الگوئی برای نمایش چشم‌اندازی از تراز تجاری کشور به روش رگرسیونی داده‌های ترکیبی با تواتر متفاوت

نوع مقاله: علمی پژوهشی

نویسندگان

1 دانشیار گروه اقتصاد دانشگاه شهید بهشتی، تهران، ایران،

2 کارشناس ارشد اقتصاد دانشگاه شهید بهشتی، تهران، ایران

چکیده

هدف این مقاله طراحی و ارائه الگوئی است که بتواند با توجه به اطلاعاتی که به صورت فصلی انتشار می‌یابند در پیش‌بینی اولیه سالانه واردات وصادرات تجدید نظر کرده و پیش‌بینی های نزدیک تر به واقعیت را ارائه کند. برای این منظور از الگوی داده‌های ترکیبی با تواتر متفاوت ([i]MIDAS) که امکان می‌دهد متغیرهای سری زمانی با تواترهای متفاوت سالانه، فصلی و حتی روزانه در کنار هم در یک رگرسیون قرار گیرند، استفاده شده است. در الگوهای برآورد شده، به کمک نرم افزار R، از آمارسالانه واقعی واردات کالایی ، صادرات کالایی، صادرات کل و متغیرهای فصلی تولید ناخالص داخلی واقعی، نرخ ارز واقعی و نوسانات نرخ ارز واقعی در محدوده سال‌های 1367 تا1393 استفاده شده است. اطلاعات مربوط به سال 1393 در برآورد اولیه رابطه، استفاده نشده تا بتوان براساس آن قدرت پیش­بینی الگو را خارج از محدوده برآورد محک زد. درنهایت الگوی تنظیمی مقدار واقعی تراز تجاری را برای سال 1393 که معادل 16404میلیون دلار است ،تنها با حدود 5/0 درصد خطا معادل16310 میلیون دلار پیش‌بینی می‌کند. این امر مبین قدرت پیش‌بینی دقیق الگو در رابطه با تراز تجاری کشور است.



3.Mixed frequency Data Sampling
The current article aims at designing and presenting a model which can revise the initial prediction of annual exports and imports and present closer to reality predictions based on seasonal diffused data. To this purpose, mixed frequency data sampling model was used which allows time series variables with different annual, seasonal and even daily frequencies to be placed beside each other in a regression. In the assessed model using R software, the effect of seasonal variables such as GDP, Exchange rate, Exchange rate fluctuations on non-oil exports and the effect of seasonal GDP, Exchange rate, Exchange rate fluctuations and annual total exports on imports are statistically meaningful. The model is estimated by using time series data during the years 1367 until 1393. The specified regression model, which is estimated by using time series data, predicts the real amount of annual Trade balance for 2015, which was 16404 million dollars, as 16310 million dollars with a tiny error of almost 5%. it can be concluded that the model forecast is satisfactory.
 
Keywords: Mixed frequency Data Sampling (MIDAS), Trade Balance, Export, Import.
Classification JEL: F21, F10, C53, E27.

کلیدواژه‌ها


الگوئی برای نمایش چشم‌اندازی از تراز تجاری کشور به روش

 رگرسیونی داده‌های ترکیبی با تواتر متفاوت

 

 

محمد نوفرستی

تاریخ دریافت: 26/01/1396           تاریخ پذیرش: 29/03/1396

[1]

سمانه جواهردهی[2]

 

 

چکیده

هدف این مقاله طراحی و ارائه الگوئی است که بتواند با توجه به اطلاعاتی که به صورت فصلی انتشار می‌یابند در پیش‌بینی اولیه سالانه واردات وصادرات تجدید نظر کرده و پیش‌بینی های نزدیک تر به واقعیت را ارائه کند. برای این منظور از الگوی داده‌های ترکیبی با تواتر متفاوت ([i]MIDAS) که امکان می‌دهد متغیرهای سری زمانی با تواترهای متفاوت سالانه، فصلی و حتی روزانه در کنار هم در یک رگرسیون قرار گیرند، استفاده شده است. در الگوهای برآورد شده، به کمک نرم افزار R، از آمارسالانه واقعی واردات کالایی ، صادرات کالایی، صادرات کل و متغیرهای فصلی تولید ناخالص داخلی واقعی، نرخ ارز واقعی و نوسانات نرخ ارز واقعی در محدوده سال‌های 1367 تا1393 استفاده شده است. اطلاعات مربوط به سال 1393 در برآورد اولیه رابطه، استفاده نشده تا بتوان براساس آن قدرت پیش­بینی الگو را خارج از محدوده برآورد محک زد. درنهایت الگوی تنظیمی مقدار واقعی تراز تجاری را برای سال 1393 که معادل 16404میلیون دلار است ،تنها با حدود 5/0 درصد خطا معادل16310 میلیون دلار پیش‌بینی می‌کند. این امر مبین قدرت پیش‌بینی دقیق الگو در رابطه با تراز تجاری کشور است.

واژه‌های کلیدی: الگوی داده‌های ترکیبی با تواتر متفاوت، تراز تجاری، واردات، صادرات غیر نفتی.

طبقه بندی JEL: F10 ,F21 ,C53, E27

1- مقدمه

در جهان امروز کشوری نیست که بتواند تمامی نیازهای جامعه خود را بدون تولیدات وخدمات سایر کشورها برآورده سازد. اگر این توان در کشوری هم وجود داشته باشد به لحاظ اقتصادی مقرون به صرفه نیست. در نتیجه مقوله مبادله کالاها و خدمات میان کشورها بر‌اساس مزیت های نسبی و مطلق مطرح می گردد. یکی از معیار ها در ارزیابی توان اقتصادی هر کشور، تراز تجاری آن می باشد که صادرات و واردات دو رکن اصلی این تراز هستند(سپانلو و قنبری،1389،ص 211).

هر کشوری از طریق صادرات، درآمدهای ضروری برای رفع نیازهای وارداتی خود را تامین می‌کند. نگاهی به تراز تجاری ایران در سالهای مختلف نشان می‌دهد که ایران از نظر تجارت جهانی در جایگاه مناسبی قرار ندارد. بدین مفهوم که اگر درآمدهای نفتی در محاسبه تراز تجاری لحاظ نشود، تراز تجاری برای تمام سالها منفی می شود. این واقعیت بیانگر اتکای ایران به صادرات محصولات نفتی برای کسب درآمد ارزی است. ازطرفی کشور ایران به علت افزایش شدید جمعیت، کاهش ذخایر نفتی و تنزل تدریجی بازده چاه‌ها و بالارفتن هزینه استخراج، اطمینان نداشتن به آینده بازار جهانی و تغییرات قیمت نفت به ارز بیشتری نیازمند خواهد بود، در نتیجه راهی جز تأکید بیشتر بر صادرات غیرنفتی و کنترل واردات درپیش ندارد. همچنین در تجزیه و تحلیل مسائل کلان و سیاست‌گذاری های اقتصادی، بررسی تابع واردات و صادرات و پیش بینی مقدار آن‌ها، با توجه به اثری که بر تراز تجاری و تراز پرداخت‌ها دارد، از اهمیت خاصی برخوردار است. از این رو، هر تغییر و تحولی که در واردات و صادرات کشور رخ دهد، در فرآیند تولید، عرضه پول و سطح عمومی قیمت ها تأثیر به سزایی خواهد داشت. هدف از انجام تحقیق ارائه چشم­اندازی از تراز تجاری به کمک داده­های فصلی متغیرهایی که به نوعی می‌توانند تحولات آتی اقتصاد کلان ایران را تحت تأثیر قرار دهد، می­باشد. تا کنون الگویی برای پیش بینی تراز تجاری با تواترهای کم زمانی، براساس متغیرهای تواتر زیاد، نظیر داده های فصلی، ساخته نشده است وهمچنین در این الگو امکان تعدیل پیش بینی ها با توجه به انتشار اطلاعات جدید وجود دارد. پیش بینی مقدار واردات و صادرات برای انتهای هرسال، به سیاست گذاران کمک می‌کند تا بتوانند از همان ابتدای سال، در صورت لزوم، سیاست های مناسبی را درجهت بهبود تراز تجاری اتخاذ کنند.

در ادامه این مقاله، در بخش دو مبانی نظری و در بخش سه پیشینه تحقیق ارائه شده است. بخش چهار به تصریح الگو و برآورد ضرایب الگو و بخش پنج نتایج حاصل از برآورد الگو می­پردازد. در بخش شش و هفت نتایج پیش­بینی و محاسبه تراز تجاری بیان شده است. در نهایت، این مقاله با نتیجه­گیری در بخش هشت پایان می­یابد.

 

2- مبانی نظری

از آنجای که واردات و صادرات از متغیرهای تشکیل‌دهنده تراز تجاری هستند در این‌جا به بررسی متغیرهای مهم و اثرگذار بر توابع صادرات و واردات پرداخته می‌شود:

 

1-2- استخراج تابع عرضه ی صادرات

یکی از الگوهای متعارفی که در تصریح عرضه صادرات کالاها مورداستفاده قرار می‌گیرد ، الگوی گلدشتاین_خان[ii](1978) می‌باشد. این الگو به صورت لگاریتمی تنظیم شده و مقدار صادرات عرضه شده  را تابعی از نسبت شاخص قیمت کالاهای صادراتی به شاخص قیمت کالاهای داخلی  و ظرفیت تولید داخلی   به صورت زیر قرار داده است.

(1)

 

 

سروار و اندرسون[iii](1990) نیز برای عرضه سویا در آمریکا، تابعی را برای صادرات تصریح نموده‌اند که در آن صادرات تابعی از متغیرهای قیمت کالاهای صادراتی کشور صادرکننده، قیمت کالاهای صادراتی کشور رقیب، درآمد واقعی کشور واردکننده و قیمت داخلی کشور واردکننده در نظر گرفته‌اند. همچنین براساس مطالعات چاو(1974) که عنوان می‌کند تغییرات نرخ ارز می‌تواند اثر مهمی بر صادرات کشاورزی داشته باشد، متغیر نرخ ارز نیز در الگو به صورت زیر لحاظ شده است.

(2)

 

 

در این رابطه،  : مقدار صادرات ، :شاخص قیمت کالاهای صادراتی، : شاخص قیمت صادرکنندگان رقیب، : درآمد حقیقی، :  شاخص قیمت کالای داخلی، : نرخ ارز حقیقی کشور واردکننده jام می‌باشند.

یکی از الگوها عمده‌ای که برای توضیح صادرات، به ویژه در کشورهای در حال توسعه، مورد استفاده قرار می‌گیرد، الگوی باند است. در این الگو عرضه صادرات کالای K از منطقه R با معادله لگاریتمی زیر ارائه می‌شود:

(3)

  

که در آن  میزان صادرات کالایی  عرضه شده در منطقه ،  سطح قیمت داخلی بر حسب واحد پول ملی کشور صادرکننده در منطقه ،  نرخ برابری پول رایج کشور صادرکننده با نرخ ارز (برحسب دلار)،  شاخص ظرفیت تولیدی در منطقه ،  شوک­های عرضه در منطقه ،  قیمت جهانی کالای  در منطقه  (برحسب دلار) و  قیمت محصول  در منطقه  (برحسب دلار)  و L به مفهوم لگاریتم است.

با توجه به ادبیات موضوع که مبنای کاربردی بسیاری از تحقیقات انجام‌شده در داخل و خارج از کشور می‌باشد به منظور نشان دادن اثر هر متغیر بر صادرات محصولات غیرنفتی، تابع عرضه صادرات محصولات مذکور به صورت زیر برآورد می­شود:

(4)

 

 

که در آن  میزان صادرات کالای  در زمان ،  قیمت صادراتی کالای  در بازار جهانی،  تولید محصولات منتخب و  نرخ ارز در بازار آزاد است.

 

2-2- استخراج تابع تقاضای واردات:

تابع تقاضای واردات را به لحاظ نظری می توان مبتنی بر برخی فروض، از طریق حداکثر کردن مطلوبیت استخراج کرد. فروض مربوطه به شرح زیر می باشند:

1)   تمامی تولیدکنندگان و مصرف کنندگان در شرایط رقابت کامل عمل می کنند، بنابراین تعداد تولیدکنندگان و مصرف کنندگان در بازار زیاد بوده و ورود و خروج آن ها به صنعت آزاد است. همچنین کالاها همگن و اطلاع کامل از وضعیت بازار وجود دارد.

2)   مصرف کنندگان بدنبال حداکثر کردن مطلوبیت و تولیدکننده بدنبال حداکثر کردن سود می باشد.

با توجه این فروض می توان تابع تقاضای واردات را از طریق پروسه حداکثرسازی مطلوبیت با توجه به قید بودجه استخراج کرد. فرض می شود مصرف کنندگان یک کشور با nکالای مصرفی مواجه اند، به طوری که  داخل کشور، و کالاهای  در خارج تولید می شوند. تابع مطلوبیت جمعی کشور مزبور تابعی از کل کالاهای تولید شده در داخل و خارج است. چنانچه قیمت کالاهای تولید شده در داخل را با  و قیمت کالاهای تولید شده در خارج را با,  نشان  دهیم، در این حالت می توان کل هزینه ای که کشور موردنظر با توجه به بودجه اش صرف خرید کالا در داخل و خارج می کند را به صورت زیر نشان داد:

(5)

 

 

حال با حداکثر کردن تابع مطلوبیت جمعی و با توجه قید بودجه کشور و همچنین با استفاده از تکنیک لاگرانژ، خواهیم داشت:

(6)

                   

 

با مشتق‌گیری از معادله فوق میزان تقاضای واردات به صورت زیر حاصل می شود:

(7)     

 

 

یعنی واردات تابعی از سطح قیمت‌های داخلی و خارجی ودرآمد ملی است. بنابراین طبق پروسه حداکثرسازی تابع مطلوبیت جامعه با توجه به محدودیت بودجه کشور، توابع تقاضای واردات در شکل های مرسوم و سنتی آن حاصل می شود.

(8)

 

 قیمت نسبی کالای وارداتی به کالای داخلی و  تولید ناخالص داخلی می‌باشد.

 

در رابطه (8) واردات تابعی مستقیم از درآمد(یعنی افزایش درآمد منجر به افزایش واردات شده) و تابعی معکوس از قیمت های نسبی (یعنی افزایش قیمت واردات منجر به کاهش واردات می‌شود) است.

 

2- 3- مبانی نظری الگوی داده­های ترکیبی با تواترهای متفاوت (  [iv])

در روش سنتی الگوسازی سری­های زمانی برای پیش­بینی متغیرهای اقتصادی، تمام متغیرهای درگیر در الگو لزوما از تواتر یکسانی برخوردارند، به عنوان مثال چنانچه متغیر وابسته فصلی است، متغیرهای توضیح­دهنده نیز می­باید فصلی باشند. حال چنانچه در یک رابطه رگرسیونی متغیرهایی وجود داشته باشند که برخی به صورت سالانه و پاره­ای به صورت فصلی یا ماهانه بوده باشند، امکان برآورد ضرایب این رگرسیون وجود ندارد مگر آنکه داده­های فصلی و یا ماهانه را به داده­هایی سالانه تبدیل کرده و سپس ضرایب رگرسیون را برآورد نمود. اما اخیرا تکنیکی ابداع شده است که می­توان متغیرهای با تواتر مختلف را در یک رگرسیون قرار داد و ضرایب آن­ها را برآورد نمود. ساخت الگویی بر این اساس از دو مزیت عمده برخوردار است. اول اینکه قرار گرفتن متغیرهای پرتواتر در کنار متغیرهای کم­تواتر در یک رگرسیون این امکان را فراهم می­آورد تا متغیر وابسته را برای آینده­ای نزدیک به صورت دقیق­تری پیش­بینی کرد. دومین حسن بارز این نوع الگوها، آن است که  وقتی اطلاع جدیدی در مورد متغیرهای پرتواتر به دست می­آید می­توان در پیش­بینی قبلی ارائه شده برای متغیر وابسته کم­تواتر الگو تجدید نظر کرد. ساخت الگوهایی که بتواند از ترکیبی از داده­های با تواتر متفاوت در یک رگرسیون بهره جوید ابتدا توسط کلاین و سوجو[v] (1989) در تدوین الگوهای اقتصادسنجی کلان ساختاری پایه­گذاری شد. روشی که اخیرا توسط گیزلز، سانتاکلارا و والکانو[vi] (2004) ابداع و سپس توسط گیزلز، سینکو و والکانو[vii] (2006) بسط داده شده است و معروف به «الگوی داده­های ترکیبی باتواتر متفاوت» یا میداس است.

قبل از معرفی الگوهای داده­های ترکیبی با تواتر متفاوت یا میداس، ابتدا به شرح چگونگی نمادگذاری متغیرهایی که در الگو از تواتر متفاوتی برخوردارند پرداخته می‌شود. فرض کنید  و  دو سری زمانی پایا با تواترهای متفاوت باشند، به طوری­که  متغیر وابسته و  متغیر توضیح­دهنده است.  واحد زمان مورد استفاده برای متغیر کم­تواتر است. برای ایجاد ارتباط بین دو متغیر با تواترهای و [viii]، از ضریب  استفاده می­کنیم. ضریب  کسری از فاصله زمانی بین  و  است به گونه­ای که مشخص می­کند که متغیرهای سری زمانی پرتواتر  چند بار در این فاصله زمانی مورد مشاهده واقع شده است. بنابراین،  بوده و در نتیجه  به اندازه  برابر بیشتر از تواتر در واحد زمان  است. یعنی به تعداد  بار بیشتر از داده­های سری زمانی  ظاهر می­شوند. نماد  به مفهوم  است. به عنوان مثال برای داده­های فصلی و ماهانه،  است و این به این معناست که در هر فصل، یک مشاهده از داده­های فصلی و سه مشاهده از داده­های ماهانه را خواهیم داشت. در این حالت متغیری که داده­های فصلی را داراست متغیر کم­تواتر و متغیری که داده­های ماهانه را در بر دارد متغیر پرتواتر می­باشد. نمودار 1 رابطه بین تواترها را بیان می­کند و شیوه نمادگذاری را نشان می­دهد:

 

 

 

نمودار 1- نمودار زمانی

منبع: بیات و نوفرستی، 1394، ص 33

 

یک رگرسیون ساده میداس با توجه به متغیر توضیح­دهنده پرتواتر  و وقفه­هایشان صریحاً به صورت زیر تصریح می­شود:

(9)

 

 

تابع وزن­دهی ، مبین یک چند جمله­ای برای اعمال وزن­هایی خاص به وقفه­های گسترده  و عملگر وقفه(  )می‌باشد. گیزلز [ix](2014) توابع وزن­دهی میداس را به ترتیب توابعی همچون تابع وزن­دهی آلمون[x]، تابع وزن­دهی آلمون نمایی[xi] و تابع وزن­دهی بتا[xii] معرفی کرده و فرم کلی توابع وزن­دهی را به صورت زیر بیان نموده است:

(10)

 

 

بسته به نوع تابع  مورد استفاده در رابطه بالا و همچنین حداکثر تعداد وقفه­ها  تابع وزن­دهی از تواتری به تواتر دیگر و از متغیری به متغیری دیگر، می­تواند متفاوت باشد. این تابع براساس پارامترهای  و  که به ترتیب شمارنده وقفه­ها و برداری حاوی یک تا چند  می­باشد، شکل می­گیرد. توابع وزن­دهی به صورت رابطه بالا، وزن­هایی غیرمنفی ایجاد می­کنند و برای تعیین مقدار ضریب متغیر پرتواتر و وقفه­هایش (یعنی  )، از فرض برابر واحد بودن مجموع وزن­های ایجاد شده توسط این تابع استفاده می­نمایند.

 

(11)

 

 

با توجه به اینکه در مقاله حاضر از تابع وزن­دهی آلمون استفاده شده، بنابراین در این قسمت فقط به معرفی این تابع اکتفا شده است، در توابع وزن­دهی آلمون ضریب  و وزن­ها  به صورت یک پارامتر مشترک  برآورد می­شود. با توجه به رابطه آلمون، تابع وزن­دهی آلمون به صورت زیر است:

(12)

 

 

این تابع وزن­دهی براساس مقادیر متفاوت پارامترهای  و  که مرتبه چندجمله­ای آلمون است ضرایبی متفاوت ایجاد می­کند. در نمودار (2) وزن­های ایجاد شده توسط تابع وزن­دهی آلمون با مقادیر متفاوت پارامترهای  نمایش داده شده است.

 

 

نمودار 2- شکل­های تابع آلمون با پارامترهای مختلف

منبع: بیات و فوفرستی،1394، ص 45

 

در بیان پارامتری می‌توان الگوی میداس را یک الگوی خطی به حساب آورد. ولی با اعمال وزن‌های مربوط به وقفه‌های گسترده و تحمیل یک تابع قید پارامتری به الگو، آن را از حالت خطی به حالتی غیرخطی تبدیل می­نمایند. لذا با توجه به مطالعه گیزلز و همکاران (2004) لازم است از روش­های برآورد غیرخطی  برای برآورد ضرایب الگوی میداس استفاده نمود که به‌صورت رابطه زیر مجموع مربعات جمله اخلال را حداقل کند. (بیات و نوفرستی،1394، ص‌ص 48-31)

(13)

 

 

1-2-2- پیش­بینی به‌وسیله الگوی میداس

با درنظر گرفتن  ،   از رابطه زیر برآورد می‌شود:

(14)  

 

 

و آنگاه رابطه زیر جهت انجام پیش‌بینی‌ها مورداستفاده قرار می‌گیرد:

(15) 

 

 

 نشان دهنده تعداد دوره‌های پرتواتری است که برایشان داده‌های جدید منتشر شده است. در رابطه بالا عبارت سوم مربوط به گذشته[xiii] و عبارت چهارم ناظر به آینده[xiv] می‌باشد. با استفاده از این روابط می‌توان اقدام به پیش‌بینی مقادیر آینده متغیرهای موردنظر کرده و از داده‌هایی که در تواترهای بالا منتشر می‌شوند برای انجام تجدید نظر درپیش‌بینی‌های خود استفاده نمود. در نمودار (3) مکان داده­های مربوط به گذشته و آینده مشخص شده است (بیات و نوفرستی،1394، ص‌ص 53-52)

 

 

 

نمودار 3- نمودار زمانی تفکیک شده به دو جزء گذشته و آینده

منبع: بیات و نوفرستی، 1394، ص 53

 

3-پیشینه تحقیق

پس از معرفی روش میداس توسط گیزلز، سانترا و والکانو (2004) و گیزلز،سینکو و والکانو در سال 2006، این رویکرد به عنوان ابزاری قدرتمند برای استفاده همزمان از داده‌های با تواتر متفاوت در یک رگرسیون، در مطالعاتی نظیر آلپر، فندگو و سلتگو[xv] (2008)، انجل، گیزلز و سان[xvi] (2008)، فرسبرگ و گیزلز[xvii] (2006) ، لئون،نیو و ریبو[xviii] (2007)، کلمنتس، گالوائو و کیم[xix] (2008) مورد استفاده قرار گرفته و موجب جلب توجه بسیاری از محققان به این روش گردید. پس از موفقیت این رویکرد الگوسازی در بازارهای مالی، کلمنتس و گالوائو (2006) از این روش برای الگوسازی متغیرهای کلان اقتصادی با روش میداس پرداختند. کلمنتس و گالوائو(2006)،(2008)، (2009) در مطالعاتی با تمسک به روش میداس، اقدام به پیش‌بینی رشد اقتصادی فصلی کشور آمریکا بر اساس متغیرها و شاخص‌های پرتواتر ماهانه نمودند. در همین راستا، الگوسازی و پیش بینی رشد تولید ناخالص داخلی آلمان با استفاده از روش میداس توسط مارسلینو و شوماخر[xx] (2007)  انجام شد. این محققان از داده­های فصلی تولید ناخالص داخلی در دوره زمانی فصل اول 1992 الی فصل سوم 2006 و از یکصد و یازده شاخص قیمت ماهانه نظیر قیمت مواد خام، واردات و صادرات کالا، واردات و صادرات خدمات، سفارشات خریدهای داخلی و خارجی صنعتی، حجم پول، شاخص بهای خدمات مصرف­کننده و شاخص بهای کالا و خدمات تولیدکننده طی دوره زمانی ماه اول 1992 الی ماه یازدهم سال 2006 استفاده کرده و نتایج پیش­بینی را، نتایجی دقیق و مناسب ارزیابی کردند. در سال 2012 ، بسک و بوعبداله[xxi] نیز از قدرت توضیح­دهندگی پنجاه و شش متغیر سری زمانی ماهانه پایا نظیر نرخ ارز، سپرده بانکی، قیمت سهام و چندین شاخص ماهانه دیگر استفاده کرده و در دوره زمانی 1959 تا 2010 با استفاده از فاکتور میداس به پیش­بینی نرخ رشد اقتصادی فصلی آمریکا پرداخته و دقت پیش­بینی برای افق­های کوتاه‌تر را بسیار مناسب ارزیابی نمودند. همچنین سو، ژو و وانگ (2013) از داده­های بازه زمانی1  1988 تا 4  2010 بازده اوراق بهادار هفتگی بازار بورس به عنوان متغیر توضیح­دهنده برای پیش­بینی رشد اقتصادی فصلی سنگاپور استفاده کرده و نتیجه حاصله حاکی از برتری قدرت پیش­بینی الگوی میداس نسبت به الگوهای رگرسیونی مستقیم بر روی داده­های پرتواتر بود.

 در راستای مطالعات انجام شده به روش میداس در داخل کشور ، برای پیش‌بینی ارزش واردات گندم ایران، رجبی و مقدسی در سال 1393 از الگوی داده های ترکیبی با تواتر متفاوت برای دوره 1357 تا 1382 استفاده کردند. نتایج محققان نشان داد که بهتر است برای ارتقاء دقت مدل‌سازی و پیش بینی ارزش واردات کشاورزی به ویژه محصولات وارداتی استراتژیک روش های پیش بینی با داده‌های مختلط به دلیل دقت بالای پیش بینی، جایگزین الگوهای با داده‌های تطبیق یافته گردند. بیات (1394) در مطالعه‌ی خود با عنوان به کارگیری الگوی داده های ترکیبی با تواتر متفاوت در پیش بینی نرخ رشد اقتصادی به این نتیجه دست یافت که قدرت پیش بینی الگوی مورد بررسی وی با روش میداس خوب بوده است. این الگو نرخ رشد اقتصادی فصل پاییز سال 1393 را در برآورد اولیه 8/1 % و سپس با اطلاع از کاهش قیمت نفت در ماه های نیمه دوم سال 1393 و نهایتاً پس از تجدید نظر معادل5/1 % پیش بینی کرده است، این نرخ برای زمستان سال 1393 به میزان 7/2- % پیش بینی شده است. بدین ترتیب نتایج پیش بینی نشان داد که اقتصاد ایران در سال 1393 از رشدی معادل 9/1 %  نسبت به سال 1392 برخوردار است. همچنین در مطالعه ای که اثر قیمت انرژی بر قیمت غلات با استفاده از الگوهای رگرسیونی با داده­های مختلط در دوره زمانی 1361 تا 1387 توسط صیادی و مقدسی (1394) انجام شده است نتایج نشان داد که الگوهای با داده­های مختلط ( ) برآورد شده به روش تعمیم­یافته برای پیش­بینی قیمت غلات به طور معنی­داری دقت پیش­بینی را نسبت به الگوی با داده­های تطبیق یافته بهبود می­بخشد.

 

4- تصریح الگو و برآورد ضرایب الگو

به منظور تصریح الگویی برای پیش­بینی تراز تجاری ایران به روش میداس از معادلات نیمه لگاریتمی استفاده شده است. مدل‌های نیمه‌لگاریتمی برای برآورد توابع غیر خطی استفاده می‌شوند و کاربرد فراوانی در اندازه گیری روند تغییرات متغیرهایی چون قیمت، بیکاری، صادرات و واردات و مانند آن دارند(درخشان،1374، ص256). برای تصریح الگو صادرات غیرنفتی، از داده­های صادرات غیر نفتی کالا به قیمت ثابت با تواتر سالانه و متغیرهای فصلی لگاریتم تولید ناخالص داخلی به قیمت ثابت ، لگاریتم نرخ ارز حقیقی و لگاریتم نوسانات نرخ ارز حقیقی استفاده شده است.همچنین برای تصریح الگوی واردات کالا، از داده­های سالانه واردات کالا و صادرات کل به قیمت ثابت و داده های فصلی لگاریتم تولید ناخالص داخلی به قیمت ثابت، لگاریتم نرخ ارز حقیقی و لگاریتم نوسانات نرخ ارز حقیقی استفاده شده است. متغیرهای سالانه مربوط به سال‌های 1367 تا 1393 و متغیرهای فصلی مربوط به فصل اول سال 1367 تا فصل آخر سال 1393 می­باشند. در ابتدا اطلاعات مربوط به متغیرهای فصلی سال 1393 در برآورد رابطه ‌ها، مورد استفاده واقع نشده اند تا بتوان بر اساس آن قدرت پیش‌بینی الگوها را خارج از محدوده برآورد محک زد. بنابراین در ابتدا با استفاده از داده‌های فصلی ِفصل اول سال 1367 تا فصل چهارم سال 1392، رابطه های تصریح شده (16) و (17) برآورد می‌شود سپس صادرات غیر نفتی کالایی و واردات کالایی برای سال 1393 پیش‌بینی می‌شود. پس از اولین برآورد الگوهای صادرات غیرنفتی و واردات کالایی، اطلاعات مربوط به فصل اول، سپس فصل دوم تا چهارم به الگوها اضافه شده و هربار بر اساس رابطه‌ی زیر در مقدار پیش‌بینی صادرات و واردات اولیه تجدید نظر صورت می‌گیرد:

(16)

 

 

 (17)

 

 

در این روابط، متغیرها عبارت‌اند از:

 :صادرات غیرنفتی کالا به قیمت ثابت بر حسب میلیون دلار(سالانه)

 :واردات کالا به قیمت ثابت برحسب میلیون دلار(سالانه)

 : لگاریتم صادرات کل(مجموع صادرات کالا وخدمات) به قیمت ثابت بر حسب میلیون دلار(سالانه)

نداز:

لگاریتم تولید ناخالص داخلی به قیمت ثابت بر حسب میلیارد ریال(فصلی)

   لگاریتم نرخ ارز واقعی (فصلی)

   لگاریتم نوسانات نرخ ارز واقعی (فصلی)

 

در رابطه با برآورد ضرایب مربوط به متغیرهای فصلی الگو، علاوه بر برآورد ضرایب  ،   و می‌باید توابع وزن‌دهی  را مشخص کرده و پارامترهای آن را برآورد نمود. در این رابطه از بین توابع وزن‌دهی مختلف، تابع وزن‌دهی آلمون که عملکرد بهتری داشت انتخاب شد. این تابع وزن‌دهی دارای چند پارامتر  است که برآورد خواهند گردید.

  • داده­های آماری در این مطالعه به صورت سری زمانی، فصلی و سالانه می­باشند که به منظور جمع آوری آنها از پایگاه داده­های سری­های زمانی بانک مرکزی ایران و نماگرهای اقتصادی استفاده شده است.
  • داده‌های واردات کالایی و صادرات غیرنفتی کالایی کشور بر حسب دلار بوده که باتوجه به شاخص قیمت عمده فروشی آمریکا به قیمت‌های ثابت تبدیل شده است.

 

1-4- برآورد متغیر نااطمینانی نرخ ارزواقعی با استفاده از مدل GARCH:

طی سال‌های اخیر درمورد مدل‌سازی و پیش‌بینی تغییرپذیری به ویژه در بازار سهام، نرخ ارز و تورم مطالعات زیادی انجام شده‌است. تغییرپذیری یکی از مباحث مهم در مطالعات اقتصادی ومالی است. تغییرپذیری را اغلب به صورت انحراف معیار یا واریانس تعریف می‌کنند که در هر مثال و موضوعی دارای مفهوم خاصی است (علی سوری،1393، ص557).بدین منظور،برای نشان دادن نااطمینانی نرخ ارز واقعی، از واریانس نرخ ارز واقعی استفاده شده است. این واریانس با استفاده از الگویGARCH(1,0)  به صورت زیر الگوسازی شده است. معادله اول معادله میانگین نرخ ارز واقعی و معادله دوم واریانس نرخ ارز واقعی است.

(18)

 

 

 

 

که در این رابطه  همان واریانس شرطی کوتاه مدت است که به عنوان جایگزینی برای متغیر نااطمینانی  نرخ ارز واقعی مورد استفاده قرار گرفته است. نتایج برآورد مدلGARCH(1,0)  برای نرخ ارز واقعی با استفاده از داده‌های فصل های سال 1367 تا سال 1393 و به کمک نرم افزار8 Eviews در جدول زیر نشان داده شده است. با توجه به جدول(1) تمامی ضرایب   و  در سطح 5 درصد معنا دارند.

 

جدول 1- نتایج برآورد متغیر نااطمینانی نرخ ارز واقعی با استفاده از مدل GARCH

پارامتر

برآورد

انحراف معیار برآورد

آماره t

احتمال تأیید

 

976/0

0009/0

864/998

000/0

معادله واریانس

 

638/18

999/3

659/4

00/0

 

250/4

359/0

825/11

00/0

 

 

147/2DW=

88/0=

 

 

منبع: یافته‌های پژوهشگر

 

5- نتایج حاصل از برآورد الگو

به منظور اجتناب از بروز رگرسیون کاذب، ابتدا لازم است قبل از برآورد ضرایب الگو، متغیرها از نظر پایایی مورد آزمون واقع شوند. نتایج به دست آمده براساس آزمون دیکی-فولر تعمیم یافته در پیوست مقاله گزارش شده‌اند.

برای برآورد الگوهای مطرح شده (16) و (17)، از بسته نرم­افزاری  در محیط ، تهیه شده توسط گیزلز و همکاران (2014) و از متغیرهای فصل اول 1367 تا فصل چهارم1392 (بدون وارد کردن متغیرهای فصلی سال1393 ) استفاده شده است. نتایج حاصل از برآورد ضرایب الگوهای صادرات و واردات کالایی در جدول2 و 3 گزارش شده است.

(19)

 

 

جدول 2- نتایج حاصل از برآورد ضرایب رابطه صادرات غیرنفتی کالا با استفاده از بسته نرم­افزاری

         

 

 

4947/0

703/0-

04+e122/3

04e+193/2-

 

***

05-e19/2

443/6

01-e258/1

01e-106/8

 

 

0.02076

326/1-

01-e617/1

01e-144/2-

 

*

0.0109

970/2

03+e188/2

03e+498/6

 

*

0.0214

615/2-

02+e631/5

03e+743/1-

 

*

0.0260

511/2

03+e725/7

04e+940/1

 

*

0.0160

766/2-

03+e529/5

04+e529/1-

 

*

0.0154

787/2

02+851/7

03+e188/2

 

 

0.2428

224/1-

02+e638/3

02+e452/4-

 

.

0.0601

059/2

02+e857/1

02+e823/3

 

*

0.0385

302/2-

01+e294/2

01+e280/5-

 

:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

                                      

 

منبع: یافته‌های پژوهشگر

 

(20)

 

 

ضریب تعیین الگو صادرات غیرنفتی کالایی و واردات کالا معادل  و  برآورد گردیده که حاکی از قدرت توضیح­دهندگی بسیار بالای الگوها است. کمیت آماره  در رابطه های صادرات غیرنفتی کالایی و واردات کالا به ترتیب معادل با33/0 و 8969/0 به دست آمده است که نشان می دهد قیدهای تحمیل شده به ضرایب الگوهای میداس تصریح شده، به لحاظ آماری کاملا معنی­دار و از کفایت لازم برخوردارند. با توجه به کمیت آماره آزمون دوربین-واتسون و آزمون نرمال بودن شاپیرو-ویلک، جملات اخلال الگو دارای همبستگی پیاپی نبوده و از توزیع نرمال برخوردارند.

 

جدول 3- نتایج حاصل از برآورد ضرایب رابطه واردات کالا با استفاده از بسته نرم­افزاری  

         

 

 

0.863344

0.175-

04+e420/4

03e+749/7-

 

***

0.000826

4.239

01-e477/1

01-e25/6-

 

*

0.044065

2.212

03+e282/4

03+e474/9

 

**

0.002255

3.727

04+e125/1

04+e192/4

 

**

0.001876

3.820-

03+e783/2

04+e063/1-

 

**

0.003280

3.538-

03+e003/6

04+e124/2-

 

**

0.002898

3.600

03+e783/5

04+e002/1

 

*

0.025552

2.498-

02+e794/5

03e+447/1-

 

**

0.006326

207/3

02+e492/3

03+e120/1

 

**

0.002188

742/3-

01+e547/4

02+e702/1-

 

:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

                                          

 

 

منبع: یافته‌های پژوهشگر

 

6- پیش­بینی

روابط تصریح شده صادرات غیرنفتی کالا و واردات کالا با استفاده از داده­های فصل اول 1367 تا فصل چهارم 1392 برآورد شده است. براساس روابط برآورد شده (19) و (20) اولین پیش­بینی برون نمونه­ای برای سال 1393، به وسیله داده­های فصلی موجود تا انتهای فصل آخر سال 1392 به شرح زیر صورت گرفته است:

  مقدار پیش­بینی شده صادرات غیرنفتی کالایی

    مقدار صادرات غیرنفتی محقق شده سال 1393

 

 مقدار پیش­بینی شده واردات کالایی

   مقدار واردات کالایی محقق شده سال 1393

در نمودار 4 و5 نحوه این پیش­بینی نمایش داده شده است.

 

نمودار 4- مقادیر محقق شده و شبیه سازی شده توسط رابطه صادرات غیرنفتی کالا برای سال1393

 

 

 

نمودار 5- مقادیرمحقق شده وشبیه سازی شده توسط رابطه واردات کالا برای سال 1393

 

نمودار4 و 5، مقادیر شبیه­سازی شده توسط روابط و مقادیر تحقق یافته صادرات غیرنفتی کالایی و واردات کالا را  نشان می­دهد. خطوط قرمز بیانگر مقادیر شبیه سازی شده و خطوط مشکی بیانگر مقادیر تحقق یافته است که می­تواند تصدیقی بر  بالاتر از سطح انتظار در روابط تصریح و برآورد شده باشد.

در ادامه از داده­های فصلی از فصل اول سال 1367 تا فصل اول 1393 و سپس از فصل­های دوم، سوم و چهارم در پیش بینی استفاده شده است. نتایج پیش­بینی صادرات غیرنفتی کالایی و واردات کالایی برای سال 1393 به شرح جدول 4 و 5  می‌باشد:

 

 

 

جدول 4- مقایسه مقدار تحقق یافته و شبیه سازی شده صادرات غیرنفتی کالا براساس تمام فصل‌های سال 1393

مقدار تحقق یافته

مقادیر پیش بینی شده

پیش بینی صادرات غیر نفتی سال 1393

26/23864

53/23387

با استفاده از آمار فصل اول1393

26/23864

09/23706

با استفاده از آمارهای  فصل اول،فصل دوم 1393

26/23864

58/23600

با استفاده از آمارهای  فصل اول،فصل دوم،فصل سوم 1393

26/23864

95/23810

با استفاده از  آمارهای فصل اول،فصل دوم،فصل سوم و فصل چهارم 1393

منبع: یافته‌های پژوهشگر

 

جدول 5- مقایسه مقدار تحقق یافته و شبیه سازی شده واردات کالا براساس تمام فصل های سال 1393

مقدار تحقق یافته

مقادیر پیش بینی شده

پیش بینی واردات کالایی سال 1393

20/49907

13/49179

با استفاده از آمار فصل اول1393

20/49907

54/49438

با استفاده از آمارهای فصل اول و فصل دوم1393

20/49907

08/49884

با استفاده از آمارهای فصل اول، فصل دوم و فصل سوم1393

20/49907

72/49948

با استفاده از  آمارهای فصل اول،فصل دوم،فصل سوم و فصل چهارم 1393

منبع: یافته‌های پژوهشگر

 

طبق جدول 4 و 5  همان‌طور که مشاهده می‌شود درنهایت با وارد کردن داده‌های فصل چهارم متغیرهای فصلی به کارگرفته شده در رابطه، مقدار پیش بینی شده به مقدار تحقق یافته بسیار نزدیک می‌شود. مقایسه مقدار صادرات غیرنفتی کالایی پیش‌بینی شده 95/23810  با مقدار تحقق یافته 26/23864  و همچنین مقایسه مقدار واردات کالایی پیش بینی شده 72/49948  با مقدار تحقق یافته 20/49907 ، حاکی از پیش بینی دقیق الگوها است.

 

7- محاسبه تراز تجاری پیش بینی شده سال 1393:

پس از پیش­بینی صادرات غیرنفتی کالا و واردات کالا ، با تفاضل مجموع صادرات غیرنفتی کالا وصادرات نفتی کالا از واردات کالا، ترازتجاری محاسبه می­گردد.

: تراز تجاری سال 1393.

: صادرات نفتی کالا به قیمت ثابت میلیون دلار است که به صورت برون‌زا درنظر گرفته شده است.

(21)

 

 

تراز تجاری پیش بینی شده:

 

 

تراز تجاری واقعی:

 

 

با توجه به رابطه (21)، الگوی تنظیمی به روش میداس، مقدار تراز تجاری را برای سال 1393، معادل08/16310 میلیون دلار پیش‌بینی می‌کند. مقدار تراز تجاری تحقق یافته (واقعی) معادل 91/16404میلیون دلار است که با پیش‌بینی مدل تنها به اندازه 8/94 میلیون دلار اختلاف دارد.

 

8- نتیجه­گیری

پیش‌بینی میزان صادرات غیرنفتی و واردات کشور در راستای برآورد تراز تجاری و اثری که بر تراز پرداخت‌ها و در نهایت عرضه پول، سطح عمومی قیمت‌ها و نرخ رشد اقتصادی برجای می‌گذارد از اهمیت خاصی برخوردار است.  با توجه به این‌که، متغیرهای صادرات غیرنفتی و واردات عموما در تواتری پایین و حداکثر به صورت فصلی و با وقفه‌های زمانی نسبتا طولانی انتشار می‌یابد، بنابراین در این مطالعه به تصریح الگوهای مناسبی برای پیش بینی این متغیرها پرداخته شد. با بهره‌گیری از روش الگوسازی داده‌های ترکیبی سری‌های زمانی با تواترمتفاوت که به میداس شهرت یافته‌است، الگوهایی برای پیش بینی صادرات غیرنفتی و واردات تصریح و برآورد گردید. الگوها برای پیش بینی صادرات غیرنفتی و واردات از متغیرهای توضیحی با تواتر فصلی و سالانه بهره گرفته اند. متغیرهای فصلی توضیحی عبارت اند از: لگاریتم تولید ناخالص داخلی به قیمت ثابت، لگاریتم نرخ ارز حقیقی و لگاریتم نوسانات آن. متغیر توضیحی سالانه، لگاریتم صادرات کل می‌باشد. محدوده مطالعه فصل اول سال 1367 تا فصل آخر سال 1393 را در برگرفت، در ابتدا اطلاعات مربوط به متغیرهای فصلی سال 1393 در برآورد رابطه‌، مورد استفاده واقع نشده تا بتوان بر اساس آن قدرت پیش‌بینی الگو را خارج از محدوده برآورد محک زد. پس از اولین برآورد الگوی صادرات غیرنفتی ، اطلاعات مربوط به فصل اول، سپس فصل دوم تا چهارم به الگوها اضافه شده و هربار بر مقدار پیش‌بینی صادرات و واردات اولیه تجدید نظر صورت گرفت. در نهایت الگو تنظیمی مقدار تراز تجاری واقعی را برای سال 1393 معادل 08/16310 میلیون دلار پیش‌بینی می‌کند که با مقایسه مقدار گزارش شده سالانه آن معادل 91/16404میلیون دلار، حاکی از پیش بینی دقیق الگو بوده است. در رابطه تصریح شده، متغیر صادرات غیر نفتی کالا به دو وقفه سالانه خودش و به هفت وقفه از متغیر توضیحی لگاریتم تولید ناخالص داخلی و همچنین شش وقفه از متغیر لگاریتم نرخ ارز حقیقی و شش وقفه از لگاریتم نوسانات نرخ ارز حقیقی وابسته است. و همچنین  در رابطه تصریح شده واردات کالایی، متغیر واردات کالا به یک وقفه سالانه خودش و هفت وقفه فصلی لگاریتم تولید ناخالص داخلی، به شش وقفه از متغیر توضیحی لگاریتم نوسانات نرخ ارز حقیقی و همچنین سه وقفه از متغیرلگاریتم نرخ ارز حقیقی وابسته است.

روش میداس که به استخراج وزنی داده­ها می­پردازد نسبت به روش میان­گیری ساده در پیش­بینی تراز تجاری ارجحیت دارد، بنابراین این روش انعطاف­پذیر که به استخراج صرفه­جویانه وزنی داده­ها می­پردازد، می­تواند به عنوان یک روش کاربردی در مطالعات آتی مورد استفاده قرار گیرد.

 

 

 

 

 

 

 

 

 

 

 

 



1- دانشیار گروه اقتصاد دانشگاه شهید بهشتی، تهران، ایران، (نویسنده مسئول)   m_noferesti@sbu.ac.ir

2- کارشناس ارشد اقتصاد دانشگاه شهید بهشتی، تهران، ایران   s.javaherdehi69@gmail.com  



3.Mixed frequency Data Sampling

[ii] Goldstein and Khan

[iii] Sarwar and Anderson

[iv] Mixed frequency Data Sampling

[v] Klein and Sojo

[vi] Ghysels ,Santa-Clara&  Valkanov

[vii] Ghysels, Sinko & Valkanov

[viii] Tau

[ix] Ghysels

[x] Almon Lag Polynomial Specification

[xi] Normalized Exponential Almon Lag Polynomial

[xii] Normalized Beta Probability Density Function

[xiii] lag

[xiv] Lead

[xv] Alper , Fendoglu & Saltoglu

[xvi] Engle, Ghysel & B.Sohn

[xvii] Forsberg  & Ghysels

[xviii] Leon, Nave & Rubio

[xix] Clements, Galvao & Kim

[xx] Marcellino & Schumacher

[xxi] Bessec & Bouabdallah

1)    بیات، محبوبه و نوفرستی،محمد (1394)، اقتصاد سنجی کاربردی سری های زمانی: الگوهای ترکیبی با تواتر متفاوت، تهران ،نشر نور علم، چاپ اول.

2)    درخشان ،مسعود (1374)، اقتصاد سنجی: جلد اول؛ تک‌‍معادلات با فروض کلاسیک(جزءاول)، تهران، نشر سمت، چاپ اول.

3)    سپانلو، هاشم و قنبری،علی (1389)،"بررسی عوامل موثر بر تقاضای واردات ایران به تفکیک کالای واسطه‌ای"، سرمایه‌ای و مصرفی، فصلنامه پژوهشنامه بازرگانی، شماره 57. صص 233-209.

4)    سوری،علی (1393،)، اقتصادسنجی (جلد2) همراه با کاربرد& Stata 12  Eviews8  ، نشر فرهنگ‌شناسی، چاپ دوم.

5)    صیادی، فاطمه و مقدسی، رضا (1394)،" اثر قیمت انرژی بر قیمت غلات با استفاده از الگوهای رگرسیونی  با داده­های مختلط"، فصلنامه علمی-پژوهشی مطالعات اقتصادی کاربردی ایران، 15(4)، صص 149-160.

6)    رجبی، ژاله و مقدسی، زهرا (1393)،" به کارگیری الگوهای رگرسیونی شامل داده‌های مختلط در  مدل سازی و پیش‌بینی ارزش واردات گندم ایران(روش ARDL تعمیم یافته مبتنی بر OLS)"، نشریه اقتصاد و توسعه کشاورزی، 2(28)، ص‌ص 148-138.

7)     Alper C.E., Fendoglu S. & Saltoglu B. )2008( ,“Forecasting Stock Market Volatilities Using MIDAS Regressions: An Application to the Emerging Markets”,Discussion paper, MPRA Paper No. 7460.

8)     Bessec, M, Bouabdallah, O.(2012) Forecasting GDP over the Business cycle in a Multi-Frequency and Data-Rich Environment, Oxford Bullentin of Economics and Statistics.

9)     Clements M.P., Galvao A.B. (2006) “Macroeconomic Forecasting with Mixed Frequency Data: Forecasting US Output Growth and Inflation”. Warwick Economic Research Paper No.773, University of Warwick.

10)  Clements M.P., Galvao A.B. & Kim J.H. (2008), “Quantile forecasts of daily exchange rate returns from forecasts of realized volatility”, Journal of Empirical Finance 15, 729-750.

11)  Clements M.P., Galvao A.B. (2009) “Forecasting US Output Growth using Leading Indicators: An appraisal using MIDAS models”. Journal of Applied Econometrics (forthcoming).

12)  Clements M.P., Galvao A.B. (2008). “Macroeconomic Forecasting with Mixed Frequency Data: Forecasting US output Growth”. Journal of Business and Economic Statistics 26, 546-554.

13)  Engle, R. F., Ghysel, E. & Sohn B. (2008) “On The Economic Sources of Stock Market Volatility”. Discussion Papar NYU and UNC.

14)  Forsberg L., Ghysels E. (2006) “Why do absolute returns predict volatility so well?”. Journal of Financial Econometrics 6, 31-67.

15)  Ghysels, E. , Santa-Clara, & Valkano R. (2004). The MIDAS Touch :Mixed Frequency Data Sampling Regressions. Manuscript, University of North Carolina and UCLA.

16)  Ghyseles, E., Sinko, A., & Valkano R. (2006) “MIDAS regressions: Further results and new directions”. econometric Reviews, 2007, 26.

17)  Ghysels,E., Kvedaras, V. & ZEMLYS, V. (2014) “Mixed Frequency Data Sampling Regession Models: the Package midasr”. Journal of Statistical Software.

18)  Goldstein, M., Khant M.S. (1978) “The Real Exchange Rate and Macroeconomic Performance in  Sub-Saharan Africa”, Journal of Development Economics ,Vol. 60,NO.2,PP.275-286.

19)  Klein, L.R., Sojo, E. (1989) Combinations of High and Low Frequency Data in Macroeconomic Models. in L.R. Klein and J. Marquez (EDS), Economics in Theory and practice: An Eclectic & Approach. Kluwer Academic Publishers, pp.3-14.

20)  Leon A., Nave J.M. & Rubio G. (2007), “The relationship between risk and expected return in Europe”. Journal of Banking and Finance 31, 495-512.

21)  Marcellino, M., Schumacher, C. (2007) ,“Factor-MIDAS for now- and forecasting with ragged-edge data: A model comparison for German GDP”. Deutsche Bundesbank Discussion Paper, and Series 1: Economic Studies, No. 34/07.

22)  Sarwar, G., Anderson, G.D. )1990), “Estimating U.S. soybean exports: A simultaneous supply-demand approach”. Journal of Economics Studies, 17:41-56.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

پیوست

نتایج آزمون پایایی متغیرهای الگو:

نتایج حاصل از پایایی متغیرهای راوابط واردات و صادرات غیرنفتی کالا

مرتبه جمع

prob

بحرانی

آماره

نام متغیر

I(1)

2320/0

6032/3-

7355/2-

MFO

واردات کالا به قیمت ثابت برحسب میلیون دلار(سالانه)

I(0)

0185/0

9550/1-

4027/2-

DMFO

I(1)

9627/0

5950/3-

6967/0-

XNO

صادرات غیرنفتی کالا به قیمت ثابت برحسب میلیون دلار(سالانه)

I(0)

0057/0

6032/3-

6304/4-

DXNO

I(1)

8077/0

4540/3-

5443/1-

LGDP

لگاریتم تولید ناخالص داخلی به قیمت ثابت بر حسب میلیارد ریال (فصلی)

I(0)

0001/0

4540/3-

3120/5-

DLGDP

I(1)

4223/0

4523/3-

3143/2-

LE

لگاریتم نرخ ارز واقعی (فصلی)

I(0)

0000/0

0469/4-

3023/10-

DLE

I(0)

0000/0

4527/3-

7368/5-

LGE

لگاریتم نوسانات نرخ ارز واقعی (فصلی)

I(1)

7837/0

5950/3-

5528/1-

LX

لگاریتم صادرات کل به قیمت ثابت بر حسب میلیون دلار(سالانه)

I(0)

0053/0

6032/3-

6628/4-

DLX

منبع: یافته‌های پژوهشگر

مقدار احتمال برای تمامی آماره های آزمون کوچکتر از 05/0 است

 

یادداشت‌ها