ORIGINAL_ARTICLE
سخن سردبیر
https://aes.basu.ac.ir/article_1767_542a46167c02ab61860e17f677daf633.pdf
2016-12-21
0
0
ORIGINAL_ARTICLE
شبیهسازی قیمت نقدی فوب برای صادرات گاز طبیعی ایران از هاب فرضی شمالغرب با استفاده از روش شوارتز – اسمیت
در این مقاله تلاش شده است که با استفاده از مدلهای تصادفی با فرم کاهنده قیمتهای نقدی فوب گاز طبیعی در هاب فرضی شمالغرب ایران شبیهسازی شود. با توجه به تمایل کشورهای اروپایی برای خرید گاز طبیعی بر اساس قراردادهای کوتاهمدت در سالهای آینده شاهد تغییر جهت عقد قراردادهای گاز به سمت قراردادهای نقدی خواهیم بود. قطع چندینباره جریان صادراتی گاز طبیعی روسیه به اروپا از سال 2006 موقعیت ویژهایی را برای صادرات گاز ایران رقم زده است. به همین دلیل فروش نقدی گاز خود مشوقی برای نفوذ به بازار اروپا است. مدل مورد استفاده در این مقاله مدل دو عاملی شوارتز اسمیت است که با استفاده از آن دامنه قیمتهای تصادفی گاز طبیعی برای دامنه تغییر قیمت نفت خام 35 الی 100 دلار به ازای هر بشکه محاسبه شده است. در این مقاله ابتدا قیمت سیف در بازار اروپا بر اساس متوسط شش هاب اصلی گاز طبیعی شبیهسازیشده است و سپس با محاسبه هزینه انتقال گاز از مرز ایران به اروپا (گزینه بهینه) و با استفاده از روشهای اقتصاد مهندسی استخراج و سپس از روش خالص برگشتی به شبیهسازی متوسط قیمت نقدی فوب پرداختهشده است. بر اساس نتایج این مطالعه دامنه قیمت نقدی فوب گاز طبیعی در هاب فرضی ایران بین 232 الی 335 دلار در هر هزار مترمکعب تغییر خواهد کرد. با مقایسه نتایج شبیهسازی قیمتهای نقدی با قیمت در قراردادهای بلندمدت (وابسته به قیمت نفت) تفاوت چندانی در درآمد حاصل از صادرات گاز ایران دیده نمیشود در همین حال ایران قادر است با افزایش انعطافپذیری در تجارت گاز از ترانزیت گاز طبیعی کشورهای همسایه و علاقمند به صادرات گاز به اروپا نیز بهره ببرد. بالطبع تشکیل هاب گازی میتواند بهعنوان یک کانون قیمتگذاری برای تمام خریداران (داخلی و خارجی) مورد استفاده قرار گیرد و پیشزمینهائی برای آزاد سازی گاز طبیعی در بازار داخلی ایران باشد.
https://aes.basu.ac.ir/article_1664_23af31beb71cea6b2411bc9270cc3dcf.pdf
2016-12-21
1
31
10.22084/aes.2016.1664
هاب گاز
کالیبراسیون
شوارتز اسمیت دو عاملی
شبیهسازی قیمت پویا
ارزش خالص برگشتی
برابری قدرت خرید نفت خام
تیمور
محمدی
mohammadi@atu.ac.ir
1
دانشیار گروه اقتصاد دانشگاه علامه طباطبایی
AUTHOR
حجت الله
غنیمی فرد
2
استادیار گروه اقتصاد دانشگاه صنعت نفت
AUTHOR
عاطفه
تکلیف
3
استادیار گروه اقتصاد دانشگاه علامه طباطبائی
AUTHOR
افشین
جوان
eco3424@gmail.com
4
دانشجوی دکتری اقتصاد نفت و گاز دانشگاه علامه طباطبائی و عضو هئیت علمی موسسه مطالعات بینالمللی انرژی
LEAD_AUTHOR
جوان، افشین (1385). «بررسی تئوریک مدلهای قیمتگذاری گاز طبیعی»، فصلنامه مطالعات اقتصاد انرژی، شماره 8، 3-25.
1
منظور، داود و نیاکان، لیلی (1391). «مدیریت ریسک در صنعت نفت و گاز کشور؛ ضرورتها و ابزارها»، نشریه انرژی ایران، 15 (1)، 18-1.
2
Bachelier, L. (1900). “Th'eorie de la sp'eculation. Annales Scientifiques de l’Ecole Normale Sup'erieure”. (English Translation: In P. H. Cootner, editor, Random Character of Stock Market Prices), Massachusetts Institute of Technology: 17-78.
3
Benavides, D. L.; Duley, J. R and Johnson, B. E. (1999). “As Good as It Gets Optimal Fab Design and Deployment”. IEEE Transactions on Semiconductor Manufacturing, Vol. 12(3), 281-287.
4
Brit, D. and Rosellón, J. (2011); Lumpy Investment in Regulated Natural Gas Pipelines: An Application of the Theory of the Second Best”. Deutsches Institut für Wirtschaftsforschung. Networks and Spatial Economics. Volume 11, Issue 3, 533-553.
5
Deoras, A. (2011). Energy Trading & Risk Management with MATLAB Webinar Case Study. https://www.mathworks.com/matlabcentral/fileexchange/28056-energy-trading---risk-management-with-matlab-webinar-case-study.
6
Energy Intelligence - World Gas IntelligenceEnergy Intelligence (WGI) May 2000- May 2014.
7
Fladmark, B. and Grimstad, G. B. (2013). Seasonality in Natural Gas Price an empirical of Henry Hub Natural Gas Future Prices,Master thesis in Financial Economics and Economic Analysis-Norwegian School of Economics, 34.
8
Gibson, R. and Schwartz, E.S. (1990). “Stochastic convenience yield and the pricing of oil contingent claims”. The Journal of Finance, 45, 959-976.
9
Heidari, H.; Katircioglu, S. T. and Saeidpour, L. (2013); Natural gas consumption and economic growth: Areweready to natural gas price liberalization in Iran?, Energy Policy. 63, 638-645.
10
IHS Contry Risk Analzsis. (1998 Q1- 2014 Q4). IHS CERA.UK. Data bank.
11
Mirantes, A. G.; Población, J. and Serna, G. (2012). “The Stochastic Seasonal Behaviour of Natural Gas Prices”. European Financial Management. Vol. 18(3), 410-443.
12
Nick, S. and Thoenes, S. (2013). What Drives Natural Gas Prices? A Structural VAR Approach. EWI Working Paper, Energiewirtschaftliches Institut an der Universitaet zu Koeln (EWI).
13
Pindyck, R. S. (2004). “Volatility and Commodity Price Dynamics”. The Journal of Futures Markets, Vol. 24, No. 11, 1029-1047.
14
Petrovich, B. (2013). European gas hubs: how strong is price correlation?’ The Oxford Institute for Energy Studies. NG 79.
15
Pruyt, E. (2013). Small System Dynamics Models for Big Issues: Triple Jump towards Real-World Complexity. TU Delft Library, Delft, the Netherlands Vensim Ventana Simualation Environment.
16
Ramezani, A. (2015). Iranian Gas Industry (Potentials & Opportunities).European Autumn Gas Conference 17-19 November 2015 Geneva, Switzerland, Slide 12-15.
17
Stern, J. (2012). The Pricing of Internationaly Traded Gas.The Oxford Institute for energy studies.150-200.
18
Shale gas and EU energy security.December 2014.European Parlemrnt
19
European Energy Security Strategy.Wednesday, 28 May, 2014 Latest communications.
20
Schwartz, E. S. and Smith, J. E. (2000). Short-term variations and long-term dynamics in commodity prices. Management Science, 46(7), 893-911.
21
True, W. R. (1985-2000). U.S. pipeline mileage up a bit. Oil and Gas Journal.
22
User’s Guide Version 5 Copyright © 1998-2007 Ventana Systems,
23
Villaplana, P. (2004). Valuation of Electricity Forward Contracts: The Role of Demand and Capacity, Spanish National Energy Comission, Energy Derivatives Market Division. Working paper, 2-37
24
Vassbo, F. (2012). A stochastic Model for Correlated Commodity Prices.Master’s Thesis .Faculty of Science and Technology. University of Stavanger, Norway. 22-40.
25
ORIGINAL_ARTICLE
بررسی ارتباط سیاست پولی و شاخص کل قیمت سهام (با در نظر گرفتن اثر ثروت رونق بازار سهام) در چارچوب یک مدل DSGE
در این تحقیق بهمنظور بررسی ارتباط سیاست پولی و شاخص کل قیمت سهام و همچنین بررسی اثر ثروت افزایش شاخص کل قیمت سهام بر مصرف و متغیرهای کلان اقتصادی، یک مدل تعادل عمومی پویای تصادفی (DSGE) طراحی گردید و توابع واکنش آنی متغیرها در برابر شوک تکنولوژی، شوک مخارج مصرفی دولت، شوک پولی و شوک شاخص کل قیمت سهام تحت دو سناریو بانک مرکزی بررسی شد. بر اساس سناریو اول، بانک مرکزی تنها به شکاف تولید و تورم از طریق تغییر حجم پول واکنش میدهد و بر اساس سناریو دوم، بانک مرکزی علاوه بر شکاف تولید و تورم به شکاف شاخص کل قیمت سهام نیز واکنش میدهد. نتایج توابع واکنش متغیرها در برابر یک انحراف معیار شوک شاخص کل قیمت سهام نشان میدهد، در لحظه شوک، تورم تحت هر دو سناریو افزایش داشته اما مصرف و تولید تحت هر دو سناریو بانک مرکزی ابتدا کاهشیافته و سپس شروع به افزایش میکنند؛ بنابراین مشاهده میشود اثر ثروت ناشی از افزایش شاخص کل قیمت سهام بر مصرف و در نتیجه تولید با تأخیر و اندازه کوچک ایجاد میشود و در این حالت اگر بانک مرکزی بر اساس سناریو دوم عمل نماید و با کاهش حجم پول به نوسانات شاخص کل قیمت سهام واکنش نشان دهد موجب تغییرات بیشتر متغیرها خواهد شد. لذا توصیه میشود به دلیل اینکه افزایش شاخص کل قیمت سهام اثر سریع و قابلملاحظهای بر مصرف و تولید نشان نمیدهد، بانک مرکزی در زمان رونق بازار سهام به منظور ثبات مالی و اقتصادی سعی در کاهش حجم پول (بهعنوان ابزار سیاستی) ننماید.
https://aes.basu.ac.ir/article_1665_5c168a1cf81bb861a261a6ec840e8af9.pdf
2016-12-21
33
61
10.22084/aes.2016.1665
شاخص کل قیمت سهام
اثر ثروت
مدل تعادل عمومی پویای تصادفی
مرضیه
بیات
marzeyeh_bayat@yahoo.com
1
دانشجوی دکتری اقتصاد پولی دانشگاه الزهرا
LEAD_AUTHOR
زهرا
افشاری
afshariza@gmail.com
2
استاد گروه اقتصاد دانشگاه الزهرا
AUTHOR
حسین
توکلیان
tavakolianh@gmail.com
3
استادیار گروه اقتصاد دانشگاه علامه طباطبائی
AUTHOR
بیشک سلمانی، محمدرضا؛ برقی اسکویی، محمدمهدی و لک، سودا (1394)."تأثیر شوکهای سیاست پولی و مالی بر بازار سهام ایران"، فصلنامه تحقیقات مدلسازی اقتصادی، شماره 22، 132-93.
1
حسنزاده، علی؛ نظریان، رافیک و کیانوند، مهران (۱۳۹۰). "اثر شوکهای سیاست پولی بر نوسانات شاخص قیمتی سهام در ایران"، فصلنامه پول و اقتصاد، 9: ۷-۴.
2
عزیزی، فیروزه (1387). "اثر تغییر ثروت در بازار سهام بر هزینههای مصرفی بخش خصوصی (مطالعه موردی: ایران 1370 الی 1386)"، پژوهشنامه علوم اقتصادی، 9(2): 82-61.
3
عینیان، مجید و برکچیان، سیدمهدی (1393). "شناسایی و تاریخگذاری چرخههای تجاری اقتصاد ایران"، فصلنامه پژوهشهای پولی و بانکی، 7(20): 194-161.
4
کشاورز حداد، غلامرضا و مهدوی، امید (1384). "آیا بازار سهام در اقتصاد ایران کانالی برای گذر سیاست پولی است؟"، مجله تحقیقات اقتصادی، 71: 170-148.
5
کمیجانی، اکبر و سهیلی احمدی، حبیب (۱۳۹۱). " تحلیل و بررسی نقش حمایت از حقوق سهامداران در گسترش بازار سهام در منتخبی از کشورهای درحالتوسعه"، فصلنامه مطالعات اقتصادی کاربردی در ایران، 1(1): 62-41.
6
Bernanke, B. and Gertler, M. (1999). Monetary policy and asset price volatility, Working. Paper 7559.
7
Castelnuovo, E. and Nisticò, S. (2010). Stock market conditions and monetary policy in a DSGE model for the U.S,Journal of Economic Dynamics and Control, 2010, Vol. 34, Issue 9: 1700-1731.
8
Friedman, M. (1957). A Theory of the Consumption Function‖, Princeton: Princeton University Press, Gujarati, D. N. (2003), Basic Econometrics.
9
Gali, J.; Lopez, D. and Valles, J. (2005). Understandig The Effects Of Goverment Spending On Concomption” Working Paper Series working
10
Modigliani, F. (1986). Life Cycle, Individual Thrift, and the Wealth of Nations, American Economic Review, 76: 297-313
11
Nistico, S. (2003). Monetary policy and stock-price dynamics in a DSGE framework. LLEE Working Paper no. 28.
12
Nistico, S. (2010); Stock market conditions and monetary policy in a DSGE model for the U.S. Journal of Economic Dynamics & Control, 34, 1700-1731
13
Paetz, M. and Gupta, R. (2014). Stock Price Dynamics and the Business Cycle in an Estimated DSGE Model for South Africa, Department of Economics Working Paper Series.
14
Taylor, J. B. (1993). Discretion versus policy rules in practice. Carnegie-Rochester Conference Series on public policy, North-Holland.
15
Todirica, D. (2009). The Effect of House Prices on Private Consumption in Denmark, Copenhagen Business School.
16
Uhlig, H. (1999). A Toolkit for Analyzing Nonlinear Dynamic stochastic Models Easily, Computational Methods for the study of Dynamic Economies, Oxford: Oxford University press, 30-61, Copenhagen Business School.
17
Rotemberg, J. and Woodford, M. (1997a). An optimization-based econometric framework for the evaluation of monetary policy. NBER Macroeconomics Annual.
18
López, M. (2015). Asset price bubbles and monetary policy in a small open economy, Ensayos sobre Política Económica, 33 (2015): 93-102.
19
ORIGINAL_ARTICLE
اثرات ممانعت از ورود گندم بر روی جریان تجارت آب مجازی
محدودیت آب در ایران، واقعیت انکارناپذیر است، برای این منظور، تجارت بر مبنای آب مجازی میتواند راهکاری برای کاهش اثرات محدودیت آب باشد. از طرف دیگر، گندم یک کالای اساسی است که نقش اساسی در امنیت غذایی دارد. از اینرو بررسی آثار تجارت آب مجازی گندم دارای اهمیت ویژهای میباشد. برای این منظور، در این مطالعه سعی شده است تا با استفاده از یک مدل تعادل فضایی، اثرات سیاست ممانعت از ورود گندم، بر روی جریان تجارت آب مجازی مورد بررسی قرار گیرد. در نتیجه ابتدا با توجه به استانهای کشور و استفاده از روش دادههای ترکیبی، عرضه و تقاضای گندم تخمین زده شد و با استفاده از کششهای قیمتی، الگوسازی بازار گندم انجام گردید. نتایج نشان داد که عدم واردات گندم، باعث افزایش در تولید داخلی به میزان 20 درصد، کاهش بیش از 8 درصدی تقاضا و افزایش قیمت در این بازار خواهد شد. از اینرو، میزان رفاه جامعه را کاهش میدهد. از طرف دیگر، عدم واردات گندم به میزان 2.30 لیتر آب مجازی به ازای هر کیلوگرم گندم تولیدشده در کل کشور نسبت به حالت تجارت آزاد از منابع آب مصرفی برداشت میشود.
https://aes.basu.ac.ir/article_1666_c4c529c576a2bc474056e74faf6f1d07.pdf
2016-12-21
63
79
10.22084/aes.2016.1666
تعادل فضایی
بازار گندم
آب مجازی
عدم واردات
حامد
نجفی علمدارلو
hamed_najafi@modares.ac.ir
1
استادیار گروه اقتصادکشاورزی دانشگاه تربیت مدرس
LEAD_AUTHOR
فریبا
ریاحی
riyahifariba@yahoo.com
2
کارشناسی ارشد اقتصادکشاورزی دانشگاه تربیت مدرس
AUTHOR
محمدحسن
وکیل پور
vakilpoormh@modares.ac.ir
3
استادیار گروه اقتصادکشاورزی دانشگاه تربیت مدرس
AUTHOR
اردکانیان، رضا و سهرابی، روحالله. (1385). «تجارت آب مجازی: ادبیات جهانی و کاربرد در ایران»، دومین کنفرانس مدیریت منابع آب. بهمن 1385، دانشگاه صنعتی اصفهان.
1
خلیلیان، صادق؛ شمشادی، کتایون؛ مرتضوی، سیدابوالقاسم؛ احمدیان، مجید. (1393). «بررسی اثرات رفاهی ناشی از تغییراقلیم بر روی محصول گندم در ایران»، مجله اقتصاد و توسعه کشاورزی، 28(3)، 292-300.
2
روحانی، نازنین؛ یانگ، هونگ؛ امین، سیچانی سیفالله؛ افیونی، مجید؛ موسوی، سید فرهاد و کامگار حقیقی، علیاکبر. (1386). «ارزیابی مبادله محصولات غذایی و آب مجازی با توجه به منابع آب موجود در ایران»، علوم و فنون کشاورزی و منابع طبیعی، 46، 417-432.
3
روحانی، نازنین؛ یانگ، هونگ؛ موسوی، سید فرهاد؛ افیونی، مجید و امین سیچانی، سیفالله. (1386). «آب مجازی و مبادله محصولات غذایی در ایران و استان اصفهان»، مجموعه مقالات دومین همایش کمیته منطقهای آبیاری و زهکشی اصفهان، کمیته ملی آبیاری و زهکشی اصفهان.
4
شمشادی، کتایون. (1385). «بررسی سیاست یارانه دولت بر تولید محصول گندم»، پایاننامه کارشناسی ارشد اقتصاد کشاورزی، دانشگاه تربیت مدرس.
5
صبوحی، محمود و سلطانی، غلامرضا. (1387). «بهینهسازی الگوهای کشت در سطح حوضه آبریز با تأکید بر منافع اجتماعی و واردات خالص آب مجازی: مطالعه موردی منطقه خراسان»، نشریه علوم و خاک، 12(43)، 313-297.
6
وزارت جهاد کشاورزی، آمارنامه. 1393.
7
Ababaei, B.; Ramezani Etedali, H. (2016). Water footprint assessment of main cereals in Iran. Agricultural water management. (2016), http://dx.doi.org/10.1016/j.agwat.2016.07.016.
8
Baltagi, B. H. (2005). Econometric Analysis of Panel Data, Third Edition, New York: John Wiley and Sons.
9
Chapagain, A. K.; Hoekstra, A. Y.; Savenije H. G. (2005). Water saving through international trade of Agriculture products, Hydrology and Earth System Sciences. 2, 2219-2251
10
Chapagain, A. K.; Hoekstra A. Y. (2003). Virtual water flows between nations in relation to trade in livestock and livestock products. Value of water Research Report Series. No.13. Delft.
11
FAO Statistics. 2015.
12
Hoekstra, A. Y.; Hung, P. Q. (2002). Virtual water trade, A Quantification of virtual water flows between nations in relation to international crop trade. Value of water research report series. No.11. IHE, Delft, The Netherlands. 25-47
13
Hoekstra, A. Y.; Hung, P. Q. (2003). Virtual Water Trade: A Quantification of Virtual Water flows in Relation to crop trade. Proceeding of the international expert meeting on virtual water trade, Edited by A. Y. Hoekstra , February 2003, value of water. Research report series, No.12.
14
Huang, X. R.; Pei, Y. S.; Liang, C. (2005). Input-output method for calculating the virtual water trading in Ningxia Shuikexue Jinzhan. Advances in Water Science. 16, 564-568.
15
Liu, J.; Wu, P.; Wang, Y.; Zhao, X.; Sun, Sh.; Cao, X. (2015). Virtual Water Flows Related to Grain Crop Trade and Their Influencing Factors in Hetao Irrigation District in China, Journal of Agricultural Science and Technology. 17, 201-211
16
Murad, K. A.; Gaese, H.; Jabarin, A. S. (2010). Economic Value of Tree Fruit Production in Jordan valley from a Virtual Water Perspective, Water Resources Management Journal, 24, 2021-2034
17
Rockstrom, J.; Gordon, L. (2001). Assessment of green Water flows to sustain major biomes of the world: implications for future eco hydro logical landscape management. Physics and Chemistry of the Earth (B). 26, 843-851
18
Samuelson, P. A. (1952). Spatial price equilibrium and linear programming. The American Economic Review, 283-303.
19
Shi, J.; Liu, J.; Pinter. A. L. (2014). Recent evolution of China’s virtual water trade: analysis of selected crops and considerations for policy, Hydrology and Earth System Sciences. 18: 1349-1357.
20
Smaktin, V.; Revenga, C., Doll, P. (2004). Taking into account Environmental Water Requirements in global scale water Resources Assessments. Comprehensive Assessment of water management in agriculture Research Report 2, IWMI, Colombo, Sri Lanka.
21
Takayama, T.; Judge, GG. (1964). Spatial equilibrium and quadratic programming. Journal of Farm Economics. (27), 67-93.
22
Wichelns, D. (2001). The role of ''virtual water" in efforts to achieve food security and other national goals, with an example from Egypt, Agricultural water management, 49, 131-151.
23
Yang, H.; Reichert, P.; Abbaspour, K., Zehner, A. J. B. (2003). A water resources threshold and its implications for food security. International Journal of Environmental Science and Technology. 37, 3048-3054.
24
ORIGINAL_ARTICLE
بهینهیابی مکانی احداث نیروگاه برق کوچک مقیاس
با توجه به گسترش کاربردهای انرژی الکتریسیته، صرفهجویی در مصرف انرژی از اهمیت بالایی برخوردار است. صرفهجویی علاوه بر مصرف میتواند با افزایش کارایی تولید نیز رخ دهد. نیروگاههای کوچک مقیاس (مولدهای پراکنده) با کم کردن فاصله محل تولید و مصرف برق، بخش بزرگی از تلفات این صنعت که مربوط به توزیع میشود را کاهش میدهند، همچنین این مولدها قابلیت تبدیل به سیستم تولید همزمان را نیز دارا هستند، که در نتیجه آن با افزایش کارایی، صرفهجویی بزرگی در سمت تولید صنعت برق صورت میپذیرد. مسأله این مقاله تعیین اولویت مکانی احداث مولدهای پراکنده است. در این خصوص با استفاده از دو روش انحراف از اپتیمم و شاخص توسعه انسانی، بر اساس دادههای منتشر شده توسط مرکز آمار ایران و وزارت نیرو، 9 استان در محدوده مرکزی کشور انتخاب شده و با 9 شاخص مورد بررسی قرار گرفتند. نتایج بدست آمده حاکی از اولویت اجرای نیروگاه در استان تهران و پس از آن استان اصفهان از میان استانهای منتخب میباشد.
https://aes.basu.ac.ir/article_1667_2b3ecd976cce4e817b90aee6ee1cd107.pdf
2016-12-21
81
96
10.22084/aes.2016.1667
مکانیابی
مولدهای پراکنده
صنعت برق
انحراف از اپتیمم
شاخص توسعه انسانی
مسعود
کسرائی نژاد
masoud.kasraee@atu.ac.ir
1
دانشآموخته کارشناسی ارشد اقتصاد انرژی دانشگاه علامه طباطبائی
LEAD_AUTHOR
حسن
طائی
masoudkasraee@gmail.com
2
دانشیار گروه اقتصاد دانشگاه علامهطباطبایی
AUTHOR
کیومرث
حیدری
masoudkasraee@yaho.com
3
استادیار و رئیس گروه اقتصاد برق و انرژی پژوهشگاه نیرو
AUTHOR
اسکونژاد، محمدمهدی (1394). اقتصاد مهندسی (ارزیابی اقتصادی پروژههای صنعتی)، چاپ 42، تهران: انتشارات دانشگاه صنعتی امیرکبیر.
1
حسینزاده، مریم؛ خیرخواه زرکش، میرمسعود و صابری، عظیم (۱۳۹۱). مکانیابی نیروگاههای خورشیدی در استان خوزستان با استفاده از سیستم اطلاعات جغرافیایی (GIS) به روش درجهبندی"، دومین همایش ملی انرژی باد و خورشید، تهران، هم اندیشان انرژی کیمیا.
2
سالنامه آماری 1392 و 1393.
3
سایت رسمی موزه صنعت برق ایران: www.Museum.trec.co.ir
4
سایت رسمی دفتر خصوصیسازی صنعت برق: psp.moe.gov.ir
5
صادقی، آسیه؛ دانهکار، افشین؛ خراسانی، نعمتالله و نعیمی، بابک (1390). "تحلیل مطلوبیت سرزمین جهت مکانیابی نیروگاه حرارتی با استفاده از رویکرد ارزیابی چندمعیاره محیط زیستی مطالعه نمونه: شهرستان چابهار"؛ فصلنامه جغرافیا و توسعه، 9(23): 140-123.
6
طائی، حسن (1395). ارزیابی طرحهای اقتصادی، دانشگاه علامهطباطبایی، جزوه آموزشی.
7
فخررحیمی، علیرضا؛ وزیریمهر، مهلا و فخررحیمی، الهام (1392). آشنایی با اصول کار نیروگاههای برق، چاپ اول، تهران: نشر گستر.
8
قدسیپور، سیدحسن (1385). فرآیند تحلیل سلسله مراتبی (AHP)، چاپ پنجم، تهران: انتشارات دانشگاه صنعتی امیرکبیر.
9
کمانگر، محمد؛ نوحهگر، احمد؛ صحراگرد، نصرالله؛ آریانژاد، حیدر و بداغی، مرضیه (1395). "مکانیابی نیروگاه خورشیدی حرارتی جهت تأمین انرژی پایدار با استفاده از منطق فازی"، نشریه انرژی ایران، دوره 19، شماره 1، 152-137.
10
مجیدیان، داوود (1382). ارزیابی طرحهای صنعتی-مطالعات فنی-اقتصادی-مالی؛ چاپ دوم، تهران: سازمان مدیریت صنعتی.
11
معاونت منابع انسانی و تحقیقات شرکت توانیر (1392). روند ده ساله صنعت برق ایران (برق منطقهای، توزیع و استانی 92-1382)؛ چاپ اول، تهران: شرکت توانیر.
12
نصراصفهانی، بهار و شیرویهزاد، هادی (۱۳۹۱). "رتبهبندی عوامل مؤثر در مکانیابی نیروگاههای گازی با استفاده ازروش AHP مطالعه موردی نیروگاه گازی جنوب اصفهان"، اولین کنفرانس ملی مهندسی صنایع و سیستمها، نجف آباد، دانشگاه آزاد اسلامی واحد نجف آباد، گروه مهندسی صنایع.
13
Ebrahimi, M. and Keshavarz, A. (2015). Combined Cooling, Heating and Power: Decision Making, Design and Optimization (1St ed); United States: Elsevier.
14
ORIGINAL_ARTICLE
کاربرد الگوریتم ژنتیک در بهینهسازی معماری شبکه عصبی و پیشبینی قیمت نفت (GADDN)
پیشبینی صحیح قیمت نفت نقش مهمی را در هدایت سیاستهای پولی کشورهای مختلف ایفا میکند. اهمیت این نقش بهطور مشهود در کشورهای واردکننده و صادرکننده نفت به چشم میخورد. در این مقاله از الگوریتم ژنتیک برای بهینهسازی معماری و ساختار شبکه عصبی مصنوعی بهره بردهایم. در طی فرآیند بهینهسازی، وزنها، بایاس و ساختار شبکه عصبی محاسبه میشوند تا بدین طریق از پیچیدگیهای ناشی استفاده از شبکه عصبی مصنوعی در پیشبینی کاسته گردد. برای بررسی عملکرد مدل شبکه عصبی اصلاحشده با الگوریتم ژنتیک (GADNN) از آن برای پیشبینی قیمت نفت اینترمدیت وست تگزاس (WTI) در سال 2012 تا انتهای 2015 استفاده میشود. نتایج پژوهش نشاندهنده عملکرد بهتر و دقت بیشتر مدل پیشنهادی پژوهش حاضر در مقایسه با سایر مدلهای شبکه عصبی مصنوعی در پیشبینی قیمت نفت میباشد.
https://aes.basu.ac.ir/article_1668_b91ebeec90045b7c7c53769667dd06b5.pdf
2016-12-21
97
122
10.22084/aes.2016.1668
پیشبینی قیمت نفت
شبکه عصبی مصنوعی
الگوریتم ژنتیک
فرزاد
فیروزی جهانتیغ
farzadfirouzi@gmail.com
1
استادیار گروه مهندسی صنایع دانشگاه سیستان و بلوچستان
LEAD_AUTHOR
صفورا
دهقانی
safooradehghani83@gmail.com
2
دانشجوی کارشناسی ارشد مهندسی صنایع دانشگاه سیستان و بلوچستان
AUTHOR
ابریشمی، حمید؛ بهرادمهر، نفیسه و سیفی، طاهره (1392). «پیشبینی قیمت نفت خام با استفاده از تبدیل موجک، مدلهای غیرخطی و مدلهای خطی»، فصلنامه مطالعات اقتصادی کاربردی ایران، 2(7): 41-62.
1
اصفهانیان، مجید و امین ناصری، محمدرضا (1387). «ارائه یک مدل شبکه عصبی جهت پیشبینی کوتاهمدت قیمت نفت خام»، نشریه بینالمللی علوم مهندسی دانشگاه علم و صنعت ایران، شماره 1، جلد 19: 25-37.
2
پورکاظمی، محمدحسین و اسدی، محمدباقر (1388). «پیشبینی پویای قیمت نفت خام با استفاده از شبکههای عصبی مصنوعی و با بهکارگیری ذخیرهسازیهای نفتی کشورهای OECD»، مجله تحقیقات اقتصادی، شماره 88: 25-36.
3
جوانمرد، حبیباله و فقیدیان، سیده فاطمه (1393). «پیشبینی قیمت نفت خام اوپک با بهکارگیری مدل پیشبینی خاکستری»، فصلنامه مدلسازی اقتصادی، سال هشتم، شماره 3، پیاپی 27: 91-114.
4
دشتی رحمتآبادی، سید ابراهیم؛ محمدی، حمید و فرجزاده، زکریا (1390). «ارزیابی عملکرد الگوهای مختلف شبکه عصبی و خود رگرسون میانگین متحرک در پیشبینی قیمت نفت خام ایران»، فصلنامه مطالعات اقتصاد انرژی، سال هشتم، شماره 28، دوره اول، 97-118.
5
صادقی، حسین؛ ذوالفقاری، مهدی و الهامینژاد، مجتبی (1390). «مقایسه عملکرد شبکه عصبی و ARIMA در مدلسازی پیشبینی کوتاهمدت قیمت سبد نفت خام اپک (با تأکید بر مطالعات تطبیقی)»، فصلنامه مطالعات اقتصادی ایران، سال هشتم، شماره 28: 25-47.
6
عباسینژاد، حسین؛ گندلی علیخانی، نادیا و نادری، اسماعیل (1392). «تحلیل و پیشبینی اثرات غیرخطی در بازار نفت»، فصلنامه برنامهریزی بودجه، سال هجدهم، شماره 3: 21-48.
7
کمیجانی، اکبر؛ نادری، اسماعیل و گندلی علیخانی، نادیا (1391). «مقایسه انواع مدلهای واریانس ناهمسان شرطی در مدلسازی و پیشبینی نوسانات قیمت نفت»، فصلنامه مطالعات اقتصاد انرژی، سال نهم، شماره 35، دوره چهارم، 121-146.
8
گلستانی، شهرام؛ گرگینی، مصطفی و حاج عباسی، فاطمه (1391). «مقایسه توانایی پیشبینی مدلهای ARIMA،VAR و شبکههای عصبی (ANN) تقاضای جهانی نفت اوپک»، فصلنامه اقتصاد محیط زیست و انرژی ، سال اول، شماره 4: 145-168.
9
مشیری، سعید و فروتن، فائزه (1383). «آزمون آشوب و پیشبینی قیمتهای آتی نفت خام»، پژوهشهای اقتصادی ایران، دوره 6، شماره 21: 67-90.
10
منجمی، امیرحسین؛ ابزری، مهدی و رعیتی شوازی، علیرضا (1388). «پیشبینی قیمت سهام در بازار بورس اوراق بهادار با استفاده از شبکه عصبی فازی و الگوریتمهای ژنتیک و مقایسه آن با شبکه عصبی مصنوعی»، فصلنامه اقتصاد مقداری (بررسیهای اقتصادی سابق)، دوره 6، شماره 3: 1-26.
11
مهرگان، نادر و سلمانی، یونس (1393). «نوسانات قیمتی نفت و رشد پایدار اقتصادی: مطالعهی موردی ایران و ژاپن»، فصلنامه علمی- پژوهشی مطالعات اقتصادیِ کاربردی ایران، دوره 3، شماره 10: 107-125.
12
یوسفی، محمدقلی؛ محمدی، تیمور و معرفزاده، نوید (1392). «پیشبینی مقدار تقاضای نفت خام ایران با استفاده از شبکههای عصبی مصنوعی (ANN) و مدل ARMAX»، فصلنامه اقتصاد انرژی ایران، سال دوم، 7(2): 147-170.
13
Abbasi-Godarzi, A.; Madadi-Amiri, R.; Talaei, A. and Jamasb, T. (2014). “Predicting oil price movements: A dynamic Artificial Neural Network approach”. Energy Policy Vol. 68: 371-382.
14
Abramson, B. and Finizza, A. J. (1993). '' A Belief Network-Based System that Forecasts the Oil Market by Constructing Producer Behavior''. In Proceedings of the 15th North American Conference of the International Association for Energy Economics: 152-159.
15
Alexandridis, A. and Livanis. E. (2008). “Forecasting crude oil prices using wavelet neural networks”. Proceedings of the 5th FSDET.
16
Alizadeh, A. and Mafinezhad, K. (2010). "Monthly Brent oil price forecasting using artificial neural networks and crisis index". In Electronics and Information Engineering (ICEIE), 2010 International Conference, 2, V2-465,
17
Amin-Naseri, M. R. and Gharacheh, E. A. (2007). "A hybrid artificial intelligence approach to monthly forecasting of crude oil price time series". Paper presented at the The Proceedings of the 10th International Conference on Engineering Applications of Neural Networks, CEUR-WS284.
18
Azadeh, A.; Moghaddam, M.; Khakzad, M. and Ebrahimipour, V. (2012). "A flexible neural network-fuzzy mathematical programming algorithm for improvement of oil price estimation and forecasting". Computers & Industrial Engineering, 62(2): 421-430.
19
Boroushaki, M.; Ghofrani, M.B.; Lucas, C. and Yazdanpanah, M. J. (2003); “Identification and control of an uclear reactor core (VVER) recurrent neural networks and fuzzy system”, IEEE Trans. Nucl.Sci, Vol. 50, 74-159.
20
Chalup, S., Maire, F. (1999); “A study on hill climbing algorithms for neural network training, Evolutionary Computation, CEC 99, Vol. 2023.
21
Chiroma, H., Abdulkareem, S., & Herawan, T. (2015). "Evolutionary Neural Network model for West Texas Intermediate crude oil price prediction". Applied Energy, 142: 266-273.
22
Dreyfus, G. (2005). “Neural Networks Methodology and Applications”. Springer. Expert systems with application, 38, 10210-10217.
23
Gujarati, D.N. and Madsen, J. (1998). “Basic econometrics”. Journal of Applied Econometrics. Vol. 13: 209-212.
24
Haupt, R. L. and Haupt, S. E. (1996). “Practical Genetic Algorithms”. Second Edition, A JOHN WILEY & SONS, INC., PUBLICATION.
25
Haidar, I.; Kulkarni, S. and Pan, H. (2008). Forecasting model for crude oil prices based on artificial neural networks. Paper presented at the Intelligent Sensors, Sensor Networks and Information Processing, 2008. ISSNIP 2008. International Conference on.
26
Jaddi, N. S.; Abdullah, S. and Hamdan, A. R. (2015). “A Solution representation of genetic algorithm for neural network weights and structure”. Information Processing Letters.
27
Jaddi, N.S.; Abdullah, S. and Hamdan, A. R. (2013); “Taguchi-Based Parameter Designing of Genetic Algorithm for Artificial Neural Network Training”, Informatics and Creative Multimedia (ICICM), International Conference on, IEEE, 278-281.
28
Jammazi, R. and Aloui, C. (2012). “Crude oil price forecasting: experimental evidence from wavelet decomposition and neural network modeling”. Energy Econ, Vol. 34, 828-841.
29
Jinn-Tsong, T.; Jyh-Horng, C. and Tung-Kuan, L. (2006). “Tuning the structure and parameters of a neural network by using hybrid Taguchi-genetic algorithm”, IEEE Transactions on Neural Networks, Vol. 17: 69-80.
30
Kyoung, J. and Han, I. (2003). " Application of a hybrid genetic algorithm and neural network approach in activity-based costing",Expert systems with application, 24, 73-77.
31
Lee, S. and Hyunchul, A. (2011). "The hybrid model of neural networks and genetic algorithms for the design of controls for internet based systems for business-to-consumer electronic commerce". Expertsystems with application, 38, 4326-4338.
32
Lackes, R.; Börgermann, C. and Dirkmorfeld, M. (2009). "Forecasting the price development of crude oil with artificial neural networks Distributed Computing", Artificial Intelligence, Bioinformatics, Soft Computing, and Ambient Assisted Living (pp. 248-255): Springer.
33
Ludermir, T.B.; Yamazaki, A. and Zanchettin, C. (2006). “An Optimization Methodology for Neural Network Weights and Architectures”, Trans Neur Net, Vol. 17 (6), 1452-1459. Mokhatab Rafiei, F.; Manzari, S.M. and Bostanian, S. (2011). “Financial health prediction models using artificial neural networks, genetic algorithm and multivariate discriminate analysis: Iranian evidence”. Journal of Expert Systems with Applications. Vol 38, 10210-10217.
34
Morana, C. (2001). “A Semi Parametric Approach to Short-Term Oil Price Forecasting”. Energy Economics, Vol. 23, 325-338.
35
Mostafa, M. M. and El-Masry, A. A. (2016). "Oil price forecasting using gene expression programming and artificial neural networks". Economic Modelling, 54, 40-53.
36
Movagharnejad, K.; Mehdizadeh, B.; Banihashemi, M. and Kordkheili, M.S. (2011). “Forecasting the differences between various commercial oil prices in the Persian Gulf region by neural network”. Energy, Vol. 36, 3979-3984.
37
Norgaard, M.O.; Ravn, N. and Poulsen, L. (2000). “Hansen, Neural Networks for Modelling and Control of Dynamic Systems”. Springer.
38
Oh, S. K. and Pedrycz, W. (2005). “A new approach to self-organizing fuzzy polynomial neural networks guided by genetic optimization”, Physics Letters A, Vol. 345, 88-100.
39
Oh, S. K.; Pedrycz, W. and Roh, S. B. (2009). “Hybrid fuzzy set-based polynomial neural networks and their development with the aid of genetic optimization and information granulation”, Applied Soft Computing, Vol. 9: 1068-1089.
40
Pan, H.; Haidar, I. and Kulkarni, S. (2009). "Daily prediction of short-term trends of crude oil prices using neural networks exploiting multimarket dynamics". Frontiers of Computer Science in China, 3(2), 177-191.
41
Sexton, R. S.; Alidaee, B.; Dorsey, R. E. and Johnson, J. D. (1998). “Global optimization for artificial neural networks: A tabu search application”, European Journal of Operational Research, 106, 570-584.
42
Sexton, R. S.; Dorsey R. E. and Johnson, J. D. (1999). “Optimization of neural networks: A comparative analysis of the genetic algorithm and simulated annealing”, European Journal of Operational Research, 114, 589-601.
43
Wang, Y.; Liu, L.; Diao, X. and Wu, C. (2015). “Forecasting the real prices of crude oil under economic and statistical constraints”, Energy Economics, Vol. 51, 599-608.
44
Wu, L. and Shahidpour, M. (2010). “A Hybrid Model for Day – Ahead Price Forecasting”. IEEE Transaction on Power Systems, Vol. 25, No 3.
45
Zanchettin, C.; Ludermir, T.B. and Almeida, L.M. (2011). “Hybrid Training Method for MLP: Optimization of Architecture and Training”, IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, Vol. 41 (4), 1097-1109.
46
ORIGINAL_ARTICLE
جرم و همگرائی تولید سرانه: یک تحلیل مبتنی بر اقتصادسنجی فضایی
یکی از نتایج الگوی رشد نئوکلاسیک سولو-سوآن، همگرائی در تولید سرانه مناطق مختلف است. حالت شرطی همگرائی، علاوه تولید سرانه اول دوره، متغیرهای دیگری را که میتوانند رشد بلندمدت مناطق را تحت تأثیر قرار دهند، در نظر میگیرد. تحقیق حاضر نقش بازدارنده جرم در برقراری همگرائی تولید سرانه واقعی را بین استانهای ایران (1379 تا 1392) مورد بررسی قرار داده است. از همگرائی شرطی بتا و اقتصادسنجی فضائی برای بررسی همگرائی استفاده شده است. شاخص جرم استانها با استفاده از روش تاپسیس محاسبه شده است و برای تخمین معادلات همگرایی از اقتصادسنجی فضائی استفاده شده است. نتایج تحقیق نشان میدهد که همگرائی رشد برای استانهای کشور، هرچند با سرعت کم، برقرار است. شاخص جرم تأثیر منفی اما غیرمعنیداری بر روند همگرائی دارد. متغیرهای سرمایه انسانی (آموزش و سلامت) و برخورداری از فناوری اطلاعات و ارتباطات نیز تأثیر مثبتی بر متوسط رشد استانها دارد. همچنین علامت منفی برای ضریب فضائی متغیر وابسته نشان از آن دارد که تمرکز قدرت اقتصادی برای رشد در یک منطقه، باعث کاهش قدرت رشد در مناطق مجاور میشود.
https://aes.basu.ac.ir/article_1669_87d7c48af73f9dc19f51d893fcde6f7c.pdf
2016-12-21
123
149
10.22084/aes.2016.1669
همگرائی
جرم
اقتصادسنجی فضائی
سید عزیز
آرمن
saarman2@yahoo.com
1
دانشیار گروه اقتصاد دانشگاه شهید چمران اهواز
LEAD_AUTHOR
حسن
فرازمند
hfrazmad@scu.ac.ir
2
دانشیار گروه اقتصاد دانشگاه شهید چمران اهواز
AUTHOR
حسین
ملتفت
moltafet_h@scu.ac.ir
3
استادیار گروه جامعهشناسی دانشگاه شهید چمران اهواز
AUTHOR
وحید
کفیلی
ayhan_vahid01@yahoo.com
4
دانشجوی دکتری اقتصاد دانشگاه شهدی چمران اهواز
AUTHOR
اکبری، نعمتالله و مؤیدفر، رزیتا (1383). «بررسی همگرایی درآمد سرانه بین استانهای کشور (یک رهیافت اقتصادسنجی فضایی)»، پژوهشهای رشد و توسعه پایدار، 13، 1-14.
1
بهبودی؛ داود، فلاحی؛ فیروز و شیبائی، امینه(1391). «بررسی همگرایی بهرهوری انرژی در منتخبی از کشورهای عضو OECD با رویکرد اقتصادسنجی فضایی». فصلنامه علمی- پژوهشی مطالعات اقتصادیِ کاربردی در ایران، 1(3)، 57-80.
2
جعفریصمیمی، احمد؛ منتظری شورکچالی، جلال و تاتار، موسی (1392). «امید به زندگی و رشد اقتصادی در ایران، مدل رگرسیون انتقال ملایم». پژوهشهای رشد و توسعه اقتصادی، 4(13)، 117-128.
3
پورملک، فرشاد؛ ابوالحسنی، فرید؛ تقوی، محسن؛ محمد، کاظم؛ مجدزاده، رضا؛ هولاکویی، کوروش و فتوحی، اکبر (1386). «برآورد امید زندگی مردم ایران به روش مستقیم در سال 1382»، مجله دانشگاه علوم پزشکی اراک (رهآورد دانش)، دوره 10، شماره 1(پیاپی 38)، 18-30.
4
خلیلی عراقی، سیدمنصور و مسعودی، ناهید (1385). «تئوری همگرایی و جایگاه ایران»، جستارهای اقتصادی، 3(6)، 81-110.
5
رحمانی، تیمور (1383). «رشد اقتصادی و روند همگرایی استانها»، مجله تحقیقات اقتصادی، 66، 155-180.
6
رحمانی، تیمور و حسنزاده، ابراهیم (1390). «اثر مهاجرت بر رشد اقتصادی و همگرایی منطقهای در ایران». تحقیقات مدلسازی اقتصادی، 2(5)، 1-19.
7
عسگری، علی و اکبری، نعمتاله (1380). «روششناسی اقتصادسنجی فضایی؛ تئوری و کاربرد»، مجله پژوهشی علوم انسانی دانشگاه اصفهان، 12(2-1)، 93-122.
8
فروغیپور، الهام (1385). «بررسی همگرایی سیگما و بتا (مطلق) بین کشورهای عضو اوپک (آزمون فرضیه سولو و سوان) 2004-1970»، پژوهشنامه بازرگانی، 10(39)، 135-156.
9
فلاحی، فیروز؛ سلمانی، بهزاد و کیانی، سیمین (1391). «بررسی همگرایی نوع بتا بین ایران و کشورهای منتخب اسلامی»، پژوهشهای رشد و توسعه پایدار، 12(4)، 171-194.
10
کمیجانی، اکبر و محمودزاده، محمود (1387). «نقش فناوری اطلاعات و ارتباطات در رشد اقتصادی در ایران (رهیافت حسابداری رشد)». پژوهشنامه اقتصادی، دوره 8، شماره 2 (پیاپی 29)، 75-107.
11
کمیجانی، اکبر و محمودزاده، محمود (1387). "اثرات زیرساخت، کاربری و سرریز فناوری اطلاعات و ارتباطات بر رشد اقتصادی در کشورهای در حال توسعه". پژوهشنامه بازرگانی، دوره 13(49)، 31-73.
12
لیسیج، جیمز (1992). نظریه و تکنیکهای اقتصادسنجی فضائی در نرمافزار متلب، ترجمه سیدعبدالمجید جلائی اسفندآبادی، آرش جمشیدنژاد و فاطمه طالقانی، تهران: انتشارات نور علم.
13
لیسیج، جیمز (1992). مقدمهای بر اقتصادسنجی فضایی، ترجمه سید مجید جلائی اسفند آبادی و آرش جمشید نژاد، تهران: انتشارات نور علم.
14
یاوری، آرش (1387). "بررسی همگرایی سطح رفاه استانهای کشور بر اساس مصرف سرانه"، پایاننامه کارشناسی ارشد دانشگاه شهید چمران اهواز.
15
Acemoglu, D. (2009). Introduction to Modern Economic Growth. New Jersey, Princeton University Press.
16
Anderson, D. A. (1999). “The aggregate burden of crime”. The Journal of Law and Economics, 42(2), 611-642.
17
Andreano. M. S.; Laureti, L. and Postiglione, P. (2013). “Economic growth in MENA countries: Is there convergence of per-capita GDPs?”. Journal of Policy Modeling, 35, 669-683.
18
Arbia, G. (2014). A Primer for Spatial Econometrics with Applications in R. Palgrave Macmillan, New York.
19
Barro, R. J. and Lee, J. W. (1993). “International comparisons of educational attainment”. Journal of monetary economics, 32(3), 363-394.
20
Baumol, William J. (1986). Productivity Growth, Convergence, and Welfare: What the Long-Run Data Show. The American Economic Review, 76(5), 1072-1085.
21
Becker, G. S. (1968). Crime and punishment: An economic approach. In The Economic Dimensions of Crime (pp. 13-68). Palgrave Macmillan UK.
22
Becker, G. S. (1975). Human capital: a theoretical and empirical analysis, with special reference to education. In Human Capital: A Theoretical and Empirical Analysis, with Special Reference to Education, Second Edition, NBER.
23
Benos, N. and Karagiannis, S. (2016). Do education quality and spillovers matter? Evidence on human capital and productivity in Greece. Economic Modelling, 54, 563-573.
24
Brand, S. and Price, R. (2000). The Economic and Social Costs of Crime. Home Office Research Study 217. London: Research. Development and Statistics Directorate, Home Office.
25
Buonanno, P.; Montolio, D. and Vanin, P. (2009). “Does social capital reduce crime?”. Journal of Law and Economics, 52(1), 145-170.
26
Burnham, R.; Feinberg, R. and Husted, T.A. (2004). Central City Crime and Suburban Economic Growth. Applied Economics, 36, 917-922.
27
Càrdenas, M. (2007). Economic Growth in Columbia: A Reversal of Fortune? Ensayos Sobre Poltíica Económica, 25, 220-259.
28
Cardona, M.; Kretschmer, T. and Strobel, T. (2013). ICT and productivity: conclusions from the empirical literature. Information Economics and Policy, 25(3), 109-125.
29
Chatterjee, I. and Ray, R. (2009). Crime, corruption and institutions. Monash University, Department of Economics Discussion Paper, 20(09).
30
Chen, S. W. (2009). “Investigating causality among unemployment, income and crime in Taiwan: Evidence from the bounds 0test approach”. Journal of Chinese Economics and Business Studies, 7, 115-125.
31
Chu, N.; Oxley, L. and Carlaw, K. (2005). ICT and causality in the New Zealand economy. In Proceedings of the 2005 international conference on simulation and modelling.
32
Costantini, M and Lupi, C (2005). Stochastic convergence among European economies. Economics Bulletin, 3(38), 1-17.
33
Cunado, J. (2011). “Structural breaks and real convergence in OPEC countries”. Journal of Applied Economics, 14(1), 101-117.
34
Czabanski, J. (2008). Estimates of cost of crime: history, methodologies, and implications. Springer Science & Business Media.
35
De Long, B. (1988). Productivity Growth, Convergence, and Welfare: Comment. The American Economic Review, 78(5), 1138-1154.
36
Dedrick, J.; Gurbaxani, V. and Kraemer, K. L. (2003). Information technology and economic performance: A critical review of the empirical evidence. ACM Computing Surveys (CSUR), 35(1), 1-28.
37
Detotto, C. and M. Pulina (2013). Does more crime mean fewer jobs and less economic growth? European Journal of Law and Economics, 36: 183–207.
38
Detotto, C. and Otranto, E. (2010). Does crime affect economic growth?.Kyklos, 63(3), 330-345.
39
Detotto, C. and Otranto, E. (2012). “Cycles in crime and economy: leading, lagging and coincident behaviors”. Journal of Quantitative Criminology, 28(2), 295-317.
40
Detotto, C. and Pulina, M. (2009). Does Crime Mean Fewer Jobs? An ARDL Model. CRENoS Working Paper No. 5.
41
Detotto, C. and Vannini, M. (2010). Counting the cost of crime in Italy. Global Crime, 11(4), 421-435.
42
Doppelhofer, G. and Miller, R. I. (2004). Determinants of long-term growth: A Bayesian averaging of classical estimates (BACE) approach. The American Economic Review, 94(4), 813-835.Sala-i-Martin, X., Doppelhofer, G. and Miller, R. I. (2004). Determinants of long-term growth: A Bayesian averaging of classical estimates (BACE) approach. American economic review, 813-835.
43
Dreger, C. and Rahmani, T. (2011). Income convergence in Iranian regions. In Empirische Regionalforschung heute (pp. 179-194). Gabler.
44
Dutta, A. (2001). Telecommunications and economic activity: An analysis of Granger causality. Journal of Management Information Systems, 17(4), 71-95.
45
Dvorokova, K. (2014).Sigma Versus Beta-Convergence in EU28: Do They Lead to Different Results?. WSEAS Transactions on Business and Economics, 11, 314-321.
46
Ehrlich, I. (1973). Participation in illegitimate activities: A theoretical and empirical investigation. Journal of political Economy, 81(3), 521-565.
47
Elhorst, J. P. (2014). Linear Spatial Dependence Models for Cross-Section Data. In Spatial Econometrics (pp. 5-36). Springer Berlin Heidelberg.
48
Enamorado, T.; López-Calva, L. F. and Rodríguez-Castelán, C. (2014). Crime and growth convergence: Evidence from Mexico. Economics Letters, 125(1), 9-13.
49
Fuchs, V. R. (1966). The contribution of health services to the American economy. The Milbank Memorial Fund Quarterly, 44(4), 65-103.
50
Gaibulloev, K. and Sandler, T. (2008). Growth consequences of terrorism in Western Europe. Kyklos, 61(3), 411-424.
51
Ghosh, M.; Ghoshray, A. and Malki, I. (2013). Regional divergence and club convergence in India. Economic Modelling, 30, 733-742.
52
Goulas, E. and Zervoyianni, A. (2013). Economic growth and crime: does uncertainty matter?. Applied Economics Letters, 20(5), 420-427.
53
Ishida, H. (2015). The effect of ICT development on economic growth and energy consumption in Japan. Telematics and Informatics, 32(1), 79-88.
54
Islam, N. (2003). “What have we learnt from the convergence debate?”. Journal of Economic Surveys, 17, 309-362.
55
Jahanshahloo, G. R.; Lotfi, F. H. and Izadikhah, M. (2006). Extension of the TOPSIS method for decision-making problems with fuzzy data. Applied Mathematics and Computation, 181(2), 1544-1551.
56
Kandakoglu, A.; Celik, M. and Akgun, I. (2009). A multi-methodological approach for shipping registry selection in maritime transportation industry. Mathematical and Computer Modelling, 49(3), 586-597.
57
Lee, L. F. (2004). Asymptotic Distributions of Quasi‐Maximum Likelihood Estimators for Spatial Autoregressive Models. Econometrica, 72(6), 1899-1925.
58
Madden, G. and Savage, S. J. (1998). CEE telecommunications investment and economic growth. Information Economics and Policy, 10(2), 173-195.
59
Mankiw, N. G.; Romer, D. and Weil, D. N. (1990). A contribution to the empirics of economic growth (No. w3541). National Bureau of Economic Research.
60
Mauro, L. and Carmeci, G. (2007). A poverty trap of crime and unemployment. Review of Development Economics, 11, 450-462.
61
Neanidis, K. C. and Papadopoulou, V. (2013). Crime, fertility, and economic growth: Theory and evidence”. Journal of Economic Behavior & Organization, 91, 101-121.
62
Opricovic, S. and Tzeng, G. H. (2004). Compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSISC. European journal of operational research, 156(2), 445-455.
63
Peri, G. (2004). Socio-Cultural Variables and Economic Success: Evidence from Italian Provinces 1951-1991”. The B.E. Journal of Macroeconomics, 4, 1-34.
64
Powell, B., Manish, G. P., Nair, M. (2010). “Corruption, crime and economic growth. Handbook on the Economics of Crime, 328.
65
Rebelo, S. T. (1990). Long run policy analysis and long run growth (No. w3325). National Bureau of Economic Research.
66
Rey, S. J. and Montiuri, B.D. (1997). US Regional Income Convergence: A Spatial Econometric Perspective. Regional Studies, 33(2), 143-156.
67
Romer, P. M. (1986). “Increasing returns and long-run growth”. The journal of political economy, 1002-1037.
68
Shih, H. S.; Shyur, H. J. and Lee, E. S. (2007). An extension of TOPSIS for group decision making. Mathematical and Computer Modelling, 45(7), 801-813.
69
Shiu, A. and Lam, P. L. (2008). Causal relationship between telecommunications and economic growth in China and its regions. Regional Studies, 42(5), 705-718.
70
Simionescu, M. (2014). Testing the Convergence Hypothesis in the European Union. Global Economic 2(1), 222-229.
71
Stone, C. (2006). Crime, justice, and growth in South Africa: Toward a plausible contribution from criminal justice to economic growth. John F. Kennedy School of Government Working Paper No. RWP06-038.
72
Suhrcke, M.; McKee, M.; Mortensen, J.; Arce, R. S. and Tsolova, S. (2005).The contribution of health to the economy in the European Union. Luxembourg: Office for Official Publications of the European Communities.
73
Tsai, Y. H. (2005). Quantifying urban form: compactness versus' sprawl'. Urban studies, 42(1), 141-161.
74
Vega, S. H. and Elhorst, J. P. (2013, February). On spatial econometric models, spillover effects, and W. In 53rd ERSA Congress, Palermo, Italy.
75
Völlmecke, D.; Jindra, B. and Marek, P. (2016). FDI, human capital and income convergence-Evidence for European regions. Economic Systems.
76
ORIGINAL_ARTICLE
آزمون تجربی توهّم بدهی در اقتصاد ایران با استفاده از رهیافت ARDL
م مفهوم کلیدی توهّم مالی به این معناست که سطح معین درآمد دولت و ساختار کوتاهمدت و بلندمدت مالیات بر سطح مخارج دولت و بنابراین بدهی دولت اثر میگذارد. مفهوم توهّم مالی برای روشن شدن یک موضوع مهم و بحثانگیز در اقتصاد کلان نیز بکار میرود و آن موضوع بررسی اثرات سیاست مالی بر رفتار بخش خصوصی است. تئوری اقتصاد کلان کینز این دیدگاه را مطرح میکند که در سطح معین مخارج دولت، کاهش مالیات در نتیجه تأمین مالی بدهی، تقاضای کل را افزایش میدهد، درحالیکه بر طبق دیدگاه آلترناتیو که به برابری ریکاردویی معروف است، چنین کاهش مالیاتی صرفاً مالیات جاری را جایگزین میزان برابر ارزش فعلی مالیات آینده میکند. ریکاردینیها استدلال میکنند که تأمین مالی بدهی و تأمین مالی با مالیات معادل یکدیگر هستند و بنابراین کاهش مالیات بیاهمیت است. هدف اصلی این پژوهش این است که به لحاظ تجربی اثرات کسری بودجه و بدهی بر مصرف خصوصی مورد بحث و تحلیل قرار گیرد. تمایز این پژوهش با مطالعات قبلی استفاده از فرضیه توهّم مالی بهعنوان ابزار تطبیق دیدگاه سنتی با قضیه برابری است. نتایج پژوهش نشان میدهد که جانشینی بدهی دولت بجای مالیات به افزایش مصرف بخش خصوصی منجر شده است و نشاندهندهی توهّم بدهی در اقتصاد ایران است.
https://aes.basu.ac.ir/article_1670_3498fbacce965ef8c79c9d2d8f931cf2.pdf
2016-12-21
151
172
10.22084/aes.2016.1670
توهّم مالی
مصرف بخش خصوصی
توهّم بدهی
ARDL
فوزیه
جیحون تبار
foziehjeyhoontabar@gmail.com
1
مربی گروه اقتصاد دانشکده مدیریت و اقتصاد بافت، دانشگاه شهید باهنر کرمان
LEAD_AUTHOR
اصغرپور، حسین؛ سلمانی، بهزاد و ابراهیمی، سعید (1391). «تحلیل تجربی تأثیر مخارج دولتی بر مصرف خصوصی در ایران»، تحقیقات توسعه اقتصادی، شماره 8، 132-105.
1
جعفری صمیمی، احمد (1384). اقتصاد بخش عمومی (1)، انتشارات سمت، چاپ هفتم.
2
حافظی، بهار و امیریوسفی، خالد (1386). «بررسی تأثیر کسری بودجه بر پسانداز در اقتصاد ایران (آزمون برابری ریکاردویی)»، فصلنامه پژوهشها و سیاستهای اقتصادی، دوره 15، شماره 44، 82-51.
3
دادگر، یدا... (1390). «ظرفیت نظریه اقتصاد سیاسی قانون اساسی جهت انضباطبخشی مدیریت بخش عمومی»، اقتصاد تطبیقی، سال دوم، (2)، 109-133.
4
رضاییپور، محمد و آقایی خوندابی، مجید (1390). «اثر شوکهای مخارج یارانهای دولت بر مصرف بخش خصوصی ایران»، فصلنامه پژوهشها و سیاستهای اقتصادی، سال 19، شماره 6، 160-139.
5
صمدی، علیحسین و سیدی، سید محمد (1391). «بررسی تأثیر مخارج دولت بر مصرف خصوصی با توجه به آثار جبرانی مخارج دولت؛ با کاربردی برای ایران»، تحقیقات مدلسازی اقتصادی، شماره 8، 86-57.
6
صمدی، علیحسین و سیدی، سید محمد (1392). «تأثیر اندازه دولتها بر شدت جانشینی بین مخارج دولت و مصرف خصوصی: مطالعه موردی کشورهای منتخب عضو سازمان همکاری اسلامی»، فصلنامه پژوهشها و سیاستهای اقتصادی، سال 21، شماره 66، 92-69.
7
عباسیان، عزتاله و نوری، راضیه (1386). «آزمون برابری ریکاردویی در ایران»، مجله تحقیقات اقتصادی، شماره 79، 191-171.
8
مداح، مجید؛ جیحونتبار، فوزیه و رضاپور، زهره (1393). «توهم مالی و تقاضا برای مخارج دولت در اقتصاد ایران»، تحقیقات اقتصادی ایران، دوره 49، شماره 4، 750-729.
9
منجذب، محمدرضا (1390). «آزمون نظریه بارو- ریکاردو در تابع مصرف ایران»، فصلنامه پژوهشهای اقتصادی، سال یازدهم، شماره دوم: 9-1.
10
Ahmed, S. (1986). “Temporary and permanent government spending in an open economy: some evidence for the United Kingdom”. Journal of Monetary Economics, 17, 197-224.
11
Aiyagari, S.; Rao, L.; Christiano, J. and Eichenbaum, M. (1992). “The output, employment, and interest rates effects of government consumption”. Journal of Monetary Economics, 30, 73-86.
12
Amano, R. A. and Wirjanto, T. S. (1997). Intertemporal substitution and government spending. Review of Economics and Statistics, LXXIX, 605-609.
13
Aschauer, D. A. (1985). Fiscal policy and aggregate demand. American Economic Review, 75, 117-127.
14
Auteri, M. and Costantini, M. (2010). “A Panel Cointegration Approach to Estimating Substitution Elasticities in Consumption”, Economic Modeling, 27, 782-787.
15
Bailey, M. J. (1971). National income and the price level. New York: McGraw-Hill.
16
Barro, R. J. (1981). “Output effects of government purchases”. Journal of Political Economy, 84, 343-350.
17
Baxter, M. and King, R. G. (1993). Fiscal policy in general equilibrium. American Economic Review, 83, 315- 334.
18
Christiano, L. and Eichenbaum, M. (1992). Current real-business-cycle theories and aggregate labor-market, American Economic Review, 82, 430-450.
19
Devereux, M. B.; Head, A. C. and Lapham, B. J. (1996). “Monopolistic competition, increasing returns, and the effects of government spending”. Journal of Money, Credit, and Banking, 28, 233-254.
20
Esteve, V. and Sanchis-Llopis, J. (2005). Estimating the Substitutability between Private and Public Consumption: The Case of Spain, (1960–2003), Applied Economics, 37, 2327-2334.
21
Feldstein, M., (1982). “Government Deficits and Aggregate Demand”. Journal of Monetary Economies, 9, 1-20.
22
Feldstein, M., D. and Elmendodr, F. (1990), Government Debt, Government Spending and Private Sector Behavior Revisited: Comment, American Economic Review, 80, 589-99.
23
Floyd, J. E. and Hynes, J. A. (1978). DEBT ILLUSION AND IMPERFECT INFORMATION, European Economic Review, II; 379-386.
24
Gali, J., David Lopez-Salido, J. and Javier, V. (2004). Understanding the Effects of Government Spending on Consumption, ECB Working Paper Series, No. 339.
25
Gali, Jordi, David Lopez-Salido, J. and Javier, V. (2007). “Understanding the Effects of Government Spending on Consumption”. Journal of the European Economic Association, 5(1), 227-270.
26
Ganelli, G. and Tervala, J. (2009). Can Government Spending Increase Private Consumption? the Role of Complementarity, Economics Letters, 103, 5-7.
27
Haque, N. (1988). Fiscal Policy and Private Sector Saving Behavior in Developing Economics, IMF Staff Papers, 35, 316-35.
28
Hillman, A. L. (2009). Public Finance and Public Policy Responsibilities and Limitations of Government: Second Edition, Cambridge University Press, Second Edition.
29
Ho, Tsung-wu (2001). The government spending and private consumption: a panel cointegration analysis, International Review of Economics and Finance, 10, 95-108.
30
Horvath, M. (2009). the Effects of Government Spending Shocks on Consumption under Optimal Stabilization, European Economic Review, 53, 815-829.
31
Karras, G. (1994). “Government spending and private consumption: some international evidence”. Journal of Money, Credit, and Banking, 26, 9-22.
32
Kormendi, R. (1983), Government Debt, Government Spending and Private Sector Behavior, American Economic Review, 73, 994-1009.
33
Kormendi, R. C. (1983). Government debt, government spending, and private sector behavior. American Economic Review, 73, 994-1010.
34
Linnemann, L. and Schabert, A. (2006). “Productive Government Expenditure in Monetary Business Cycle Models”. Scottish Journal of Political Economy, 53(1), 28-46.
35
Nieh, Ch.Ch. and Ho, T. wu. (2006). “Does the expansionary government spending crowd out the private consumption? Cointegration analysis in panel data”. The Quarterly Review of Economics and Finance, 46, 133-148.
36
Oates, W. (1988). On the Nature and Measurement of Fiscal Illusion: A Survey, In G. Brennan et al., eds., Taxation and Fiscal Federalism: Essays in Honour of Russell Mathews (Sydney: Australian National University Press, 1988), 65-82.
37
ORIGINAL_ARTICLE
واکاوی اثرات محیط نهادی درون بنگاهها بر توسعه خوشههای صنعتی مورد پژوهی: خوشههای صنعتی سنگ منطقه کلانشهری اصفهان
هدف این مقاله، واکاوی اثرات محیط نهادی درون بنگاهها بر توسعه خوشههای صنعتی سنگ منطقه کلانشهری اصفهان (شامل چهار خوشه محمودآباد، نجفآباد، دولتآباد و خمینیشهر) است تا میزان این اثرات از بعد شدت و مطلوبیت مورد تجزیهوتحلیل قرار گیرد. در این راستا، از روش کتابخانهای و میدانی (ابزار پرسشنامهای) برای جمعآوری دادهها و از فن تحلیل عاملی تأییدی مرتبه دوم و تکنیک تبدیل مقیاس خطی برای تحلیل دادهها بهره گرفته شده است. نتایج بهدستآمده بیانگر آن است که علیرغم وجود پتانسیل تأثیرگذاری محیط نهادی خوشههای صنعتی منتخب بر توسعه آن خوشهها، محیط نهادی مذکور در زمینههای مختلف (شامل قوانین و قواعد خاص بنگاهها، ویژگیهای مدیران بنگاهها، ویژگیهای کارکنان بنگاهها و وضعیت ارتباط مابین کنشگران بنگاهها) دارای تأثیرگذاری بسیار مطلوب نبوده و این تأثیرگذاری در حد متوسط مانده است. علاوه براین، در محیط نهادی بنگاههای خوشههای صنعتی سنگ منطقه کلانشهری اصفهان، «وضوح چشمانداز و هدف بنگاه برای مدیران» نسبت به «وضوح چشمانداز و هدف بنگاه برای کارکنان»، «آگاهی کارکنان از فعالیتهای محوله» نسبت به «دید کارکنان نسبت به فعالیت محوله»، «آگاهی مدیران از فعالیتهای محوله» نسبت به «دید مدیران نسبت به فعالیت محوله» و «ارتباط مابین مدیران و کارکنان بنگاهها» نسبت به «ارتباط مابین کارکنان»، نقش بیشتری در توسعه خوشههای منتخب داشتهاند؛ لذا بر این اساس میتوان نتیجه گرفت که محیط نهادی خوشههای منتخب هنوز بهویژه در زمینه کارکنان در سطح جنینی قرار گرفته است و لذا نیازمند اقدامات بهبود بخشی است.
https://aes.basu.ac.ir/article_1671_d88717395d08c1454f5fac05859a5214.pdf
2016-12-21
173
200
10.22084/aes.2016.1671
خوشههای صنعتی
محیط نهادی
صنعت سنگ
منطقه کلانشهری اصفهان
محمدحسین
شریف زادگان
homayoon_nooraie@yahoo.com
1
استاد گروه شهرسازی، دانشگاه شهید بهشتی
AUTHOR
همایون
نورائی
hnooraie@gmail.com
2
استادیار گروه شهرسازی، دانشگاه هنر اصفهان
LEAD_AUTHOR
زبردست، اسفندیار (1378). جزوه درسی آمار و روشهای کمی، تهران: دانشگاه تهران، پردیس هنرهای زیبا، دانشکده شهرسازی.
1
صدیقی، محمدیوسف (1389). توسعه خوشه صنعتی سنگهای ساختمانی اصفهان: گزارش نهایی پروژه. وزارت صنعت، معدن و تجارت، سازمان صنایع کوچک و شهرکهای صنعتی ایران، شرکت شهرکهای صنعتی استان اصفهان.
2
مهندسین مشاور نقشجهان- پارس (1389)؛ طرح مجموعه شهری اصفهان، جلد اول: معرفی و تعیین جایگاه مجموعه شهری (ویرایش دوم). سازمان مسکن و شهرسازی استان اصفهان.
3
قاسمی، وحید (1389). مدلسازی معادلات ساختاری در پژوهشهای اجتماعی با کاربرد AMOS Graphic، تهران: انتشارات جامعه شناسان.
4
کلانتری، خلیل (1388). مدلسازی معادلات ساختاری در تحقیقات اجتماعی- اقتصادی (با برنامه LISREL و SIMPLIS)، تهران: انتشارات فرهنگ صبا.
5
مومنی، فرشاد و علیزاده، پریسا (1392). تحلیل موانع نتیجه بخشی سیاست گذاری نوآوری در ایران از منظر نهادی. فصل نامه علمی پژوهشی مطالعات اقتصادی کاربردی در ایران. دوره 2، شماره 8، 73-89.
6
African Development Bank Group. (2013). Questionnaire for the 2013 Country Policy and Institutional Assessment (CPIA) ORMU.
7
Aidis, R. (2005). Institutional Barriers to Small- and Medium-Sized Enterprise Operations in Transition Countries, Small Business Economics, 25: 305-318.
8
Amin, A. (2003). Chapter 10: Industrial Distrits. In E. Sheppard and T. J. Barnes. (eds). A companion to economic geography. Blackwell Companions to Geography.
9
Andersen, B. (2006). Intellectual Property Rights: Innovation, Governance and the Institutional Environment. Edward Elgar Pub.
10
Becattini, G. (1990). The Marshallian industrial district as a socio-economic notion, In Pyke, F. et.al. (1990) (eds.), Industrial districts and inter-firm cooperation in Italy, International Institute for Labour Studies, Geneva, 37-51.
11
Bjorn T. Asheim, Helen Lawton Smith & Christine Oughton (2011). Regional Innovation Systems: Theory, Empirics and Policy, Regional Studies, Vol. 45: 7, 875-891.
12
Bresnahan, T.; Gambardell, A. and Saxenian, A. (2001). Old economy’ inputs for ‘New economy’ outcomes: cluster formation in the New Silicon Valleys, Industrial and Corporate Change 10: 835-860.
13
Booysen, F. (2002). An overview and evaluation of composite indices of development. Social Indicators Research, No. 59: 115-151.
14
Browne, M. W. and Cudeck, R. (1993). Alternative ways of assessing model fit. In K. A. Bollen & J. S. Long (Eds.), Testing structural equation models. Beverly Hills: Sage Publications.
15
Chittithaworn, C.; Islam, M. A. and Keawchana, T. (2011). Factors Affecting Business Success of Small & Medium Enterprises (SMEs) in Thailand. Asian Social Science, Vol. 7, No. 5: 180-190.
16
Commission of the European Communities (2008). The Concept of Clusters and Cluster Policies and their Role for Competitiveness and Innovation: Main Statistical Results and Lessons Learned. Commission Staff Working Paper Number SEC (2008) 2637. Commission of the European Communities, Brussels.
17
Cooke, P.; Gomez Uranga, M. and Etxebarria, G. (1997). Regional innovation systems: Institutional and organisational dimensions. Research Policy, Vol. 26 (4-5): 475-491.
18
Cooke, P. and Morgan, K. (1993). The network paradigm: new departures in regional development. Environment and Planning D: Society and Space, Vol. 11, 543-564.
19
Cruz, S. C. S. and Teixeira, A. A. C. (2010). The Evolution of the Cluster Literature: Shedding Light on the Regional Studies–Regional Science Debate. Regional Studies, Vol. 44.9: 1263-1288.
20
Diez, J. R. (2002). Metropolitan innovation systems: A comparison between Barcelona, Stockholm, and Vienna. International Regional Science Review, Vol. 25(1): 63-85.
21
Doloreux, D. and Parto, S. (2005). Regional innovation systems: Current discourse and unresolved issues. Technology in Society, Vol. 27(2): 133-153.
22
Dosi, G. (1999). Some notes on national systems of innovation and production and their implications for economic analysis. Innovation policy in a global economy, D. Archibugi, J. Howells, and J. Michie, eds., CUP, Cambridge, 35-48.
23
Estrin, S.; Aidis, R. and Mickiewicz, T. (2007). Institutions and Entrepreneurship Development in Russia: A Comparative Perspective. Centre for Economic. Development & Institutions Brunel University.
24
Frenz, M. and Oughton, C. (2005). Innovation in the UK Regions and Devolved Administrations: A Review of the Literature. Report to the Department of Trade and Industry.
25
Freel, M. S. (2003). Sectoral patterns of small firm innovation, networking and proximity. Research Policy, Vol. 32(5): 751-770.
26
Ghosh, B. C. and Kwan, W. (2012). An Analysis of Key Success Factors of SMEs: A Comparative Study of Singapore/ Malaysia and Australia/New Zealand. Working paper. Nanyang Technological University. 1-24.
27
Greif, A. (2006). Institutions and the Path to Modern Economy. Lessons from Medieval Trade, Cambridge: Cambridge University Press.
28
Hodgson, G. (2003). The hidden persuaders: institutions and individuals in economic theory, Cambridge Journal of Economics, 27(2), March: 159-175.
29
Hodgson, G. M. (2006). What are institutions?. Journal of economic issues, Vol, XL, No, 1: 1-25.
30
Hussey, D. M. & Eagan, P. D. (2007). Using structural equation modeling to test environmental performance in small and medium-sized manufacturers: can SEM help SMEs? Journal of Cleaner Production, Vol. 15, 303-312.
31
Internazionale Marmi E Macchine Carrara S. P. A. (2014). Stone Sector 2014: Annual Report and Prospects for the International Stone Trade. Italian Trade Agency.
32
Ismalina, P. (2010). An Integrated Analysis of Socioeconomic Structures and Actors in Indonesian Industrial Clusters. University of Groningen, Groningen, The Netherlands.
33
Jesselyn Co, M. (2004). The Formal Institutional Framework of Entrepreneurship in the Philippines: Lessons for Developing Countries. Journal of Entrepreneurship, Vol. 13: 185-203.
34
Johnson, R. B. and Christensen, L. (2014). Educational Research: Quantitative, Qualitative, and Mixed Approaches. 4th Edition. SAGE Publications, Inc.
35
Kline, R. B. (2011). Principles and Practice of Structural Equation Modeling (Methodology in the Social Sciences). 3rd edition, Guilford Press.
36
Lekhanya, L. M. (2015). Key internal factors affecting the small, medium and micro enterprises (SMMEs) marketing strategies in rural South Africa. Problems and Perspectives in Management, Volume 13, Issue 2, 410-417.
37
MacCallum, R. C.; Browne, M. W. & Sugawara, H. M. (1996). Power analysis and determination of sample size for covariance structure modeling. Psychological Methods, 1(2): 130-149.
38
Maskell, P. (2001). Towards a knowledge-based theory of the geographical cluster, Industrial and Corporate Change 10, 919-941.
39
Martin, R. (2003). Chapter 6: Institutional Approaches in Economic Geography. pp. 77–94. In. Sheppard, E. and Barnes, T. J. (eds.). A Companion to Economic Geography. Blackwell Publishing Ltd.
40
Narain, S. (2003). Institutional Capacity-Building for Small and Medium-Sized Enterprise Promotion and Development. Investment Promotion and Enterprise Development Bulletin for Asia and the Pacific.
41
Ngendabanka, S. B. (2010). Factors Affecting Growth of Small and Medium Enterprises in Tanzania: A Case Study of Food Processors in Coast Region. A Dissertation Submitted in Partial Fulfillment of the requirements for the degree of Master of Business Administration of The Open University of Tanzania.
42
Noreen, U. and Junaid, D. (2015). Internal Factors Influencing the Growth of Small and Medium Enterprises: Evidence from Pakistan. MAGNT Research Report, Vol.3 (8). 118-123.
43
North, D. (1990). Institutions, Institutional Change and Economic Performance, Cambridge: Cambridge University Press.
44
North D. C. and Thomas, R. P. (1973). The Rise of Western World. Cambridge University Press.
45
Oakey, R.; Kipling, M. and Wildgust, S. (2001). Clustering among firms in the non-broadcast visual communications (NBVC) sector, Regional Studies 35, 401–414.
46
Porter, M. (1998); Clusters and the new economics of competition, Harvard Business Review 11, 77-98.
47
Rodríguez-Pose, A. (2013). Do Institutions Matter for Regional Development?. Regional Studies, Vol. 47, Issue 7, 1034-1047.
48
Sideridis, G., Simos, P., Papanicolaou, A., & Fletcher, J. (2014). Using Structural Equation Modeling to Assess Functional Connectivity in the Brain Power and Sample Size Considerations. Educational and Psychological Measurement, Vol. 74, No. 5, 733-758.
49
Soini, E. and Veseli, L. (2011). Factors affecting the development of SMEs in kosovo. A dissertation submitted to the Graduate Faculty of Turku University of Applied Sciences in partial fulfillment of the requirements for the Degree of Bachelor in International Business Management.
50
Williamson, O. E. (2000). The New Institutional Economics: Taking Stock, Looking Ahead. Journal of Economic Literature, Vol. 38, No. 3: 595-613.
51
World Bank Institute Capacity Development and Results Practice (2011). Institutional Capacities and Their Contributing: Characteristics for Institutional Diagnostics, Program Design and Results Management. World Bank Institute.
52
ORIGINAL_ARTICLE
بررسی ساختار بازار و اولویتبندی بازارهای هدف صادرات گیاهان دارویی منتخب ایران
گسترش صادرات غیرنفتی و تنوع بخشیدن به درآمدهای صادراتی کشور بهمنظور کاهش آسیبپذیری اهداف توسعه اقتصادی، ضرورت دارد. نظر به اهمیت گیاهان دارویی در صادرات غیرنفتی کشور پژوهش حاضر با هدف تعیین ساختار بازار و اولویتبندی بازارهای هدف صادرات جهانی گیاهان دارویی منتخب (رازیانه، بادیان، انیسون و گشنیز) صورت پذیرفته است. دوره مـورد مطالـعه این تحقیق 2012-2001 میباشد. بهمنظور تعیین ساختار بازار صادرات گیاهان دارویی ایران از دو شاخص نسبت تمرکز و هرفیندال و برای اولویتبندی بازارهای هدف صادرات گیاهان دارویی ایران از روش تحلیل تاکسونومی عددی استفاده گردید. با توجه به اینکه مقدار عددی عکس شاخص هرفیندال طی دوره مورد بررسی از یک تا چهار در نوسان میباشد، بنابراین ساختار بازار موردنظر طی دوره مورد بررسی از دو نوع بنگاه مسلط و انحصار چندجانبه بسته میباشد و ایران از تنوع در صادرات برخوردار نیست. همچنین کشورهای پاکستان، عربستان، امارات و قطر با توجه به سهم بین 4 تا 92 درصدی از صادرات ایران، بزرگترین شرکای تجاری ایران طی دوره مورد مطالعه بودهاند. نتایج اولویتبندی بازارهای هدف نشان داد که کشورهای ویتنام، قرقیزستان، زیمباوه، ازبکستان، گرجستان، کامرون، جامائیکا، ارمنستان، بنگلادش، هند و لیبی بهعنوان بازارهای هدف صادرات گیاهان دارویی ایران انتخاب شدند.
https://aes.basu.ac.ir/article_1672_9bdde7d397f3f18e739ba44a62e4ef52.pdf
2016-12-21
201
220
10.22084/aes.2016.1672
بازارهای هدف
گیاهان دارویی
تحلیل تاکسونومی عددی
ساختار بازار
محمد
خداوردیزاده
mo.khodaverdizadeh@urmia.ac.ir
1
استادیار گروه اقتصاد کشاورزی دانشگاه ارومیه
LEAD_AUTHOR
سمیه
محمدی
somayehm235@gmail.com
2
دانشجوی کارشناسی ارشد اقتصاد کشاورزی دانشگاه ارومیه
AUTHOR
اصفهانی، سید محمدجعفر (1385)؛ بررسی مزیت نسبی محصولات کشاورزی با استفاده از ماتریس تحلیل سیاستی(مطالعه موردی: استان آذربایجانشرقی)، پایاننامه کارشناسی ارشد، دانشکده کشاورزی، دانشگاه تبریز.
1
امجدی، افشین؛ محمدزاده، رویا و باریکانی، الهام (1389)؛ «تعیین بازارهای هدف صادرات پسته و خرمای ایران با استفاده از الگوی تقاضای صادرات و روش غربالگیری». مجله اقتصاد کشاورزی و توسعه، 18(18): 235-193.
2
آذر، عادل و رجبزاده، علی (1381)؛ تصمیمگیری کاربردی (رویکرد)، نشر نگاه دانش.
3
بینام (139)؛ گزارش اقتصادی و ترازنامه سال 1390، بانک مرکزی جمهوری اسلامی ایران.
4
تاجیانی، هما و کوپاهی، مجید (1384)؛ «تخمین توابع عرضه و تقاضای صادرات زعفران ایران». مجله علوم کشاورزی ایران، 36 (3):580-573.
5
چیذری، امیرحسین و ابوالحسنی یاسوری، سمیه (1390)؛ «بررسی مزیتهای نسبی و اولویتبندی بازارهای هدف کیوی صادراتی ایران». اقتصاد کشاورزی و توسعه، 19(76): 120-83.
6
حسینی، میر عبدالله (1376)؛ «ساختار بازار جهانی تولید و بازار صادراتی پسته ایران و تغییرات ساختاری آن». فصلنامه اقتصاد کشاورزی و توسعه. 18: 135-115.
7
حسینی، میر عبدالله و هومن، تقی (1386)؛ «مطالعه بازار جهانی خرما و بازارهای هدف خرمای صادراتی ایران». فصلنامه اقتصاد کشاورزی و توسعه، 15(57):1-29.
8
حسینی، میر عبدالله (1375)؛ «تعیین قدرت انحصاری بازار جهانی خشکبار و جایگاه خشکبار ایران در آن». مجموعه مقالات سمینار کشاورزی ایران و بازارهای جهانی، 97-122.
9
دشتی، قادر؛ خداوردیزاده، محمد؛ محمدرضایی، رسول و فتحی، یحیی (1388)؛ «ساختار بازار و اولویتبندی بازارهای هدف صادرات پسته ایران». فصلنامه دانش کشاورزی، 1(19): 11-27.
10
رازینی، ابراهیم علی و فتحی، یحیی (1381)؛ موانع تعرفهای و غیرتعرفهای صادرات ایران در بازارهای هدف، مؤسسه مطالعات و پژوهشهای بازرگانی.
11
زارع، ابراهیم (1387)؛ «بررسی ساختار جهانی و بازار صادراتی بادام ایران». پژوهش و سازندگی در زراعت و باغبانی، 78: 10-2.
12
شهیکی تاش، محمد نبی و نوروزی، علی (1393). بررسی ساختار بازار صنایع کارخانه ای ایران بر اساس مدل های ساختاری و غیر ساختاری. فصلنامه مطالعات اقتصادیِ کاربردی ایران، 3(11): 79-49.
13
شنگایی، راضیه؛ امین زاده، میلاد؛ ریاحی، اندیشه و طالبیان کرمانی، طاها (1393)؛ «بررسی ساختار بازار صادراتی و بازارهای هدف کشمش ایران». نهمین کنفرانس دوسالانه اقتصاد کشاورزی ایران، 15 و 16 اردیبهشت 1393، تهران
14
صادقی، کمیل؛ خداوردیزاده، صابر و خداوردیزاده، محمد (1390)؛ «تعیین مزیت نسبی صادراتی و ساختار بازار صادرات و واردات جهانی زعفران». تحقیقات اقتصاد کشاورزی، 3(3): 76-59.
15
عزیزی، مریم (1383)؛ مطالعه ساختار بازار جهانی و تعیین بازارهای هدف زعفران ایران، چاپ اول، مؤسسه مطالعات و پژوهشهای بازرگانی، تهران.
16
فهیمیفر، جمشید؛ ولی بیگی، حسن و عابدین مقانکی، محمدرضا (1383)؛ اولویتبندی بازارهای هدف محصولات منتخب پتروشیمی ایران، فصلنامه پژوهشنامه بازرگانی، 31: 202-153.
17
کشفی بناب، علیرضا (1389)؛ «مزیت نسبی اقتصادی کشت و تجارت گیاهان دارویی در ایران و ارزش آن در بازارهای جهانی». مجله بررسی های بازرگانی، 44: 78-67.
18
مجاوریان، سید مجتبی؛ احمدی کلیجی، سینا و امین روان، مرضیه (1394)؛ «تعیین بازارهای هدف صادراتی گیاهان دارویی ایران». مجله تحقیقات اقتصاد و توسعه کشاورزی ایران، 2(4): 714-732.
19
مهرپرور حسینی، الهام؛ امینیزاده، میلاد؛ رفیعی، حامد؛ ریاحی، اندیشه و باستانی، مهدی (1392)؛ «طرحریزی الگوی تجاری خرمای ایران؛ کاربرد مزیتهای تجاری و تئوری ساختار بازار». نشریه اقتصاد کشاورزی، 7(2): 19-46.
20
Adetunji, M.O. and Adesiyan, I. O. (2008); Economic Analysis of Plantain Marketing Akinyele Local Government Area in Oyo State, Nigeria. International Journal of Agricultural Economics & Rural Development, 1 (1): 15-21.
21
Agom, D. I.; Etim, G. C. and Etuk, E. A. (2012); Analysis of Wholesale Frozen Fish Markets in Calabar, Cross River State, Nigeria. Trends in Agricultural Economics, 5 (2): 61-69
22
Eghbali, AR.; Zamarri, A. and Gaskari, R. (2007); The ranking Irans banks by taxonomy numerical analysis. Journal of International Research Publications: publication: economy and business, 2: 128- 138.
23
Erlat, G. (2000); Country Concentrate of Turkish Exports and Imports Over Time. Department of Economics, Middle East Technical University.
24
Folayan, J. A.; Daramola, G. A. and Oguntade, A. E. (2006); Structure and performance evaluation of cocoa marketing institutions in South-Western Nigeria: An economic analysis, Journal of Food, Agriculture & Environment, 4 (2): 125-128.
25
Food and Agriculture Organization (FAO). 2013. .
26
Khaksar Astaneh, H.; Yaghoubi, H. and Kalateharabi, V. (2014); Determining Revealed Comparative Advantage and Target Markets for Iran’s Stone Fruits. Journal of Agricultural Science and Technology (JAST), 16: 253-264
27
Maddala, G. C.; Dobson, S. and Millen, E. (1995); Microeconomics, The regulation of monopoly, chap:10, Press Mc Grawhill Book Company, pp:185-195.
28
World Bank, World Development Indicators, (2013).
29
ORIGINAL_ARTICLE
اثر توسعه مالی و اعطای تسهیلات بانکی بر بهره وری کل عوامل تولید در بخش صنعت
بهرهوری در کنار سایر عوامل، ازجمله تعیینکنندههای رشد اقتصادی است هدف از این پژوهش، بررسی نقش توسعه مالی و اعطای تسهیلات بانکی بر بهرهوری کل عوامل تولید در بخش صنعت با استفاده از روش خود توضیح برداری با وقفههای توزیعی (ARDL) طی دوره زمانی 1392-1362 میباشد. همچنین جهت تبیین مدل اقتصادسنجی، علاوه بر اعتبارات جاری و سرمایهای بانکها، از دیگر متغیرهای مهم و تأثیرگذار بر بهرهوری کل عوامل تولید بخش صنعت ایران، نظیر هزینههای تحقیق و توسعه، نسبت موجودی سرمایه به تولید و همچنین متغیر مجازی برنامههای توسعه جمهوری اسلامی ایران استفاده شد. نتایج نشان داد که در طی دوره مورد بررسی، اعتبارات سرمایهای در بلندمدت (044/0) و در کوتاهمدت (027/0) با یک وقفه بر بهرهوری کل عوامل تولید بخش صنعت تأثیر مثبت داشته است. اعتبارات جاری در کوتاهمدت (032/0)، از تأثیر مثبت بر بهرهوری کل عوامل تولید بخش صنعت برخوردار بوده، اما در بلندمدت تأثیری بروی بهرهوری کل عوامل تولید بخش صنعت نداشته است. همچنین هزینههای تحقیق و توسعه در کوتاهمدت (013/0) و بلندمدت (039/0)، تأثیر مثبت و معناداری بر بهرهوری کل عوامل تولید بخش صنعت ایران داشت. مقدار ضریب جمله خطا (ECM) نیز در کوتاهمدت مطابق با مقدار انتظاری، 35/0- به دست آمد و نشاندهنده تعدیل 35 درصدی از عدم تعادل کوتاهمدت بهرهوری کل عوامل تولید در هر دوره، به سمت روند بلندمدت در بخش صنعت است.
https://aes.basu.ac.ir/article_1673_426c19b23cb192dad2c6585202a9dcf1.pdf
2016-12-21
221
251
10.22084/aes.2016.1673
توسعه مالی
بهرهوری کل عوامل تولید
تسهیلات بانکی
تحقیق و توسعه
الگوی .ARDL
حمید
سپهردوست
hamidbasu1340@gmail.com
1
دانشیار گروه اقتصاد دانشگاه بوعلی سینا
LEAD_AUTHOR
فتح الله
افشاری
fathallaafshari@yahoo.com
2
کارشناس ارشد اقتصاد دانشگاه بوعلی سینا
AUTHOR
ابونوری، عباسعلی؛ حنطه، مهدی و قربانی جاهد، آزیتا. (1392). بررسی نقش مؤلفههای اقتصاد دانشبنیان بر بهرهوری کل عوامل تولید. پژوهشنامه اقتصاد کلان، 8 (16)، 31-52.
1
اخباری، محمد. (1385). مروری بر وضعیت ژرفای (عمق) مالی ایران، مجله روند، 16(48)، 198-155.
2
امینی، علیرضا. (1385). اندازهگیری و تحلیل روند بهرهوری به تفکیک بخشهای اقتصادی ایران، مجله برنامه و بودجه، ۱۰ (4)، ۷۳-۱۱۰.
3
امینی، علیرضا؛ خسروینژاد، علیاکبر و روحانی، شادی. (1393). اثر نوآوری در ارتقای بهرهوری کل عوامل تولید: مطالعه موردی کشورهای منتخب درحالیکه توسعه با درآمد متوسط. پژوهشنامه اقتصادی، سال چهاردهم 3 (54)، 212-175.
4
امینی، علیرضا و حجازی آزاد، زهره. (1387). بررسی عوامل مؤثر بر بهرهوری کل عوامل در اقتصاد ایران با تأکید بر تحقیق و توسعه دولتی. پژوهشهای اقتصادی ایران، 10(35)، 30-1.
5
امینی، علیرضا و لطفیپور، مریم. (1393). تحلیل اثرات آزادسازی تجارت خدمات مالی بر بهرهوری کل عوامل: مطالعه موردی کشورهای منتخب درحالتوسعه. فصلنامه علوم اقتصادی، 8(28)، 83-61.
6
باقرزاده، علی و کمیجانی، اکبر. (1390). واکاوی نقش تحقیق و توسعه و حجم واردات بر بهرهوری کل عوامل تولید بخش کشاورزی در ایران. فصلنامه اقتصاد کاربردی، 2(5)، 65-42.
7
بانک مرکزی (1394). گزارشهای اقتصادی و ترازنامه بانک مرکزی جمهوری اسلامی ایران.
8
تشکینی، احمد. (1384)؛ اقتصادسنجی کاربردی به کمک Microfit، انتشارات موسسه فرهنگی هنری دیباگران تهران.
9
درگاهی، حسن و هادیان، مهدی. (1395). «ارزیابی آثار تکانههای پولی نمالی با تأکید و تعامل ترازنامه نظام بانکی و بخش حقیقی اقتصاد ایران: رویکرد DEGE». فصلنامه نظریههای کاربردی اقتصادی، 3(1)، 28-1.
10
دفتر اقتصاد کلان (1376)؛ مجموعه آماری سریهای زمانی اقتصادی؛ معاونت امور اقتصادی و هماهنگی دفتر اقتصاد کلان، انتشارات سازمان برنامه و بودجه.
11
شاهآبادی، ابوالفضل و فعلی، پریسا. (1390). تأثیر توسعه مالی بر بهرهوری کل عوامل تولید در ایران. فصلنامه اقتصاد و تجارت نوین، 6(23-24)، 134-111.
12
شاهآبادی، ابوالفضل و رحمانی، امید. (1389). بررسی نقش تحقیق و توسعه بر بهرهوری بخش صنعت ایران. فصلنامه تخصصی پارکها و مراکز رشد، 7 (25)، 38 - 28.
13
صمصامی، حسین و امیرجان، رضا. (1390). بررسی اثر تسهیلات بانکی بر ارزشافزوده بخش صنعت و معدن. فصلنامه پژوهشها و سیاستهای اقتصادی، 19(59)، 129-150.
14
عباسی، غلامرضا. (1388). همگرایی توسعه مالی و تولید بخش صنعتی در ایران. فصلنامه مدلسازی اقتصادی، 1(7)، 154-137.
15
کمیجانی، اکبر و شاهآبادی، ابوالفضل. (1380). بررسی اثر فعالیتهای R&D داخلی و خارجی از طریق تجارت خارجی بر بهرهوری کل عوامل تولید. پژوهشنامه بازرگانی، 5(18)، 68-29.
16
باقرزاده، علی و کمیجانی، علیاکبر. (1390). واکاوی نقش تحقیق و توسعه و حجم واردات بر بهرهوری کل عوامل تولید بخش کشاورزی در ایران، فصلنامه اقتصاد کاربردی. 2(5)، 18-1.
17
گجراتی، دامودار. (1390). مبانی اقتصادسنجی، ترجمه حمید ابریشمی، انتشارات دانشگاه تهران.
18
لیلیپور، کامران (1388). بررسی ارتباط بین نسبتهای اهرمی و شاخصهای بهره وری، مجله مطالعات مالی، شماره چهارم: 146-131.
19
مؤتمنی، علیرضا، جوادزاده، محمد و تیزفهم، مهدی. (1389). ارزیابی عملکرد بانکها، مطالعات مدیریت راهبردی، 1(1)، 159-141
20
مهرآرا، محسن و مهران فر، مهدی. (1392). عملکرد بانکی و عوامل کلان اقتصادی در مدیریت ریسک، فصلنامه مدلسازی اقتصادی، 7(1)، 37-21.
21
مهرگان، نادر و سلطانی صحت، لیلی. (1393). مخارج تحقیق و توسعه و رشد بهرهوری کل عوامل تولید بخش صنعت. فصلنامه سیاستهای راهبردی و کلان، 2(5)، 24 - 1.
22
نیلی، فرهاد؛ شاهچرا، مهشید و طاهری، ماندانا. (1394). تعیین خلق نقدینگی و نقش واسطهگری مالی بانکها در ایران، فصلنامه روند، 22(70)، 49-13.
23
والیزاده، ابوالمحسن و لعلی، محمدرضا. (1384). بررسی نقش واسطهگری مالی در سرمایهگذاری، مجموعه مقالات سیزدهمین کنفرانس توسعه مالی، 468-447.
24
ولیزاده زنور، پروین. (1388). بهرهوری نیروی کار، سرمایه و کل عوامل تولید. مجموعه پژوهشهای اقتصادی (اداره بررسیها و سیاستهای اقتصادی)، شماره 4: 41-15.
25
هادینژاد، منیژه و محرابیان، آزاده. (1387). بررسی تأثیر اعتبارات بانکی بر رشد بخش صنعت کشور. فصلنامه علوم اقتصادی، 1(2)، 85-75.
26
Bayoumi, T.; Coe; D. T. and Helpman, E. (1999). R & D spillovers and global growth. Journal of International Economics, 47(2), 399-428·
27
Journal of International Economics, 47(2), 399-428.
28
Beck, T.; Levine, R. and Loayza, N. (2000). Finance and the sources of growth. Journal of Financial Economics, 58(1-2), 261-300.
29
Bekaert, G.; Lundblad, C. and Harvey, C. R. (2011). Financial openness and productivity. World Development.
30
Bolbol, A.; Fatheldin, A. and Omran, M. M. (2005). Financial development, structure and economic growth. Research in International Business and Finance, 19(1), 171-194.
31
Bonfiglioli, A. (2008). Financial integration, productivity and capital accumulation. Journal of International Economics, 76(2), 337-355.
32
Branstetter, L. and Rong Chen, J. (2006). The impact of technology transfer and R&D on productivity growth in Taiwanese industry: Microeconometric analysis using plant and firm-level data. Journal of the Japanese and International Economies, 20(2), 177-192.
33
Buchory, H.A. (2006). The influence of financial intermediary function implementation, risk management application and banking structure on banking fainancial performance, Thesis submitted to padjad javan bandung university, Indonesia.
34
Buchory, H. A. (2014). Analysis of the Effect of Capital, Net Interest and Margin Credit Risk on Profitability in the Implementation of Banking Intermediation. European Journal of Business and management, 6(24), 48-96.
35
Castellani, D. and Pieri, F. (2013); R & D offshoring and the productivity growth of European region, Research Policy, Available at ECONPAPER: http://econpapers.repec.org/paper/csldevewp/345.htm
36
Coe, D.; Helpman, E. and Hoffmaister, A. W. (2009). International R&D spill over and institutions. European Economic Review, 53(7), 423-741.
37
Coccia, Mario (2008). What is the optimal rate of R&D investment to maximize productivity growth? National Research Council of Italy (CERIS-CNR) and Max Planck Institute of Economics, Germany.
38
Fry, M. J. (1978). Money and capital or financial deepening in economic development. Journal of Money, Credit and Banking, 10(4), 464-475.
39
Graversen, E. K. and Mark, M. (2005). The effect of R&D capital on firm productivity, Working paper from The Danish Center for Studies in Research and Research Policy, No.3.
40
Goldsmith, R.W. (1969); Financial structure and development, Yell University, New Haven Ct.
41
Guillaumont, J. S.; Hua, P. and Liang, Z. (2006). Financial development, economic efficiency and productivity growth. The Developing Economies, 14(1), 27-52.
42
Hall, R. E. and Jones, C. I. (1999). Why do some countries produce so much more output per worker than others? The Quarterly Journal of Economics, 114(1), 83-116.
43
Kampelman, S. and Rycx, F. (2012). The impact of educational mismatch on firm productivity: Evidence from linked panel data. Economics of Education Review, 31(6), 918-931.
44
Kapur, B.K. (1976). Monetary growth models of less development economies; Unpublished PhD. dissertation, Stanford University, chapter 2.
45
Khan, U. S. (2005). Macro determinants of total factor productivity in Pakistan. Munich Personal RePEc Archive, MPRA Paper 8693. Retrieved from http://mpra.ub.uni-muenchen.de/8693/.
46
King, R. G. and Levine, R. (1993). Finance, entrepreneurship, and growth: Theory and evidence. Journal of Monetary Economics, 32(3), 513-542.
47
Kose, M. A.; Prasad, E. S. and Terrones1, M. E. (2008). Does openness to international financial flows raise productivity growth? International Monetary Fund, Research Department Working Paper- WP/08/242.
48
Levine, R. (2005). Finance and Growth: Theory and Evidence. Handbook of Economic Growth, edition 1, vol. 1, ch. 12, 865-934.
49
Lichtenberg, F. and Van Pottelsberghe de la Potterie, B. (1998). International R&D spillovers: A comment. European Economic Review, 42(8), 1483-1491.
50
Mackinnon, R. (1973). Money and capital in economic development, Washington, DC: Brooking Institution.
51
Mastromarcoa, C. and Zago, A. (2012). On modeling the determinants of TFP growth. Structural Change and Economic Dynamics, 23, 373-382.
52
Mathieson, D. J. (1979). Interest rates and monetary aggregates during a financial reform; Washington D.C. International Monetary Fund.
53
Meijl, V. (1997). Measuring the Impact of Direct and Indirect R&D on the Productivity Growth of Industries: Using Yale Technology Concordance. Economic Systems Research, 9(2), 205-211.
54
Romer, P. M. (1995). Capital labor and productivity; Center for Advanced Study in the Behavioral Sciences, University of Chicago, Brooking paper, 336-367.
55
Said, R. D. Tumin, M. (2011). Performance and Financial Ratios of Commercial Banks in Malaysia and China. International Review of Business Research Papers, 7(2), 251-264.
56
Schumpeter, j. A. (1911). Theory of economic development; translated by Redversopie, Cambridge, Harvard University Press.
57
Shaw, E. (1973). Financial deepening in economic development; New York, Oxford University Press.
58
Siddiki, J. U. (2000). Demand for money in Bangladesh: a co integration analysis; Applied Economics, DOI: 10.1080/00036840050155904; 1977-1984.
59
Tadesse, S. (2005). Financial development and technology. William DavidsonInstitute Working Papers Series WP879, Working Paper Number 749.
60
Tanko, I. L. F. (2012). Analisis of effect of capital adequacy ratio and non-performing loans to deposit ratio in the state-owned bank in Indonesia. Thesis Management, Department of Economic and Business Facually. Hasanudin University Makasav.
61
ORIGINAL_ARTICLE
تحلیل اثرات تکانههای قیمت نفت بر فعالیتهای اقتصادی و سیاستهای پولی در اقتصاد ایران،1392-1369، رویکرد الگوی خود توضیح برداری ساختاری
با توجه به نقش و جایگاه قیمت نفت و نااطمینانی در تغییرات آن در اقتصاد ایران، این مطالعه با هدف تحلیل واکنش فعالیتهای اقتصادی و سیاستهای پولی به تکانههای نفتی در اقتصاد ایران با استفاده از الگوی خودتوضیح بردار ساختاری و تکنیک توابع عکسالعمل آنی برای دورهی 1392-1369 انجام شده است. نتایج نشان میدهد که یک تکانه در نااطمینانی قیمت نفت و نوسانهای افزایشی قیمت نفت، موجب واکنش معکوس در رشد اقتصادی و رشد تولیدات صنعتی بهعنوان شاخصهایی از فعالیتهای اقتصادی و موجب واکنش مستقیم از سوی تورم و حجم پول بهعنوان شاخصهایی از سیاست پولی میشود، به عبارتی نوسانات افزایشی قیمت نفت و نااطمینانی قیمت نفت در مجموع اثرات بلندمدت، موجب کاهش رشد اقتصادی و رشد بخش صنعت، و افزایش حجم پول و تورم میگردد.
https://aes.basu.ac.ir/article_1674_eae25cd14cbf3cab15d5efcb8191dd05.pdf
2016-12-21
253
274
10.22084/aes.2016.1674
سیاستهای پولی
فعالیتهای اقتصادی
تکانههای قیمت نفت
نااطمینانی
الگوی خود توضیح برداری ساختاری
مصطفی
رجبی
mostafa.rajabi@gmail.com
1
استادیار دانشگاه آزاد اسلامی واحد خمینیشهر
LEAD_AUTHOR
محدثه
کریمی
faribakarimi206@yahoo.com
2
دانشآموخته کارشناسی ارشد توسعه و برنامهریزی، دانشگاه آزاد اسلامی، واحد خمینیشهر
AUTHOR
ابراهیمی، محسن و سوری، علی (1384)؛"زیان ناشی از درآمدهای نفتی بر رشد اقتصادی و ضرورت حساب ذخیره ارزی"، فصلنامه اقتصادی، جلد 1، شماره 1، 54-43.
1
ابریشمی، حمید؛ مهرآرا، محسن؛ غنیمی فرد، حجتالله و کشاورزیان، مریم (1387)؛ " اثر نوسانات قیمت نفت بر رشد اقتصادی برخی کشورهای OECD بهوسیله تصریح غیرخطی قیمت نفت"، مجله دانش و توسعه (علمی-پژوهشی)، سال 15، شماره 22، 22-7.
2
ابریشمی، حمید؛ مهرآرا، محسن و زمانزاده، حمید (1388)؛ "رابطهی تکانههای نفتی و رشد اقتصادی کشورهای عضو اوپک: آیا این رابطه، نامتقارن است؟". فصلنامهی مطالعات اقتصاد انرژی، سال 6، شماره 21، 112-93.
3
ابونوری، اسمعیل و خانعلی، امیر (1389)،" نااطمینانی حاصل از نوسانات قیمت نفت خام بر عرضه آن مؤثر است؟ کاربرد GARCH و ARDL". مجله تحقیقات اقتصادی، سال 30، شماره 91، 48-21.
4
صمدی، سعید؛ یحییآبادی، ابوالفضل و معلمی، نوشین (1388)، "تحلیل تأثیر شوکهای قیمتی نفت بر متغیرهای اقتصاد کلان در ایران"، پژوهشها و سیاستهای اقتصادی، سال هفدهم، شماره 52، 26- 5.
5
کاوند، حسین، شاهمرادی، اصغر (1390)،" الگوسازی تکانههای درآمدهای نفتی ایران در قالب یک مدل نئوکلاسیکی، فصلنامه پژوهشها و سیاستهای اقتصادی، سال نوزدهم، شماره 5، 32- 5.
6
مهرآرا، محسن و نیکی اسکویی، کامران (1385)،" تکانههای نفتی و اثرات پویای آن بر متغیرهای کلان اقتصادی"، فصلنامه پژوهشنامه بازرگانی، سال دهم، شماره 40.
7
هادیان، ابراهیم و پارسا، حجت (1385)، "بررسی تأثیر نوسانات قیمت نفت بر عملکرد اقتصاد کلان در ایران"، پژوهشنامهی علوم انسانی و اجتماعی، سال ششم، شماره 22، 131-111.
8
Chen, S.S. and Chen, H.C. (2007). “Oil prices and real exchange rates”, Energy Economics, Vol. 29: 390-404.
9
Doroodian, K. and Roy, Boyd, (2003). “the linkage between oil price shocks and economic growth with inflation in presence of technological advances: A CGE model”, Energy Policy, Vol. 31: 981-1006.
10
Elder, J. and Serletis, A. (2009). “Oil price uncertainty in Canada”, Journal of Energy Economics, Vol. 31, No. 6: 852-856.
11
Farzanegan, M. R. & Markwardt, G. (2009). “The Effects of Oil Price Shocks on the Iranian Economy”, Energy Economics, Vol. 31: 134-151.
12
Hamilton, J. D. and Herrera, A. (2004). “Oil Shocks and Aggregate Macroeconomic Behavior: The Role of Monetary Policy”, Journal of Money, Credit, and Banking, Vol, 36: 265-286.
13
Hamilton, J. D. (2005). “Oil and the Macroeconomy”, forthcoming in S. Durlauf and L. Blume(eds), The New Palgrave Dictionary of Economics, 2nd ed., Palgrave MacMillan Ltd.
14
Kilian, L. (2008). “The Economic Effects of Energy Price Shocks”, Journal of Economic Literature, Vol:46, No: 4, PP: 871-909.
15
Leduc, S. and Sill, K. (2004). " Monetary policy, oil shocks, and TFP: accounting for the decline in U.S. volatility", International Finance Discussion Paper, No 873.
16
Mehrara, M. and Mojab, R. (2010). “Real and Nominal Uncertainty in Iran (1960-2006)”, International Research Journal of Finance and Economics, vol. 48, No. 5: 194-203.
17
Sill, K. (2007). "The macroeconomics of oil shocks", Business Review, Federal Reserve Bank of Philadelphia, issue Q1, pages 21-31.
18