فهرست مطالب
فصلنامه پژوهش های اقتصادی ایران
پیاپی 32 (پاییز 1386)
- 196 صفحه،
- تاریخ انتشار: 1386/12/25
- تعداد عناوین: 7
-
-
صفحه 1بررسی های انجام شده در مقوله حسابداری رشد اقتصادی نشان می دهد که بخش اصلی رشد محقق شده در کشورها توسط نهاده های سنتی کار و سرمایه توضیح داده نمی شود. این جزء از رشد اقتصادی که در متون اقتصادی با عنوان عامل پسماند شناخته شده است، به مجموعه عواملی نسبت داده می شود که به افزایش بهره وری کلی عوامل تولید سنتی (کار و سرمایه) منجر می شوند. مبانی نظری و تجربی، عموما پایه های خرد و کلان آزادی انتخاب و رقابت پذیری را ریشه های اصلی کیفیت بروز بهره وری عوامل تولید معرفی می کنند. در این پژوهش سعی کرده ایم رویکرد مدلهای رشد اقتصادی به متغیر رفتار آحاد اقتصادی پیوند زده شود. اگر قرار باشد رویکرد مدلهای رشد اقتصادی را به تئوری اقتصاد ارتباط دهیم، لازم است نقش رفتار آحاد اقتصادی در مدلهای رشد اقتصادی مورد توجه قرار گیرد. جزء پسماند حسابداری رشد که از آن به عنوان بهره وری کل عوامل تولید یاد می شود، پارامتری است که می تواند این پیوند بین رفتار آحاد اقتصادی و رشد اقتصادی کشورها را در چارچوب مدلهای رشد اقتصادی تبیین نماید. این رویکرد به نوعی همسو با نگرش مدلهای رشد درونزا است. در چارچوب نمونه ای از کشورهای جهان در فاصله سال های 1999 تا 2004 و با برآورد یک مدل تجربی رشد اقتصادی، ملاحظه شده است کشورهایی که شرایط رقابت پذیری آحاد اقتصادی برای آنها مناسب تر بوده است، به طور معناداری رشد اقتصادی بالاتری را تجربه کرده اند. نتایج این پژوهش که از نظر مدل، دامنه مطالعه و نمونه انتخابی متفاوت از سایرین است، تایید مجددی بر نتایج سایر مطالعات تجربی ارائه شده در این مقوله است. در مطالعات تجربی ارائه شده از سوی پژوهشگران مختلف در جهان، کشور ایران در سال های اخیر از جنبه وجود شرایط رقابتی برای فعالیت مناسب بنگاه های تولیدی وضعیت بسیار نامناسبی داشته است. با توجه به عدم ابهام در مبانی نظری موضوع تاثیر شرایط آزادی اقتصادی بر رشد، ایجاد بستر مناسب برای تصمیم گیری شفاف و صحیح بنگاه های تولیدی که در چارچوب سیاستگذاری رشد محقق خواهند شد، لازم و از وظایف اصلی دولت هاست. نقاط ضعف اساسی در انطباق شرایط جاری کشور با مبانی نظری رشد اقتصادی در سیاست گذاری های رشد اقتصادی در کشور وجود دارد. به این ترتیب لازم است برنامه ها و سیاست های مشخص برای حاکم کردن راهبردهای رشد افزای آزادی اقتصادی در برنامه های اقتصادی پیشنهادی احزاب سیاسی کشور(به طور عام) و دولت های حاکم به طور خاص نمود بیشتری پیدا کند. ایجاد شرایط آزادی اقتصادی برای فعالیت آزاد، شفاف و رقابتی بنگاه های تولیدی در کشور، یک جهت گیری مناسب و همسو با سیاست های رشد اقتصادی است که لازم است به صورت ویژه در سیاست های اقتصادی کشور نهادینه شود.
کلیدواژگان: رشد اقتصادی، آزادی اقتصادی، بهره وری کل عوامل تولید، مدلهای رشد و تئوری اقتصادی، ایران -
صفحه 31هدف این مقاله، بررسی اثر برخی متغیرهای کلان اقتصادی بر تعیین رفتار شاخص قیمت مسکن در ایران است. در این راستا، از مدل اقتصاد کلانی استفاده شد که دارای پایه های اقتصاد خردی است و در آن از متغیرهای درآمد سرانه خانوار، شاخص قیمت سهام، شاخص قیمت خدمات ساختمانی، تعداد ساختمان های تکمیل شده، حجم پول و نرخ تورم، به عنوان متغیرهای توضیحی برای متغیر وابسته شاخص قیمت مسکن استفاده گردید. برآورد مدل با استفاده از داده های فصلی سال های 1384-1373 اقتصاد ایران و با به کارگیری مدل خودتوضیح با وقفه های گسترده انجام شد. همچنین به منظور بررسی سرعت تعدیل مدل پویا به مدل بلندمدت، الگوی تصحیح خطا نیز برآورد گردید. نتایج حاصل از تخمین بیانگر این واقعیت است که متغیرهای کلان اقتصادی از قدرت توضیح دهندگی خوبی برای تعیین رفتار شاخص قیمت مسکن در ایران برخوردارند. علاوه بر این، علامت ضرایب برآورد شده، مطابق انتظار تئوری است.
کلیدواژگان: شاخص قیمت مسکن، مدل خودتوضیح با وقفه های گسترده، الگوی تصحیح خطا، اثر بلندمدت و اثر کوتاه مدت، متغیرهای پولی -
صفحه 55از آنجا که مساله فقر و برنامه های فقرزدایی مورد توجه سیاستگذاران و برنامه ریزان قرار گرفته است، شناسایی دقیق این پدیده در موفقیت این برنامه ها و حل این مساله مهم ضرورتی انکارناپذیر خواهد بود. به رغم تمام تلاش های جمهوری اسلامی ایران در راستای حذف فقر از جامعه، اولین برنامه تدوین شده مبارزه با فقر در جمهوری اسلامی ایران در عمل از سال 1380 با هدف به حداقل رساندن فقر در ایران به اجرا درآمده است. در این پژوهش، مساله پویایی فقر را با استفاده از داده های مرکب خانوارهای شهری و روستایی کشور برای سال های 1380 تا 1382 بررسی می کنیم. بدین منظور، خط فقر در بخش روستایی و شهری محاسبه کرده و با استفاده از آن خانوارهای فقیر و غیر فقیر در نمونه های مورد مطالعه مشخص کرده ایم. سپس، با استفاده از برآورد لاجیت و مدل spell نقش هر یک از عوامل تعیین کننده فقر بر نرخ مخاطره خروج از فقر و ورود مجدد به فقر خانوارها را مطالعه کرده ایم. در برآورد خط فقر غذایی از روش تامین انرژی غذایی (FEI) بهره گرفته و با استفاده از رگرسیون های غیرپارامتریک خطوط فقر غذایی و غیرغذایی را به دست آورده ایم. نتایج این پژوهش نشان می دهد که فقر در بخش روستایی ابعاد بزرگتری داشته هر چند که انتقال میان وضعیت های فقر در جوامع روستایی بیشتر دیده می شود. همچنین، بررسی ها نشان می دهد که جوامع شهری بیشتر با پدیده فقر مزمن روبرو هستند.
کلیدواژگان: پویایی فقر، فقر مزمن، خط فقر، نرخ ورود مجدد به فقر، نرخ خروج از فقر، داده های مرکب خانوار، ایران -
صفحه 85روش های سنتی تصمیم گیری در مورد اعطای اعتبار به متقاضیان وام، همانند آنچه که اکنون در کشور ما انجام می گیرد، بر پایه قضاوت شخصی در مورد خطر عدم باز پرداخت استوار است. با این وجود، فشارهای اقتصادی ناشی از افزایش تقاضا برای شکل های مختلف اعتبار، در کنار رقابت های تجاری گسترده و تلاش موسسات مالی و بانک ها برای پایین آوردن در صد عدم باز پرداخت، موجب افزایش به کارگیری روش های آماری در زمینه اعطای اعتبار شده است. رتبه بندی اعتباری به منظور پیش بینی احتمال کوتاهی در بازپرداخت و یا عدم باز پرداخت و یا معادل آن برای طبقه بندی متقاضیان اعتبار به دو گروه ریسک خوب و ریسک بد مورد استفاده قرار می گیرد. از جمله مزایای این روش می توان به صرفه جویی در زمان، صرفه جویی در هزینه، حذف قضاوت های شخصی و افزایش دقت در ارزیابی متقاضیان وام اشاره کرد. روش های آماری مختلفی از جمله آنالیز ممیزی، رگرسیون لجستیک، روش های هموارسازی نا پارامتری وشبکه های عصبی در زمینه رتبه بندی اعتباری مورد استفاده قرار گرفته اند. در این میان، «شبکه های عصبی» به دلیل انعطاف پذیری بالاتر، در سال های اخیر بیشتر مورد توجه قرار گرفته اند. در این مقاله، یک مدل شبکه عصبی برای طبقه بندی متقاضیان دریافت وام فروش اقساطی ارائه و سپس عملکرد این مدل را با دو مدل آماری آنالیز ممیزی و رگرسیون لجستیک مقایسه می کنیم. نتایج حاصل از این مقایسه نشان می دهد که مدل شبکه عصبی در مقایسه با سایر مدل های مورد مطالعه، از کارایی و دقت بالاتری برخوردار است.
کلیدواژگان: رتبه بندی اعتباری، مدل رتبه بندی، شبکه عصبی، آنالیز ممیزی، رگرسیون لجستیک -
صفحه 111
ایده رگرسیون جعلی در اقتصادسنجی توسط گرنجر و نیوبولد (1974) مطرح شد. این محققان نشان دادند که اگر متغیرهای مستقل و وابسته مورد استفاده در الگو باشند، تخمین الگو به روش حداقل مربعات معمولی باعث پیدایش نتایج غیر واقعی(یا جعلی) خواهد شد. اما سری های زمانی مورد استفاده در الگوها ممکن است خاصیت جمع بستگی متفاوتی داشته باشند. بنابراین، این سوال مطرح می گردد که آیا پدیده رگرسیون جعلی در الگوهای دارای درجات متفاوت جمع بستگی نیز وجود خواهد داشت یا خیر. در این مقاله پس از بررسی سیر تکامل تاریخی و مفهوم رگرسیون جعلی، نتایج یافته های برخی از مطالعات مهم در ارتباط با داده های سری زمانی با الگوهای دارای متغیرهای و و همچنین و مد نظر قرار گرفته و از بررسی متون آشکار گردیده است که در چنین شرایطی نیز احتمال وقوع رگرسیون جعلی وجود دارد. بنابراین پیشنهاد شده است که قبل از اقدام به تخمین هر الگویی، خواص سری های زمانی مورد استفاده، دقیقا«بررسی شود.
کلیدواژگان: رگرسیون جعلی، داده های سری زمانی -
صفحه 137علاوه بر تغییرات دما و شرایط جوی- که عامل اصلی نوسانات فصلی تقاضای انرژی محسوب می شوند- عوامل دیگری نظیر شوک های فصلی غیر قابل مشاهده بر نوسانات فصلی تقاضای انرژی تاثیر می گذارند. همچنین غیر از عوامل اقتصادی قابل مشاهده نظیر قیمت و درآمد، عوامل غیر اقتصادی همانند تغییر سلیقه مصرف کنندگان و پیشرفت تکنولوژی و عوامل دیگری که قابل مشاهده نیز نیستند، بر روند اصلی تقاضای انرژی اثر می گذارند. به کار گیری روش مدل ساختار سری زمانی، این امکان را می دهد که بتوان هر دو مؤلفه روند تصادفی و فصلی تصادفی را در تقاضای انرژی به منظور برآورد صحیح کشش های درآمدی و قیمتی، وارد و مدلسازی کرد. سپس با استفاده از فیلتر کالمن با روش حداکثر راستنمایی، برآوردهای نااریب پارامترهای تابع تقاضا محاسبه می شود. در ایران برای اولین بار، برآورد تابع تقاضای گاز طبیعی در بخش خانگی و تجاری کشور با روش انجام شده است. در تابع تقاضای برآورد شده مؤلفه روند مشاهده نمی شود. ماهیت مؤلفه فصلی تصادفی بوده و کشش مصرف سرانه گاز طبیعی نسبت به دما 26/0- درصد برآورد شده است. کشش های بلندمدت قیمتی و درآمدی نیز به ترتیب حدود 13/0- و 17/0 درصد محاسبه شده است.
کلیدواژگان: تقاضای گاز طبیعی، نوسانات فصلی، روند اصلی و مدل ساختار سری زمانی -
صفحه 161توانایی کم نظیر شبکه های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش های انجام شده در مورد توانایی پیش بینی مدل های خود توضیح جمعی میانگین متحرک (ARIMA) و شبکه های عصبی مصنوعی(ANN) به مقایسه این دو روش برای پیش بینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداخته ایم. افزون بر این، در این پژوهش پس از مدلسازی به وسیله شبکه های عصبی مصنوعی، به منظور تشخیص سهم مشارکت هر پارامتر ورودی در این مدل از تجزیه و تحلیل حساسیت استفاده کرده ایم. با توجه به حجم وسیع به کارگیری اطلاعات روزانه قیمت جهانی نفت (بیش از 5500 روز اطلاعات) نتایج به دست آمده نشان دهنده برتری غیرقابل مقایسه مدل شبکه های عصبی مصنوعی نسبت به مدل ARIMA در پیش بینی قیمت روزانه نفت است.
کلیدواژگان: سری های زمانی، شبکه های عصبی مصنوعی(ANN)، مدل ARIMA، آنالیز حساسیت
-
Page 1Freedom of choice and competition are viewed as vital factors for economic growth. In this paper, we use a growth model to examine the impact of economic freedom on the economic growth across the world countries for the period 1999-2004. Our study differs from the previous studies in terms of the modeling, the scope of the study, and the selected sample. The results, however, are consistent with those of the previous studies. Given the fact that Iran’s position in the world is low in terms of economic freedom, that economic freedom has a significant role in economic growth, it is necessary for investors and firms to have suitable conditions for transparent and accurate decision-making. Creation of the favorable economic conditions is the responsibility of the government and thus, it is necessary to have defined policies and planning for the establishment of conditions for economic freedom in the society. Creation of social condition for economic freedom of economic agents is a convenient orientation that is favorable with economic growth policies and must be internalized in the Iran's economic policies.
-
Page 31The purpose of this paper is to investigate the effect of some macroeconomic variables on house price index. We apply a macroeconomic model with micro foundations that uses household income, stock price index, building service price index, housing completions, supply of money, and inflation to explain the changes in house price index. We use the ARDL and the ECM models and with the seasonal data for the period 1995-2006 to estimate the speed of convergence to equilibrium. Our findings indicate that the macroeconomic variables can explain the changes in the house price index in Iran, and the sign of estimated coefficients confirm the hypothesis.
-
Page 55Anti poverty program in Iran has started in 2001 to mitigate poverty. This paper addresses issues related to the dynamics of poverty using household panel data for urban and rural areas of Iran covering the period 2001-2003. For this purpose، poor and non poor households have been identified by estimating rural and urban poverty lines. The persistence of poverty during this period has been investigated applying spell approach. Also, determinants of reentering and exiting poverty rate have been studied using the Logit logit model. Food Energy Intake (FEI) method and nonparametric regression have been used to estimate food and non food poverty lines. Results indicate that poverty is more widespread in rural areas than in urban areas and is more persistent in urban areas than rural areas. Also، study shows that chronic poverty is more common in urban areas.
-
Page 85Traditional methods of deciding whether to grant credit to a particular individual use human judgment of the risk of default based on experience of previous decisions. However, economic pressures resulting from increased demand for credit, allied with greater commercial competition and the emergence of new computer technology have led to development of sophisticated statistical models to aid the credit granting decision making process. Credit scoring is the name used to describe this process of determining how likely applicants are to default with their repayments. Credit scoring has some obvious benefits that have led to its increasing use in loan evaluation. For example, it is quicker, cheaper and more objective than judgmental method. A wide range of statistical methods such as discriminant analysis, logistic regression, and neural networks have been applied for credit scoring. In this paper, we design a neural network credit scoring system for classifying the applicants of personal loans in bank and compare the performance of this model with discriminant analysis and logistic regression models. The results of this investigation show that the neural network model is more accurate and more flexible than discriminant analysis and logistic regression.
-
Page 111
Granger and Newbold (1974) proposed the idea of spurious regression in econometrics. They showed that with I(1) dependent and independent variables, if a regression model is estimated by OLS method, the results may be spurious. This idea is extended to variables with different order of integration. In this paper, we review the literature of spurious regression and show that when the variables have different order of integration, for example I(1) & I(2), and I(1) & I(0), the spurious results may occur.
-
Page 137The residential and commercial sectors are the main consumers of natural gas in Iran. The demand for natural gas in these sectors is on its peak in the cold seasons for the heating. In addition to changes in temperature, which is the main determinant of demand fluctuation in energy, other factors such as unobservable seasonal shocks affect the seasonal demand. Moreover, observable economic factors such as price and income, as well as non economic factors, like changes in consumer’s taste and technical progresses, affect the energy demand. In this paper, we use an applied structural time series model (STSM) approach, which considers both stochastic trend and stochastic seasonality, to estimate the price and income elasticities for the natural gas demand in Iran. We apply the kalman filter with a maximum likelihood estimation method to provide unbiased estimators for the parameters. According to our results, although the estimated demand for natural gas does not have a trend component, the nature of seasonal component is stochastic. The elasticity of demand with respect to temperature is -0.26 percent and the long-run income and price elasticities are 0.17, -0.13, respectively.
-
Page 161Ability of Artificial Neural Networks (ANNs) as a powerful tool in simulation and prediction in science and engineering has made it attractive to economists. In this article, after a brief review of literature, a comparison of forecasting performance of ANN versus ARIMA is made. The data used are daily prices of oil for the period April 1983 to June 2005. In addition, sensitivity analysis is implemented for illustrating contribution of each input to the price changes in ANN models. The results show that the ANN model generates more accurate forecasts for the daily oil prices of oil than ARIMA model.
©2000-2024 magiran.com All Rights Reserved.