مقایسه قدرت پیش بینی منحنی فیلیپس کینزین جدید هایبریدی و مدل ARIMA از تورم

نویسندگان

1 استاد اقتصاد دانشگاه الزهرا، تهران، ایران.

2 دانشجوی دکتری اقتصاد دانشگاه الزهرا، تهران، ایران.

چکیده

در تحقیق حاضر ابتدا منحنی فیلیپس کینزین جدید هایبریدی با استفاده از داده­های فصلی، طی دوره زمانی1q1375تا 4q1389 بر اساس روش گشتاورهای تعمیم یافته (GMM)برآورد شده است، سپس با استفاده از معیار آکائیک یک مدل مناسب ARIMA  تصریح گردید. در پایان هم، تورم با استفاده از هر دو مدل، در دو افق چهار دوره­ای و هشت دوره­ای پیش بینی گردید و ریشه میانگین مربع خطای دو مدل مقایسه شد.
نتایج حاصل از تخمین منحنی فیلیپس کینزین جدید هایبریدی نشان می­دهد که قیمت­های گذشته تاثیر بیشتری نسبت به قیمت­های آینده بر تورم داشته­اند و ضریب شکاف محصول هم معنی دار و مثبت بوده که نشان می­دهد با افزایش شکاف محصول از سطح بالقوه خود، تورم 41 درصد افزایش می­یابد، به عبارت دیگر سیاست­های انبساطی به منظور افزایش محصول منجر به تورم خواهد شد. سپس بعد از تصریح یک مدل (4و4) ARMAو پیش بینی تورم، نتایج نشان می­دهد که در هر دو افق پیش بینی، منحنی فیلیپس کینزین جدید، ریشه میانگین مربع خطای(RMSE) کمتری نسبت به مدل ARMA داشته است و بهتر توانسته تورم را پیش بینی کند
 
Abstract
Hybrid New Keynesian Phillips curve in the present study, using quarterly data over the period to 4q1389 1q1375 based on GMM is estimated, using the criteria stipulated Kayyk an ARIMA model was In the end, inflation, using both models, in both four and eight-period horizon, and the root mean square error of prediction models were compared HNKPC estimation results indicate that past prices influence future prices more than the rate of inflation and the output gap was positive and significant. Shows that increasing the level of potential output gap, inflation increased by 41%, ie expansionary policies to enhance product will lead to inflation. Then specify a model ARMA (4,4) and inflation forecasts, the results show that both forecast horizons, new Keynesian Phillips curve, the root mean square error (RMSE) is less than the ARMA model and better able to predict inflation.

کلیدواژه‌ها


 

مقایسه قدرت پیش بینی منحنی فیلیپس کینزین جدید هایبریدی

و مدل ARIMAاز تورم

 

 

 

تاریخ دریافت: 1/10/1392              تاریخ پذیرش: 3/12/1392

 زهرا افشاری[1]

مرضیه بیات[2]

 

 

چکیده

در تحقیق حاضر ابتدا منحنی فیلیپس کینزین جدید هایبریدی با استفاده از داده­های فصلی، طی دوره زمانی1q1375تا 4q1389 بر اساس روش گشتاورهای تعمیم یافته (GMM)برآورد شده است، سپس با استفاده از معیار آکائیک یک مدل مناسب ARIMA  تصریح گردید. در پایان هم، تورم با استفاده از هر دو مدل، در دو افق چهار دوره­ای و هشت دوره­ای پیش بینی گردید و ریشه میانگین مربع خطای دو مدل مقایسه شد.

نتایج حاصل از تخمین منحنی فیلیپس کینزین جدید هایبریدی نشان می­دهد که قیمت­های گذشته تاثیر بیشتری نسبت به قیمت­های آینده بر تورم داشته­اند و ضریب شکاف محصول هم معنی دار و مثبت بوده که نشان می­دهد با افزایش شکاف محصول از سطح بالقوه خود، تورم 41 درصد افزایش می­یابد، به عبارت دیگر سیاست­های انبساطی به منظور افزایش محصول منجر به تورم خواهد شد. سپس بعد از تصریح یک مدل (4و4) ARMAو پیش بینی تورم، نتایج نشان می­دهد که در هر دو افق پیش بینی، منحنی فیلیپس کینزین جدید، ریشه میانگین مربع خطای(RMSE) کمتری نسبت به مدل ARMA داشته است و بهتر توانسته تورم را پیش بینی کند.

 

واژه‌های کلیدی: منحنی فیلیپس کینزین جدید، پیش بینی، ARMA.

طبقه بندی JEL : C53, E31

 

1- مقدمه

رابطه بین فعالیت واقعی اقتصادی و نرخ تورم یکی از موضوعات بحث بر انگیز در زمینه اقتصاد کلان در حوزه­های تجربی و نظری بوده است. شاید یکی از محبوب ترین مدل­هایی که رابطه بین فعالیت واقعی اقتصاد و نرخ تورم را توصیف می­کند منحنی فیلیپس باشد که برای نخستین بار توسط فیلیپس(1958) معرفی شده است و سپس توسط سامئلسون و سولو(1960) بسط داده شد. 

مطابق با منحنی فیلیپس اولیه ، نرخ تورم به صورت منفی با نرخ بیکاری مرتبط است. منحنی فیلیپس اولیه به صورت جدی در زمینه­های نظری مورد انتقاد قرار گرفته است اما در پاسخ به این انتقادات شکل­های متنوعی از منحنی فیلیپس گسترش یافته است. در این زمینه گالی و گرتلر[1] بر مبنای کارهای اولیه تیلور و کالوو[2] منحنی فیلیپس جدید را استخراج کرده­اند. این مدل تصریح شده­ که در سال­های اخیر بیش­ترین توجه را به خود جلب کرده است، منحنی فیلیپس کینزین­های جدید می­باشد. بر خلاف نسخه­های اولیه منحنی فیلیپس، ویژگی منحنی فیلیپس کینزین­های جدید این است که به طور روشن از یک مدل بهینه سازی قیمت به دست آمده است. در به دست آوردن این منحنی یک سری فروض در نظر گرفته می­شود، از جمله این که فرض می­شود بنگاه­ها در یک محیط رقابت انحصاری فعالیت می­کنند و هم چنین منحنی تقاضا دارای کشش ثابت می­باشد.

متداول ترین فرمول بندی­ها مربوط به چسبندگی­های اسمی که در به دست آوردن منحنی فیلیپس کینزین­های جدید استفاده شده است، مدل کالوو می­باشد. در مدل کالوو بنگاه­ها از یک سری قواعد مشروط به زمان پیروی می­کنند که در آن تعدیل قیمت یک سری فرایندهای تصادفی است.

مطالعه­های تجربی اغلب به این نتیجه رسیده­اند که منحنی فیلیپس کینزین جدید هایبردی توسعه داده شده به وسیله گالی و گرتلر در مقایسه با انواع مدل­های ARIMA پیش بینی ضعیفی از تورم داشته است. لذا در این مقاله جهت مقایسه نتایج پیش بینی دو مدل، ابتدا [3]HNKPC تخمین زده می­شود و سپس نتایج تخمین برای پیش بینی تورم در مقایسه با مدل ARIMA استفاده می­شود و بررسی می­شود که آیا قدرت پیش بینی منحنی فیلیپس کینزین جدید از تورم ضعیف تر از مدل ARIMA است؟

مقاله حاضر از هفت بخش تشکیل شده است، در بخش دوم به طور مختصر HNKPC ارائه می­­شود. در بخش سوم مروری بر مطالعات انجام شده در گذشته شده است، در بخش چهارم به معرفی متغیرهای تحقیق و برآورد HNKPC پرداخته می­شود و در بخش پنجم پس از معرفی مدل  ARIMA، برآورد آن مطرح می­شود. در بخش بعدی هم بحث پیش­بینی و مقایسه نتایج پیش بینی از هر دو مدل مطرح خواهد شد و در نهایت نتیجه گیری آورده شده است. 

 

2-  منحنی فیلیپس کینزین جدید هایبرید

به منظور به دست آوردن HNKPC  گالی و گرتلر یک مدل قیمت­گذاری کالوو را استفاده می­کنند که در آن  کسر   از بنگاه­ها قیمتشان را در یک دوره داده شده تعدیل می­کنند. در مقابل مدل اولیه کالوو(1983)، گالی و گرتلر فرض می­کنند در بین بنگاه­هایی که قادرند قیمتشان را در یک دوره داده شده تغییر دهند، تنها کسر  از بنگاه ها قیمت را به طور بهینه در یک رفتار رو به جلو به کار می­برند، بقیه بنگاه­های باقی مانده قیمت را بر اساس میانگین قیمت دوره گذشته به کار می­برند. این فرض منجر به شکل زیر از HNKPC می­شود: 

(1)                                               

: نرخ تورم

 : تورم مورد انتظار دوره بعد

: هزینه نهایی واقعی

: شوک فشار هزینه

شکل خلاصه شده (1) به وسیله ترکیب پارامترهای زیر به فرم ساختاری NKPC مرتبط شده است:


       و                       و            

 

B: نرخ تنزیل

از آن جا که شکل خلاصه شده HNKPC در (1) سازگار با برنامه قیمت گذاری کالوو(1983) است، نتایج تخمین و پیش بینی تنها برای شکل خلاصه شده مطرح می­شود.

 

3- مروری بر مطالعات انجام شده

گالی و گرتلر(1999)[4]، با استفاده از رویکرد GMM، منحنی فیلیپس هایبردی کینزین­های جدید را در دوره 1960-1997 را با داده­های فصلی برای کشور آمریکا تخمین زده است که در آن مدل به طور آماری معنادار می­باشد و دیگر اینکه بنگاهها در تنظیم قیمت به ملاحظات آینده نگر بیش تر از ملاحظات گذشته نگر توجه می­کنند.

گالی، گرتلر، لوپز و سالیدو(2001)[5]به منظور حداقل کردن تورش بالقوه در نمونه های کوچک، از ابزارهای کم تری نسبت به کار قبلی استفاده کرده­اند. آن ها دو موضوع مهم را در مورد منحنی فیلیپس هایبردی کینزین­های جدید مطرح کردند: یکی وجود ابزارهای ضعیف و دیگری بیش از حد بودن ابزارها. لذا روی هم رفته نتایج ارائه شده توسط این افراد نشان می­دهد که تخمین زن GMM به تعداد ابزارها حساس است.

دیپیوس(2004)[6] با استفاده از داده­های فصلی، طی دوره 2003-1972 سه مدل ساختاری از تورم آمریکا که بر گرفته از کارهای گالی و گرتلر و تینسلی و کوزیسکی می باشد را تخمین زده و عملکردهای پیش بینی تورم را بر اساس این سه مدل مقایسه کرده است. نتایج نهایی نشان داده است که منحنی NKPC هایبریدی بر اساس شکاف تولید به عنوان متغیر توضیحی، نسبت به منحنی NKPC هایبریدی بر اساس هزینه نهایی و هزینه تعدیل چند جمله­ای به عنوان متغیر توضیحی، بهتر تصریح شده است و بهتر از دو مدل دیگر تورم را پیش بینی می­کند.

ساز(2011)[7] طی دوره 2007-1996، منحنی فیلیپس کینزین جدید را در اقتصاد ترکیه با استفاده محاسبه جدیدی برای هزینه نهایی تخمین می­زند، نتایج نشان می­دهد که منحنی فیلیپس متعارف و تعدیل یافته با انتظارات وجود ندارد. همچنین در ترکیه شکاف محصول منحنی فیلیپس تنها یک تصویر غیر واقعی از روند تورم ترکیه از 2005 تا 2009 فراهم می­کند. در مقابل NKPC متعارف و هایبرید هر دو توضیح معتبری از روند تورم در ترکیه به دست آورده­اند.

باپتیسته(2011)[8]با استفاده از داده­های فصلی، طی دوره 2007-1987 منحنی فیلیپس کینزین جدید را برای انگلیس با استفاده پیش بینی نظرسنجی از تورم، تخمین می­زند. نتایج نشان می­دهد در مقایسه با روش های تخمین سنتی، پیش بینی نظر سنجی تخمین منحنی فیلیپس کنزین جدید و عملکرد پیش بینی تورم را بهبود داده است و قدرت پیش بینی آن را نسبت به مدل ARIMA افزایش داده است.

فولادی(1386) با استفاده از داده­های سالانه طی دوره 1380-1338 به بررسی منحنی فیلیپس کینزین های جدید برای اقتصاد ایران پرداخته است. نتایج نشان از تبادل میان تورم و بیکاری در کوتاه مدت و بلند مدت دارد، ولی در بلند مدت این رابطه ضعیف تر از کوتاه مدت است.

جلایی و شیر افکن(1388) به بررسی تاثیر سیاست های پولی بر نرخ بیکاری از طریق منحنی فیلیپس کینزین جدید پرداخته شده است. به این منظور در این مقاله به بررسی تاثیر­گذاری سیاست­های پولی انبساطی در اقتصاد ایران با توجه به منحنی فیلیپس بر میزان بیکاری طبیعی و بیکاری همراه با تورم غیر افزایشی (NAIRU) و بررسی عوامل تاثیر­گذار بر این دو متغیر برای دوره زمانی 1384-1338 پرداخته شده است. بدین منظور از روش­های سری­زمانی مبتنی بر تکنیک VAR و روش­های ساختاری مبتنی بر تکنیک OLS استفاده شده است. نتایج حاصل از تخمین معادلات در دوره مورد بررسی وجود تبادل بین بیکاری و تورم را در اقتصاد ایران تایید می­کند. به عبارت دیگر منحنی فیلیپس با توجه به هر دو انتظارات عقلایی و تطبیقی برای اقتصاد ایران هم در کوتاه مدت و هم در بلند مدت نزولی است.

رحمانی و امیری(1390)با استفاده از تحلیل مدل های قیمت گذاری و مباحث چسبندگی دستمزدها و قیمت ها به استخراج منحنی فیلیپس هایبردی کنزین جدید پرداخته­اند. مدلی که برای چسبندگی قیمت ها و دستمزدها در این مقاله استفاده شده است، مدل قیمت گذاری کالوو می باشد. سپس این منحنی برای اقتصاد ایران در دوره زمانی 86-1354 با استفاده از روش [9]GMM برآورد شده است. نتایج حاصل از این تحقیق آن است که بنگاه ها در تنظیم قیمت خود به ترکیبی از روش های آینده نگر و گذشته نگر توجه می­کنند که سهم هر کدام از این قیمت ها تقریبا به طور مساوی تقسیم شده است.

 

 

4- برآورد مدل

در معادله (1) جمله مستقیما مشاهده نمی­شود و این یک چالش اساسی در تخمین پارامترهای  HNKPC است. یک راه برای دور زدن این چالش که بیشتر هم معمول است، استفاده از قانون انتظارات تکراری[10] جهت به دست آوردن یک پیش بینی از  است.  به وسیله   جایگزین می­شود،  خطای پیش­بینی یک گام جلوتر  است، معادله جدید به دست می­آید:

           (2)          

 

 

از آن جا که  است، معادله می­تواند به وسیله روش GMM تخمین زده شود. به دلیل اینکه متغیر تورم انتظاری در مدل NKPC یک متغیر درون­زا می­باشد که با جز خطای تخمین معادله همبستگی دارد، تخمین حداقل مربعات معمولی از NKPC قابل استفاده نمی­باشد. تخمین­های سازگار برای NKPC به وسیله رویکرد  GMM به دست می­آید. GMM، یک چارچوب گسترده برای تخمین محسوب می­شود و می­توان نشان داد بسیاری از تخمین زن­های مرسوم مثل خانواده LS از [11]OLS، WLS[12]، [13]  GLSگرفته تا NLS، خانواده روش­های متغیرهای ابزاری IV[14] شامل 2SLS[15]...، خانواده تخمین زن­های حداکثر نمایی(MLE)[16] را در خود جای می­دهد، لذا این روش از مطلوبیت زیادی برخوردار است. 

 

1-4- داده­ها

جامعه آماری تحقیق شامل پایه پولی، تولید ناخالص داخلی و شاخص بهای کالا و خدمات مصرفی و شاخص دستمزد[17] به قیمت ثابت 1383می­باشد. یکی از متغیرهای غیرقابل مشاهده که در تخمین منحنی فیلیپس کینزین جدید به کار رفته است متغیر هزینه نهایی می­باشد، به منظور محاسبه هزینه نهایی واقعی دو تقریب می­توان استفاده کرد: هزینه یک واحد نیروی کار تعدیل شده و شکاف محصول از روند بلند مدت خود که با فیلتر HP محاسبه شده است. به دلیل وجود محدودیت آماری[18] مربوط به سهم نیروی کار در بخش صنعت ایران از شکاف محصول به عنوان تقریب هزینه نهایی واقعی استفاده می­شود. همچنین یکی دیگر از متغیرهایی که داده های آن در اقتصاد ایران تولید نشده است، متغیر تورم انتظاری می­باشد. در این مقاله از مقادیر دوره آتی آن استفاده شده است. داده­ها بصورت فصلی و برای دوره زمانی 4q1389تا1q1375در نظر گرفته شده­اند. به منظور انجام تجزیه و تحلیل­های آماری و انجام روش­های اقتصاد سنجی در این بررسی از نرم افزار Eviews6  استفاده شده است.

 

2-4- بررسی مانایی متغیرها

 پیش از انجام هر گونه تحلیل بایستی وضعیت مانایی متغیر­ها آزمون­ شود. آزمون ریشه واحد دیکی­فولر تعمیم­یافته یکی از معمول­ترین آزمون­هایی است که امروزه برای تشخیص مانایی یک فرایند سری زمانی مورد استفاده قرار می­گیرد. براساس نتایج این آزمون متغیرهای تورم قیمت، تورم دستمزد و شکاف تولید ناخالص داخلی از روند آن در سطح مانا هستند، به عبارتی متغیرهاI(0)  هستند.

 

جدول 1- نتایج آزمون دیکی فولر تعمیم یافته

متغیر

آماره دیکی فولر

مقادیر بحرانی مک کینون برای سطح متغیرها

سطح معنی‌داری01/0

سطح معنی‌داری 05/0

سطح معنی‌داری 10/0

 

57/4-

55/3-

91/2-

59/2-

 

10/3-

55/3-

91/2-

59/2-

 

21/5-

54/3-

91/2-

59/2-

h

96/3-

13/4-

49/3-

17/3-

           

ماخذ : یافته های تحقیق

 

3-4- نتایج برآورد

نتایج تخمین مدل هایبریدی در فرم خلاصه شده در جدول(2) گزارش شده است که ابزارهای به کار رفته در تخمین، سه وقفه شکاف تولید، چهار وقفه تورم و سه وقفه تورم دستمزد و رشد پایه پولی می باشد.

 

جدول 2- نتایج برآورد حاصل از تخمین GMM در فرم خلاصه شده

پارامترها

مقدار

آماره t

مقادیر احتمال

 

7/41

69/2

0096/0

 

55/0

74/9

000/0

 

44/0

80/7

000/0

    ماخذ : یافته های تحقیق

                  39/2  D-W=              89/0         01/0 : آماره J هانسن

 

پارامترهای   و  به ترتیب نشان­دهنده درجه آینده نگری و گذشته نگری در تنظیم قیمت­ها می باشد. با توجه به ابزارهای انتخاب شده مشخص می شود که بنگاه ها در تنظیم قیمت خود به قیمت های گذشته بیشتر توجه می کنند. ضریب ʎ هم نشان دهنده  تاثیر سیاست پولی بر روی تورم است که در این جا معنادار است و با افزایش شکاف محصول از سطح بالقوه تورم 41 درصد افزایش می یابد.

آماره گزارش شده در ردیف آخر، آماره J هانسن می باشد که برای آزمون کردن تعداد محدودیت های بیش از حد شناسایی شده می باشد. این آماره اعتبار مدل را می­سنجد و دارای توزیع کای دو  با درجه آزادی برابر با تعداد گشتاورها منهای تعداد پارامترهای تخمین زده شده می باشد. همچنین فرضیه صفر به صورت آزمون کردن محدودیت های بیش از حد شناسایی شده است. بر این اساس مشاهده می شود مدل به درستی تصریح شده است.

 

5- مدل های ARIMA

1-5- فرایند ARIMA

این مدل­ها یکی از مشهورترین مدل­های خطی برای پیش­بینی سری­های زمانی سه دهه گذشته هستند که کاربردهای مفیدی در پیش بینی اقتصادی، اجتماعی، مهندسی و مسائل سهام دارند.

مدل­های ARIMA از مدل­های خودرگرسیون(AR)، مدل­های میانگین متحرک(MA) و ترکیبی از AR  و MA نشات گرفته­اند. این مدل­ها وقتی سری­زمانی ایستا هستند و داده مفقود شده بین سری زمانی وجود ندارد، می­توانند استفاده شوند. فرایند ARIMA(p,d,q) برای متغیر x را می توان به صورت رابطه زیر نشان داد:

       (3)

                                                                      

 

و f(t) روند زمانی را (در صورت وجود) در  برآورد می­کند. در بیش­تر متغیرهای اقتصادی، معمولا d=1 بوده، در نتیجه f(t)=  و یا d=0 می باشد:                    

           (4)                                                        

 

در فرآیند) ARIMA(p,d,q ، P,d,q، به ترتیب بیانگر تعداد جملات خود رگرسیو، مرتبه تفاضل گیری و تعداد جملات میانگین متحرک می باشد. در صورتی که d برابر با صفر گردد، فرایند ARIMA تبدیل به فرآیند ARMA می شود. معمولا برای تخمین الگوی ARIMA و ARMA از روش باکس- جنکینز استفاده می شود. که دارای سه مرحله شناسایی، تخمین و تشخیص دقت پردازش می باشد.

تعداد جملات خود رگرسیو و تعداد جملات میانگین متحرک معمولا با استفاده از توابع خود همبستگی (AC)و خود همبستگی جزیی(PAC) بر اساس مراحل باکس- جنکینز محاسبه می شود، اما از آنجایی که ممکن است مدل­های بهینه دیگری وجود داشته باشند که بر الگوی مذکور ترجیح داده شوند، این مدل­ها توسط ضابطه­های آکائیک و یا شوارتز- بیزین بازبینی می شوند. به گونه­ای که مدلی  مناسب محسوب می شود که کم ترین مقدار آماره آکائیک و یا شوارتز- بیزین را داشته باشد.

 

 

 

2-5- طراحی و تخمین مدل ARMA

برای پیش بینی داده های سری زمانی به وسیله ARIMA ابتدا مانایی سری زمانی تورم بر اساس آزمون دیکی- فولر تعمیم یافته بررسی شد و مشاهده شد که سری زمانی در سطح مانا است. سپس مرتبه (p,q) با استفاده از توابع خودهمبستگی و خودهمبستگی جزیی بر اساس مراحل باکس- جنکینز محاسبه شده است که کمترین مقدار آکائیک مربوط به فرآیند تعداد جملات خودرگرسیون و میانگین متحرک می­باشد که نتایج تفصیلی حاصل از برآورد آن در جدول (3) آورده شده است که مشاهده می­شود همه متغیرها از نظر آماری معنی­دار هستند، بنابراین مرتبه(4و4) ARMA می­باشد.

 

جدول3- نتایج برآورد مدل ARMA

متغیر

ضرایب

آماره t

احتمال

عرض از مبدا

9/13

7/69

000/0

AR(1)

04/1

18

000/0

AR(4)

28/0-

99/4-

000/0

MA(4)

89/0-

7/22-

000/0

منبع : یافته های تحقیق

 

6- پیش بینی

به منظور مقایسه قدرت پیش بینی دو مدل ARIMA و HNKPC، آماره ریشه میانگین مربع خطا(RMSE)[19] هر دو مدل در دو افق پیش بینی جداگانه با یکدیگر مقایسه می شود. آماره RMSE دو مدل بر حسب درصد در جدول (4) گزارش شده است.

 

جدول4- مقایسه قدرت پیش بینی دو مدل

مدل

RMSE با 4 افق پیش­بینی

RMSE با 8 افق پیش­بینی

HNKPC

22/1

15/1

ARIMA

4/4

5/3

ماخذ : یافته های تحقیق

 

بر اساس نتایج جدول فوق مشاهده می شود که در هر دو افق پیش بینی، مدل فیلیپس کینزین جدید RMSE کمتری نسبت به مدل ARIMA داشته است، بنابراین  می­توان گفت که مدل  HNKPCقدرت پیش­بینی بالاتری از تورم نسبت به مدل ARIMA داشته است.(نمودارهای پیش  بینی در انتهای مقاله آورده شده است)

 

7- نتیجه گیری

نتایج حاصل از تخمین HNKPC نشان می­دهد که قیمت­های گذشته تاثیر بیشتری نسبت به قیمت­های آینده بر تورم داشته­اند و همچنین ضریب شکاف محصول بر تورم معنی دار و مثبت بوده که نشان می­دهد با افزایش شکاف محصول از سطح بالقوه خود، تورم 41 درصد افزایش می­یابد، به عبارت دیگر سیاست­های انبساطی به منظور افزایش محصول منجر به تورم خواهد شد.

سپس بعد از تصریح یک مدل  (4و4) ARMA و پیش بینی تورم، نتایج نشان می­دهد که در هر دو افق پیش بینی، منحنی فیلیپس کینزین جدید، ریشه میانگین مربع خطای(RMSE) کمتری نسبت به مدل ARMA داشته است و بهتر توانسته تورم را پیش بینی کند.

 

 

نمودار2- پیش بینی تورم در 4 دوره با استفاده ازHNKPC

 

 

نمودار 1- پیش بینی تورم در 8 دوره با استفاده ازHNKPC

 

نمودار 3- پیش بینی تورم در 4 دوره با استفاده ازARIMA

 

 

نمودار4- پیش بینی تورم در 8 دوره با استفاده ازARIMA

 

 

 

 

 

 

 

فهرست منابع

1)      رحمانی، تیمور، حسین امیری (1390) ؛ "منحنی فیلیپس هایبریدی کینزین های جدید و بررسی تجربی آن در ایران"، مجله تحقیقات اقتصادی، شماره 98، بهار91

2)      جلائی، سید عبدالمجید، مهدی شیرافکن (1388) ؛"تاثیر سیاست های پولی بر سطح بیکاری از طریق تحلیل منحنی فیلیپس نیوکینزین در ایران"، پژوهشنامه علوم اقتصادی، سال نهم، شماره 2

3)      گرجی، ابراهیم ؛ فولادی، ابراهیم(1387) ؛«برآورد منحنی فیلیپس کینزی های جدید برای اقتصاد ایران» ؛نامه مفید

4)      صادقی،حسین؛ ذوالفقاری، مهدی، مجتبی الهامی نژاد (1390) ؛ "مقایسه عملکرد شبکه های عصبی و مدل ARIMA در مدل سازی و پیش بینی کوتاه مدت قیمت سبد نفت خام اوپک(با تاکید بر انتظارات تطبیقی) "، فصلنامه ی مطالعات اقتصاد انرژی، سال هشتم، شماره 28، بهار 1390

5)      Baptiste,Fredo Jean(2011),”Forecasting with the New Keynesian Philips curve: Evidence from survey data”, Economics Letters

6)      Dupuis,David(2004),”The New Keynesian hybrid Phillips curve: an assessment of competing specification for the United States”, Working paper

7)      Gali,Jordi and Gertler,Mark(1999),”Inflation dynamics: Astructural economic analysis”, Journal of Monetary Economics

8)      Saz,Gokhan(2011),”The Turkish Philips Curve Experience and the New Keynesian Philips Curve: A Conceptualization and Application of a Novel Measure for Marginal Costs”,International Research Journal of Finance and Economic

 

یادداشت‌ها


 



1- استاد اقتصاد دانشگاه الزهرا   .تهران.ایران   Afsharizah@gmail.com

2- دانشجوی دکتری اقتصاد دانشگاه الزهرا .تهران.ایران (نویسنده مسئول)    Marzeyeh_bayat@yahoo.com



  1. Gali,Gertler(1999)
  2. Taylor(1980),Calvo(1983)
  3. Hybrid The New Keynesian Philips curve
  4. 1.Gali,Gertler(1999)
  5. Lopez,Salido(2001)
  6. Dupuis(2004)
  7. SAZ(2011)
  8. Baptiste(2011)
  9. Generalized Method of Moments
  10. قانون انتظارات تکراری یک اصل از انتظارات عقلایی است.
    1. Ordinary Least Square
    2. Weighed Least Square
    3. Generalized Least Square
    4. Instrument Variable
    5. 2stage Least Square
    6. Maximum Likelihood
    7. شاخص دستمزد بهای خدمات ساختمانی استفاده شده است.
    8. داده­های مربوط به شاخص­های بخش صنعت تا سال 1386 موجود می­باشد و بعد از این سال جامعه آماری تغییر یافته است.
      1. Root mean squared error
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

 

1)      رحمانی، تیمور، حسین امیری (1390) ؛ "منحنی فیلیپس هایبریدی کینزین های جدید و بررسی تجربی آن در ایران"، مجله تحقیقات اقتصادی، شماره 98، بهار91

2)      جلائی، سید عبدالمجید، مهدی شیرافکن (1388) ؛"تاثیر سیاست های پولی بر سطح بیکاری از طریق تحلیل منحنی فیلیپس نیوکینزین در ایران"، پژوهشنامه علوم اقتصادی، سال نهم، شماره 2

3)      گرجی، ابراهیم ؛ فولادی، ابراهیم(1387) ؛«برآورد منحنی فیلیپس کینزی های جدید برای اقتصاد ایران» ؛نامه مفید

4)      صادقی،حسین؛ ذوالفقاری، مهدی، مجتبی الهامی نژاد (1390) ؛ "مقایسه عملکرد شبکه های عصبی و مدل ARIMA در مدل سازی و پیش بینی کوتاه مدت قیمت سبد نفت خام اوپک(با تاکید بر انتظارات تطبیقی) "، فصلنامه ی مطالعات اقتصاد انرژی، سال هشتم، شماره 28، بهار 1390

5)      Baptiste,Fredo Jean(2011),”Forecasting with the New Keynesian Philips curve: Evidence from survey data”, Economics Letters

6)      Dupuis,David(2004),”The New Keynesian hybrid Phillips curve: an assessment of competing specification for the United States”, Working paper

7)      Gali,Jordi and Gertler,Mark(1999),”Inflation dynamics: Astructural economic analysis”, Journal of Monetary Economics

8)      Saz,Gokhan(2011),”The Turkish Philips Curve Experience and the New Keynesian Philips Curve: A Conceptualization and Application of a Novel Measure for Marginal Costs”,International Research Journal of Finance and Economic