دو- سرعت همگرایی رویکرد اول بیشتر از سرعت همگرایی رویکرد دوم است.