|
|
|
|
مدلسازی رفتار مصرف بنزین در ایران مبتنی بر حافظه بلند و تغییر رژیم
|
|
|
|
|
|
|
|
نویسنده
|
انصاری نسب مسلم ,منظری توکلی زهرا
|
|
منبع
|
مطالعات اقتصاد انرژي - 1399 - دوره : 16 - شماره : 64 - صفحه:125 -149
|
|
چکیده
|
در این پژوهش برای اولین بار به مدلسازی رفتار مصرف بنزین در ایران با استفاده از مدل تعیین حافظه بلندمدت الگوی اتورگرسیو میانگین متحرک انباشته کسری و مدل غیرخطی تغییر رژیم مارکوفسوئچینگ پرداخته می شود. در ابتدا با استفاده از داده‌های دوره زمانی 1396-1306 به بررسی ویژگی حافظه بلندمدت مدل arfima پرداخته شده است. نتایج نشانگر آن است که سری زمانی مورد بررسی دارای حافظه بلندمدت است لذا پس از انجام این مرحله و تعیین وقفه خودتوضیح (ar) و میانگین متحرک (ma)، تقاضای بنزین برای اقتصاد ایران به کمک مدل (1,0.28,2) arfima برآورد شد. همچنین در ادامه برای مدلسازی مصرف بنزین در ایران با مدل مارکوف سوئچینگ، از میان مدل های مختلف، مدل msh براساس داشتن کمترین مقدار آکائیک با 3 رژیم و 2 وقفه انتخاب و برآورد شد. در نهایت نتایج الگوهای اتورگرسیو میانگین متحرک انباشته کسری و مدل مارکوف سوئچینگ بر اساس معیارهای مختلف حاکی از بهتر بودن نتایج مارکوفسوئچینگ در مقایسه با مدل arfima جهت مدلسازی مصرف بنزین در ایران است. لذا یافته های مقاله نشان می دهد عدم توجه به رژیم های مختلف، از آثار سیاست‌گذاری‌های موثر بر الگوی مصرف بنزین خواهد کاست.
|
|
کلیدواژه
|
حافظه بلندمدت، الگوی تغییر رژیم، مدل سازی مصرف بنزین
|
|
آدرس
|
دانشگاه ولیعصر, گروه اقتصاد, ایران, دانشگاه ولیعصر, ایران
|
|
پست الکترونیکی
|
z.manzaritavakoli1405@gmail.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Modeling Gasoline Consumption Behaviors in Iran Based on Long Memory and Regime Change
|
|
|
|
|
Authors
|
ansarinasab moslem ,Manzari Tavakoli Zahra
|
|
Abstract
|
In this study, for the first time, we model gasoline consumption behavior in Iran using the longterm memory model of the autoregressive fractionally integrated moving average and nonlinear MarkovSwitching regime change model. Initially, the longterm memory feature of the ARFIMA model is investigated using the data from 1927 to 2017. The results indicate that the time series studied has a longterm memory. Therefore, after this step and determining the autoregressive lag (AR) and moving average (MA) values, the demand for gasoline in the Iranian economy is estimated using ARFIMA model (1.0.28.2). We also estimate gasoline consumption in Iran using MarkovSwitching model, with the MSH model based on the lowest Akaike with 3 regimes and 2 lags. Finally, for modeling gasoline consumption behaviors, the Markovswitching model based is superior to the ARFIMA model. Our findings indicate that if we do not use the most appropriate model for estimating future demand for gasoline, policy making in this area will not be optimal.Keywords: Longterm memory, Regime change pattern, Modeling gasoline consumption.JEL Classification: C53, Q47, C58 ,Q41
|
|
Keywords
|
long-term memory ,regime change pattern ,predict ,gasoline demand
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|