|
|
|
|
شناسایی عوامل موثر بر رکود اقتصادی در ایران: شبیه‌سازی مونت‌کارلو و الگوریتم متروپلیس هاستینگس
|
|
|
|
|
|
|
|
نویسنده
|
رفاعی رامیار ,سامتی مرتضی ,قبادی سارا
|
|
منبع
|
نظريه هاي كاربردي اقتصاد - 1398 - دوره : 6 - شماره : 3 - صفحه:241 -272
|
|
چکیده
|
تغییرات شاخص‌ها و متغیرهای کلان اقتصادی مانند کاهش تولید ناخالص داخلی، کاهش صادرات نفت و تغییرات نرخ ارز نشان از وجود رکود طی دوره‌هایی در اقتصاد ایران دارد. در این مقاله از زنجیره مارکوف مونت‌کارلو (mcmc) و الگوریتم mh برای شناسایی عوامل موثر بر این رکود اقتصادی طی سال‌های 1395-1357 استفاده می‌شود. بررسی‌ها نشان می‌دهد نتایج الگوریتم mh، نتایج تخمین الگو با استفاده از رهیافت زنجیره مارکوف مونت‌کارلو را تایید می‌کند و نشان می دهد که در سطح اطمینان 95 درصد ضرایب متغیرها به لحاظ آماری معنادار و قابل اعتماد هستند. بنابراین تاثیرگذارترین متغیرها بر رکود اقتصادی با رهیافت مونت‌کارلو، تغییرات نرخ ارز، قیمت نفت خام و فساد دولتی برآورد شدند همچنین احتمالات پسین رژیم ها و نسبت درست‌نمایی نهایی نشان می‌دهد که نقاط تغییر در الگوی ششم (با متغیرهای: نرخ ارز، قیمت نفت خام، فساد دولتی و بهره‌وری) با بقیه الگوهای ارائه شده متفاوت است بنابراین تغییر رژیم در این الگو اتفاق می‌افتد.
|
|
کلیدواژه
|
مسکن؛ چرخه های تجاری؛ الگوی تعادل عمومی پویای تصادفی (dsge)
|
|
آدرس
|
دانشگاه آزاد اسلامی اصفهان (خوراسگان), ایران, دانشگاه آزاد اسلامی اصفهان (خوراسگان), گروه اقتصاد, ایران, دانشگاه آزاد اسلامی اصفهان (خوراسگان), گروه اقتصاد, ایران
|
|
پست الکترونیکی
|
s_ghobadi@hotmail.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Identifying the Factors Affecting the Recession in Iran: Monte Carlo Simulation and MetropolisHastings (MH) Algorithm
|
|
|
|
|
Authors
|
Refaei Ramiar ,Sameti Morteza ,Ghobadi Sara
|
|
Abstract
|
Changes in macroeconomic indices and variables such as the decline in GDP, the decline in oil exports, and the exchange rate fluctuation indicate a period of recession in the Iranian economy. In this paper, the Monte Carlo Markov Chain (MCMC) and the MH algorithm are used to identify the factors that contributed to this recession during the years 01. The studies show that the results of MH algorithm confirm the model estimation results using Monte Carlo Markov chain approach and at 95% confidence level, the coefficients of the variables are statistically significant and reliable. Therefore, the most influential variables on the recession were estimated by Monte Carlo approach, exchange rate changes, crude oil prices, and government corruption. The results also show that the Bayes factor matrix for all estimation models is wellreasoned. The later probabilities of regimes and the final exponential ratio show that the change points in the sixth pattern (with variables: exchange rates, crude oil prices, government corruption and productivity) are different from the rest of the models presented, so regime change occurs in this model
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|