نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشجوی دکترای اقتصاد دانشگاه تربیت مدرس
2 استادیار دانشگاه تربیت مدرس
3 دانشیار دانشگاه تربیت مدرس
چکیده
بر اساس نتایج مطالعات مختلف، ارزیابی تعیین‌کننده‌های تورم با استفاده از الگوی VAR استاندارد به دلیل تورش متغیرهای حذف شده در الگوی VAR، به نتایج نادرستی منتهی می شود. به عنوان نمونه می‌توان به مشکل معمای قیمت در ادبیات تجربی اشاره کرد. در این تحقیق جهت بررسی دقیق تر تعیین‌کننده‌های تورم در اقتصاد ایران و پیش‌بینی تورم به جای مدل FAVAR با ضرایب ثابت با استفاده مدل های TVP-FAVAR، اقدام به مدلسازی تورم شده است به طوری که متغیرهای رشد تولید ناخالص داخلی، رشد پایه پولی، تورم، نرخ ارز و نرخ سود بانکی به عنوان متغیرهای اصلی و متغیر از طبقه‌بندی کلی به عنوان متغیر پنهان، جهت تخمین متغیر غیر قابل مشاهده 11بخش سوداگری کشور وارد مدل شده‌اند. نتایج حاضر بیانگر تغییر روابط بین متغیرهای فوق در طول زمان است و اثرگذاری شرایط حاکم بر اقتصاد کشور را در نحوه اثرگذاری متغیرهای مدل روی یکدیگر نشان می‌دهد به طوری که بر اساس نتایج تحقیق حاضر رشد نقدینگی شدید در اقتصاد ایران و ضعف‌های ساختاری و نهادی در جذب منابع حاصل از افزایش نقدینگی توسط بخش تولیدی کشور، علاوه بر حرکت نقدینگی به سمت بخش نامولد و سوداگری کشور، زمینه‌ساز تورم‌های شدیدی در اقتصاد کشور شده است.
کلیدواژه‌ها
ابراهیمی، محسن و علی سوری (۱۳۸۵)، «رابطه بین تورم و نا اطمینانی تورم در ایران»، دانش و توسعه، ۱۱۱- شماره ۱۸. صص 111-۱۲۶.
توکلیان، حسین (1391)، «بررسی منحنی فیلیپس کینزی جدید در قالب یک مدل تعادل عمومی پویای تصادفی برای ایران»، مجله تحقیقات اقتصادی، شماره 47، صص 1-22.
جعفری صمیمی، احمد و صدیقه قلی‌زاده کناری (1386)، «بررسی رابطه تورم و رشد اقتصادی در کشورهای در حال توسعه»، مجله نامه اقتصادی، شماره 63، صص 45-58.
حسینی، صفدر و حیدر قلی‌زاده (1389)، «بررسی تورم و بیکاری در اقتصاد ایران»، فصلنامه پژوهش‌های اقتصادی ایران، سال چهاردهم، شماره ۴۳، صص 23-54.
حسینی نسب، ابراهیم و مهدیه رضا قلی‌زاده (1389)، «بررسی ریشه‌های مالی تورم در ایران (با تأکید بر کسری بودجه)»، فصلنامه پژوهش‌های اقتصادی، سال دهم، شماره 1، صص 43-70.
دادگر، یدالله، غلامرضا کشاورز حداد و علی تیاترج (1385)، «تبیین رابطه تورم و رشد اقتصادی در ایران»، جستارهای اقتصادی، شماره ۵، صص 59-۸۸.
درگاهی، حسن و رؤیا شربت اوغلی (1389)، «تعیین قاعده سیاست پولی در شر ایط تورم پایدار اقتصاد ایران با استفاده از روش کنترل بهینه»، مجله تحقیقات اقتصادی، شماره 45، صص 1-27.
دورونبوش، رودیگر و استانلی فیشر (1371)، اقتصاد کلان، مترجم: محمد حسین تیزهوش تابان، تهران: انتشارات سروش.
سحابی، بهرام، سیروس سلیمانی، سمیه خضری، محسن خضری (1392)، «اثرات رشد نقدینگی بر تورم در اقتصاد ایران: مدل های تغییر رژیم»، راهبرد اقتصادی; دوره 2، شماره4، صص121-146.
شهاب، محمد رضا (1386)، «نرخ‌های ارز و تورم: یک تحلیل تجربی درباره ایران»، پایان نامه کارشناسی ارشد، دانشکده علوم انسانی، گروه علوم اقتصادی.
کمیجانی اکبر و یزدان نقدی (1388)، «بررسی ارتباط متقابل بین تولید و تورم در اقتصاد ایران (با تأکید بر تولید بخشی)»، پژوهشنامه علوم اقتصادی، سال نهم، شماره 32، صص 99-124.
کمیجانی، اکبر و حسین توکلیان (1390)، «بررسی عدم تقارن در رفتار سیاستگذاری پولی بانک مرکزی (مورد ایران)»، مجله تحقیقات مدلسازی اقتصادی، شماره 6، صص
19-42.
19-42.
گرجی، ابراهیم و مهدی فولادی (1388)، «مقایسه تطبیقی منحنی فیلیپس کینزین‌های جدید با منحنی‌های فیلیپس متعارف برای اقتصاد ایران»، تحقیقات اقتصادی، شماره 87، صص
193-208.
193-208.
گرجی، ابراهیم و علیرضا اقبالی (1388)، «برآورد منحنی فیلیپس بارویکردی به انتظارات تطبیقی و عقلایی»، تحقیقات اقتصادی، شماره 80، صص 121-144.
مشیری، سعید (1380)، «پیش‌بینی تورم با استفاده از مدل‌های ساختاری، سری‌های زمانی و شبکه‌های عصبی»، تحقیقات اقتصادی، شماره 58، صص 147-184.
موسوی محسنی، رضا و مریم سعیدی فر (۱۳۸۵)، «منحنی فیلیپس و تأثیرگذاری سیاست پولی در اقتصاد ایران»، تحقیقات اقتصادی، شماره ۷۲، صص 281-304.
Ang, A., G. Bekaert and M. Wei (2007), “Do Macro Variables, Asset Markets, or Surveys Forecast Inflation Better?”, Journal of Monetary Economics,Vol. 54, pp. 1163-1212.
Avramov, D. (2002), “Stock Return Predictability and Model Uncertainty”, Journal of Financial Economics, Vol. 64, pp. 423-458.
Bagliano, F. C. and C. A. Favero (1998), “Measuring Monetary Policy with VAR Models: An Evaluation”, European Economic Review, Vol. 42, pp. 1069-1112.
Bernanke, B., J. Boivi and P. Eliasz. (2005), “Measuring the Effects of Monetary Policy: A Factor-augmented Vector Autoregressive (FAVAR) Approach”, Quarterly Journal of Economics, Vol. 120, No. 1, pp. 387-422.
Bernanke, B. S. and I. Mihov (1998), “Measuring Monetary Policy”, The Quarterly Journal of Economics, Vol. 113, No. 3, pp. 869-902.
Boivin, J. and S. Ng (2006), “Are More Data Always Better for Factor Analysis?”, Journal of Econometrics, Vol. 132, pp. 169-194.
Cogley, T. and T. Sargent (2005), “Drifts and Volatilities: Monetary Policies and Outcomes in the Post WWII U. S.”, Review of Economic Dynamics, Vol. 8, pp. 262-302.
Cogley, T., S. Morozov and T. Sargent (2005), “Bayesian Fan Charts for U. K. in. ation: Forecasting and Sources of Uncertainty in an Evolving Monetary System”, Journal of Economic Dynamics and Control, Vol. 29, pp. 1893-1925.
Dave, C. and S. Dressler. (2009), “The Bank Lending Channel: A FAVAR Analysis”, Villanova School of Business Economics Working Paper, No.4
Del Negro, M. and C. Otrok, (2008), “Dynamic Factor Models with Time-varying Parameters: Measuring Changes in International Business Cycles”. University of Missouri Manuscript.
Doz, C., D. Giannone and L. Reichlin (2011), “A Two-step Estimator for Large Approximate Dynamic Factor Models Based on Kalman Filtering”, Journal of EconometricsVol. 164, pp 188-205.
Eickmeier, S., W. Lemke and M. Marcellino (2011), “The Changing International Transmission of Financial Shocks: Evidence from a Classical Time-varying FAVAR”, Deutsche Bundesbank, iscussion Paper Series 1: Economic Studies, No 05/2011.
Edward, N., D. Gambera and R. Hakesb (2005), “Is Monetary Policy Important for Forecasting Real Growth and Inflation?”, Journal of Policy Modeling, Vol. 27, pp. 177–187.
Friedman, M. (1977), “Nobel lecture: Inflation and Unemployment”, Journal of Political Economy, Vol. 85, pp. 451–472.
Fruhwirth-Schnatter, S. (2006), Finite Mixture and Markov Switching Models, New York: Springer
Garratta, A., J. Mitchellb and P. Shaun (2011), “Real-time Inflation Forecast Densities from Ensemble Phillips curves”, North American Journal of Economics and Finance, Vol. 22, pp. 78-88.
Geweke, J. and G. Amisano, (2010), “Hierarchical Markov Normal Mixture Models with Appli-cations to Financial Asset Returns”,. Journal of Applied Econometrics forthcoming, Vol. 26, pp. 1-29.
Groen, J., R. Paap and F. Ravazzolo (2009), “Real-time Inflation Forecasting in a Changing World”, Econometric Institute Report 2009-19, Erasmus University Rotterdam,
Hamilton, J. (1989), “A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle”, Econometrica, Vol. 57, pp. 357-384.
Hamilton, J. D. (1983), “Oil and the Macroeconomy Since World War II”, Journal of Political Economy, Vol. 91, pp. 228–248.
Hamilton, J. D. (1996), “Specification Testing in Markov-switching Time Series Model,” Journal of Econometrics, Vol. 70, pp. 127–157.
Hamilton, J. D. and R. Susmel (1994), “Autoregressive Conditional Heteroscedasticity and Changes in Regime”, Journal of Econometrics, Vol. 64, pp. 307–333.
Henry, O. (2009), “Regime Switching in the Relationship between Equity Returns and Short-term Interest Rates”, Journal of Banking and Finance, Vol. 33, pp. 405–414.
Hoogerheide, L., R. Kleijn, F. Ravazzolo, H. van Dijk and M. Verbeek, (2009(, “Forecast Ac-curacy and Economic Gains from BayesianModel Averaging Using Time-VaryingWeights”, Journal of Forecasting, Vol. 29, pp. 251-269.
Holland, S. (1995), “Inflation and Uncertainty: Tests for Temporal Ordering”, Journal of Money, Credit, and Banking, Vol. 27, pp. 827–837.
Hornstein, A. (2008). “Introduction to the New Keynesian Phillips Curve”. Economic Quarterly, Vol. 94, pp. 301-309.
Hwang, Y. (2007), “Causality between Inflation and Real Growth,” Economics Letters, Vol. 94, pp.146–153.
Jouchi Nakajima, J., K. Munehisa and W. Toshiaki (2009), “Bayesian Analysis of Time-varying Parameter Vector Autoregressive Model for the Japanese Economy and Monetary Policy”, Journal of The Japanese and International Economies, Vol. 25, pp. 225-245.
Kalman, R. (1960), “A New Approach to Linear Filtering and Prediction Problems”, Journal of Basic Engineering, Vol. 82 (Series D), pp. 35-45.
Karunaratne, N. D. and R. Bhar (2011), “Regime-shifts and Post-float Inflation Dynamics of Australia”,. Economic Modelling, Vol. 28, pp. 1941–1949.
Kim, C. J. and C. R. Nelson (1999), “Friedman’s Plucking Model of Business Fluctuations: Tests and Estimates of Permanent and Transitory Components”, Journal of Money, Credit and Banking Vol. 31, pp. 317–334.
King, R. G. (2008), “The Phillips Curve and U. S. Macroeconomic Policy: Snapshots, 1958-1996”, Economic Quarterly, Vol. 94, pp. 311-359.
Koop, G. and S. Potter (2004), “Forecasting in Dynamic Factor Models using Bayesian Model Averaging”. The Econometrics Journal,Vol. 7, pp. 550–565.
Koop, G. and D. Korobilis (2011), “Forecasting Inflation using Dynamic Model Averaging”, International Economic Review, Vol. 53, pp. 867-886.
Koop, G. and D. Korobilis, (2013), “A New Index of Financial Conditions”, European Economic Review, Vol. 71, pp. 101-116.
Koop, G., R. Leon-Gonzalez and R. Strachan (2009). “On the Evolution of the Monetary Policy Transmission Mechanism”, Journal of Economic Dynamics and Control, Vol. 33, pp. 997-1017.
Koop, G. and S. Potter (2004), “Forecasting in Dynamic Factor Models Using Bayesian Model Averaging”, The Econometrics Journal, Vol. 7, pp. 550-565.
Korobilis, D. (2009), “Assessing the Transmission of Monetary Policy Shocks Using Dynamic Factor Models”, Discussion Paper 9-14, University of Strathclyde.
Korobilis, D. (2013), “Assessing the Transmission of Monetary Policy Shocks Using Time-varying Parameter Dynamic Factor Models”, Oxford Bulletin of Economics and Statistics, Vol. 75, pp. 157-179.
Kydland, F. E. and E. C. Prescott (1977), “Rules Rather than Discretion: The Inconsistency of Optimal Plans”, Journal of Political Economy, Vol. 85, pp 473-91.
Lucas, R. E. Jr. (1976), “Econometric Policy Evaluation: A Critique”, in K. Brunner and A. H. Meltzer (Eds). The Phillips Curve and Labor Markets”, Supplement to the Journal of Monetary Economics.
Moser, S. and F. Rumler (2007), “Forecasting Austrian Inflation,” Economic Modeling, Vol. 24, pp. 470–480.
Mumtaz, H. (2010), “volving UK Macroeconomic Dynamics: A Time-Varying Factor Augmented VAR”, Bank of England, Working Paper, No. 386 March
Nakajima, J., Kasuya, Munehisa and W. Toshiaki (2011), “Bayesian Analysis of Time-varying Parameter Vector Autoregressive Model for the Japanese Economy and Monetary Policy”, Journal of The Japanese and International Economies, Vol. 25, pp. 225-245.
Nelson, D. B. (1991), “Conditional Heteroscedasticity in Asset Returns: A New Approach”, Econometrica, Vol. 59, pp. 347–370.
Pesaran, M. H. and A. Timmermann (2000), “A Recursive Modeling Approach to Predicting UK Stock Returns”, The Economic Journal, Vol. 110, pp. 159-191.
Primiceri. G. (2005), “Time Varying Structural Vector Auto regressions and Monetary Policy”, Review of Economic Studies, Vol. 72, pp. 821-852.
Raftery, A., M. Karny and P. Ettler (2010), “Online Prediction Under Model Uncertainty Via Dynamic Model Averaging: Application to a Cold Rolling Mill”, Technimetrics, Vol. 52, pp. 52-66.
Senbet, D. (2008), “Measuring the Impact and International Transmission of Monetary Policy: A Factor-augmented Vector Autoregressive (FAVAR) Approach”, European Journal of Economics, Finance and Administrative Sciences, Vol. 13, pp. 121-143.
Sims, C. A.(1980), “Macroeconomics and Reality”, Econometrica, Vol. 48, pp. 1-48.
Sims, C. A. (1992), “Interpreting the Macroeconomic Time Series Facts: The Effects of Monetary Policy”, European Economic Review, Vol. pp. 975-1000.
Stock, J. and M. Watson (1996), “ Evidence on Structural Instability in Macroeconomic Time Series Relations’, Journal of Business and Economic Statistics, Vol. 14, pp. 11-30.
Stock, J. and M. Watson (1999), “Forecasting Inflation”, Journal of Monetary Economics, Vol. 44, pp. 293-335.
Stock, J. and M. Watson (2007), “Why Has U. S. Inflation Become Harder to Forecast?”, Journal of Monetary Credit and Banking, Vol. 39, pp. 3-33.
Stock, J. and M.Watson (2008), “Phillips Curve Inflation Forecasts”, NBER Working Paper, No. 14322, 2008.
http://WWW.World bank. Com.
)