ORIGINAL_ARTICLE
هدفگذاری تورم انعطاف پذیر در اقتصاد ایران با تاکید بر قیمت دارایی: رویکرد کنترل بهینه تصادفی
هدف از انجام این تحقیق، طراحی یک قاعده بهینه پولی در چارچوب هدفگذاری تورم انعطافپذیر برای بانک مرکزی با تأکید بر قیمت داراییها در اقتصاد ایران است. این تحقیق در دو مرحله انجام میگیرد. در مرحله اول معادلات عرضه و تقاضای کل برای یک اقتصاد باز و صادرکننده نفت (مورد ایران) تصریح و با روش ARDL مورد برآورد قرار میگیرند. در مرحله دوم برای بدست آوردن قاعده پولی بهینه، مسئله کمینه سازی تابع زیان بانک مرکزی، با توجه به قیود معادلات عرضه و تقاضای کل با استفاده از روش فضای حالت و الگوریتم کنترل بهینه تصادفی در شرایط برنامه ریزی پویا حل میشود. برای ارزیابی اهمیت قیمت داراییها در تنظیم قاعده پولی بهینه، معادلات عرضه و تقاضای کل مجدداً با در نظر گرفتن قیمت داراییها مورد برآورد قرار گرفته و تابع زیان بانک مرکزی کمینه میشود. مقایسه مقدار واریانس تورم در دو حالت فوق تفاوت معناداری را نشان نمیدهد. لذا بانک مرکزی در تنظیم قاعده پولی بهینه خود لازم نیست تحولات شاخص قیمت دارایی را منظور کند.
https://ecoj.sbu.ac.ir/article_53493_acbeb323c91a5b0dbd0e320f00e223a3.pdf
2014-02-20
1
37
هدفگذاری تورم
قیمت دارایی
کنترل بهینه تصادفی
قاعده بهینه پولی
اقتصاد ایران
حسن
درگاهی
h-dargahi@sbu.ac.ir
1
گروه اقتصاد، دانشکده اقتصاد و علوم سیاسی، دانشگاه شهید بهشتی
LEAD_AUTHOR
عبدالعظیم
آقاتابای
azimatabay@yahoo.com
2
کارشناس ارشد اقتصاد دانشگاه شهید بهشتی
AUTHOR
1) باقر پور، علیرضا؛ (1390)؛ «تعیین قاعده سیاست پولی بهینه با تاکید بر قیمت مسکن در اقتصاد ایران: رویکرد تعادل عمومی تصادفی پویا (DSGE)»، پایان نامه کارشناسی ارشد اقتصاد به راهنمایی حسن درگاهی، دانشگاه صنعتی شریف، دانشکده مدیریت و اقتصاد.
1
2) خلیلی عراقی، منصور؛ حامد شکوری؛ محمد زنگنه؛ (1388)؛ «تعیین قاعده بهینه سیاست پولی در اقتصاد ایران با استفاده از تئوری کنترل بهینه».
2
3) علوی، محمود (1382)؛ «چارچوب پولی متکی بر هدفگذاری تورم و زمینه اجرای آن در ایران»، پژوهشکده پولی و بانکی.
3
4) محسنی زنوزی، سید جمالالدین؛ (1387)؛ «قیمت داراییها و نقش آن در مکانیسم انتقال پولی مورد ایران»، رساله دکتری در علوم اقتصادی، دانشگاه تهران.
4
5) Aizenman, J.; hutchison, M ; Noy, I. (2011), Inflation Targeting and Real Exchange Rates in Emerging Markets.World Development,39, 712-724.
5
6) Aoki, Kosuke, James Proudman and Gertjan W. Vlieghe,(2002) ,House prices, consumption, and monetary policy: a financial accelerator approach, Bank of England Working Papers, No.169
6
7) Batini, N., Nelson, E. (2000). When the Bubble Bursts: Monetary Policy Rules and Foreign Exchange Market Behavior,. Bank of England Working Paper.
7
8) Bean. Charles R. (2003) "Asset Prices, Financial Instability, and Monetary Policy" The American Economic Review, Vol. 94, No. 2
8
9) Bernanke, B. S; Gertler, M ; Gilchris, S. (1999). The Financial Accelerator in a Quantitative Business Cycle Framework. In J. B. Taylor and M. Woodford, eds., Handbook of Macroeconomics. Amsterdam: North-Holland.
9
10) Bernanke, B; Gertler, M. (1999). Monetary Policy and Asset Price Volatility. In New Challenges for Monetary Policy: A Symposium Sponsored by the Federal Reserve Bank of Kansas City. Federal Reserve Bank of Kansas City , 77-128.
10
11) Bernanke, Ben S., and Cara S. Lown. (1991)."The Credit Crunch" Brookings Papers on Economic Activity, no. 2, pp. 205-39.
11
12) Bordo, Michael D & Jeanne, Olivier, (2002). "Boom-Bust in Asset Prices, Economic Instability and Monetary Policy",CERP Discussion Paper, 3398, C.E.P.R.
12
13) Borio, C., B. English, and A. Filardo. (2003)."A Tale of Two Perspectives: Old or New Challenges for Monetary Policy?" BIS working papers, number 127, February.
13
14) Borio, Claudio, and Philip Lowe (2002). “Asset Prices, Financial and Monetary Stability: Exploring the Nexus,” BIS Working Paper 114 (Basel: Bank for International Settlements, July).
14
15) Brainard, William C. & James Tobin, (1968). "Pitfalls in Financial Model-Building," Cowles Foundation Discussion Papers 244, Cowles Foundation for Research in Economics, Yale University.
15
16) Carlstrom, C. T ; Fuerst, T. S. (2007). Asset prices, nominal rigidities, and monetary policy. Review of Economic Dynamics, 256-275.
16
17) Cecchetti, S. G.; Genberg, H.; Lipsky, J ; Wadhwani, S. (2000). ; ,Asset Prices and Central Bank Policy. The Geneva Report on the World Economy No. 2 .
17
18) Durré, A. (2001); , Would it be optimal for central banks to include asset prices in their loss function? ,Université Catholique de Louvain IRES Discussion Paper,13.
18
19) Filardo, A. (2001); , Should monetary policy respond to asset price bubbles? Someexperimental results. Federal Reserve Bank of Kansas City Research Working Paper,4.
19
20) Gilchrist, S. ; Leahy, J. V. (2002) ;, Monetary policy and asset prices. Journal of Monetary Economics,75-97.
20
21) Goodhart, C.; Hofmann, B. (2001) ;, Asset prices and the conduct of monetary policy. London School of Economics, mimeo.
21
22) Kontonikas, A ; Ioannidis, C. (2005) ; ,Should monetary policy respond to asset price misalignments? , Economic Modelling, 1105-1121.
22
23) Neck, Reinhard and Sohbet, Karbuz (2000); "Designing Stabilization Policies in an Uncertain Environment", IMACS Symposium on Nonlinear Mathematical Modeling, Vienna University of Technology February.
23
24) Neck Reinhard and Josef, Matulka (1994); Stochastic Control of Nonlinear Economic Models, New Direction in Computational Economics, 201-226.
24
25) Mishkin, F. S . (2008) ; ,how should we respond to asset price bubbles? , Federal reserve Kansas City .
25
26) Mishkin, F. S. (2001). A; ,Inflation Targeting. National Bureau of Economic Research.
26
27) Reis, R. (2008) ; ,Optimal Monetary Policy Rules In an Estimated Sticky-Information Model. American Economic Association in its journal.
27
28) Rudebusch, G. D ; Svensson, L. E.(1998). Policy Rules for Inflation Targeting. nber working paper series.
28
29) Shiratsuka, S.(1999). Asset price fluctuation and price indices. Monetary and Economic Studies, (3) 17, 28-103.
29
30) Svensson, L. E. (2008). Transparency under Flexible Inflation Targeting: Experiences and Challenges. Sveriges Riksbank.
30
31) Svensson, L. E; Woodford, M. (2003). Implementing Optimal Policy through Inflation-Forecast Targeting. Princeton University, CEPR and NBER .
31
32) Svensson, Lars (1997), “Inflation forecast targeting: implementing and monitoring inflation targets”, European Economic Review 41, 1111-1146.
32
33) Weyerstrass, Klaus (2002); Modeling and Control of the Slovenian Economy, Halle Institute for Economic Research.
33
34) Woodford, M. (2003). Interest and Prices: Foundations of a Theory of Monetary Policy. Princeton University Press.
34
ORIGINAL_ARTICLE
تأثیر کیفیت قوانین بر نرخ تورم: مشاهداتی از کشورهای منتخب منطقه MENA
دستیابی به سطح قابل قبولی از رشد قیمتها به گونهای که هم به رشد اقتصادی کمک کند و هم ثبات اقتصادی را به همراه داشته باشد، یکی از هدفهای مهم تمام سیاستگذاران اقتصادی میباشد. از مجموع نظرات موجود کارشناسان در باب تورم میتوان گفت علیرغم اینکه تورم یک پدیده اقتصادی است، اما صرفاً از مبادی اقتصادی نشأت نگرفته و در این راستا عوامل نهادی و زیرساختهای اجتماعی بالاخص در کشورهای درحالتوسعه از عوامل مهم تأثیرگذار بر رشد قیمتها محسوب میشوند. به عقیده بسیاری از تحلیلگران نیز در بین عوامل نهادی، کیفیت قوانین و مقررات یکی از مهمترین مؤلفههای تأثیرگذار بر رشد قیمتهاست. از اینرو، این مطالعه با هدف بررسی تأثیر کیفیت قوانین بر نرخ تورم، با استفاده از دادههای آماری 16 کشور منتخب منطقه خاورمیانه و شمال آفریقا (MENA) طی دوره زمانی 2012-1996، روابط موجود بین متغیرها را در یک مدل رگرسیونی انتقال ملایم تابلویی (PSTR) و با استفاده از روش حداقل مربعات غیرخطی (NLS) برآورد نموده است. نتایج حاصل از برآورد مدل حاکی از رد شدن فرضیه خطی بودن و نیز وجود یک مدل دو رژیمی با اندازه آستانهای 94/0- برای شاخص کیفیت قوانین در این گروه از کشورها میباشد.نتایج برآورد ضرایب متغیرهای لحاظ شده در مدل نیز بیانگر منفی بودن ضرایب شاخص کیفیت قوانین، شاخص باز بودن اقتصاد و تولید ناخالص داخلی در هر دو رژیم و افزایش مقدار این ضریب منفی در رژیم دوم میباشد. علاوه بر این، ضرایب متغیرهای مخارج مصرفی دولت و نقدینگی در هر دو رژیم مثبت و معنیدار بوده که البته در رژیم دوم مقدار عددی این ضرایب کاهش یافته است.
https://ecoj.sbu.ac.ir/article_53492_17bbae4df5960bb81490444ba421fefd.pdf
2014-02-20
39
67
کیفیت قوانین
نرخ تورم
مدل رگرسیونی انتقال ملایم تابلویی (PSTR)
روش حداقل مربعات غیرخطی (NLS)
کشورهای MENA
حسن
حیدری
h.heidari@urmia.ac.ir
1
دانشیار اقتصاد دانشگاه ارومیه
AUTHOR
رقیه
علینژاد
r.alinejhad68@gmail.com
2
کارشناس ارشد اقتصاد دانشگاه ارومیه
LEAD_AUTHOR
رعنا
اصغری
asghari.rana@gmail.com
3
کارشناس ارشد اقتصاد دانشگاه ارومیه
AUTHOR
1) اصغری، رعنا و سیدجمالالدین محسنی زنوزی؛ (1392)، "بررسی تأثیر مالیاتها و مخارج مصرفی دولت بر رشد اقتصادی در کشورهای اسلامی منتخب منطقه MENA"، فصلنامه تحقیقات توسعه اقتصادی، دوره سوم، شماره 11، ص 22-1.
1
2) برادرانشرکاء، حمید و سعید ملکالساداتی؛ (1386)، "حکمرانی خوب کلید توسعه آسیای جنوب غربی"، فصلنامه راهبرد، ص 27-1.
2
3) حیدری، حسن و لسیان سعیدپور؛ (1392)، "رابطه بین آلودگی هوا و رشد اقتصادی در کشورهای خاورمیانه: کاربردی از مدلهای رگرسیونی انتقال ملایم پانل"، فصلنامه مطالعات اقتصاد انرژی، سال دهم، شماره 38، ص 78-50.
3
4) حیدری، حسن؛ علینژاد، رقیه و جواد جهانگیرزاده؛ (1393)، "بررسی رابطه بین دموکراسی و رشد اقتصادی: مطالعه موردی برای 8 کشور بزرگ اسلامی"، فصلنامه پژوهشهای رشد و توسعه اقتصادی، سال چهارم، شماره پانزدهم، ص60-41.
4
5) رنانی، محسن؛ (1383)، "نقش دولت در اصلاحات نهادی از طریق قانونگذاری"، مجلس و راهبرد، سال دهم، شماره 39، ص 30-13.
5
6) سامتی، مرتضی؛ رنجبر، همایون و فضیلت محسنی؛ (1390)، "تحلیل تأثیر شاخصهای حکمرانی خوب بر شاخص توسعه انسانی: مطالعه موردی کشورهای جنوب شرقی آسیا (ASEAN)"، فصلنامه پژوهشهای رشد و توسعه اقتصادی، سال اول، شماره چهارم، ص 223-183.
6
7) شاهابادی، ابوالفضل و عبداله پورجوان؛ (1389)، "حکمرانی، رقابتپذیری و رشد اقتصادی کشورهای منتخب"، راهبرد یاس، شماره 22، ص 168-129.
7
8) شاهابادی، ابوالفضل و عبداله پورجوان؛ (1391)، "رابطه حکمرانی با شاخصهای توسعه اقتصادی-اجتماعی کشورهای برگزیده"، مجله علوم اجتماعی دانشکده ادبیات و علوم انسانی دانشگاه فردوسی مشهد، سال نهم، شماره 2، ص 75-53.
8
9) عیسیزاده، سعید و اکبر احمدزاده؛ (1388)، "بررسی اثر عوامل نهادی بر رشد اقتصادی با تأکید بر نهادهای حاکمیتی (مطالعه موردی بین کشوری برای دوره 1996-2005)"، فصلنامه پژوهشهای اقتصادی ایران، سال سیزدهم، شماره 40، ص 28-1.
9
10) کمیجانی، اکبر و پروانه سلاطین؛ (1387)، "تأثیر حکمرانی خوب بر رشد اقتصادی در گروه کشورهای منتخبOECD وOPEC"، فصلنامهمدلسازیاقتصادی، سال دوم، شماره2، ص 24-1.
10
11) کمیجانی، اکبر و پروانه سلاطین؛ (1389)، "بررسی تاثیر کیفیت حکمرانی بر رشد اقتصادی در ایران و کشورهای منتخب همسایه (ترکیه و پاکستان)"، فصلنامه مدیریت (پژوهشگر)، سال هفتم، شماره 20، ص 41-27.
11
12) مبارک، اصغر و زیبا آذرپیوند؛ (1388)، "نگاهی به شاخصهای حکمرانی خوب از منظر اسلام و تأثیر آن بر رشد اقتصادی"، فصلنامه علمی پژوهشی اقتصاد اسلامی، سال نهم، شماره 36، ص 208-179.
12
13) ندیری، محمد و تیمور محمدی؛ (1390)، "بررسی تأثیر ساختارهای نهادی بر رشد اقتصادی با روش GMM دادههای تابلویی پویا"، فصلنامه مدلسازی اقتصادی، سال پنجم، شماره 3(15)، ص 24-1.
13
14) Ahmad, H., Arif, A. and S.M. Mohyuddin (2012), "Do Economic, Institutional, or Political Variables Explain Economic Growth", International Journal of Business and Management, Vol. 7, No. 24, 29-34.
14
15) Al-Marhubi, F.A. (2000), "Corruption and inflation", Economics Letters, 66(2), 199-202.
15
16) Asian Development Bank (2000), Asia Development Report, Manila: ADB.
16
17) Barro, R. (1991), "Economic Growth in a Cross Section of Countries", Quarterly Journal of Economics, 106(2), 407-433.
17
18) Cave, M. and J. Stern (1998), "Regulatory Institutions and Regulatory Policy for Economies in Transition", in (ed.) C. Robinson, Regulating Utilities: Understanding the Issues, London: Institute of Economic Affairs.
18
19) Chiou, S.J., Shan Wu, P. and B. Yi Huang (2011), "How Derivative Trading Among Banks Impacts SME Lending", Interdisciplinary Journal of Research in Business, 1(4), 1-11.
19
20) Colletaz, G. and C. Hurlin (2006), "Threshold Effects of the Public Capital Productivity: An International Panel Smooth Transition Approach", Working Paper, 1/2006, LEO, University of Orleans.
20
21) Damir, P. and E.M. Praksa (2011), "Corruption and Inflation in Transition EU Members", Journal of Public Administration, 8(1), 475-505.
21
22) Dar, A. and S. AmirKhalkhali (2011), "On The Impact Of Regulation On Economic Growth In OECD Countries", The 2011 Barcelona European Academic Conference, 421-426.
22
23) Fok, D., van Dijk, D. and P. Franses (2004), "A Multi-Level Panel STAR Model for US Manufacturing Sectors", Working Paper, University of Rotterdam.
23
24) Gonzalez, A., Terasvirta, T. and D. Van Dijk (2005), "Panel smooth transition regression models", SEE/EFI Working Paper Series in Economics and Finance, No. 604.
24
25) Hansen, B.E. (1999), "Threshold Effects in Non-Dynamic panels: Estimation, Testingand Inference", Journal of Econometrics, 93, 345-368.
25
26) Hasan, L. (2010), "Rule of Law, Legal Development and Economic Growth: Perspectives for Pakistan", MPRA Paper, No. 25565, 1-25.
26
27) Im, K.S., Pesaran, M.H. and Y. Shin )2003(, "Testing for Unit Roots in Heterogeneous Panels", Journal of Econometrics, No. 115, 53-74.
27
28) Jacobs, S. (2004), "Governance of Asia Utilities; New Regulators Struggle in Difficult Environments", The Governance Brief, issue 10, ADB Governance and Regional Cooperation Division: Bangkok.
28
29) Jalilian, H., Kirkpatrick, C. and D. Parker (2007), "The Impact of Regulation on Economic Growth in Developing Countries: A Cross-Country Analysis", journal of World Development, Vol. 35, 87-103.
29
30) Jude, E. (2010), "Financial development and growth: A Panel Smooth Regression Approach", Journal of Economic Development, 35, 15-33.
30
31) Knight-John, M. (2002), "The Institutional Policy Framework for Regulation and Competition in Sri Lanka", Working Paper No.40, Centre on Regulation and Competition, Institute for Development Policy and Management, University of Manchester.
31
32) Lanyi, A. (2000), "The Institutional Basis of Economic Reforms", in eds. S. Kähkönen and A.
32
33) Levin, A., Lin, C.F. and C.S.J. Chu (2002), "Unit Root Tests in Panel Data: Asymptotic and Finite-sample Properties", Journal of Econometrics, No. 108, 1-24.
33
34) Parker, D. (1999), "Regulation of privatised public utilities in the UK: performance and governance", International Journal of Public Sector Management, 12 (3), 213-235.
34
35) Sawyer, W.C. (2010), "Institutional Quality and Economic Growth in Latin America", Global Economy Journal, Vol. 10, Issue 4, 1-11.
35
36) Schwella, E. (2002), "Regulation and Competition in South Africa", Working Paper no. 18, Manchester: Centre on Regulation and Competition, University of Manchester.
36
37) Singh, A., Jain-Chandra, S. and A. Mohommad (2012), "Inclusive Growth, Institutions, and the Underground Economy", IMF Working Paper, Asia and Pacific Department. 1-13.
37
38) Ugaz C. (2003), "Consumer participation and pro-poor regulation in Latin America", in C.Ugaz and C. Waddams Price (eds) Utility Privatization and Regulation: A Fair Deal for Consumers, Cheltenham: Edward Elgar.
38
39) Vindelyn, A. and H. Hillman (2007), "Competition policy, inflation and corruption: evidence from African economies", Applied Economics Letters, Taylor and Francis Journals, 14(9), 653-656.
39
40) World Bank (2001), Private Sector Development Strategy – Directions for the World Bank Group, Mimeo, World Bank, Washington, DC.
40
41) World Bank (2002), World Development Report, 2002: Building Institutions for Markets, Washington DC: World Bank.
41
42) Zaei, K. and Y. Gudarzi Farahani (2013), "The Impact of Regulation according to International law on economic growth in ECO countries", Journal of Law, Policy and Globalization, Vol. 9, 1-12.
42
43) Zhuang, J., Dios, E. and A. Lagman-Martin (2010), "Governance and institutional Quality and the Links with Economic Growth and Income Inequality: With Special Reference to Developing Asia", ADB Economics Working Paper Series, No. 193, 1-54.
43
ORIGINAL_ARTICLE
نقش ساختار سنی جمعیت در تقاضای سرمایهگذاری خانوارها برای مستغلات
تغییر ساختار سنی جمعیت به وجود آمده در اثر افزایش شدید زاد و ولد ابتدای دههی 1360، پیامدها و پرسشهای متعددی را به دنبال داشته است. یکی از این پرسشها چگونگی تأثیرپذیری تقاضای سرمایهگذاری خانوارها در مستغلات از تغییر ساختار سنی در جامعه ایران است. مقالهی حاضر در پی یافتن پاسخی مناسب برای این سوال، تابعی را برای سرمایهگذاری در مستغلات بر اساس مبانی نظری اقتصادی تصریح میکند که یکی از متغیرهای توضیحدهندهی آن تغییرات ساختار سنی جمعیت است. این تابع به کمک دادههای سری زمانی سالانه 1345 تا 1385 به روش خودرگرسیون وقفهگستر( ) در چارچوب روششناسی همجمعی برآورد شده است. نتایج حاکی از آن است که با افزایش نسبی جمعیت در گروه میانسال جامعه، تقاضا برای سرمایهگذاری خانوارها در مستغلات افزایش مییابد. این تقاضا در 15 تا 20 سال آینده (سالهای 1407-1412) که متولدین اوایل دههی 1360 به محدوده سنی 40 تا 44 سالگی میرسند به اوج خود خواهد رسید و از آن پس به تدریج کاهش خواهد یافت.
https://ecoj.sbu.ac.ir/article_53491_08b7cf605cf4b33ee036bc76b44d5f12.pdf
2014-02-20
69
87
تقاضای سرمایهگذاری خانوار در مستغلات
ساختار سنی جمعیت
همجمعی
تکنیک همبستگی با وقفههای گسترده
محمد
نوفرستی
m-noferesti@sbu.ac.ir
1
گروه اقتصاد، دانشکده اقتصاد و علوم سیاسی، دانشگاه شهید بهشتی تهران
LEAD_AUTHOR
سمیرا
صادقی گوغری
samira_sadeghi1087@yahoo.com
2
کارشناس ارشد علوم اقتصادی دانشگاه شهید بهشتی
AUTHOR
بانک مرکزی جمهوری اسلامی ایران، فرادادههای حسابهای ملی در ایران، بازیابی از http://cbi.ir.
1
بانک مرکزی جمهوری اسلامی ایران، اطلاعات سریهای زمانی اقتصادی، بازیابی ازhttp://tsd.cbi.ir
2
قلی زاده، علی اکبر;(1378)"تقاضای دارایی مسکن، مبانی نظری و کاربردهای سیاستی"، مجله برنامه بودجه، شماره 42،ص 57-80.
3
مرکز آمار ایران، نتایج تفصیلی سرشماری عمومی نفوس و مسکن کل کشور. سالهای مختلف.
4
نوفرستی، محمد;(1391)،ریشه واحد و همجمعی در اقتصادسنجی، موسسه خدمات فرهنگی رسا، تهران، چاپ چهارم.
5
Eguia,begnoa&Echevarriacriz A(2004)population age structure and investment housing in spain. Journal of Population Economics.
6
Estrada Ángel& José Luis Fernández& Esther Moral & Ana V. Regil, 2004. "A quarterly macroeconometric model of the Spanish Economy," Banco de Espana Working Papers 0413, Banco de España.
7
Fair, R. C. and Dominguez, K.: 1991, Effects of the changing U.S. age distribution on macro-economic equations, American Economic Review 81, 1276-1294.
8
Jorgenson Dale W (1963) ‘CAPITAL THEORY AND INVESTMENT BEHAVIOR’ American Economic Review , 53 , no2(may) :247-252.
9
HADJ DJELLOUL Mohammed (2012)"The determinants of housing tenure choice in France: Insights on the effect of the ethnic origin difference" journal of peer-reviewed research and commentaryin the population sciences published.
10
Gabriel S. Lee**, Philipp Schmidt-Dengler, Bernhard Felderer,and Christian Helmenstein (2003) “Austrian Demography and Housing Demand: is there Connection*” Vienna Yearbook of Population Research, Vol. 1, pp. 35-50
11
Levin, Eric, Alberto Montagnoli and Robert E. Wright (2009) “Demographic Change and the Housing Market: Evidence from a Comparison of Scotland and England,” Urban Studies, 46 (1): 27-43.
12
Lindenthal, Thies, and Piet Eichholtz.(2011) "Prolonged Crisis: Housing in Germany and Berlin." Global HousingMarkets: Crises, Policies, and Institutions. Eds. Ashok Bardhan, Robert H. Edelstein, and Cynthia A. Kroll. Hoboken: John Wiley & Sons.
13
LindenthalThies and PietEichholtz( 2010). “Demographic Change, Human Capital and the Demand for Housing”. Europe Real Estate Yearbook. The Hague: Europe Real Estate Publishers.
14
Lindh, Thomas and Bo Malmberg (2008) “Demography and housing demand - what can we learn from residential construction, Journal of Population Economics, 21 (3): 521-539.
15
Maria Da PiedadeMorais;Bruno De Oliveira Cruz(2007) Housing Demand, Tenure Choice, and Housing Policy in Brazil. Institute of Applied Economic Research-IPEA
16
Nadiri M.I & Robert Eisner (1968) ‘Investment behavior and Neo-classical teory’ the Reweiw of Economics and statistic , volume 50 , Issu 3, 369-382
17
Neukirchen, MAX & Lang, Helen (2005) Characteristics and Macroeconomic Drivers of House Price Changes in Austrailia; Journal of Population Economics.
18
RobidouxBenoît and Bing-Sun Wong(2005),The Canadian Economic and Fiscal Model In FinanceModelling Papers1998-2005. Economic Analysis and Forecasting Division,Department of Finance, Canada.
19
ORIGINAL_ARTICLE
ارائه مدل پیشبینی مصرف سالیانه برق در ایران با استفاده از شبکهعصبی نارکس و بررسی تاثیر هدفمندسازی یارانهها بر آن
در این پژوهش، مدلی برای پیشبینی مصرف برق سالیانۀ ایران بر اساس معیارهای اقتصادی و با استفاده از شبکههای عصبی مصنوعی ارائه و همچنین تاثیر اجرای طرح هدفمندسازی یارانهها در اولین سال اجرای این طرح بر مصرف برق سالیانه ایران بررسی شده است. بدین صورت که شبکۀ عصبی نارکس متغیرهای جمعیت و تولید ناخالص داخلی را به عنوان ورودی دریافت کرده و خروجی آن مصرف برق سالیانه در ایران است. برای آزمودن و آموزش شبکۀ طراحی شده، دادههای سالهای 1362 تا 1389 جمع آوری شده است که دادههای چهار سال آخر برای آزمودن عملکرد شبکه مورد استفاده قرار گرفته است. برای بررسی میزان دقت پیش بینی شبکۀ طراحی شده، دو مدل شبکۀ عصبی پرسپترون و مدل سری زمانی آریما نیز طراحی گردیده است که مقایسۀ نتایج نشان میدهد که شبکۀ عصبی نارکس توانایی بالاتری در پیش بینی مصرف برق ایران دارد. در این مدل با لحاظ شدن عوامل کلیدی تاثیر گذار بر مصرف برق، مصرف برق سالیانه ایران در سالهای قبل از اجرای هدفمندی یارانهها با دقت بالایی پیشبینی میشود و بر این اساس میزان مصرف برق ایران در سال 1390 و بررسی این روند در سالهای 1391 و 1392 بیانگر تاثیر اجرای طرح هدفمندی یارانهها در اولین سال پس از اجرای آن بر مصرف برق سالیانه کشور است. کاهش نسبتا محسوس مصرف برق در این سال نسبت به پیشبینی مدل ارائه شده موید این تاثیر است. نتایج پژوهش حاکی از آن است که با توجه به ساختار شبکه عصبی نارکس و تاثیر تدریجی عامل زمان بر آن از این مدل میتوان برای پیشبینی مصرف برق سالیانه کشور استفاده نمود.
https://ecoj.sbu.ac.ir/article_53490_8d6d55c0e19123d54dd0ddce4ed6c32e.pdf
2014-02-20
89
113
پیشبینی مصرف برق
شبکه عصبی نارکس
شبکه عصبی پرسپترون
مدل آریما
هدفمندسازی یارانهها
محمدرضا
حمیدیزاده
m-hamidizadeh@sbu.ac.ir
1
دانشکده مدیریت و حسابداری دانشگاه شهید بهشتی
AUTHOR
محمدجواد
کارگر
mjkargar@gmail.com
2
کارشناسی ارشد مهندسی فناوری اطلاعات دانشگاه تربیت مدرس
LEAD_AUTHOR
محمد
حمیدیان
hamidian@outlook.com
3
دانشجوی دکتری مدیریت دانشگاه شهید بهشتی
AUTHOR
1. Amjadi, M.H., H. Nezamabadi-pour, and M.M. Farsangi, Estimation of electricity demand of Iran using two heuristic algorithms. Energ Conv Manage, 2010. 51: p. 493-497.
1
2. Kavaklioglu, K., et al., Modeling and prediction of Turkey's electricity consumption using Artificial Neural Networks. Energy Conversion and Management, 2009. 50(11): p. 2719-2727.
2
3. Azadeh, A., S.F. Ghaderi, and S. Sohrabkhani, Forecasting electrical consumption by integration of Neural Network, time series and ANOVA. Applied Mathematics and Computation, 2007. 186(2): p. 1753-1761.
3
4. Azadeh, A., S.F. Ghaderi, and S. Sohrabkhani, Annual electricity consumption forecasting by neural network in high energy consuming industrial sectors. Energy Conversion and Management, 2008. 49(8): p.2272-2278.
4
5. Padmakumari, K., K.P. Mohandas, and S. Thiruvengadam, Long term distribution demand forecasting using neuro fuzzy computations. International Journal of Electrical Power & Energy Systems, 1999. 21(5): p. 315-322.
5
6. Azadeh, A., et al., A hybrid simulation-adaptive network based fuzzy inference system for improvement of electricity consumption estimation. Expert Systems with Applications, 2009. 36: p. 11108-11117.
6
7. Azadeh, A., et al., Integration of artificial neural networks and genetic algorithm to predict electrical energy consumption. Applied Mathematics and Computation, 2007. 186(2): p. 1731-1741.
7
8. Azadeh, A., M. Saberi, and O. Seraj, An integrated fuzzy regression algorithm for energy consumption estimation with non-stationary data: A case study of Iran. Energy, 2010. 35(6): p. 2351-2366.
8
9. Yalcinoz, T. and U. Eminoglu, Short term and medium term power distribution load forecasting by neural networks. Energ Conv Manage, 2005. 46: p. 1393-1405.
9
10. Hsu, C.C.H. and Y.C.H. Chen, Regional load forecasting in Taiwan – applications of artificial neural networks. Energ Conv Manage, 2003. 44: p. 1941-1949.
10
11. Beccali, M., et al., Forecasting daily urban electric load profiles using artificial neural networks. Energ Conv Manage, 2004. 45: p. 2879-2900.
11
12. Azadeh, A., S.F. Ghaderi, and S. Sohrabkhani, A simulated-based neural network algorithm for forecasting electrical energy consumption in Iran. Energy Policy, 2008. 36(7): p. 2637-2644.
12
13. Ekonomou, L., Greek long-term energy consumption prediction using artificial neural networks. Energy, 2010. 35: p. 512-517.
13
14. Meng, M. and D. Niu, Annual electricity consumption analysis and forecasting of China based on few observations methods. Energ Conv Manage, 2011. 52: p. 953-957.
14
15. Kheirkhah, A., et al., Improved estimation of electricity demand function by using of artificial neural network, principal component analysis and data envelopment analysis. Computers & Industrial Engineering, 2013. 64: p. 425-441.
15
16. Kolen, J.F. and S.C. Kremer, A field guide to dynamical recurrent networks. 2001: Wiley-IEEE Press.
16
17. Bengio, Y., P. Simard, and P. Frasconi, Learning long-term dependencies with gradient descent is difficult. IEEE Transaction on neural network, 1994. 5: p. 157-166.
17
18. Lin, T., B.G. Horne, and C.L. Giles, How embedded memory in recurrent neural network architectures helps learning long-term temporal dependencies. Neural networks, 1998. 11: p. 861-868.
18
19. Leontaritis, I.J. and S.A. Billings, Input-output parametric models for nonlinear systems - Part I: determinestic nonlinear systems. International Journal of Control, 1985. 41: p. 303-328.
19
20. Hornik, K., Some new results on neural network approximation. Neural networks, 1993. 6: p. 1069-72.
20
21. Box, G.E. and G.M. Jenkins, Time series analysis: Forcasting and control. 1970, San Francisco: 7 Holiday Day.
21
ORIGINAL_ARTICLE
برآورد میزان تمایل به پرداخت مصرف کنندگان برای محصول ارگانیک مرغ سبز به روش دو مرحلهای هکمن
مسئله غذا و امنیت غذایی یکی از اساسیترین چالشهای جمیعت رو به افزایش دنیا است. نگرانی از آثار مصرف آنتیبیوتیک در پرورش طیور رو به افزایش است و استفاده کمتر از آنتیبیوتیکها میتواند نقش مهمی در ارتقاء سلامت جامعه ایفا کند. این مطالعه با بکارگیری الگوی ارزشگذاری انتها باز دو مرحله ای هکمن به تعیین میزان تمایل به پرداخت ساکنین شهر رشت برای محصول ارگانیک مرغ سبز میپردازد. دادههای موردنیاز با استفاده از پرسشنامه و مصاحبه حضوری با 200 نفر بدست آمد. روش نمونهگیری مورد استفاده تصادفی و حجم نمونه بر مبنای جدول انتخاب بارتلت تعیین شد. نتایج برازش الگوی دو مرحلهای هکمن نشان داد که از میان متغیرهای مورد مطالعه، متغیرهای آگاهی از فواید مرغ سبز و شاخص نگرشی بر پذیرش تمایل به پرداخت بیشتر برای این محصول و میزان تمایل به پرداخت برای آن اثر مثبت و معنیدار آماری داشتند. همچنین، متوسط تمایل به پرداخت افراد برای خرید هر کیلوگرم مرغ سبز 42/21 درصد بیشتر از مرغ معمولی میباشد. از این رو، پیشنهاد میشود برای ارتقاء سطح سلامت و پایه گذاری سیستم کشاورزی ارگانیک (زیستی) در کشور اطلاعرسانی کامل در مورد مزایای مرغ سبز و مضرات آنتیبیوتیک باقی مانده در گوشت مرغ صورت گیرد.
https://ecoj.sbu.ac.ir/article_53489_65ddcd12a3415d91904eacfb456678f4.pdf
2014-02-20
115
130
تمایل به پرداخت
محصولات ارگانیک
مرغ سبز
مدل هکمن
محمد
کاوسی کلاشمی
mkavoosi@guilan.ac.ir
1
استادیار گروه اقتصاد کشاورزی، دانشکده علوم کشاورزی، دانشگاه گیلان
LEAD_AUTHOR
مرتضی
تهامی پور زرندی
m_tahami@sbu.ac.ir
2
گروه اقتصاد، دانشکده اقتصاد و علوم سیاسی، دانشگاه شهید بهشتی
AUTHOR
مرتضی
حیدری شلمانی
hs_heidary@yahoo.com
3
کارشناسی ارشد مدیریت کشاورزی، دانشکده کشاورزی، دانشگاه آزاد اسلامی رشت
AUTHOR
1- بریم نژاد، و. و هوشمندیان، آ. (1392). تعیین میزان تمایل به پرداخت جهت خرید سبزیجات سالم از سوی شهروندان شهر تهران، مجله تحقیقات اقتصاد کشاورزی، جلد 5، شماره 2 ، ص 150-131.
1
2- چهارسوقی امین، ح. موسوی، س. ا. حسینی، س . ج. (1386). بررسی عوامل موثر بر پذیرش کشاورزی پایدار در کشت آبی توسط گندمکاران استان سیستان و بلوچستان. یافتههای نوین کشاورزی. سال دوم، شماره 1. ص 94-82.
2
3- حقجو، م. حیاتی، ب. محمدرضایی، ر. پیشبهار ا. و دشتی، ق. (1390). عوامل مؤثر بر تمایل به پرداخت نرخ افزوده بالقوه مصرفکنندگان برای محصولات غذایی سالم، نشریه دانش کشاورزی و تولید پایدار، جلد 21، شماره 3، 1390، ص 117-105.
3
4- حیدری شلمانی، م. (1393). ارزیابی تمایل به پرداخت خانوارهای شهری گیلانی برای برنج ارگانیک، پایاننامه کارشناسی ارشد مدیریت کشاورزی ، دانشگاه آزاد اسلامی واحد رشت دانشکده کشاورزی.
4
5- رجبی، آ. شعبانعلی فمی، ح. و پورآتشی، م. (1390). بررسی دانش و تمایل افراد نسبت به خرید و مصرف محصولات ارگانیک، اولین کنگره ملی علوم و فناوریهای نوین کشاورزی، دانشگاه زنجان، 19 الی 21 شهریور 1390.
5
6- قدیمی، س. ع. شعبانعلی فمی، ح. و اسدی، ع. بررسی عوامل مؤثر بر نگرش کشاورزان نسبت به کشاورزی ارگانیک، مجله پژوهش هاى ترویج و آموزش کشاورزى، سال پنجم، شماره 4، ص 80-69.
6
7- کاوسی کلاشمی، م. شهبازی، ح. و ملکیان، آ. (1388). برآورد ارزش تفریحی تفرجگاهها با استفاده از روش دو مرحله ای هکمن مطالعه موردی: بوستان محتشم رشت. مجله تحقیقات اقتصاد کشاورزی. سال 1. شماره 1، ص 160- 137.
7
8- کوچکی، ع. منصوری، ه. قربانی، م. و رجب زاده، م. (1392). بررسی عوامل مؤثر بر تمایل به مصرف محصولات ارگانیک در شهرستان مشهد، نشریه اقتصاد و توسعه کشاورزی، جلد27، شماره3، ص 194-188.
8
9- لشگرآرا، ف. و اسدی، ع. (1387). تحلیل عوامل مؤثر بر پذیرش کشاورزی پایدار در گندمکاران استان لرستان. علوم کشاورزی ایران، جلد 39-2، شماره اول، ص 104-97.
9
10- مافی. ح. و صالح. ا. (1391). برآورد میزان تمایل به پرداخت برای محصولات ارگانیک سبزیجات و خیار در استان گیلان و تهران، مجله تحقیقات اقتصاد و توسعه کشاورزی ایران، دوره2-43، شماره1، 1391، ص 18-11.
10
11- Barber, Nelson A., Bishop, M., Gruen, T. (2014), who pays more (or less) for pro-environmental consumer goods? Using the auction method to assess actual willingness-to-pay, Journal of Environmental Psychology 40 (2014) 218-227.
11
12- Bartlett, J. E., Kotrlik, J. W. and Higgins, C. C. (2001), Organizational Research: Determining Appropriate Sample Size in Survey Research. Information Technology, Learning and Performance Journal, 19(1): 43-50.
12
13- Chizari, M., Ommani A. R., and Noorivandi, A.N. (2006), Management of Dry Land Sustainable Agriculture. Proceeding of International Symposium on Dry lands Ecology and Human Security, Dec. 4-7, Sharjeh, United Arab Emirates.
13
14- Connolly, C., and Klaiber, H. A. (2012), Are consumers willingness to pay for organic when the food is already local? Agricultural and Applied Economics Association, 2012 Annual Meeting, Seattle, Washington.
14
15- Greene, W. H. (1993), Econometric Analysis. New York: Macmillan.
15
16- Heckman, J. (1976), “The common structure of statistical models of truncation, sample selection and limited dependent variables and simple estimator for such models”. Annals of Economic and Social Measurement. 5(4): 475-492.
16
17- Judge, G., Hill, C., Griffiths, W., Lee, T., & Lutkepol, H. (1985), Intruduction to the theory and practice of econometrics. New York: Wiley.
17
18- Kavoosi Kalashami, M. Heydari Shalmani, M. and Kazerani, H. (2012), Investigating Consumers' Willingness to Pay for Organic Green Chicken in Iran, International Journal of Agricultural Management & Development, 2(4): 235-241.
18
19- McDonald, J. F. and Moffitt, R. A. (1982), The uses of Tobit analysis. Review of Economics and Statistics. 62(2): 318-321.
19
20- Owusu, V. and Anifori, M. O. (2013), Consumer Willingness to Pay a Premium for Organic Fruit and Vegetable in Ghana, International Food and Agribusiness Management Review, Volume 16, Issue 1, 2013.
20
21- Rodríguez E., Lacaze V. and Lupín B. (2008), Contingent Valuation of Consumers’ Willingness-to-Pay for Organic Food in Argentina, 12th Congress of the European Association of Agricultural Economists – EAAE 2008.
21
22- Valerian, J. Domonko, E. Mwita, S and Shirima, A. (2011), Assessment of the Willingness to Pay for Organic Products amongst Households in Morogoro Municipal, Sustainable Agriculture Tanzania, 2011, 1-23.
22
23- Veldstra, M. D., Alexander, C. E., Marshall, M. I. (2014), to certify or not to certify? Separating the organic production and certification decisions, www.elsevier.com/locate/foodpol.
23
ORIGINAL_ARTICLE
تحلیل نظری تأثیر نوآوریهای مالی بر نوسان اهرم مالی و بروز بحران مالی
نوسانات اهرم مالی، از نظر بسیاری از محققین، یکی از مهمترین عوامل نوسان و آسیبپذیری نظام مالی در برابر تکانههای برونزا و بروز بحران مالی است. از این رو توسعه الگوهای نظری مربوط به تبیین ریشهها و عوامل نوسان اهرم مالی و نقش آن در بروز بحرانهای مالی از اهمیت به سزایی برخوردار است. در این مطالعه با ارائه تعریفی جدید از اهرم مالی کلان، نقش نوآوریهای مالی (توسعه کیفی نظام مالی) در نوسانات اهرم مالی و بروز بحرانهای مالی در چارچوب یک الگوی نظری تبیین میشود. الگوی مورد استفاده بر اساس الگوی رشد اقتصادی فرانک رمزی (1928) و با افزودن بخشهای پولی و مالی (بانکها) ایجاد شده است که با استفاده از تکنیک کنترل بهینه به صورت صریح حل و بحث خواهد شد. علاوه بر این، روابط به دست آمده برای اقتصاد ایران کالیبره شده و رفتار اهرم مالی کلان در اقتصاد ایران الگوسازی میشود. بر اساس یافتههای پژوهش، بروز نوآوریهای مالی باعث میشود، عرضه اعتبار به سرعت گسترش یافته و با توجه تأثیر تغییرات بخش مالی بر حجم سرمایه سرانه فیزیکی، اهرم مالی متناسب با تفاوت نوسان حجم ثروت پولی در مقایسه با حجم ثروت واقعی تغییر میکند. در مقابل، با بازنگری قواعد نظارتی، فرآیند بالا برعکس شده و اهرم مالی در جهت مخالف تغییر خواهد کرد. بر این اساس، بروز مکرر نوآوریهای مالی باعث تکرار فرآیند بالا شده و ادورا اهرم مالی را پدید خواهد آورد. علاوه بر این، اگر پیش از اصلاح قواعد نظارتی، چندین نوآوری مالی رخ دهد، تغییرات ناشی از مجموع اثرات آنها به اندازهای است که منجر به بروز بحران مالی خواهد شد.
https://ecoj.sbu.ac.ir/article_53488_3a80ac1186af2819baed3c88c0df6ebe.pdf
2014-02-20
131
150
بحران مالی
اهرم مالی
نوآوری مالی
اعتبار بانکی و سرمایه فیزیکی
محمد
واعظ برزانی
vaez@ase.ui.ac.ir
1
گروه اقتصاد، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان
LEAD_AUTHOR
بهنام
ابراهیمی
bizbehnam@yahoo.com
2
دانشجوی دکتری علوم اقتصادی، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان.
AUTHOR
رحیم
دلالی
dallali@ase.ui.ac.ir
3
گروه اقتصاد، دانشکده عاوم اداری و اقتصاد، دانشگاه اصفهان
AUTHOR
مجید
فخار
fakhar@sci.ui.ac.ir
4
دانشیار دانشکده علوم، گروه ریاضی، دانشگاه اصفهان
AUTHOR
Adrian, T. & Shin, H. S. (2010). Liquidity and leverage. Journal of Financial Intermediation, 19(3), 418–437.
1
Allen, F. & Gale, D. (2007). Systemic risk and regulation. In Carey, M. & Stulz, R. M. The Risks of Financial Institutions (pp. 341–74). Chicago: The University of Chicago Press.
2
Bianchi, J. (2010). Credit Externalities: Macroeconomic Effects and Policy Implications. The American Economic Review, 100(2), 398-402.
3
Bianchi, J. & Mendoza, E. (2011). Overborrowing, financial crises and macroprudential policy. IMF Working Paper, WP/11/24, Retrieved from: http://www.imf.org/external/pubs/ft/wp/2011/wp1124.pdf
4
Calomiris, C. W. (2009). Financial Innovation, Regulation, and Reform. Cato Journal, 29(1), 65-91.
5
Cordoba, J. & Ripoll, M. (2004). Credit Cycles Redux. International Economic Review, 45(4), 1011-1046.
6
Geanakoplos, J. (2010). The Leverage Cycle. NBER Macroeconomics Annual, Volume 24. 1–65.
7
Gorton, G. & Ordonez, G. (2012). Information Cycles. Cowles Foundation Discussion Paper, 1715,Retrieved from: http://cowles.econ.yale.edu/P/cd/d17a/d1715.pdf
8
Kiyotaki, N. & Moore, J. (1997). Credit Cycles. Journal of Political Economy, 105(2), 211–248.
9
Kollmann, R. & Zeugner, S. (2012). Leverage as a predictor for real activity and volatility. Journal of Economic Dynamics & Control, 36(8), 1267–1283.
10
Kumar, R. (2008). Determinants of Firm’s Financial Leverage: A Critical Review. Journal of Contemporary Research in Management, 3(1), 57-86.
11
Levine, R. (1997). Financial development and economic growth: Views and agenda. Journal of Economic Literature, 35(2), 688-726.
12
Modigliani, F. & Miller, M. H. (1958). The Cost of Capital, Corporation Finance and the Theory of Investment. American Economic Review, 48 (3), 261–97.
13
Nuno, G. & Thomas, C. (2012). Bank leverage cycles. European Central Bank Working Paper, Retrieved from: http://www.ecb.europa.eu/ pub/pdf/scpwps/ecbwp1524.pdf
14
Ramsey, F P. (1928). A Mathematical Theory of Saving. The Economic Journal, 38(152): 543-559
15
Reinhart, C. & Rogoff, K. (2009). This Time is Different: Eight Centuries of Financial Folly. Princeton University Press: Princeton.
16
Schularick, M. & Taylor, A. M. (2012). Credit Booms Gone Bust: Monetary Policy, Leverage Cycles, and Financial Crises, 1870–2008. American Economic Review, 102(2): 1029–1061
17
Valencia, F. (2011). Monetary Policy, Bank Leverage, and Financial Stability. IMF Working Paper WP/11/244, Retrieved from: https://www.imf.org/external/pubs/ft/wp/2011/wp11244.pdf
18