بررسی نقش آموزش در تعامل میان سرمایه‌گذاری مستقیم خارجی و رشد اقتصادی ایران در قالب مدل خودرگرسیون‌‌ برداری هم‌انباشته ساختاری (scvar)

باتوجه‌به اهمیت خاص سرمایه‌‌گذاری مستقیم خارجی در رشد اقتصادی کشورها، محققان زیادی به بررسی تاثیر آن در رشد و نیز عوامل موثر در ایجاد و جذب آن پرداختند. هدف از نگارش مقاله حاضر بررسی نقش آموزش در تعامل میان سرمایه‌‌گذاری مستقیم خارجی و رشد اقتصادی در ایران طی سال‌های پس از جنگ تحمیلی (1371 -1393) با استفاده از داده‌های سری زمانی و مدل کلان‌سنجی خودرگرسیون برداری هم‌‌انباشته ساختاری است که در آن درآمدهای دلاری نفت به‌منزله یک متغیر برون‌زای ضعیف وارد شده است. نتایج حاکی از وجود رابطه‌ای بلندمدت میان سرمایه‌‌گذاری مستقیم خارجی و رشد اقتصادی و نیز تاثیر مثبت آموزش در تعامل میان سرمایه‌‌گذاری مستقیم خارجی و رشد اقتصادی است. نتایج آزمون نسبت درست‌نمایی نشان می‌‌دهد قیود اعمالی مدل مناسب است و بررسی آزمون q برای کشف خودهم‌بستگی، آزمون خودهم‌بستگی حداکثر راست‌نمایی، و آزمون نرمال‌بودن نشان‌دهنده خوبی برازش مدل است.

The Role of Education in the Interaction between Foreign Direct Investment and Economic Growth; A Structural cointegrating Vector Autoregressive (SCVAR) Approach

With the development of various theories and models in relation to economic growth over time, many researchers studied its effect on the growth and factors affecting its creation and absorption. This article examines the role of education in the interaction between foreign direct investment and economic growth during the  postwar period  (19902014). To this end, a structural cointegrating vector autoregressive model has been used where the dollar earning of oil exports is considered as aweak exogenous variable. The results indicate the existence of a longterm relationship between foreign direct investment and economic growth and positive role of education in the interaction between foreign direct investment and economic growth. The Likelihood Ratio test results show that the applied constraints are appropriate and the results of a series of tests, such as the q test to detect autocorrelation, autocorrelation test of maximum likelihood (LM), and normality test, indicate the goodness of fit of the model.