پیش بینی وقوع سیکلهای تجاری در اقتصاد ایران با استفاده از فیلترهای میان گذر
Publish place: The Journal of Economic Policy، Vol: 9، Issue: 18
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 179
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_EPYA-9-18_003
Index date: 10 March 2024
پیش بینی وقوع سیکلهای تجاری در اقتصاد ایران با استفاده از فیلترهای میان گذر abstract
یکی از مهمترین مباحث اقتصادی، عوامل و زمان وقوع سیکلهای تجاری می باشد لذا ضرورت دارد که این عوامل شناسایی شده و مورد بررسی قرار گیرند. هدف این مقاله بررسی و پیش بینی سیکلهای تجاری در اقتصاد ایران در دوره زمانی ۱۳۹۲-۱۳۷۰ با استفاده از داده های فصلی میباشد. برای این منظور ابتدا متغیرهای تحقیق فصلی زدایی شده سپس با استفاده از فیلترهای میان گذر به استخراج سیکلهای تجاری رخ داده در ایران پرداخته شده و به منظور پیش بینی وقوع سیکلهای تجاری، از روشهای رگرسیون لوجیت و پروبیت استفاده گردیده است. متغیرهای مورد استفاده در این تحقیق شامل درآمدهای نفتی، مخارج دولت، نرخ تورم، تعداد پروانههای ساختمانی صادر شده و میزان واردات کالاهای واسطهای و سرمایهای می باشد. نتایج مدل برازش شده نشان دهنده این است که چنانچه درآمدهای نفتی، نرخ تورم و میزان واردات کالاهای سرمایهای و واسطهای افزایش یابد، احتمال وقوع رونق افزایش مییابد. افزایش تعداد جوازهای ساخت و ساز صادر شده احتمال وقوع رونق در اقتصاد را کاهش میدهد. پیش بینی درون نمونهای نشان میدهد که مدلها در ۹۵ درصد موارد مشاهدات را به درستی طبقه بندی نمودهاند. در نتیجه قدرت پیش بینی درون نمونهای همه مدلها یکسان است. سپس با استفاده از این مدل به پیشبینی برون نمونهای برای فاصله زمانی ۱۳۹۴-۱۳۹۲ پرداخته شده است. نتایج نشان دهنده توانایی بالای مدل در پیشبینی خارج از نمونه میباشد.
پیش بینی وقوع سیکلهای تجاری در اقتصاد ایران با استفاده از فیلترهای میان گذر Keywords:
پیش بینی وقوع سیکلهای تجاری در اقتصاد ایران با استفاده از فیلترهای میان گذر authors
پرویز رستم زاده
استادیار بخش اقتصاد، دانشگاه شیراز
یزدان گودرزی فراهانی
دانشجوی دکتری اقتصاد، دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :