پیش‌بینی رشد اقتصادی ایران: مقایسه مدل‌های سری زمانی تک متغیره و چند متغیره

نوع مقاله: مقاله پژوهشی

نویسندگان

دانشگاه شهید چمران

چکیده

در پژوهش حاضر سعی شده است با استفاده از آمار و اطلاعات مربوط به دوره 1385-1338 رشد اقتصادی ایران توسط برخی از روش‌های متداول سری زمانی پیش‌بینی شود. با مقایسه عملکرد پیش‌بینی‌های درون نمونه‌ای برای افق‌های یکساله، سه‌ساله و پنج‌ساله، اقدام به گزینش روش برتر در هر افق زمانی شده است و سپس رشد اقتصادی ایران برای دوره‌های متفاوت خارج از نمونه با روش‌های برتر، پیش‌بینی شده است. روش‌های مورد استفاده در این پژوهش در دو دسته روش‌های تک متغیره (شامل الگوریتم باکس جنکینز و مدل فضای حالت) و روش‌های چند متغیره(شامل مدل اتورگرسیو برداری و مدل تصحیح خطای برداری) دسته بندی شده‌اند. نتایج پژوهش حاکی از این است که روش‌های تک متغیره بطور کلی در پیش‌بینی رشد اقتصادی ایران بهتر عمل می‌کنند. نتایج همچنین مبین این است که پیش‌بینی با روش‌های چندمتغیره به دلیل حساسیت‌های موجود در این روش‌ها شامل تصریح مدل، لحاظ خصلت مانایی سری‌های مورد نظر در مدل‌سازی و معیار مورد استفاده جهت تعیین تعداد وقفه بهینه، عملکردهای متفاوتی را نشان می‌دهند. با این حال روش‌های چند متغیره توانایی پیش‌بینی دقیقتر از روشهای تک متغیره را تنها در کوتاه مدت (در این تحقیق یک سال) دارا می‌باشند.

کلیدواژه‌ها


عنوان مقاله [English]

Forecasting economic growth of Iran: univariate versus multivariate time series models

چکیده [English]

This article aimed to forecast Iran's economic growth rate using annual time series data released in the period of 1338-1385, employing various econometric approaches. To prefer the most appropriate method based on a time-duration consideration, we applied a package of proper diagnostic tests on the output of different models and then singled out the most fitted model accordingly. We used these preferred models to forecast economic growth rate in a different duration period. Two classes of econometric approaches were considered; univariate and multivariate methods. Univariate methods incorporate Box-Jenkins method and State-Space method and the multivariate ones consist of VAR and VEC techniques. Results indicate that univariate approaches forecast Iran's economic growth more accurately. However, multivariate methods, which demonstrate very sensitive to the time-series properties of the variables and also to the specification of the models, emerge volatile performance. Nevertheless, the current methods display more powerful in forecasting just-one period ahead.

کلیدواژه‌ها [English]

  • : C32
  • C53
  • O47

ابراهیمی، ایلناز و اصغر شاهمرادی. (1389). ارزیابی اثرات سیاست­های پولی در اقتصاد ایران در قالب یک مدل تعادل عمومی پویای تصادفی نیوکینزی. رساله دکتری، دانشکده اقتصاد، دانشگاه تهران.

ابونوری، عباسعلی و سمیه السادات سجادی و تیمور محمدی. (1392). رابطه بین نرخ تورم و نرخ سود سپرده­های بانکی در سیستم بانکداری ایران. فصلنامه سیاست­های مالی و اقتصادی، 3: 52 -23.

اقبالی، علیرضا، حمیدرضا حلافی و ریحانه گسکری. (1382). صادرات نفت ورشد اقتصادی. مجله تحقیقات اقتصادی، 63: 129-109.

امینی، علیرضا، نشاط، حاجی محمد و محمد رضا اصلاحچی. (1386). بازنگری برآورد سری زمانی جمعیت شاغل به تفکیک بخش­های اقتصادی ایران (1335-1385). مجله برنامه و بودجه، شماره 102: 47-70.

پورفرج، علیرضا. (1384). مخارج دولت برای سرمایه انسانی و نقش آن در رشد اقتصادی ایران. مجله تحقیقات اقتصادی، 69: 86-57.

تاری، فتح اله و نسرین ارضرومچیلر. (1381). بررسی نقش و تأثیر هزینه­های آموزش رسمی بر رشد اقتصادی در ایران صی سال­های 77-42. فصلنامه پژوهشهای اقتصادی ایران، 11: 114-95.

خان زاده، فرشید. (1380). سری های زمانی چند متغیره و کاربرد آن در پیش بینی حساب های ملی ایران. پایان نامه کارشناسی ارشد، دانشگاه شهید چمران اهواز.

خشکه­باری، محمد. (1383). پیش ­بینی تورم در ایران. پایان­نامه کارشناسی ایران، دانشکده اقتصاد، دانشگاه تهران.

دادگر، یداله و مسعود صالحی رزوه. (1383). کاربرد مدل بارو جهت ارزیابی رابطه بین تورم و رشد اقتصادی در ایران. فصلنامه پژوهشنامه بازرگانی، 33: 82-55.

درگاهی، حسن و امرالله قدیری. (1382). تجزیه و تحلیل عوامل تعیین کننده رشد اقتصادی ایران (با مروری بر الگوهای رشد درون زا). فصلنامه پژوهشنامه بازرگانی، 26: 33-1.

رهبر، فرهاد. (1376). تبیین رشد متکی بر تجارت خارجی. مجله تحقیقات اقتصادی، 51: 86-65.

سام دلیری، احمد و صادق خلیلیان. (1385). پیش بینی نرخ رشد و نرخ تورم در بخش کشاورزی ایران. تحقیقات اقتصادی ایران،74: 215 -183.

فرزین وش. (1379). برآورد نیروی کار در حد اشتغال کامل منابع تولید در ایران. وزارت کار و امور اجتماعی.

فلاحی، محمد علی و حمیدی، حمید و سعیده علمداری. (1385). الگوسازی غیرخطی و پیش بینی درآمدهای مالیات بر مشاغل در اقتصاد ایران: کاربرد شبکه های عصبی مصنوعی و مقایسه آن با الگوهای رگرسیون خطی و سری زمانی. مجله تحقیقات اقتصادی، 76: 167-143.

قدیمی، محمدرضا و سعید مشیری. (1380). مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه عصبی مصنوعی. فصلنامه پژوهش های اقتصادی ایران، 12.

کمیجانی، اکبر و عباس معمارنژاد. (1383). اهمیت کیفیت نیروی انسانی و R&D (تحقیق و توسعه) در رشد اقتصادی ایران. فصلنامه پژوهشنامه بازرگانی، 31: 31-1.

گرجی، ابراهیم و معصومه علیپوریان. (1385). تحلیل اثر آزاد سازی تجاری بر رشد اقتصادی کشورهای عضو اپک. فصلنامه پژوهشنامه بازرگانی، 40: 203-187.

گسکری، ریحانه، علیرضا اقبالی و حمید رضا حلافی. (1384). فصلنامه پژوهشهای اقتصادی ایران،24: 94-77.

مرزبان، حسین، رضا اکبریان و بهنام جواهری. (1384). یک مقایسه بین مدل های اقتصادسنجی و سری زمانی و شبکه عصبی برای پیش بینی نرخ ارز. تحقیقات اقتصادی، 69: 216-181.

مشیری، سعید. (1380). پیش بینی تورم با استفاده از مدل ساختاری و سری زمانی و شبکه عصبی. مجله تحقیقات اقتصادی، 58: 184-147.

منیعی، رضا. (1378). برآورد و پیش بینی در فضای حالت با استفاده از صافی کالمن. پایان نامه کارشناسی ارشد دانشگاه شهید چمران اهواز.

نادری، مرتضی و احمد شربت اوغلی. (1386). بررسی نظری و تجربی تأثیر شرایط آزادی اقتصادی بر رشد اقتصادی کشورها. فصلنامه پژوهشهای اقتصادی ایران، 32: 29-1.

نوفرستی، محمد. (1378). ریشه واحد و همجمعی در اقتصاد سنجی. موسسه خدمات فرهنگی رسا. چاپ اول. تهران.

یاوری، کاظم و بهزاد سلمانی. (1384). رشد اقتصادی در کشورهای دارای منابع طبیعی: مورد کشورهای صادر کننده نفت. پژوهشنامه بازرگانی، 37: 1-24.

 

Aghion, P. & P. Howitt. (1992). A model of growth through creative destruction. Econometrica, 60: 323-351.

Barro, R. & X. sala-i-Martin. (1995). Economic growth. Cambridge, MA: MIT Press.

Barro, R. J. (1991). Economic growth in a cross section of countries. Quarterly Journal of Economics, 106: 407-443.

Brock, W. & S. Durlauf. (2001). Growth emprics and reality. World Bank Economic Review 15(2): 229-272.

Cheng Benjamin, S. & T. Wei Lai. (1997). Government Expenditure and Economic Growth in South Korea: A VAR Approach. Journal of Economic Development, 22 (1): 11-24.

Church, K. & S. Curram. (1996). Forecasting Consumers Expenditure: A Comparison between Econometric and Neural Network Models. International Journal of Forecasting, 12: 255-167.

Du preez, J. & S. F. Witt. (2003). Univariate Versus Multivariate Time Series Forecasting: An Application to International Tourism Demand. Journal of Forecasting, 19: 435-451.

Durlauf, S. N., P. A. Johnson & J. W. Temple. (2005). Handbook of Economic Growth. Vol. 1A.

Easterly, W., M. Kremer, L. Pritchett & L. Summers. (1993). Good policy or good luck? Country growth performance and temporary socks. Journal of Monetary Economics, 32: 459-483.

Ghatak, A. (1998). Vector Auto regression Modeling and Forecasting Growth of South Korea. Journal of Applied Statistics, 25(5): 579-592.

Grossman, G. M. & E.  Helpman. (1991). Innovation and growth in the global economy. Cambridge, MA: MIT Press.

Gujariti, Damodar (2004). Basic econometrics. 4edition, Mc Growhill.

Hamillton, James .D. (1994). Time series analysis. Princeton university Press.

Harvey, Andrew (1989). Forecasting structural time series modefls and the kalman filter. Cambridge: Cambridge university press.

Kalaitzidakis, P., T. Mamuneas & T. Stengos. (2000). A non-linear sensitivity analysis of cross country growth regressions. Canadian Journal of Economics 33(3), 604-617.

Khim, V. & S.   Liew. (2004). Which lag length selection criteria should we employ?. Economics Bulletin, 3(33).

Koopmans, T. C. (1965). On the concept of optimal economic growth. In the Econometric Approach to Development Planning. Amsterdam, North Holland.

Levine, R., Renelt, D. (1992). A sensitivity analysis of cross country growth regression. American Economic Review 82(4), pp. 942-963.

Lucas, R. (1988). On the mechanics of economic development. Journal of monetary economics 22(1): 3-42.

Lutkepohl, h. (1991). Introduction to multiple time series analysis. Berlin Springer-verlag.

Maddison, A. (1989). The world economy in the 20th century. OECD, Paris.

Mah, J. (2000). An empirical examination of disaggregated import demand of Korea: the case information technology products. Journal of Asian Studies 11: 237-244.

Mankiw, N. G., Romer, D., Weil, D. N. (1992). A contribution to the emprics of economic growth. Quarterly Journal of Economics 107(2), pp. 407-437.

Markridikis, S. and Hibon, M. (1997). ARIMA Models and the Box-Jenkins Methodology. Journal of Forecasting, Vol. 16, 1997, pp. 147-163.

Moshiri, S. & Cameron, N. (2000). Neural Network versus Econometric Models in Forecasting Inflation. Journal of Forecasting, 19: 201-217.

Ramsey, F. (1928). A mathematical theory of saving. Economic Journal (38): 527-542.

Romer, P. (1986). Increasing return and long-run growth. Journal of Political Economy 94(5): 1002-1037. 

Romer, P. (1990). Human capital and growth: theory and evidence. Carnegie-Rochester Series on Public Policy 32: 543-573.

Sala-i-Martin, X. (1997a). I just ran 4 million regressions. National Bureau of Economic Search Working Paper, No. 6252.

Sala-i-Martin, X. (1997b). I just ran 2 million regressions. American Economic Review, 87(2): 178-183.

Schulz, C. (2007). Forecasting Economic Growth for Estonia: Application of Common Factor Methodologies. Working Paper Series, Bank of Estonia.

Sheshinski, E. (1967). Optimal accumulation with learning by doing. Inko Shell, ed., Essays on the Theory of Optimal Economic Growth, 31-52. Cambridge, MA: MIT press.

Solow, R. (1956). A contribution to the theory of economic growth. Quarterly Journal of Economics 70(1), pp. 65-94.

Swan, T. (1956). Economic growth and capital accumulation. Economic Record, 32: 334-361.

Swanson, N. & White, H. (1997). A Model Selection Approach to Real Time Macroeconomic Forecasting Using Linear Models and Artificial Neural Networks. Review of Economics and Statics, 79: 540-550.

Van Aarle, B., M. Boss & G. Hlouskova. (2000). Forecasting the Euro Exchange Rate Using Vector Error Correction Models. Weltwirtchftliches archiv, 136: 232-258.