فهرست مطالب

اقتصاد مقداری - سال ششم شماره 1 (پیاپی 20، بهار 1388)
  • سال ششم شماره 1 (پیاپی 20، بهار 1388)
  • 174 صفحه، بهای روی جلد: 10,000ريال
  • تاریخ انتشار: 1388/04/20
  • تعداد عناوین: 7
|
  • دکتر مصطفی عمادزاده، دکتر رحیم دلالی اصفهانی، دکتر سعید صمدی، فرزانه محمدی صفحه 1
    ضرورت توجه به سرمایه ی انسانی و سرمایه گذاری در آن، در تحلیل های اقتصادی و ادبیات مربوط به آن تا حد زیادی روشن و آشکار است. اکثر مطالعات مربوط تنها بر نقش آموزش که تاثیری مثبت بر ارتقاء بهره وری نیروی کار دارد، متمرکز شده اند. اما باید در نظر داشت که علاوه بر آموزش، تجربه و سلامت نیروی کار نیز ابعاد اصلی سرمایه ی انسانی را تشکیل می دهند. هدف مقاله ی حاضر، بررسی نقش کیفیت نیروی کار در قالب متغیرهای آموزش، تجربه و سلامت نیروی کار بر رشد اقتصادی است. در این مقاله یک تابع تولید کل بر مبنای معادله ی دستمزد مینسر و داده های 75 کشور به تفکیک سه گروه درآمدی تخمین زده شده است. تابع تولید برای دوره ی 2000-1960 با روش داده های تابلویی مورد برآورد قرار گرفته است. نتایج برآورد مدل در کشورهای با درآمد بالا حاکی از اثرگذاری مثبت و معنی دار متغیرهای آموزش، تجربه و سلامت نیروی کار و شاخص امید به زندگی بر رشد اقتصادی بوده است. در کشورهای با درآمد متوسط نیز این نتیجه تایید شده است. در کشورهای کم درآمد نیز تنها متغیرهای آموزش و تجربه ی نیروی کار بر رشد اقتصادی این گروه از کشورها موثر بوده اند.
    کلیدواژگان: سرمایه ی انسانی، سلامت، کیفیت نیروی کار، رشد اقتصادی، تابع درآمد مینسر
  • دکتر ابراهیم هادیان، زینب رضایی سخا صفحه 27
    هدف اصلی این مقاله بررسی تاثیر شوک های کلان اقتصادی بر نرخ بیکاری در اقتصاد ایران است. برای این منظور از یک مدل خود همبسته برداری ساختاری و داده های سالانه برای دوره ی 1386-1345 استفاده شده است. پس از برآورد مدل با استفاده از توابع واکنش به تکانه، اثر شوک های مختلف شامل شوک بهره وری، شوک تقاضای کل، شوک عرضه ی نیروی کار، شوک قیمتی و شوک دستمزدی بر نرخ بیکاری را مورد بررسی قرار داده است. سپس با به کارگیری روش تجزیه واریانس سهم هر یک از این شوک ها در ایجاد نوسانات در متغیر نرخ بیکاری برآورد گردیده است. بر اساس نتایج کلی، هریک از شوک های مورد بررسی با توجه به ماهیت آنها، تاثیرات متفاوتی از لحاظ میزان پاسخ تغییرات نرخ بیکاری به شوک ها و از لحاظ سهم هریک از این شوک ها در نوسانات نرخ بیکاری در طول زمان داشته است. شوک بهره وری و شوک تقاضای کل باعث کاهش نرخ بیکاری شده و شوک های دستمزد، قیمت و عرضه ی نیروی کار باعث افزایش نرخ بیکاری در اقتصاد ایران شده است.
    کلیدواژگان: بیکاری در ایران، شوک های اقتصادی، مدل SVAR
  • دکتر محسن مهرآرا، دکتر علی معینی، مهدی احراری، زکیه بهرامی صفحه 51
    با توجه به اهمیت پیش بینی در حوزه ی مسائل مالی و اقتصادی محققان همواره در تلاشند که از روش های دقیق تری در این زمینه بهره بگیرند تا به درک نسبی بهتری از وضعیت آینده ی بازار دست یافته، از نااطمینانی ها بکاهند. در این مقاله از شبکه ی عصبی GMDH مبتنی بر الگوریتم ژنتیک به عنوان ابزاری با قابلیت بالا در مدل سازی سیستم های غیر خطی پویای پیچیده، برای پیش بینی قیمت آمونیاک استفاده شده است. برای اتنخاب متغیرهای اثرگذار بر قیمت آمونیاک از دو روش تحلیل بنیادین و تکنیکی استفاده شده است. روش تحلیل بنیادین با تکیه بر تئوری عرضه و تقاضا و نگرش کلان اقتصادی، همه ی عوامل اثرگذار احتمالی بر قیمت را برای مدل سازی و پیش بینی قیمت به محقق پیشنهاد می کند، سپس با تکیه بر توانایی الگوریتم GMDH در شناسایی متغیرهای زاید، از میان همه ی عوامل اثرگذار احتمالی تنها از عناصر اثرگذارتر بر قیمت آمونیاک استفاده شده است تا پیش بینی های دقیق تر و بدون تورشی ارائه شود. دقت پیش بینی های انجام شده در بازه ی مورد بررسی بیش از 99 درصد است. در روش تحلیل تکنیکی، پیش بینی ها با تکیه بر رفتار گذشته قیمت در همان بازار (در اینجا آمونیاک خاورمیانه) نتایج دقیقی را به دست داده است. برتری شبکه ی عصبی GMDH در دقت پیش بینی قیمت آمونیاک نسبت به روش ARIMA در بخش پایانی مورد تائید قرار گرفته است.
    کلیدواژگان: قیمت آمونیاک، قیمت گاز طبیعی، شبکه ی عصبیGMDH، پیش بینی، تحلیل بنیادین، تحلیل تکنیکی
  • دکتر محسن ابراهیمی، محمد سالاریان صفحه 77
    هدف این مقاله، بررسی پدیده ی نفرین منابع طبیعی یا همان رابطه ی معکوس وابستگی به منابع طبیعی و رشد اقتصادی در کشورهای صادرکننده ی نفت است. برای برآورد مدل از تکنیک داده های تابلوئی نامتوازن، طی دوره ی زمانی 1990 تا 2004 استفاده شده است. متغیرهای توضیحی مورد استفاده در این مدل شامل شاخص وفور منابع طبیعی، شاخص فساد مالی، سرمایه گذاری فیزیکی، رابطه ی مبادله و شاخص آموزش است. بر اساس برخی از نتایج این تحقیق درآمدهای نفتی به عنوان شاخصی برای وفور منابع، به تنهایی برای رشد اقتصادی مضر نیستند. یعنی اثر مستقیم درآمدهای نفتی بر رشد اقتصادی مثبت است. اما هنگامی که متغیرهای توضیحی دیگر مانند فساد، سرمایه گذاری فیزیکی، رابطه ی مبادله و آموزش را وارد مدل می کنیم، به دلیل اثر درآمدهای نفتی بر این متغیرها و سپس اثرگذاری غیر مستقیم بر رشد اقتصادی، اثر کل درآمدهای نفتی بر رشد اقتصادی، منفی برآورد می شود. نتایج هم چنین نشان می دهند که افزایش سرمایه گذاری فیزیکی، رشد رابطه ی مبادله و گسترش آموزش تاثیر مثبت و شاخص فساد مالی تاثیر منفی بر رشد اقتصادی کشورهای صادرکننده ی نفت داشته است. در پایان مقاله نیز اثر حضور در اوپک بر رشد اقتصادی کشورهای عضو آن بررسی شده که نتایج نشان دهنده ی تاثیر منفی این حضور بر رشد اقتصادی اعضای آن بوده است.
    کلیدواژگان: درآمدهای نفتی، رشد اقتصادی، کشورهای صادرکننده ی نفت، مکانیسم های اثرگذاری، نفرین منابع طبیعی
  • دکتر نادر دشتی، دکترکاظم یاوری، دکتر مجید صباغ صفحه 101
    بهره وری نقش مهم و موثری در رشد تولید و افزایش رقابت پذیری دارد. از طریق محاسبه و تحلیل شاخص های بهره وری عوامل تولید می توان میزان عملکرد بخش های مختلف اقتصادی را در استفاده از منابع تولیدی بررسی نمود. در این مطالعه، منابع رشد بهره وری کل عوامل تولید در صنعت ایران طی دوره ی زمانی 1385-1350 با استفاده از رهیافت اقتصادسنجی مورد بررسی قرار گرفته است. بدین منظور ابتدا یک تابع هزینه ی ترانسلوگ به همراه سیستم معادلات سهم هزینه با استفاده از داده های جمع آوری شده برای دوره ی زمانی مورد مطالعه به روش سیستم معادلات به ظاهر نامرتبط (SURE) برآورد گردید. سپس با استفاده از نتایج حاصل از تخمین مدل، رشد بهره وری کل عوامل تولید به دو جزء تغییر تکنولوژی و صرفه های مقیاس تجزیه شد. نتایج نشان داد که سهم تغییر تکنولوژی در رشد بهره وری کل، بیشتر از سهم گسترش مقیاس تولید بوده است.
    کلیدواژگان: بهره وری کل عوامل تولید، تغییر تکنولوژی، تابع ترانسلوگ، صنعت
  • دکتر سید نظام الدین مکیان، سلیم کریمی تکلو صفحه 129
    یکی از مهم ترین موضوع های مطرح شده در مدیریت مالی، تشخیص فرصت های مطلوب سرمایه گذاری توسط سرمایه گذاران از فرصت های نامطلوب است. یکی از راه هایی که می توان با استفاده از آن به بهره گیری مناسب از فرصت های سرمایه گذاری و همچنین جلوگیری از به هدر رفتن منابع کمک کرد، پیش بینی ورشکستگی شرکت ها است. برای این منظور مدل های مختلفی وجود دارد. در این پژوهش جهت پیش بینی ورشکستگی شرکت های تولیدی استان کرمان، از مدل شبکه های عصبی استفاده شده است.
    کلیدواژگان: ورشکستگی، شرکت های تولیدی، شبکه ی عصبی مصنوعی، پیش بینی، ایران
  • دکتر منصور زراء نژاد، شهرام حمید صفحه 145
    پیش بینی روند تورم برای تنظیم سیاست اقتصادی از اهمیت به سزایی برخوردار است. 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. در این مقاله شبکه های عصبی مصنوعی پویا برای پیش بینی نرخ تورم به صورت شبکه های چند لایه و با استفاده از داده های متغیرهای مورد نیاز طی دوره ی 86-1338 و بر اساس دیدگاه تورم سری زمانی به کمک الگوریتم های مختلفی از روش آموزش پس انتشار خطا طراحی شده اند. ارزیابی شبکه های طراحی شده برای تعیین بهترین شبکه، بر مبنای مقدار خطای پیش بینی انجام گردیده است. یافته های تحقیق نشان داد که بهترین شبکه ها، شبکه هایی هستند که با الگوریتم یادگیری لونبرگ - مارکوارت آموزش داده شوند؛ توابع فعال ساز لایه میانی آنها غیر خطی و توابع فعال ساز لایه ی خروجی آنها خطی باشد و تعداد نرون های هر لایه آنها به صورت بهینه انتخاب شود. با توجه به این شبکه، نرخ تورم در دوره ی 91-1387 از 99/21 تا 59/10 درصد پیش بینی می شود.
    کلیدواژگان: نرخ تورم، شبکه های عصبی مصنوعی پویا، پیش بینی نظریه ی اقتصاد منطقه ای
|
  • Mostafa Emadzadeh (Phd), Rahim Dallali Isfahani (Phd), Saeed Samadi (Phd), Farzaneh Mohammadi (Msc) Page 1
    The necessity of taking human capital and investment into account for economic analyses is clear to a large extent according to the relevant literature. Majority of the studies in this area have exclusively concentrated on the role of education with positive effect on increasing the productivity of labor. However, labor’s experience and health constitute the main part of human capital in addition to education. This research aims at the analysis of the role of the quality of labor in connection with the effect of variables of labor’s education, experience and health on economic growth. In this research, total production function has been used on the basis of Mincer Wage Equation to study 75 countries classified on the basis of income between 1960-2000 in panel data method. In high income countries, the results show a significant and positive effect of the variables of labor’s education, experience and health (proxied by life expectancy) on economic growth. The result is the same in the middle income countries. In low income countries, only the variables of labor’s education and experience have been efficient on economic growth.
  • Ebrahim Hadian (Phd), Zeinab Rezaei Sakha (Msc) Page 27
    The main purpose of this paper is to study the effects of macroeconomic shocks on unemployment rate in the context of the Iranian economy. To do so, we use a structural vector autoregressive (SVAR) model along with Impulse-Response Function and Variance Decomposition Method over the period 1966-2007. The overall results indicate that productivity and aggregate demand shocks have significant negative effects on unemployment rate in Iran; however, wage, price and labour supply shocks have significant positive effects on the independent variable in this study.
  • Mohsen Mehrara (Phd), Ali Moeini (Phd), Mehdi Ahrari (Msc), Zakiye Bahrami (Msc) Page 51
    In order to get future information about economic variables, economists have discovered new methods. Large reserves of oil and gas in the Middle East and especially Iran have obtained advantages for these countries. Therefore, the purpose of this study is modeling and forecasting the price of petrochemicals in the Middle East through GMDH neural network method. We focus on a single product, ammonia, which is a petrochemical with natural gas feedstock for which two approaches are taken: fundamental analysis for long-term and technical analysis for short-term. The findings suggest that the natural gas price have important effects on the price of ammonia in the Middle East, despite low natural gas price for ammonia producers in this region. Modeling through technical analysis is satisfactory because of smooth trend line of ammonia price. In the end, it is shown that the GMDH neural network has better predictive power than ARIMA method in predicting ammonia price based on error criteria.
  • Mohsen Ebrahimi (Phd), Mohmmad Salarian Page 77
    The The purpose of this article is to analyze the resource curse or the very inverse relation of dependence to natural resources and growth rate in oil exporting countries. To estimate the model, Unbalance Panel Data is used from 1990 to 2004. The explanatory variables in this model include natural resources abundance Index, corruption Index, physical investment, terms of trade, and Education Index. The results show that oil income, as an Index of resource abundance, is individually not harmful on economic growth, i.e. the direct effect of oil income is positive on economic growth. However, when other explanatory variables such as corruption, physical investment, terms of trade, and education are entering the model, the total effect of oil income on economic growth is estimated as negative because of the oil income effect on the variables and then on economic growth. The results, moreover, show that the physical investment increase, terms of trade growth, and education expansion has a positive effect, and corruption Index a negative one on economic growth of oil exporting countries. At the end of the article, the effect of being present in the OPEC on the member's economic growth is analyzed that the results show the negative results of that on the economic growth of the members.
  • Nader Dashti (Phd), Kazem Yavari (Phd), Majid Sabbagh (Phd) Page 101
    Productivity plays a significant and effective role in production growth and enhancement of competitiveness. The degree of performance of different economic sectors in using productive resource can be studied through measurement and analysis of productivity. In this paper, we have surveyd the sources of total factor productivity (TFP) growth in Iran’s industrial sector for the period of 1350-1385 by using an econometric approach. Using the Seemingly Unrelated Regression Equation (SURE) approach, we have initially estimated a Translog Cost Function and a system of cost share equations. Then, based on the estimation results of the above models, we have decomposed total factor productivity growth rate into the contributions of technological change and economies of scale. The results show that the share of technological change in productivity growth is greater than that of scale economies.
  • Seyed Nezamuddin Makiyan (Phd), Salim Karimi Taklu (Msc) Page 129
    One of the main important issues in financial management is choosing the best way for utilizing investment. Investors like to invest their capitals in a way to minimize its risks. Bankruptcy is one of the risk factors which affect the decision making for investment. Predicting bankruptcy can helps investors to reduce the risks in capital markets and to recognize the best opportunities for their capitals. To do this, the Artificial Neural Network technique can be used for bankruptcy of firms in the future. In this study, this method is applied for the firms in the Province of Kerman, Iran. The result shows that none of the firms will bankrupt in the year 2008.
  • Mansour Zarra-Nezhad (Phd), Shahram Hamid (Msc) Page 145
    Prediction of inflation is of great importance for policy making. This need has led to extensive application of various models to forecast inflation rate. The competition between alternative applied forecasting models has led to further development in this area. The present study has applied artificial neural networks for prediction of inflation rate. The applied neural network is a multi-layer based on time series inflation approach during 1959-2007 using different algorithms of back propagation. To evaluate the artificial neural network performance, the prediction error criteria has been used. The findings of the research showed that the most appropriate networks are those based on Levenberg-Marquard training algorithm in which neurons in the hidden layers use nonlinear activation functions, and in the output layer use linear activation functions, and the number of neurons in each layer is chosen optimally. According to this preferred network, the inflation rates are predicted to be 10.59-21.99 during 2008-20012.