پیش‌بینی نحوه اثرگذاری عوامل موثر بر تورم با استفاده از مدل‌های میانگین‌گیری پویا

مطالعات اولیه در پیش‌بینی تورم بیشتر در قالب منحنی فیلیپس سنتی بود که رابطه تورم و بیکاری براساس آن مفهوم پیدا می‌کرد، اما بعد از چند دهه و به خصوص بعد از نقد لوکاس، منحنی فیلیپس اولیه دچار تحولات شگرفی شد. منحنی جدید، تورم واقعی و انتظاری را نه به نرخ بیکاری، بلکه به مقیاسی از هزینه‌ نهایی کل مرتبط می‌سازد. از آنجا که هزینه‌ نهایی در الگوی اصلی منحنی فیلیپس نوکینزینی، تورم را تحریک می‌کند، موجب می‌شود که تدوین مدل‌هایی که در پیش‌بینی تورم کارا عمل کنند با مشکل روبه‌رو شوند. از این‌رو با استفاده از مدل tvp-dma که توانایی رفع این عیوب را دارد، سعی در ارتقای کارایی پیش‌بینی تورم در اقتصاد ایران را داشته‌ایم. در مدل‌های سنتی متغیرهای مستقل در کل دوره زمانی یا تاثیر معنی‌داری بر متغیر وابسته دارد یا این تاثیر بی‌معنی است، اما در روش‌های tvp-dma یک متغیر مستقل در یک دوره زمانی می‌تواند تاثیر معنی‌دار و در یک دوره تاثیر بی‌معنی داشته باشد. به عبارت دیگر، این مدل کمک می‌کند اثرگذاری معنادار یا غیر معنادار یک متغیر مستقل بر متغیر وابسته را در سال‌های مختلف مورد بررسی قرار داد. در این تحقیق از داده‌های فصلی در بازه زمانی 1394-1370 استفاده شده است. نتایج تحقیق براساس خروجی مدل‌هایtvp، dms،dma بیانگر این واقعیت است که نرخ رشد نقدینگی 19، نرخ رشد اقتصادی 7، نرخ بیکاری 8، نرخ ارز 31، تغییرات نرخ سود تسهیلات بانکی 14، نرخ رشد درآمدهای نفتی 15، نااطمینانی تورم 14و نرخ رشد کسری بودجه 4 دوره از 100 دوره زمانی تحت بررسی همگی دارای تاثیر معناداری بر تورم هستند. بر این اساس می‌توان بیان داشت که نرخ ارز، رشد نقدینگی و درآمدهای نفتی مهم‌ترین شاخص‌های موثر بر تورم در دوره مورد بررسی بوده‌اند.

Determinants of Inflation Forecast: A Dynamic Model Averaging Approach

First studies in inflation forecasting were mostly based on traditional Philips curve in which the relation between inflation and unemployment is studied. However, after several decades and especially after the Lucas criticism, Philips curve faced great takeovers. The new Philips curve ties real and expected inflation, not to unemployment rate but to a scale of the marginal cost. Since in the original form of Philips curve, marginal cost stimulates inflation, it is difficult to formulate models that are effective in predicting inflation. Therefore, using TVPDMA model, which has the ability to fix these deficiencies, we try to improve predictability of inflation in Iranian economy. An independent variable in conventional models can be either significant or insignificant while in TVPDMA model, it may be significant during a period of time and insignificant in rest of the times. Therefore, this approach lets us to determine the periods in which an independent variable is significant and when it is not. In this study, we use seasonal data during the period 19912015. The results based on outputs of the TVP, DMS, and DMA models show that, out of 100 time periods under study, the liquidity growth rate in 19, economic growth rate in 7, unemployment in 8, exchange rate growth in 31, changes in the bank deposit rate in 14, oil revenues growth rate in 15, inflation uncertainty in 14 and the budget deficit growth rate in 4 periods have significant effect on inflation. Based on these results, it can be stated that exchange rate growth, liquidity growth and oil revenues growth rate are the most important indicators influencing inflation rate in Iran.