سنجش اعتبار آماری روش‌های CB و CHARM در محاسبه جداول داده-ستانده منطقه‌ای؛ مطالعه موردی: استان هرمزگان

نوع مقاله: علمی - پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد توسعه اقتصادی و برنامه‌ریزی دانشگاه علامه طباطبائی

2 استاد گروه برنامه ریزی و توسعه اقتصادی دانشکده اقتصاد علامه طباطبائی

3 استادیار گروه اقتصاد نظری دانشگاه علامه طباطبائی

چکیده

جداول داده-ستانده منطقه‌ای ابزاری ارزشمند برای برنامه‌ریزی منطقه‌ای هستند، اما تدوین جداول داده-ستانده منطقه‌ای آماری امری دشوار، هزینه‌بر و زمان‌بر است. از این‌رو پژوهشگران اقتصاد منطقه‌ای از دهه 1950 سعی در معرفی روش‌های غیرآماری مانند سهم مکانی و تراز کالایی به‌منظور محاسبه ضرایب داده-ستانده منطقه‌ای و جداول داده-ستانده منطقه‌ای داشته‌اند. یکی از مهم‌ترین کاستی‌های روش‌های سهم مکانی و تراز کالایی که برای حدود شش دهه لاینحل باقی مانده بود، کم‌برآوردی بردار صادرات و واردات به دلیل در نظر نگرفتن «تجارت همزمان دوطرفه» بود که این موضوع منجر به بیش­برآوردی ضرایب فزاینده عرضه منطقه می‌شود. به‌منظور برون‌رفت از این مشکل در سال ۲۰۰۹ روش جدیدی با نام CHARM معرفی شد که نوع تکامل‌یافته روش تراز کالایی محسوب می‌شود و قادر است مسأله کم‌برآوردی صادرات و واردات را برطرف نماید. در راستای مشاهدات فوق مقاله حاضر دو هدف اصلی را دنبال می‌کند: نخست کاربست روش‌های CB و CHARM به‌منظور محاسبه جدول داده-ستانده منطقه‌ای و محاسبه خطاهای آماری هر کدام از این دو روش در محاسبه ضرایب فزاینده عرضه، دوم تفکیک خطاهای آماری ایجاد شده در روش CHARM از ناحیه‌‌ی فروض حاکم بر این روش به سه عامل خطای مقیاس، خطای تکنولوژی و خطای ناهمگنی. یافته‌های این مقاله برای استان هرمزگان حکایت از آن دارد که اولاً خطای روش CHARM در برآورد ضرایب فزاینده عرضه به مراتب کمتر از روش CB است. ثانیاً در خصوص روش CHARM خطای ناهمگنی بیشترین سهم را در ایجاد خطای کل در محاسبه جدول داده-ستانده غیرآماری استان هرمزگان به خود اختصاص داده است.

کلیدواژه‌ها


عنوان مقاله [English]

Measurment of Statistical Accuracy between Commodity Balance (CB) and CHARM Methods in the Estimation of Regional Input-Output Tables (RIOTs); The Case Study of Hormozgan Province

نویسندگان [English]

  • zahra abdolmohammadi 1
  • aliasghar banouee 2
  • parisa mohajeri 3
1 student
چکیده [English]

In developing countries, planning is accepted by economic experts as well as by decision makers as one of the essential tools to promote growth and development both at national and regional levels. Because the Regional Input-Output Tables (RIOTs) can be provided the great sectoral detail from the economy of each region, they are most important for regional planning as well as for regional analysis. But the application of input-output analysis for analytical purposes in regional economic levels is often get into trouble by the fact that most statistical centers provide input-output tables only at national level and the task of constructing a RIOT is therefore left to the individual researcher. The construction of the survey-based RIOTs can be complex, expensive and time consuming. Since the 1950s regional analysts have introduced non-survey based methods like Location Quotients (LQ, such as , , , , , ,  and ), Commodity Balances (CB) and Cross Hauling Adjusted Regionalization Method (CHARM) to estimate Regional Input-Output Coefficients (RIOCs) and RIOTs. One of the most important shortcomings of LQ and CB methods which remained unsolved for more than six decades is underestimation of regional imports and exports on account of ruling out of Cross-Hauling which leads to the overestimation supply multipliers. Cross-hauling is the export and import of the same commodity and in Location Quotients and Commodity Balances it is assumed not to exist. In 2009, the CB method has modified which is known as the CHARM method, can solve the problem of underestimation. By identifing the heterogeneity of commodities as the main cause of cross-hauling, Kronenberg try to modify CB method. CHARM is a pure nonsurvey method and related to the traditional commodity balance approach, but, it requires fewer restrictive assumtions and has a better theoretical foundation. This method is suitable for environmental and other applications where the focus is on the overall supply of goods, regardless of their source.
This paper followes two main objectives: One the application of CB and CHARM methods and the measurement of their statistical errors. Second is the decomposition of the derived statistical errors into scale error, technology error and the heterogeneity error. The quantification of these objectives is analysed with the two folloing questions: are the supply multipliers derived the CHARM method out perform the supply multipliers better than from the CB method? And which one of the three decomposed errores (scale error, technology error and the heterogeneity error) has more share in the total statistical errors? For the applications of the CHARM and CB methds we have used the following data. First- on the basis of the survey-based National Input-Output Table (NIOT) of 1380, that we have updated it for the year 1382 respectively. Second- the regional sectoral intermediate inputs and sectoral outputs of Hormozgan provience are directly taken from the regional accounts for the year 1382. Third- we used the survey-based RIOT of Hormozgan provience for the year 1382. In order to make the applications of two methods, we have aggregated all the data into seven secters: Agriculture, mining, agro-based industries, other industries, water, electricity and gas, construction and services. In order to evaluate the stimated RIOTs derived from the two methods whit the corresponding true figures, we have used five conventional statistical methods: MAD, Theil, STPE and WAD.
The research findings for Hormozgan Province with respect to supply multiplier matrix show that the degree of accuracy of the supply multiplier matrix of the CHARM method in all the five statistical methods are much closer to official figures than the CB method. In the other words the statistical error of CHARM method is much less than CB method in supply multipliers. In addition to, between three sources of error in CHARM’s estimates, heterogeneity errors have the highest share of statistical errors in Hormozgan Province.

کلیدواژه‌ها [English]

  • Survey and Non-Survey Regional Input-Output Tables (RIOTs)
  • Commodity Balance Method (CB)
  • Cross-Hauling
  • CHARM Method
  • Supply Multipliers
  • Degree of Heterogeneity

بانوئی، علی‌اصغر (1395). «گزارش مرحله اول طرح تحقیقاتی محاسبه جدول داده-ستانده استان گیلان و کاربردهای آن در شناسایی مزیت‌های رقابتی»، پژوهشکده اقتصاد، دانشکده اقتصاد دانشگاه علامه طباطبائی و سازمان برنامه و بودجه استان گیلان.

بانوئی، علی‌اصغر (1391). «ارزیابی شقوق مختلف نحوه منظور کردن واردات و روش‌های تفکیک آن با تأکید بر جدول متقارن سال 1380». دوفصلنامه سیاست‌گذاری اقتصادی، 85: 74-31.

عباسی‌نژاد، حسین و ورمزیار، حسن (۱۳۸۶). جدول داده-ستانده استان هرمزگان، با همکاری دانشگاه تهران و سازمان مدیریت و برنامه‌ریزی استان هرمزگان، انتشارات آذر برزین.

میرشجاعیان حسینی، حسین و رهبر، فرهاد (1391). «ارزیابی عملکرد نسبی روش‌های غیرپیمایشی به روزرسانی جداول داده-ستانده در فضای اقتصادی ایران». فصلنامه مطالعات کاربردی اقتصاد ایران، ۱(2): 61-84.

مرکز آمار ایران (1392). راهنمای گردآوری، محاسبه و ارزیابی حساب‌های منطقه‌ای سال 1391، تهران، ایران.

همایونی‌فر، مسعود؛ خداپرست‌مشهدی، مهدی؛ لطفعلی‌پور، محمدرضا و ترحمی، فرهاد (۱۳۹۵). «مقایسه نتایج برآورد جدول داده-ستانده منطقه‌ای با روش‌های AFLQ و CHARM مطالعه موردی استان بوشهر». فصلنامه پژوهش‌ها و سیاست‌های اقتصادی، 24(77): 115-138.

همایونی‌فر، مسعود؛ خداپرست‌مشهدی، مهدی؛ لطفعلی‌پور، محمدرضا و ترحمی، فرهاد (۱۳۹3). «مقایسه نتایج برآورد جدول داده-ستانده منطقه‌ای با روش‌های AFLQ و CHARM مطالعه موردی استان خوزستان». فصلنامه اقتصاد مقداری، 11(3): ۱-۲۶.

Flegg, A.T.; Webber, C.D. and Elliot, M.V. (1994). “A New Approach to the Use of Location Quotients in Building a Regional Input-Output Model Using National Data”. 25th Annual conference of the Regional Science Association International at Trinity College, Dublin, 14-16 september 1994, 29(6): 547-561.

Flegg, A.T. and Tohmo, T. (2013). “A comment on Tobias Kronenberg Construction of regional input-output tables using nonsurvey methods: The role of cross-hauling”. International Regional Science Review, 36(2): 235-257.

Flegg, A.T.; Huang, Y. and Tohmo, T. (2015). “Using CHARM to Adjust for Cross-Hauling: The Case of the Province of Hubei, China”. Economic System Research, 27(3): 391-413.

Flegg, A.T.; Mastronardi, L.J. and Romero, C.A. (2016). “Evaluating the FLQ and AFLQ Formulae for Estimation Regional Input-Output Coefficients: Empirical Evidence for the Province of Cordoba, Argentina”. Economic Systems Research, 28(1): 21-37.

Isard, W. (1953). “Regional Commodity Flows”. The American Economic Review, 43(2): 167-180.

Kronenberg, G.T. (2009). “Construction of Regional Input-Output Tables Using Non-Survey Methods: The Role of Cross-Hauling”. International Regional Science Review, 32(1), 40-64.

Kronenberg, G. T. (2012). “Regional Input-Output Models and the Treatment of Imports in the European Systems of Accounts”. Review of Regional Research, 32: 175-191.

Lahr, M. (2001). “A Strategy for Producing Hybrid Regional Input-Output Tables, in M. L. Lahr and E. Dietzenbacher (eds.) Input-Output Analysis: Frontiers and Extension”. Palgrave, Great Britain, 211-244.

Moore, F.T. and Petersen, J.W. (1955). “An Interindustry Model of Utah”. The review of Economics and Statistic, 37(4): 368-383.

Richardson, H.W. (1985). “Input-Output and Economic Base Multipliers: Looking Backward and Forward”. Journal of Regional Science, 25(4): 607-661.

Robison, M.H. and J.R. Miller (1988). “Cross-Hauling and Non-Survey Input-Output Methods: Some Lessons from Small-Area Timber Economies”. Environmental and Planning A, 20: 1523-1530.

Scaffer, W.A. and Chu, K. (1969). “Non-Survey Techniques for Constructing Regional Interindustry Models”. Papers and Proceeding of the Regional Science Association, 23(1): 83-101.

Tobben, J. and Kronenberg, T. (2015). “Construction of Multi-Regional Input-Output Tables Using CHARM Methods”. Economic Systems Research, 27(4): 487-507.