نقاط رکود و رونق اقتصاد ایران با استفاده از مدل مارکف سوئیچینگ
محورهای موضوعی : اقتصاد کار و جمعیت
مرتضی صالحی سربیژن
1
(مربی اقتصاد دانشگاه زابل)
غلامعلی رییسی
2
(استادیار اقتصاد دانشگاه صنعتی اصفهان)
نادر شتاب بوشهری
3
(استادیار اقتصاد دانشگاه صنعتی اصفهان)
کلید واژه: رشد اقتصادی, مدل مارکف سوئیچینگ, سیکل‌های تجاری, احتمالات انتقال, رژیم‌های اقتصادی ایران,
چکیده مقاله :
در این مقاله با استفاده از مدل غیرخطی مارکف سوئیچینگ همیلتون خصوصیات احتمالی الگوی چرخشی تولید ناخالص داخلی واقعی ایران به صورت تعدیل شده فصلی بین سال‌های 1367 تا 1387 بررسی می‌شود. نتایج نشان داد چرخه‌های تجاری استخراج شده از روش مارکف سوئچینگ نسبت به مدل خطی مناسب‌تر بوده و نرخ رشد تولید ناخالص داخلی به سه رژیم با میانگین رشد منفی، رشد مثبت ملایم و رشد مثبت بالابه ترتیب92/3، 43/4 و 53/9 طبقه‌بندی شده‌است. اقتصاد ایران طی دوره‌ی مورد بررسی 7 فصل رکود، 58 فصل با رشد ملایم و 10 فصل با رشد بالا را تجربه کرده است. هم‌چنین احتمال پایداری رژیم‌های رکودی، رشد ملایم و رشد بالا به ترتیب 3/0، 92/0 و 5/0 درصد برآورد شده است.
In this paper, by using the nonlinear model of Hamilton Markov switching, the possible features of circular pattern are considered in Iran by a seasonally adjusted real GDP during 1988-2008. The results represent that business cycles extracted from Markov switching method are more appropriate than the linear model and the growth rate of GDP divided into three regimes by the average of negative, mildly positive and high positive growth as 3.92, 4.43 and 9.53 respectively. Iran economy experienced, during the above period, 7 seasons of recession, 10 seasons of mild growth and 58 seasons of high growth. Furthermore, the probability of stability in recession, moderate, and high growth are estimated 0.3, 0.92 and 0.5 percent respectively.
منابع
- قاسمی، فاطمه (1384). نقش شوک‌های نفتی درچرخه‌های تجاری اقتصاد ایران. انتشارات دانشگاه تهران، تهران.
- Ang, A., & Bekaert, G. (1998). Regime switches in interest rates, Research Paper.
- Boldin, M. (1996). A check on the robustness of Hamilton’s markov switching model Approach to the Economic Analysis of the Business Cycle Studies in Nonlinear Dynamics and Econometrics. Quarterly Journal of Economics, 1(1):1-14.
- Enders, W. (2004). Applied Econometric Time Series,2nd ed, New York.
- Garcia, R. (1988). Asymptotic null distribution of the likelihood ratio test in Markov switching models. International Economic Review, 39(3): 763-788.
- Hamilton, J.D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57(2):357–384.
- Hansen, B.E. (1992). The likelihood ratio test under non-standard conditions: Testing the Markov Switching model of GNP. Journal of Applied Econometrics, 7(1): 61-82.
- Hooi Tan, S.a., & Habibullah, M. (2007). Business cycles and monetary policy asymmetry: An investigation using Markov-switching models. Physica A: Statistical Mechanics and its Applications, 380(1): 297-306.
- Ivanova, D., & Lahiri, K., &Seitz, F. (2000). Interest rate spreads as predictors of German inflation and business cycles. International Journal of Forecasting, 16: 39-58.
- Kirchgässner, G., & Wolters, J. (2007). Introduction to modern time series analysis. Springer.
- Krolzig,H-M. (2001). Classical and modern business cycle measurement: The European case.Working Paper.
- Krolzig, H. M. (1997). Markov-Switching vector Autoregressions. Modelling, statistical inference and applications to business cycle analysis. Springer, Berlin.
- Moolman, E. (2004). A Markov switching regime model of the South African business cycle. Economic Modelling, 21(4): 631–646.
- Owyang, M., Piger, J. , & Wall, H. (2004). Business cycle phases in U.S. States. Working paper.
- Psaradakis, Z., & Spagnolo, N. (2003). On the determination of the number of regimes in Markov–Switching autoregressive models. Journal of Time Series Analysis, 24(2): 237-252.
- Simpson, P.W., & Osborn, D.R., & Sensier, M. (2001). Modelling businesscycle movements in the UK economy. Economica, 68: 243-267.