ORIGINAL_ARTICLE
بررسی پایداری غیرخطی تورم در کشورهای صادرکنندهی نفت با استفاده از مدل DREOP
این مقاله با تمرکز بر پایداری تورم، پویاییهای تورم را در 12 کشور صادرکنندهی نفت طی دورهی زمانی 2002-2014 با استفاده از مدلهای پانل غیرخطی بررسی میکند. نتایج نشان میدهند، سطح پایداری تورم در مدلهای خطی از مدلهای غیرخطی بیشتر است، بهطوریکه براساس رویکردهای OLS، اثرات ثابت و مدل آرلانو- باند، سطح پایداری تورم بهترتیب 727/0، 655/0 و 59/0 میباشد. بر پایهی نتایج، برآورد پایداری تورم مثبت بوده و از نظر آماری معنادار است که تأثیر سطح جاری تورم بر سطح آتی تورم را بیان میکند. همچنین براساس نتایج حاصل از مقاله، پایداری تورم در مدلهای خطی نسبت به مدلهای ترتیبی بالاتر است. از سویی، با در نظر گرفتن ناهمگنی و شرایط اولیه یعنی سطح اولیهی مشاهده شده تورم هر کشور، برازش مدل بهتر میشود. نتایج تجربی نشان میدهد احتمال بروز جهشهای بزرگ تورم پایین است و احتمال حرکت تورم به سمت سطوح بالاتر بیشتر از حرکت تورم به سمت سطوح پایینتر است. بر پایه نتایج حاصل شده، هر چه شکاف میان نرخ تورم موجود و نرخ تورم هدف بزرگتر باشد، میل تورم به تصحیح خود و حرکت به سمت سطح مطلوب تورم بیشتر است. بهطور کلی نتایج نشان میدهند که پایداری تورم غیرخطی است و براساس اینکه نرخ تورم در چه دامنهای قرار میگیرد، متغیر است. این بدان معناست که سیاستهای تثبیت تورم در کوتاهمدت، دارای اثرات بلندمدت است. طبقهبندیJEL:E31،C23
https://jte.ut.ac.ir/article_63657_ce4fe539fd417cca23ebe4215812d6bb.pdf
2017-12-22
761
787
10.22059/jte.2017.63657
تورم غیرخطی
کشورهای صادرکنندهی نفت
مدل پروبیت رتبهای اثرات تصادفی پویا
پایداری تورم
ناهمگنی و شرایط اولیه
حسین
امیری
hossienamiri@gmail.com
1
استادیار و عضو هیات علمی، دانشکدهی اقتصاد دانشگاه خوارزمی
LEAD_AUTHOR
سید جعفر
جمالی
sjmj.eco@gmail.com
2
دانش آموخته کارشناسی ارشد، دانشکدهی اقتصاد، دانشگاه علامه طباطبایی
AUTHOR
احمد
ملابهرامی
molabahrami.ahmad@gmail.com
3
دانش آموخته دکتری اقتصاد، دانشگاه ارومیه
AUTHOR
جعفری صمیمی، احمد، و بالونژاد نوری، روزبه (1392). کاربرد روشهای نیمهپارامتریک و موجکها در بررسی وجود پایداری نرخ تورم ایران، فصلنامهی مدلسازی اقتصادی، 7 (23): 15-30.
1
طهرانچیان، امیرمنصور، جعفری صمیمی، احمد، و بالونژاد نوری، روزبه (1392). آزمون پایداری تورم در ایران (1390-1351): کاربردی از الگوهای ARFIMA، پژوهشهای رشد و توسعهی اقتصادی، 3 (11): 19-28.
2
گلستانی، شهرام، و شهروان، بهنام (1392). بررسی پایداری تورم در ایران در چارچوب الگوی بازگشتکننده به میانگین، پژوهشنامهی اقتصاد کلان، 8(15): 109-132.
3
Aguiar, A., & Martins, M. M. F. (2005). Testing the significance and the non-linearity of the Phillips trade-off in the euro area, Empir. Econ. 30: 665–691.
4
Altissimo, F., Ehrmann, M., & Smets, F. (2006). Inflation Persistence and Price-setting Behavior in the Euro Area: A Summary of the IPN Evidence. Occasional Papers Series, No. 46 European Central Bank.
5
Arulampalam,W. (1999). Practitioner's corner: a note on estimated coefficients in random effects probit models. Oxf. Bull. Econ. Stat. 61: 597–602.
6
Arulampalam, W., & Stewart, M. B. (2009). Simplified implementation of the Heckman estimator of the dynamic probit model and a comparison with alternative estimators. Oxf. Bull. Econ. Stat. 71: 659–681.
7
Baghi, M., Cahn, C., & Fraisse, H. (2007). Is the inflation-output nexus asymmetric in the euro area? Econ. Lett. 94: 1–6.
8
Baillie, R., Chung, C., & Tieslau, M. (1996). Analyzing Inflation by the fractionally IntegratedARFIMA-GARCH Model, Journal of Applied Econometrics, 11: 23-40.
9
Balcilar, M. (2004). Persistence in inflation: Does aggregation cause long memory? Emerging markets finance and trade, 40(2): 25-56.
10
Barnes, M., & Olivei, G. (2003). Inside and outside bounds: threshold estimates of the Phillips curve, Federal Reserve Bank of Boston, New England Economic Review: 3–18.
11
Benati, L. (2008). Investigating inflation persistence across monetary regimes, Quarterly Journal of Economics, 123: 1005–1060.
12
Bordo, M., Filardo, A. (2005). Deflation in historical perspective, BIS Working Papers, No 186.
13
Chauvet, M., & Kim, I. (2010). Micro foundations of inflation persistence in the New Keynesian Phillips Curve, MPRA paper 2310, University library of Munich, Germany.
14
Christiano, L., Eichenbaum, M., Evans, C. (2005). Nominal rigidities and the dynamic effects of a shock to monetary policy, J. Polit. Econ. 113 (1): 1–45.
15
Conrad, C., & Eife, T. (2012). Explaining inflation-gap persistence by a time-varying Taylor rule, Journal of Macroeconomics, 34: 419–428.
16
Dixon, H., Kara, E. (2006). Understanding Inflation Persistence: A Comparison of Different Models. ECB, Working Paper Series, NO 672, September.
17
Fuhrer, J. (2011). Inflation persistence. In: Friedman, B. M., Woodford, M. (Eds. ). Handbook of Monetary Economics, volume 3A. Elsevier.
18
Fuhrer, J., & Moore, G. (1995). Inflation persistence. Quart. J. Econ. 110 (1): 127–159.
19
Gadea, M., & Mayoral, L. (2005). The persistence of inflation in OECD Countries: A fractionally integrated approach. International Journal of Central Banking, 2(1): 51-104.
20
Gali, J., & Gertler, M. (1999). Inflation dynamics: a structural econometric analysis. J. Monet. Econ. 44 :194-122.
21
Gerlach, S., & Tillmann, P. (2012). Inflation targeting and inflation persistence in Asia–Pacific. Journal of Asian Economics, 23: 360-373.
22
Geronikolaou, G., Spyromitros, E., & Tsintzos, P. (2016). Inflation persistence: The path of labor market structural reforms. Economic Modelling, 58: 317–322.
23
Heckman, J. J. (1981a). Heterogeneity and state dependence. In: Rosen, S. (Ed. ). Studies in Labor Markets. Chicago Press, Chicago, IL.
24
Hall, R. (1999). Comment on rethinking the role of the NAIRU in monetary policy: Implications of model formulation and uncertainty. Working paper.
25
Hassler, U., & Scheithauer, J. (2011). Detecting changes from short to long memory, statistical paper. Springer, 52(4): 847-870.
26
Heckman, J. J. (1981b). The incidental parameters problem and the problem of initial conditions in estimating a discrete time - discrete data stochastic process. In: Manski, C. F., McFadden, D. (Eds. ), Structural Analysis of Discrete Data with Econometric Application. MIT Press, Cambridge.
27
Kim, C. J., & Nelson, C. R., & Piger, J. (2004). The less-volatile U. S. economy: A Bayesian investigation of timing, breadth, and potential explanations. Journal of Business and Economic Statistics, 22(1): 80-93.
28
Laxton, D., Rose, D., & Tambakis, D. N. (1999). The US Phillips curve: the case for asymmetry. Journal of Economic Dynamics & Control. 23: 1459–1485.
29
Musso, A., Stracca, L., & van Dijk, D. (2009). Instability and nonlinearity in the euro area Phillips curve. Int. J. Cent. Bank. 5 (5): 181–212.
30
Neyman, J., & Scott, E. L. (1948). Consistent estimates based on partially consistent observations. Econometrica, 16: 1–32.
31
Orme, C. D. (1996). The initial conditions problem and two-step estimation in discrete panel data models, Discussion Paper Series No 9633, The University of Manchester.
32
Peach, R., Rich, R., & Cororaton, A. (2011). How does slack influence inflation? Federal Reserve Bank of New York, Current Economic Issues in Economics and Finance. vol. 17 (No. 3)
33
Pivetta, F., & Reis, R. (2004). The persistence of inflation in the United States. Mimeo, Harvard University.
34
Rhee, H., & Turdaliev, N. (2012). optimal monetary policy in a small open economy with inflation and output persistence. Economic Modelling, 29: 2533–2542.
35
Sbordone, A. (2007). Inflation Persistence: Alternative Interpretations and Policy Implications. Federal Reserve Bank of New York Staff Reports, no. 286, May.
36
Stata Corp. (2013). Stata Statistical Software: Release 13. 0. Stata Corporation, College Station, TX.
37
Tillmann, P. (2012). Has Inflation persistence changed under EMU? German Economic Review, 13(1): 86-102.
38
Woodford, M. (2007). Interpreting inflation persistence: comments on the conference on quantitative evidence on price determination. J. Money, Credit, Bank. 39 (1): 203–210 (Supplement to).
39
Wooldridge, J. M. (2005). Simple solutions to the initial conditions problem in dynamic, nonlinear panel data models with unobserved heterogeneity. J. Appl. Econ. 20: 39–54.
40
Zhang, C. (2011). Inflation persistence, inflation expectations, and monetary policy in China. Economic Modelling, 28: 622–629.
41
ORIGINAL_ARTICLE
مطالعهی تأثیر کنز برسطح تولید و رفاه در اقتصاد ایران طراحی یک مدل تعادل عمومی پویای تصادفی
کنز در اسلام به صراحت نفی شده است. همچنین در علم اقتصاد، جان مینارد کینز از اولین اقتصاددانهایی است که به بحث در اینباره پرداخته است. با این وجود، کینز، نیوکینزینها و نیوکلاسیکها روی جنبه پولی کنز تمرکز داشتهاند. این محققان، دیگر جنبههای کنز از جمله کنز سرمایه را مورد توجه قرار ندادهاند. در این مقاله تلاش شده است که یک مدل نظری برای نشان دادن اثرات کنز پولی و کنز سرمایه طراحی شود. در اینجا منظور از کنز پول، مفهوم مد نظر کینز از کنز پول است که از انگیزهی سفتهبازی پول نشأت میگیرد. کنز سرمایهی فیزیکی نیز به معنای معطل و منتظر نگاه داشتن زمین، ساختمان و ابزار است. در این پژوهش از روش تعادل عمومی پویای تصادفی در فرایندی شامل دو مرحله استفاده میشود. پس از طراحی و حل الگو، با استفاده از دادههای اقتصاد ایران، شبیهسازی انجام شده است. نتایج حاصل از حل الگو و شبیه سازی آن، اثر منفی کنز بر متغیرهای واقعی نظیر ذخیرهی سرمایه، مصرف و تولید را تأیید مینماید. برهمین اساس برای افزایش سطح تولید ملی و رفاه اجتماعی، لازم است مقامات پولی و مالی، سیاستهای مناسبی برای کاهش دادن کنز طراحی نمایند. وضع مالیات بر انباشت کنز داراییهای سرمایهای و کاهش نرخ سود بانکی از جمله پیشنهادات سیاستی میباشد. طبقهبندی JEL: E47، E37 ، E69
https://jte.ut.ac.ir/article_63658_662898a310476fd2ecaab64e030aa07b.pdf
2017-12-22
789
820
10.22059/jte.2017.63658
الگوی تعادل عمومی پویای تصادفی
اقتصاد اسلامی
کنز پولی
کنز سرمایه
خنثایی پول
رسول
بخشی دستجردی
r.bakhshi@ase.ui.ac.ir
1
دانشیار دانشگاه اصفهان دانشکدهی علوم اداری و اقتصاد، گروه اقتصاد
LEAD_AUTHOR
رویا
رحیمی
baran_bahar2470@yahoo.com
2
دانشجوی کارشناسی ارشد دانشگاه اصفهان گروه اقتصاد،
AUTHOR
بانک مرکزی جمهوری اسلامی ایران (1391). حسابهای ملی، سری زمانی حسابهای ملی و حساب ذخیرهی سرمایه.
1
بخشی دستجردی، رسول و دلالی اصفهانی، رحیم (1390). آسیبشناسی نظریهی بهره و نظام بانکداری متعارف، انتشارات دانشگاه یزد.
2
توتونچیان، ایرج (1379). پول و بانکداری اسلامی، تهران، انتشارات توانگران.
3
جعفری صمیمی، احمد و عرفانی، علیرضا (1383). آزمون خنثیبودن و ابرخنثی بودن پول در اقتصاد ایران، مجلهی تحقیقات اقتصادی، 67، 138- 117.
4
حسینی، سید رضا (1388). تحلیل کنز از دیدگاه فقه و اقتصاد، معرفت اقتصاد اسلامی. 1، 112 -83.
5
عباسینژاد، حسین، شاهمرادی، اصغر و کاوند، حسین (1386). برآورد یک الگوی ادوار تجاری واقعی برای اقتصاد ایران با استفاده از رهیافت فیلتر کالمن و حداکثر راستنمایی، مجلهی تحقیقات اقتصادی، 89، 214-185.
6
فخرحسینی، سید فخرالدین (1390). الگوی تعادل عمومی پویای تصادفی برای ادوار تجاری پولی اقتصاد ایران، فصلنامهی تحقیقات الگوسازی اقتصادی، 3، 28-1.
7
فتحیسارانی، سعید (1393). تحلیل اقتصاد ایران با استفاده از نظریهی ادوار اقتصادی واقعی، پایاننامه، دانشگاه یزد، دانشکدهی اقتصاد، مدیریت و حسابداری.
8
گلریز، حسن (1368). فرهنگ توصیفی لغات و اصطلاحات اقتصادی، تهران، نشر بانک مرکزی جمهوری اسلامی ایران، مرکز آموزش بانکداری.
9
متوسلی، محمود، ابراهیمی، ایلناز، شاهمرادی، اصغر و کمیجانی، اکبر (1389). طراحی یک الگوی تعادل پویای نئوکینزی برای کشور ایران بهعنوان یک کشور صادرکنندهی نفت، فصلنامهی پژوهشهای اقتصادی، 4، 116-87.
10
میرمعزی، حسین (1382). مفهوم کنز از دیدگاه علم اقتصاد و اندیشمندان اسلامی، نامهمای مفید، 35
11
وزارت کار و رفاه اجتماعی (1391). سرانهی جربان کار و خدمات شاغلان از سال 1358 تا 1390.
12
وزارت نیرو، دفتر برنامهریزی کلان برق و انرژی (1392). ترازنامه انرژی سال 1391.
13
Bertsekas, Dimitri P. (1999). Nonlinear programming (second ed.). cambridge, MA. Athena Scientific.
14
Burriel, P., Jesus, F. V., & Juan F., R. R. (2010). MEDEA: a DSGE model for the Spanish economy: Research.
15
Business Dictionary.Com. (2015). Calibration. http://www. Business dictionary.com/definition/calibration.html#ixzz3ZcX5qI2v..
16
Economic glossary. (2014). http://www.econedlink.org/economic-reSourceS/gloSSary.php?term-Search=hoard.
17
Johnson, H. G. (1967). Essays in monetary economics. USA and Canada: Routledge 711.
18
Koopmans, T. C. (1965). On the concept of optimal economic growth. The economic approach to development planning. Chicago. Rand McNally. 225–287.
19
Krugman, P. (1998a). “Japan’s trap.” blog post. Available at: http://web.mit.edu/krugman/www/japtrap.html (accessed Dec 31, 2015).
20
———. (1998b). It’s baaack! Japan’s slump and the return of the liquidity trap. Brookings Paper on Economic Activity. ( 2) 137–87.
21
McCandless, G. T. (2008). ABCs of RBC, An Introduction to Dynamic Macroeconomic Model. Harvard University Press.
22
Murota, R., & Ono, Y. (2008). Growth, stagnation and status preference. ISER Discussion Paper 0715, Institute of Social and Economic Research, Osaka University.
23
———. (1994). Money, interest, and stagnation: Dynamic theory and keynes's economics. Oxford University Press.
24
Ono, Y. (2015). Growth, secular stagnation and wealth preference. ISER Discussion Paper 0946, Institute of Social and Economic Research, Osaka University.
25
Ono, Y., Ogawa, K., & Yoshida, A. (1998). Liquidity preference and persistent unemployment with dynamic optimizing agents. ISER Discussion Paper 0461, Institute of Social and Economic Research, Osaka University.
26
Patinkin, D., & Levhari, D. (1968). The role of money in a simple growth model. American Economic Review.
27
Robinson, T. (2013). Estimating and identifying empirical BVARDSGE models for small open economies. Research Discussion Paper, RDP 2013-06.
28
Seitani, H. (2013). Matlab toolkit for simulating dynamic stochastic general equilibrium models.
29
Sidrauski, M. (1967). Rational choice and patterns of growth in a monetary economy. American Economic Review.
30
Traficante, G. (2012). Uncertain potential output: implications for monetary policy in small open economy. Working Paper. (22). http://www.cepremap.enS.fr.
31
Tobin, J. (1965). Money and economic growth. Econometrica, 33(4).
32
Zheng, L., Daniel, F. W., & Tao, Z. (2011). Sources of macroeconomic fluctuations: A regime-Switching DSGE approach. Quantitative Economics, 251–301.
33
Walsh, C. E. (2010). Monetary Theory and Policy. The MIT Press Cambridge Massachusetts.
34
ORIGINAL_ARTICLE
اثرات نامتقارن تراز تجاری نسبت به نرخ پس انداز و نرخ ارز مؤثر واقعی : رویکرد مارکوف سوئیچینگ
هدف مطالعهی حاضر بررسی تأثیر غیرخطی نرخ پسانداز بر تراز تجاری ایران با استفاده از رویکرد مارکوف سوئیچینگ طی سالهای 1393-1360 میباشد. نتایج نشان میدهند که نرخ پسانداز در رژیم اول اثر منفی و در رژیم دوم اثر مثبتی بر تراز تجاری داشته است. همچنین ضرایب نرخ ارز مؤثر واقعی در رژیمهای اول و دوم تأثیر منفی بر تراز تجاری شدهاند. به عبارتی دیگر موجب بدتر شدن تراز تجاری شده و نتایج حاکی از عدم تأیید منحنی جی در ایران طی دورهی زمانی مورد مطالعه میباشد. سایر نتایج مطالعه نشان دهندهی اثرگذاری نامتقارن درجهی باز بودن تجاری و تولید ناخالص داخلی سرانه در رژیمهای اول و دوم بر تراز تجاری بوده است. طبقهبندی JEL: F13,C22, F32 ,O16 , F31
https://jte.ut.ac.ir/article_63659_ae38983c0ca2cd2a2791e4766bad7c57.pdf
2017-12-22
821
840
10.22059/jte.2017.63659
تراز تجاری
نرخ پسانداز
نرخ ارز مؤثر واقعی
منحنی جی
مارکوف سوئیچینگ
محمد مهدی
برقی اسگویی
mahdi_oskooee@yahoo.com
1
دانشیار دانشگاه تبریز
AUTHOR
علیرضا
کازرونی
ar.kazerooni@gmail.com
2
استاد تمام وقت-دانشگاه تبریز
AUTHOR
بهزاد
سلمانی
behsalmani@gmail.com
3
استاد دانشگاه تبریز
AUTHOR
صابر
خداوردیزاده
saber_khodaverdizadeh@yahoo.com
4
دانشگاه تبریز
LEAD_AUTHOR
پدرام، مهدی، شیرین بخش، شمشالدین و رحمانی، مریم (1390). پویاییهای منحنی جی در تجارت خارجی ایران، فصلنامهی پژوهشها و سیاستهای اقتصادی، 19، 60، 18-5.
1
دژپسند، فرهاد و گودرزی، حسین (1388). بررسی تأثیر کاهش ارزش پول بر تراز پرداختهای خارجی ایران، پژوهشنامهی اقتصادی، 9، 3، 41-15.
2
راسخی، سعید، منتظری، مجتبی و پاشازانوس، پگاه (1393). واکنش غیرخطی نامتقارن تراز تجاری به تغییرات نرخ واقعی ارز: مطالعهی موردی ایران، فصلنامهی سیاستهای مالی و اقتصادی، 2، 8، 62-41.
3
فلاحی، فیروز و هاشمی، عبدالرحیم (1389). رابطهی علیت بین تولید ناخالص داخلی و مصرف انرژی در ایران با استفاده از الگوهای مارکوف سوئیچینگ، فصلنامهی مطالعات اقتصاد انرژی، 7، 26، 152-131.
4
محمودزاده، محمود و اصغرپور، حسین (1389). عوامل مؤثر بر کسری حساب جاری در ایران، فصلنامهی مدلسازی اقتصادی، 2، 6، 78-53.
5
منکیو، گریگوری (1391). کلیات علم اقتصاد، ترجمه: حمیدرضا ارباب، تهران: نشرنی، چاپ اول
6
شیرینبخش، شمسالله، رجبی، مصطفی و امیریماهانی، نازنین (1388). بررسی رابطه همگرایی نامتقارن نرخ واقعی ارز و تراز تجاری در ایران، فصلنامهی مدلسازی اقتصادی، 3، 2، 94-79.
7
Alexander, S. S. (1952). Effects of a Devaluation on a Trade Balance. International Monetary Fund Staff Papers, 2(2), 78-263.
8
Anil K. Lal, & Thomas C. Lowinger . (2002). Nominal Effective Exchange Rate and Trade Balance Adjustment in South Asia Countries. Journal of Asian Economics, 13(3), 371-383.
9
Arora, S., Bahmani-Oskooee, M. & Goswami, G. (2003). Bilateral J-curve between India and her trading partners. Appl. Econ, 35(9), 1037–1041.
10
Aftab, Z., & Khan, S. (2008). Bilateral J-Curve between Pakistan and Her Trading Partners. PIDE Working Paper, 4(3), 277-286.
11
Bahmani-Oskooee, M., & Rehman, H. (2005). Stability of the money demand function in Asian developing countries. Applied Economics, 37(7), 773-792.
12
Bruno, M. (1979). Stabilization and Stagflation in a Semi-Industrialized Economy, In R. Dornbusch & J. Frankel (Eds.), International Economic Policy, Baltimore, MD: Johns Hopkins University Press.
13
Chiu,Y., & D. SUN, CH. (2016). The role of savings rate in exchange rate and trade imbalance nexus:Cross-countries evidence. Economic Modeling, 52,1017-1025
14
Chiu, Y. B., Lee, C. C., & Sun, C. H. (2010). The U. S. trade imbalance and real exchange rate: an application of the heterogeneous panel cointegration method. Econ. Model, 27(3), 705–716.
15
Dornbusch, R. (1988). Open Economy Macroeconomics, 2nd ed., New York.
16
Diaz-Alejandro, C. F. (1963). Note on the Impact of Devaluation and Redistributive Effect. Journal of Political Economy, 71(6), 577–580.
17
Engel, C., & Rogers, J. H. (2006). The U. S. current account deficit and the expected share of world output. J. Monet. Econ, 53(5), 1063–1093.
18
Feldstein, M. (2008). Resolving the global imbalance: the dollar and the U. S. saving rate. J. Econ. Perspect, 22(3), 113–125.
19
Gervais, O., Schembri, L., & Suchanek, L. (2016). Current account dynamics, real exchange rate adjustment, and the exchange rate regime in emerging-market economies. Journal of Development Economics, 119, 86-99.
20
Goldberg, L., & Wiske Dillon, E. (2007). Why Dollar Depreciation May Not Close the U. S. Trade Deficit. Current Issues in Economics and Finance, 13(5), 1-7.
21
Guittian, M. (1976). The Effects of Changes in the Exchange Rate on Output, Prices and the Balance of Payments. Journal of International Economics, 6(1), 65–74.
22
Gylfason, TH., & Schmidt, M. (1983). Does Devaluation Cause Stagflation?, Canadian Journal of Economics, 16(4), 641–654.
23
Habermeier, K., & Mesquita, M. (1999). Long-Run Exchange Rate Dynamics: A Panel Data Study, IMF Working Paper.
24
Hamilton. J. D . (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57 (2), 357–384.
25
Hirschman, A. O. (1949). Devaluation and the Trade Balance: A Note", Review of Economics and Statistics, 31, 50–53.
26
Krolzig. H. M. (1997). Markov-Switching Vector Autoregressions. Modelling, Statistical Inference and Applications to BusinessCycle Analysis, Springer, Berlin.
27
Krugman P. R., & Baldwin R. E. (1987). The Persistence of U. S. Trade Deficit, Brookings Papers on Economic Activity, 18(1),1-43.
28
Krugman, Paul. (1991). Has the Adjustment Process Worked?” Policy Analyses in International Economics.
29
Kandil, M., Berument, H., & Nergiz Dincer, N. (2007). The Effects of Exchange Rate Fluctuations on Economic Activity in Turkey. Journal of Asian Economics,18(3), 466-489.
30
Lee, J. -W. Mckibbin, W. J., & Park, Y. C. (2006). Transpacific trade imbalances: causes and cures. World Econ, 29(3), 281–303
31
McKinnon, R. I. (2007). The transfer problem in reducing the U. S. current account deficit. J. Policy Model ,29(5), 669–675.
32
Magee, S. P. (1973). Currency Contracts Pass-Through and Devaluations", Brookings Papers on Economic Activity, 2(1), 303-325.
33
Moura, G., & Silva, S. (2005). Is there a Brazilian J-Curve? Universidade Federal de Santa Catarina. Lat. Am. J. Econ, 52(1), 52-79.
34
Olivei, G. (2000). The Role of Savings and Investment in Balancing the Current Account: Some Empirical Evidence from the United States. New England Economic Review.
35
Pilbeam. K. S. (1991). Exchange Rate Management: Theory and Evidence (London: Palgrave Macmillanl.
36
Quandt. R. E. (1972). A new approach to estimating switching regressions. Journal of the American Statistical Association, 67, 306–310.
37
Robinson, J. (1947). Essays in the Theory of Employment. Oxford, and Basil Blackwell.
38
Sun,Y. (2011). Structural change, savings and current account balance. International Review of Economics and Finance, 20(1), 82-94.
39
Van Wijnbergen, S. (1989). Exchange Rate Management and Stabilization Policies in Developing Countries. Journal of Development Economics, 23(2) , 227–247.
40
Wang, C. H., Lin, C. H. A., &Yang, C. H. (2012). Short-run and long-run effects of exchange rate change on trade balance: evidence from China and its trading partners. Jpn. World Econ, 24(4), 266–273.
41
ORIGINAL_ARTICLE
بررسی تحرک فقر در خانوارهای شهری به روش ناپارامتریک: رویکرد دادههای شبه تابلویی
هدف این مقاله بررسی تحرک فقر و برآورد احتمال ورود به فقر و خروج از آن برای خانوارهای ایرانی است. برای این منظور، با استفاده از دادههای مقطعی بودجه خانوار در سالهای ابتدایی و انتهایی برنامههای توسعهی بعد از انقلاب و همچنین ساخت گروههای سنی سرپرست خانوار اقدام به ایجاد دادههای شبه تابلویی شده است. همچنین تأثیر ویژگیهای اجتماعی و اقتصادی خانوار (شامل بعد خانوار، جنسیت و وضعیت سواد سرپرست خانوار) بر روی میزان مخارج مصرفی خانوار مورد بررسی قرار گرفته است. نتایج به دست آمده نشان میدهد که تحرک فقر در خانوارهایی با سرپرست جوان بیشتر از خانوارهای با سرپرست سالمند است. افزون بر این جنسیت و باسواد بودن سرپرست خانوار اثر مثبت و بعد خانوار اثر منفی بر روی تحرک فقر در میان خانوارها دارد. طبقهبندی: O15, I32
https://jte.ut.ac.ir/article_63661_c651d6eebc69373385562b53599cc303.pdf
2017-12-22
859
878
10.22059/jte.2017.63661
تحرک فقر
دادههای مقطعی
دادههای شبه تابلویی
خانوار شهری
حسین
راغفر
aghhg@yahoo.co.uk
1
دانشیار دانشکدهی علوم اجتماعی و اقتصادی دانشگاه الزهرا
AUTHOR
میرحسین
موسوی
hmousavi@alzahra.ac.ir
2
دانشیار دانشکدهی علوم اجتماعی و اقتصادی دانشگاه الزهرا
AUTHOR
مرضیه
قاسمی دهقی
marzieh_ghasemi@ymail.com
3
کارشناس ارشد اقتصاد، دانشکدهی علوم اقتصادی دانشگاه الزهرا
LEAD_AUTHOR
قاسمی دهقی، مرضیه، راغفر، حسین و موسوی، میرحسین (1393). بررسی تحرک فقر با استفاده از دادههای مقطعی، پایان نامه کارشناسی ارشد، دانشگاه الزهرا.
1
زنوز، هادی (1384). فقر و نابرابری درآمدی در ایران. فصلنامهی رفاه اجتماعی، 4 (17)، 203-162.
2
زیبایی، منصور و شوشتریان، آشان (1386). بررسی پویایی فقر در ایران با استفاده از دادههای مرکب خانوارهای روستایی و شهری، فصلنامهی تحقیقهای اقتصاد ایران، 9 (22)، 83-55.
3
مرکز آمار ایران (1363-1352). مطالعات مربوط به طرح هزینه - درآمد خانوارهای شهری و روستایی، انتشارات مرکز آمار ایران.
4
Aliber, M. (2003). Study of the Incidence and Nature of Chronic Poverty and Development Policy in South Africa: an overview, CPRC Working Paper 3, IDPM, University of Manchester (available online: www. chronicpoverty. org)
5
Antolin P., Thai-Thanh Dong, Axley H. (1991). Poverty Dynamics in Four OECD Countries, Economics Department Working Papers No 212, ECO/WKP (99) 4, Paris.
6
Bane MJ, Ellwood DT. (1986). Slipping into and out of Poverty: The Dynamics of Spells, Journal of Human Resources, 21, 1-23.
7
Burgess S, Propper C. (1998). An Economic Model of Household Income Dynamics: With an Application to Poverty Dynamics among American Women, CASE Paper, 9.
8
Chirwa, EW. (2005). Microeconomic Policies and Poverty Reduction in Malawi: Can We infer from Panel Data, Global Development Network (GDN), Research Report.
9
Dang, HA, Lanjouw P., Luoto J., & McKenzie D. (2011). Using Repeated Cross-Sections to Explore Movements in and out of Poverty, Policy Research Working Paper 5550.
10
Glewwe P., & Gillette H. (1998). Are Some Groups More Vulnerable to Macroeconomic Shocks then others? Hypothesis Tests Based on Panel Data from Peru, Journal of Development Economics, 56(1), 181-206.
11
Grimm, M. (2007). Removing the Anonymity Axiom in Assessing Pro-Poor Growth, Journal of Economic Inequality, 5, 179-197.
12
Haughton J., & Khandker SR. (2009). Handbook of Poverty and Inequality, International Bank for Reconstruction and Development World Bank, Washington DC: The World Bank Group.
13
Herrera J. (1999). Ajouste Economico, Desigualdad y Movilidad, Dial Working Paper.
14
Hulmd D., & Shepherd, A. (2003). Conceptualizing Chronic Poverty, World Development, 31(3), 403-423.
15
Mckay A., & Lawson, A. (2003). Assessing the Extent and Nature of Chronic Poverty in Low-Income Countries: Issues and Evidence, World Development, 31(3), 425-439.
16
Salehi-Isfahani, D., & Majbouri, M. (2010). Mobility and the Dynamics of Poverty in Iran: Evidence from the 1992-1995 Panel Survey, the Quarterly Review of Economics and Finance, 53(3), 257-267.
17
Stevens, AH. (1999). Climbing out of Poverty, Falling back in: Measuring the Persistence of Poverty over Multiple Spells, The Journal of Human Resources, 34(3), 557-588.
18
Yaqub, S. (2003). Chronic Poverty: Scrutinizing Patterns, Correlates and Explorations, CPRC Working Paper 21, Manchester: University of Manchester.
19
ORIGINAL_ARTICLE
تعیین عوارض ورود به محدوده مرکزی شهر براساس هزینه های اجتماعی(مطالعه موردی شهر اصفهان)
سیاست قیمتگذاری محدوده بهعنوان یک سیاست مدیریت تقاضا، دارای تجربیات جهانی در زمینه درونی سازی هزینههای بیرونی تراکم ترافیک است. یکی از اصلیترین سئوالات در این سیاست، نحوهی تعیین سطح عوارض میباشد. در این پژوهش با استفاده از مفاهیم هزینههای اجتماعی و نقطه تعادل نمودارهای عرضه و تقاضا تلاش شده یک روش نوین برای تعیین سطح عوارض در این سیاست ارائه شود. در این نقطه تعادل، عوارض دریافتی از خودروهای شخصی که وارد محدوده میشوند با هزینهی نهایی خودروها در شهر برابر است. نمودار تقاضا با استفاده از اطلاعات بهدست آمده از مصاحبه تمایل به پرداخت رانندگان خودروی شخصی با رویکرد رجحان بیانشده ترسیمشده است. نمودار عرضه نیز از محاسبهی هزینههای اجتماعی ترافیک خودروها شامل آلودگی صوتی، آلودگی هوا، شلوغی شبکه، خدمات ترافیکی و تسهیلات با استفاده از نتایج تخصیص ماتریس سفر خودروها به شبکه حملونقل در حالات مختلف حاصل شده است. با محاسبهی نقطه برخورد منحنی تقاضا و منحنی عرضه (هزینهی نهایی)، سطح عوارض برای هر بار ورود به محدودهی مرکزی در شهر اصفهان در ساعت اوج تعیینشده است. در این سطح عوارض، بیش از 75 درصد از استفادهکنندگان از خودروی شخصی از استفاده از خودروی شخصی انصراف میدهند و با وسیلههای دیگر به مرکز شهر سفر میکنند. طبقهبندی JEL: R41
https://jte.ut.ac.ir/article_63662_6253713d39dec01df23ab88287daab40.pdf
2017-12-22
841
858
10.22059/jte.2017.63662
عرضه
تقاضا
حمل و نقل
قیمتگذاری محدوده
عوارض
اصفهان
منصور
جوهری فروشانی
joharim69@yahoo.com
1
دانشگاه صنعتی اصفهان دانشکده حمل و نقل
AUTHOR
حسین
حق شناس
ho_hagh@yahoo.com
2
استادیار دانشکدهی حملونقل، دانشگاه صنعتی اصفهان
LEAD_AUTHOR
بابک
صفاری
babak.saffari@gmail.com
3
استادیار گروه اقتصاد، دانشگاه اصفهان
AUTHOR
سولویان، آرتور (1386). مباحثی در اقتصاد شهری، ترجمه: قادری، جعفر، پژوهشکدهی اقتصاد دانشگاه تربیت مدرس، تهران.
1
خشایی. مرتضی، عابدینی، مهدی و بابایی، شروین (1390). تعیین هزینهی سیستمی سفر با هریک از مودهای حمل و نقل شهر تهران، دوازدهمین کنفرانس بینالمللی حمل و نقل و ترافیک تهران.
2
لطفعلیپور، محمدرضا و غمخوار، قاسم (۱۳۸۸). قیمتگذاری بهینهی گاز طبیعی در شرکت خراسان بزرگ با استفاده از روش رمزی. مجلهی دانش و توسعه. 11(27)، ۲۳-۴۹.
3
هندرسون. جیمز میچل.، کوانت. ریچارد (1387). تئوری اقتصاد خرد (رویکرد ریاضی)، ترجمه: قرهباغیان، مرتضی و پژویان، جمشید، انتشارات خدمات فرهنگی رسا، تهران.
4
Afandizadeh, S., Yadak, M., & Kalantari, N. (2011). Simultaneous determination of optimal toll locations & toll levels in cordon-based congestion pricing problem (case study of Mashhad city). International journal of civil engineering, 9(1), 33.
5
Coria, J., Bonilla, J., Grundström, M., & Pleijel, H. (2015). Air pollution dynamics & the need for temporally differentiated road pricing. Transportation Research Part A: Policy & Practice, 75, 178-195.
6
Daganzo, C. F., & Lehe, L. J. (2015). Distance-dependent congestion pricing for downtown zones. Transportation Research Part B: Methodological, 75, 89-99.
7
De Borger, B., & Proost, S. (2012). A political economy model of road pricing. Journal of Urban Economics, 71(1), 79-92.
8
http://www. cbi.ir/SimpleList/1591. asp
9
Kanafani, A. (1983). Transportation demand analysis. 45-47, Firth Edition, Transportation research board.
10
Li, Z. C., Wang, Y. D., Lam, W. H., Sumalee, A., & Choi, K. (2014). Design of sustainable cordon toll pricing schemes in a monocentric city. Networks & Spatial Economics, 14(2), 133-158.
11
Liu, Z., Meng, Q., & Wang, S. (2013). Speed-based toll design for cordon-based congestion pricing scheme. Transportation Research Part C: Emerging Technologies, 31, 83-98.
12
Louviere, J. J., Hensher, D. A., & Swait, J. D. (2000). Stated choice methods: analysis & applications. Cambridge University Press.
13
Ma, R., Ban, X. J., & Szeto, W. Y. (2015). Emission Modeling & Pricing in Dynamic Traffic Networks. Transportation Research Procedia, 9, 106-129.
14
Ortuzar, J. D., willumsen, Luis G. (2011). Modeling transport, 130-134, 4th edition by Wiley.
15
Pigou, A. C. (1920). The Economics of Welfare, 80-81, 4th. London: Macnillam.
16
Train, K. E. (2009). Discrete choice methods with simulation. Cambridge university press.
17
Yang, H., & Huang, H. J. (2005). Mathematical & economic theory of road pricing. Emerald Group Publishing Limited. 140-143.
18
Zhang, X., & Yang, H. (2004). The optimal cordon-based network congestion pricing problem. Transportation Research Part B: Methodological, 38(6), 517-537.
19
Zhou, B., Bliemer, M., Yang, H., & He, J. (2015). A trial-&-error congestion pricing scheme for networks with elastic demand & link capacity constraints. Transportation Research Part B: Methodological, 72, 77-92.
20
ORIGINAL_ARTICLE
گروهبندی داراییهای پولی در ایران بر اساس تحلیل ناپارامتریک تقاضای پول
در میان اساسیترین مفروضات موجود در اقتصاد خرد، حداکثرسازی مطلوبیت و تفکیکپذیری اقلام در تابع مطلوبیت مصرفکننده، بهلحاظ نظری و نیز کاربرد تجربی، از مهمترین آنها به شمار میرود. هدف از این مقاله بررسی نتایج آزمون ناپارامتریک این مفروضات بر رفتار مصرفکننده، در مورد داراییهای پولی در ایران است. برای این منظور از رویکرد هال واریان با دو آزمون سازگاری با اصل حداکثرسازی مطلوبیت (GARP) و نیز آزمون تفکیکپذیری ضعیف بهره گرفته شده است. با استفاده از دادههای ماهانه در بازهی زمانی 1387:1 تا 1391:12، نتایج نشان میدهد که دادههای داراییهای پولی، بهدلیل وجود 2 مشاهدهی نقضکنندهی اصل، بهطورکلی سازگار با اصل حداکثرسازی مطلوبیت نمیباشد. لذا مطابق با روش استانداردی، دو زیرمجموعهی زمانی 1387:1 تا 1388:12 و نیز 1389:1 تا 1391:12 مورد آزمون قرار گرفته و سازگاری آنها بدون هیچگونه نقضی مورد تأیید قرار گرفته شده است. سپس آزمون تفکیکپذیری ضعیف تابع مطلوبیت در 15 زیرگروه از داراییهای پولی مورد بررسی قرار دادیم. طبق نتایج شرط لازم و کافی تفکیکپذیری ضعیف در برخی از زیرگروهها دربازهی زمانی اول و دوم برقرار است، در نهایت این نتیجه حاصل میشود که بازههای زمانیای وجود دارد که در آن در برخی از زیرگروهها از داراییهای پولی، اگر فرم تابعی خاصی در ادبیات موضوع تقاضای پول رد میشود، به معنای رد تحلیل تقاضای پول مبتنی بر مطلوبیت نیست، بلکه به معنای رد تصریح خاص تابع و یا رد گروه خاص داراییهای پولی میباشد. طبقه بندی JEL: E41, E52
https://jte.ut.ac.ir/article_63663_df0bd2757c111142cef7d804875ce428.pdf
2017-12-22
879
904
10.22059/jte.2017.63663
تجمیع پولی
حداکثرسازی مطلوبیت
رویکرد ناپارامتریک
آزمون سازگاری با GARP
تفکیکپذیری ضعیف
علیرضا
عرفانی
erfani88@gmail.com
1
دانشیار دانشگاه سمنان
LEAD_AUTHOR
پرویز
داودی
p_davoodi@sbu.ac.ir
2
استاد گروه اقتصاد دانشگاه شهید بهشتی
AUTHOR
فرزانه
صادقی
farzaneh.sadeqi@gmail.com
3
دانشجوی دکترای اقتصاد دانشگاه سمنان
AUTHOR
Afriat, S. (1967). "The Construction of a Utility Function from Expenditure Data." International Economic Review, 8(1), 67-77.
1
Barnett, W. (1978). "The User Cost of Money", Economics Letters, 1, 145-149
2
----------- (1980). "Economic Monetary Aggregates: An Application of Index Numbers and Aggregation Theory", Journal of Econometrics, 14, 11-14.
3
----------- (1982). “The Optimal Level of Monetary Aggregation”, Journal of Money Credit and Banking, 14, 687-710.
4
----------- (1997). “Which Road Leads to Stable Money Demand?” Economic Journal, 107, 1171-1185.
5
Binner, J. M., & Rakesh, K., & Elger, T., & Jones, B., & Andrew, M. (2009). "Admissible monetary aggregates for the euro area", Journal of International Money and Finance, 28(1), 99-114.
6
Diewert, W. E. (1973). "Afriat and revealed preference theory", The Review of Economic Studies, 40, 419-426.
7
Diewert, W. E., & Parkan, C. (1985). “Tests for consistency of consumer data and nonparametric index numbers”, Journal of Econometrics, 30, 127–147.
8
Drake, L., Flessig, A., & Swofford, J. (2003). “A Semi-nonparametric Approach to the Demand for UK Monetary Assets”, Economica 70, 99-120.
9
Drake, L., & Fleissig, A. (2004). “Semi-nonparametric estimates of currency substitution: The demand for sterling in Europe”, Review of International Economics, 12, 374–394.
10
Elger T., & Jones, B., & Edgerton, D., & Binner, J. (2004). “The Optimal Level of Monetary Aggregation in the UK”. WP Lund University, Department of Economics.
11
Ewis, N., & Fisher, D. (1984). “The Translog Utility Function and the Demand for Money in the United States”, Journal of Money, Credit, and Banking 16, 52-34.
12
Fisher, D., & Fleissig, A. (1997). “Monetary Aggregation and the Demand for Assets”, Journal of Money, Credit, and Banking, 29, 458-475.
13
Fleissig A., & Serletis, A. (2002). “semi-Non-Parametric Estimates of Substitution for Canadian Monetary Assets”, the Canadian Journal of Economics, 35(1), 78-91.
14
Fleissig, A., & Alastair H., & Seater J. (2000). “GARP, separability and the representative agent”, Macroeconomic Dynamics 4, 324-42.
15
Grace, S. (2008). “The World According to GARP: Nonparametric Tests of Weak Separability and Its Monte Carlo Studies”, Submitted to the graduated degree program in Economics and the Graduate Faculty of the University of Kansas in partial fulfillment of the requirements of the degree of Doctor of Philosophy. Professor William Barnett Chairperson.
16
Hjertstrand P., & Swofford, J., & Whitney, G. (2013). “Revealed Preference Tests of Utility Maximization and Weak Separability of Consumption, Leisure and Money with Incomplete Adjustment”, IFN Working Paper, 971.
17
Jones B., & De Peretti, P. (2005). “A Comparison of Two Methods for Testing the Utility Maximization Hypothesis when Quantity Data are Measured with Error”, Macroeconomics Dynamics, 9 (5).
18
Klein, B. (1974). “Competitive Interest Payments on Bank Deposits and the Long-Run Demand for Money”, the American Economic Review, 64 (6), 931-949.
19
Sarwar, H., & Hussain, Z. & Sarwar, M. (2011). “A Semi-Nonparametric Approach to the Demand for Money in Pakistan”, the Lahore Journal of Economics 16 (2), 87–110.
20
Serletis, A. (2001). “The Demand for Money”, Theoretical and Empirical Approaches, Kluwer
21
-------- (2006). “Money and Economy”, World Scientific Publishing Company.
22
Swofford, J., & Whitney G. (1986). “Flexible Functional Forms and the Utility Approach to the Demand for Money: A Nonparametric Analysis”, Journal of Money, Credit, and Banking, 18, 383-389.
23
-------- (1987). “Nonparametric Tests of Utility Maximization and Weak Separability for Consumption, Leisure and Money”, Review of Economic and Statistics, 69, 458-464.
24
-------- (1994). “A Revealed Preference Test for Weakly Separable Utility Maximization with Incomplete Adjustment”, Journal of Econometrics 60, 235-249.
25
Varian, H. (1982a). “The Nonparametric Approach to Demand Analysis.” Econometrica, 50 (4), 945-974.
26
-------- (1982b). “The Nonparametric Methods in Demand Analysis.” Economics Letters 9, 23-29.
27
-------- (1983). “Nonparametric Tests of Consumer Behavior.” Review of Economic Studies, 50 (1), 99-110
28
ORIGINAL_ARTICLE
بررسی همبستگی بین بازدهی بازار سهام، ارز و سکه در اقتصاد ایران؛ کاربردی از تبدیل هیلبرت - هوانگ
سرمایهگذاران معمولاً در محیطی پرچالش که توسط عدم اطمینان ناشی از بازارهای مالی مشخص شده است فعالیت میکنند و آگـاهی از روابـط بـین دارایـیهای مـالی به منظـور اتخـاذ تصمیمات مناسب توسط سرمایهگذاران امری ضروری میباشد. از اینرو هدف این مطالعه، بررسی همبستگی بین بازدهی در جفت داراییهای مالی (سکه، ارز و سهام) با استفاده از رویکرد جدید تبدیل هیلبرت - هوانگ در بازهی زمانی 5/1/1380- 30/9/1394، میباشد. نتایج این مطالعه نشان میدهد همبستگی در طول زمان ثابت نمیباشد. در دورهی 1/5/1390-31/6/1392 بین دو سری سکه و دلار، سکه عامل پیشرو، بین سکه و سهام، سکه پیشرو و بین دلار و سهام، دلار عامل پیشرو بوده است. و در دورهی 1/7/1392-30/9/1394 بین دو سری سکه و دلار، دلار پیشرو، بین سکه و سهام، سهام پیشرو و بین دلار و سهام، دلار عامل پیشرو بوده است. با توجه به اینکه روش هیلبرت - هوانگ نسبت به سایر روشهای همبستگی قابلیت نشان دادن دورههای رکود و رونق را داراست، پیشنهاد میشود در سایر روشهای همبستگی نیز این مسأله مورد توجه قرار بگیرد. طبقهبندی JEL: G11, G01, C32
https://jte.ut.ac.ir/article_63695_c5ac39e2e87bd358e3dc240f31b9b83d.pdf
2017-12-22
905
934
10.22059/jte.2017.63695
بازدهی سهام
ارز
سکه
همبستگی
تبدیل هیلبرت - هوانگ
فیروز
فلاحی
ffallahi@tabrizu.ac.ir
1
دانشیار گروه اقتصاد دانشگاه تبریز
LEAD_AUTHOR
حسین
پناهی
panahi@tabrizu.ac.ir
2
دانشیار گروه اقتصاد دانشگاه تبریز
AUTHOR
مریم
کریمی کندوله
maryam.karimi1@yahoo.com
3
دانشجوی کارشناسی ارشد دانشگاه تبریز
AUTHOR
امیری، شادی، همایونی فر، مسعود، کریم زاده، مصطفی و فلاحی، محمدعلی (1394). بررسی همبستگی پویا بین داراییهای عمده در ایران با استفاده از روش DCC-GARCH"،فصلنامهی علمی پژوهشی پژوهشهای اقتصادی (رشد و توسعهی پایدار)، دورهی 15، شماره 2، صص 183-201.
1
پازوکی، نیما، حمیدیان، اکرم، محمدی، شاپور و محمودی، وحید (1392). "استفاده از تبدیل موجک جهت بررسی میزان همبستگی نرخ ارزهای مختلف، قیمت نفت، قیمت طلا و شاخص بورس اوراق بهادار تهران در مقیاسهای زمانی مختلف"، دانش سرمایهگذاری، دورهی 2، شماره 7، صص 131- 48.
2
فلاحی، فیروز، حقیقت، جعفر، صنوبر، ناصر و جهانگیری، خلیل (1393). "بررسی همبستگی بین تلاطم بازار سهام، ارز و سکه در ایران با استفاده از مدلDCC-GARCH " فصلنامهی پژوهشنامهی اقتصادی،سال چهاردهم، شماره 55، صص 123-147.
3
Akar, C. (2011). Dynamic Relationships between the Stock Exchange, Gold and Foreign Exchange Returns in Turkey, Middle Eastern Finance and Economics, 12, 109-115.
4
Akgül, I., Bildirici, M., & Özdemir, S. (2015). Evaluating the Nonlinear Linkage between Gold Prices and Stock Market Index Using Markov-Switching Bayesian VAR Models, Procedia-Social and Behavioral Sciences, 210, 408-415.
5
Benhart G., Hocht S., Neugebauer M., Neumann M. and Zagst R. (2009). “Asset correlation in turbulent markets and their implication on asset management”,The 3rd Conference on Risk Management & Global e- Business, Incheon, Korea.
6
Bollerslev, T. (1990). Modelling the coherence in short-run nominal exchange rates: a multivariate generalized ARCH model. The review of economics and statistics, 498-505.
7
Branger, N., Kraft, H., & Meinerding, C. (2009). What is the impact of stock market contagion on an investor’s portfolio choice?, Insurance: Mathematics and Economics, 45(1), 94-112.
8
Broner, F. A., Gelos, R. G., & Reinhart, C. (2004). When in peril, retrench: Testing the portfolio channel of contagion (No. w10941). National Bureau of Economic Research.
9
Christodoulakis, G. A., & Satchell, S. E. (2002). Correlated ARCH (CorrARCH): Modelling the time-varying conditional correlation between financial asset returns. European Journal of Operational Research, 139(2), 351-370.
10
Ciner, C., Gurdgiev, C., & Lucey, B. M. (2013). Hedges and safe havens: An examination of stocks, bonds, gold, oil and exchange rates, International Review of Financial Analysis, 29, 202-211.
11
Engle, R. F., & Sheppard, K. (2001). Theoretical and empirical properties of dynamic conditional correlation multivariate GARCH (No. w8554). National Bureau of Economic Research.
12
Engle, R. F. (2002). Dynamic Conditional Correlation & a Simple Class of Multivariate GARCH Models. Journal of Business Economics & Statis" 20, 339-350.
13
Forbes, K. J. (2002). Are trade linkages important determinants of country vulnerability to crises?,In Preventing currency crises in emerging markets University of Chicago Press, 77-124.
14
Gokmenoglu, K. K., & Fazlollahi, N. (2015). The Interactions among Gold, Oil, and Stock Market: Evidence from S&P500, Procedia Economics and Finance, 25, 478-488.
15
Huang, N. E., Shen, Z., Long, S. R., Wu, M. L., Shih, H. H., Zheng, Q., Yen, N. C., Tung and C. C., Liu, H. H. (1998). "The empirical mode decomposition and Hilbert spectrum for nonlinear and non-stationary time series analysis", Proceedings of Royal Society London A, 454, 903-995.
16
Huang, N. E., & Shen, S. S. P. (2005). "Hilbert- Huang transform and its applications", Interdisciplinary Mathematical Science, Vol. 5, World Scientific Publication Company.
17
Khalifa, A. A., Hammoudeh, S., & Otranto, E. (2014). Patterns of volatility transmissions within regime switching across GCC and global markets, International Review of Economics & Finance, 29, 512-524.
18
Longin, F., & Solnik, B. (2001). Extreme correlation of international equity markets. The journal of finance, 56(2), 649-676.
19
Masson, P. R. (1998). “Contagion: monsoonal effects, spillovers, and jumps between multiple equilibria”, IMF Working Paper #98/142.
20
Öztek, M. F., & Öcal, N. (2017). Financial Crises and the Nature of Correlation between Commodity and Stock Markets. International Review of Economics & Finance.
21
Tse, Y. K. (2000). A test for constant correlations in a multivariate GARCH model. Journal of econometrics, 98(1), 107-127.
22
Tse, Y. K., & Tsui, A. K. C. (2002). A multivariate generalized autoregressive conditional heteroscedasticity model with time-varying correlations. Journal of Business & Economic Statistics, 20(3), 351-362.
23
Valdes, Rodrigo. (1997). “Emerging Markets Contagion: Evidence and Theory. ” Central Bank of Chile Working Paper # 7.
24
Wang, M. L., Wang, C. P., & Huang, T. Y. (2010). Relationships among oil price, gold price, exchange rate and international stock markets. International Research Journal of Finance and Economics, 47, 80-89.
25
Wu, M. C. (2007). Phase correlation of foreign exchange time series. Physica A: Statistical Mechanics and its Applications, 375(2), 633-642.
26
Wu, M. C., Huang, M. C., Yu, H. C., & Chiang, T. C. (2006). Phase distribution and phase correlation of financial time series. Physical Review E, 73(1), 0161.
27
ORIGINAL_ARTICLE
برآورد توزیع زیان اعتباری صنعت بانکداری ایران با استفاده از آزمون استرس
میزان بالای مطالبات معوق و مشکوکالوصول در بانکهای ایران، نشاندهندهی حجم بالای ریسک اعتباری در سیستم بانکی است. در این مقاله با استفاده از اطلاعات فصلی متغیرهای کلان اقتصادی و صنعت بانکداری طی دورهی 1383 تا فصل دوم 1395، زیانهای ناشی از ریسک اعتباری با استفاده از آزمون استرس برآورد و حداقل سرمایه موردنیاز بانکها تحت سناریوهای استرس و پایه مشخص میشوند. گام اول در ارزیابی ریسک اعتباری، تخمین احتمال نکول است. ابتدا، با استفاده از شبیهسازی مونت-کارلو، احتمالات نکول در افق زمانی یک ساله تحت سناریوی پایه و سناریوهای استرس شبیهسازی میشوند. سپس توزیع زیان پرتفوی با استفاده از مقادیر در معرض نکول و زیان ناشی از نکول محاسبه میشود. برای این هدف نیز ابتدا یک پرتفوی فرضی ساخته میشود که مقادیر در معرض نکولبرای هر وام بهصورت تصادفی با توزیع یکنواخت تعیین شدهاند و مقدار زیان ناشی از نکول نیز مقدار ثابت در نظر گرفته شده است. برای تخمین معادلهی احتمال نکول، علاوه بر مدل خطی ویلسون، رگرسیونهای چندک نیز مورد استفاده قرار گرفتهاند. نتایج نشان میدهند توزیعهای زیان برای تمامی سناریوها، چوله به سمت راست هستند. مقدار زیان در رگرسیون چندک 50% بسیار نزدیک به مدل ویلسون است، اما مقدار زیان در رگرسیونهای چندک 10% و 90% با مدل ویلسون متفاوت است. در حقیقت مدل ویلسون، زیان چندک 1/0 را بیشتر از حد و زیان چندک 9/0 را کمتر از حد تخمین زده است. طبقهبندی : E17, G32 ,C21 , E44 , G21
https://jte.ut.ac.ir/article_63696_45d7bf46ae7516250f0f8456fb64e30e.pdf
2017-12-22
935
962
10.22059/jte.2017.63696
ریسک اعتباری
توزیع زیان
مدل ویلسون
رگرسیون چندک
آزمون استرس
سعید
مشیری
saeedmoshiri@hotmail.com
1
دانشکده اقتصاد، دانشگاه علامه طباطبائی
AUTHOR
فاطمه
عبدالشاه
f.abdolshah@gmail.com
2
دانشجوی دکتری اقتصاد دانشگاه علامه طباطبائی، دانشکده اقتصاد
LEAD_AUTHOR
امیری، فاطمه (1386). آزمون استرس ریسک نرخ بهره با استفاده از روش دیرش در یکی از بانکهای خصوصی، دانشگاه صنعتی شریف، کارشناسی ارشد.
1
بامنی مقدم، محمد و خوش گویان فرد، علیرضا، (1383). کاربرد رگرسیون چندک در شناسایی شکل توزیع رفاه مورد انتظار جوانان، فصلنامهی علمی پژوهشی رفاه اجتماعی، سال چهارم، شماره 15، صفحات 43-56.
2
حیدری،هادی، زواریان، زهرا و نوربخش، ایمان (1388). بررسی اثر شاخصهای کلان اقتصادی بر مطالبات معوق بانکها، فصلنامهی پول و اقتصاد، شماره 4.
3
حیدری، هادی، صابریان رنجبر، سوده و نیلی، فرهاد (1391). تأثیر متغیرهای کلان اقتصادی بر ترازنامهی بانکها با رویکرد آزمون تنش (مطالعهی موردی یکی از بانکهای خصوصی)، فصلنامهی پول و اقتصاد، شماره 8.
4
قالیباف اصل، حسن و افشار، منیژه (1392). بررسی کاربرد استفاده از مدل KMV در پیشبینی ریسک ورشکستگی شرکتهای پذیرفته شده در بورس اورق بهادار تهران و مقایسه مدل با نتایج مدل رتبهی Z آلتمن، مجلهی مهندسی مالی و مدیریت اوراق بهادار، شمارهی بیست ویکم، زمستان 1393.
5
همتی، عبدالناصر و محبینژاد، شادی (1388)، ارزیابی تأثیر متغیرهای کلان اقتصادی بر ریسک اعتباری بانکها، پژوهشنامهی اقتصادی، ویژهی نامه بانک، شماره ششم.
6
Allen, D. E., Boffey, R. R., & Powell, R. (2011). A Quantile Monte Carlo approach to measuring extreme credit risk”, Working Paper Series, Edith Cowan University.
7
Allen, D. E., Kramadibrata, AR., Powell, RJ., & Singh, AK. )2010(. "Using quantile regression to estimate capital buffer requirements for Japanese banks", Proceedings of the Globalization, Monetary Integration and Exchange Rate Regimes in East Asia Conference, Perth.
8
Bharath, S., & Shumway, T. (2008). “Forecasting Default with the KMV-Merton Model”, University of Mochigan.
9
Boss, M. (2002). “A Macroeconomic credit risk model for stress testing the Austrian credit portfolio”, Financial Stability Report 4, Oesterreichische Nationalbank.
10
Basel Committee on Banking Supervision (2006). International Convergence of Capital Measurement and Capital Standards: A Revised Framework Comprehensive Version.
11
CGFS (2000). “Stress testing by large financial institutions: current practice and aggregation issues”, Bank for International Settlements
12
CGFS (2005). “Stress testing at major financial institutions: survey result and practice”, Bank for International Settlement
13
Chan-Lau, J. A. (2013). “Market-Based Structural Top-Down Stress Tests of the Banking System”, International Monetary Fund, WP/13/88.
14
Chan-Lau, J. A. (2006). “Fundamentals-Based Estimation of Default Probabilities: A Survey. ” IMF Working Paper No. 06/149.
15
Covas, F., Rump, B., & Egon Z. (2014). “Stress-testing US bank holding companies: A dynamic panel quantile regression approach.” International Journal of Forecasting 30(3), 691-713.
16
Crouhy, M., Galai, D., & Mark, R. (2000). “Risk management”, Mc-Graw Hill.
17
Dimitris, N. (2002). “Stress Testing risk management strategies for extreme events”, Euromoney Books.
18
Drehman, M. (2005). “A market based macro stress test for the corporate credit exposure of UK banks”, London:bank of England, available via the internet:http://www. bis. org/bcbs/events/rtfo5 Drehamann. pdf.
19
Drehmann, M., Patton, A. J., & Sorensen, S. (2009). “Non-Linearities and Stress Testing,” in Proceedings of the Fourth Joint Central Bank Research Conference on Risk Measurement and Systemic Risk, Frankfurt, Germany, European Central Bank, pp. 213–301.
20
Drehmann, M. (2007). “Macroeconomic Stress-testing Banks: a Survey of Methodologies” in Stress-testing the Banking System, edited by Mario Quagliariello, 39-29. London: Cambridge University Press.
21
Foglia, A. (2009). “Stress Testing Credit Risk: A survey of Authorities Approaches”, Internarional Journal of Central Banking, 5(3).
22
Vazquez, F., Tabak, B., M., & Souto, M. (2012). “A Macro Stress Test Model of Credit Risk for the Brazilian Banking Sector, Journal of Financial Stability, 8(2), 69– 83.
23
Jordà, O. (2005). “Estimation and inference of impulse responses by local projections”, American Economic Review, 75 (1), 121-112.
24
Koenker, R. (2004). “Quantile Regression for Longitudinal Data,” Journal of Multivariate Analysis, 91(1), 74–89.
25
Koenker, R., & Xiao, Z. (2002). “Inference on the Quantile Regression Process”, Econometrica 70 (4), 1583-1612.
26
Merton, R. C. (1974). “On the Pricing of Corporate Debt: the Risk Structure of Interest Rates”, Journal of Finance, 29, 449–70.
27
Merton, Robert C. (1974). “On the Pricing of Corporate Debt: the Risk Structure of Interest Rates,” Journal of Finance, 29(2), 449–70.
28
Pesaran, M. H., Schuerman, T., Treutler, B. J., & Weiner, S. M. (2002). “Macroeconomic Dynamics and Credit Risk: a Global Perspective”, Journal of Money Credit and Banking, 31 (5).
29
Quagliariello, M. (2009). “stress-Testing The Banking System: Methodologies and Applications”, Cambridge university Press.
30
Ricardo, S., & Wanger, P. (2011). “Macro Stress testing of credit Risk Focused on the Tails”, Working Paper Series, Banko central Do Brasil.
31
Ruben, G. C., & Manuel, M. (2014). “Estimating the distribution of total default losses on the Spanish financial system”.
32
Simons, D., & Rolwes, F. (2009). “Macroeconomics Default Modeling and Stress Testing”, International Journal of Central Banking.
33
Virolainen, K. (2004). “Macro Stress Testing with a Macroeconomic Credit Risk Model for Finland”, Bank of Finland Discussion Papers, 11.
34
Wei, L., & Yang, Z. (2012). “Stress testing of Commercial banks’ Exposure to Credit Risk: A study based on write-off Nonperforming loans”, Asian social acience, 8(10).
35
Wilson, T. C. (1779a). “Portfolio Credit Risk (I)”, Risk.
36
Wilson, T. C. (1779b). “Portfolio Credit Risk (II)”, Risk.
37
Wong, J., Choi, K., & Fong, T. (2008). “A Framework for Stress Testing Bank’s Credit Risk,” The Journal of Risk Model Validation 2(1), 3–23.
38
ORIGINAL_ARTICLE
اهمیت تصریح معادلات رگرسیونی در برآورد نااطمینانی متغیرهای اقتصاد کلان
در این مطالعه اندازهگیری نااطمینانی متغیرهای اقتصاد کلان مورد توجه قرار گرفته است. با توجه به اینکه نااطمینانی بهطور مستقیم قابل مشاهده و اندازهگیری نیست، پژوهشگران جانشینهای مختلفی برای اندازهگیری آن پیشنهاد دادهاند. یکی از روشهای رایج برای برآورد این نااطمینانیها، استفاده از الگوهای سری زمانی است. در این روش، برآورد مناسب و دقیق از نااطمینانی مستلزم تصریح درست معادلات رگرسیونی است. با در نظر گرفتن این موضوع، نااطمینانی برای چند سری زمانی کلیدی در اقتصاد ایران برآورد و سپس برآوردهای الگوی مبنا با الگوهای دیگر مقایسه شده است. نتایج بهدست آمده بیانگر این هستند که برآوردهای نااطمینانی در این سریها به طرز معنیداری تحت تأثیر تصریح معادلات رگرسیون پیشبینیکننده قرار میگیرند. تفاوت بین برآوردهای انجام شده در طول زمان برای این سریها که در برخی دورهها کاملا قابل مشاهده است، نشان میدهد که بیشتر تغییرات در این سریها قابل پیشبینی هستند و نبایست به نااطمینانی نسبت داده شوند. همچنین ارزیابی دقت پیشبینی نااطمینانی در الگوهای مختلف بیانگر عملکرد بهتر الگوهای نوسان تصادفی و GARCH نامتقارن در دورههای پیشبینی درون نمونهای و خارج از نمونهای است. طبقهبندی JEL: C5 ,C52, E17
https://jte.ut.ac.ir/article_63697_068d89a5c42e1a87ab60f55b4a289e49.pdf
2017-12-22
963
996
10.22059/jte.2017.63697
نااطمینانی
الگوهای سری زمانی
معادلهی پیشبینی
نوسان تصادفی
رضا
هیبتی
s_samadi@yahoo.com
1
دانشجوی دکتری اقتصاد، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان
LEAD_AUTHOR
سعید
صمدی
s.samadi@ase.ui.ac.ir
2
دانشیار اقتصاد، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان
AUTHOR
محمد
واعظ برزانی
m.vaez@ase.ui.ac.ir
3
دانشیار اقتصاد، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان
AUTHOR
هیبتی، رضا، شجری، هوشنگ و صمدی، سعید (۱۳۹۶). اندازهگیری نااطمینانی در اقتصاد کلان. فصلنامهی پژوهشهای پولی- بانکی، شماره ۲۸، ۲۵۰-۲۲۳.
1
Aastveit, K. A., Natvik, G. J., & Sola, S. (2013). Economic uncertainty and the effectiveness of Monetary Policy. Norges Bank Research Working Papers Series17.
2
Andersen, T.G., Bollerslev, T., & Meddahi, N. (2005). Correcting the errors: Volatility forecast evaluation using high-frequency data and realized volatilities”. Econometrica 73, 279–296.
3
Bachmann, R., Elstner, S., & Sims, E. R. (2013). Uncertainty and economic activity: Evidence from business survey data. American Economic Journal: Macroeconomics April(5(2)), 217–249.
4
Bai, J., & Ng, S. (2002). Determining the number of factors in approximate factor models, Econometrica 70 (1), 191–221.
5
Bai, J., & Ng, S. (2008). Forecasting economic time series using targeted predictors, Journal of Econometrics 146 (2): 304–17.
6
Baker, S. R., Bloom, N., & Davis, S. J. (2016). Measuring economic policy uncertainty.The Quarterly Journal of Economics 131(4), 1593–1636.
7
Blanchard, O. & Simon, J. (2001). The long and large decline in U.S. output volatility. Brookings Papers on Economic Activity 1(1), 135–174.
8
Bloom, N. (2009). The Impact of uncertainty shocks. Econometrica 77(3), 623– 685. Bloom, N. (2014). Fluctuations in uncertainty. Journal of Economic Perspectives 28(2), 153–176.
9
Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics 31, 307–327.
10
Bomberger, W. A. (1996). Disagreement as a measure of uncertainty, Journal of Money, Credit and Banking 28, 381-391.
11
Bomberger, W. A. (1999). Disagreement and uncertainty, Journal of Money, Credit and Banking 31, 273-276.
12
Bos, C.S. (2012). Relating stochastic volatility estimation methods. In: Handbook of Volatility Models and their Applications, John Wiley & Sons, Inc., 147–174.
13
Campbell, S., D. (2007). Macroeconomic volatility, predictability, and uncertainty in Great Moderation: Evidence from the Survey of Professional Forecasters, Journal of Business & Economic Statistics, 25(2),191-200.
14
Chua, C. L., Kim, D., & Suardi, S. (2011). Are empirical measures ofmacroeconomic uncertainty alike? Journal of Economic Surveys 25(4), 801–827.
15
Clements, M. P. (2014). Forecast uncertainty ex-ante and ex- post: US inflation and output growth, Journal of Business and Economic Statistics, 32, 206–216.
16
Engle, R., F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of UK inflation, Econometrica 50, 987–1008.
17
Fernández-Villaverde, J., Guerrón-Quintana, P., Kuester, K., & Rubio-Ramírez, J. (2015). Fiscal volatility shocks and economic activity. American Economic Review 105(11), 3352–3384.
18
Ghosal, V., & Ye, Y. (2015).Uncertainty and the employment dynamics of small and large businesses. Small Business Economics, 44(3), 529–558.
19
Ghysels, E., Harvey, A.C., & Renault, E. (1996). Stochastic volatility. In: Maddala, G.S., Rao, C.R. (Eds.), Handbook of Statistics, vol. 14. North-Holland, Amsterdam.
20
Giovannoni, F., & de Dios Tena, J. (2008). Market concentration, macroeconomic uncertainty and monetary policy. European Economic Review 52(6), 1097–1123.
21
Giordani, P. & Söderlind, P. (2003). Inflation Forecast Uncertainty. European Economic Review 47, 1037–1059.
22
Glosten, L.R., Jagannathan, R., & Runkle, D. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks. Journal of Finance 48, 1779–1801.
23
Grier, K.B. & Perry, M.J. (1998). On inflation and inflation uncertainty in the G7 countries, Journal of International Money and Finance, 17, 671-689.
24
Hull, J., & White, A. (1987). The pricing of options on assets with stochastic volatilities, The Journal of Finance 42, 281–300.
25
Harvey, A.C., Ruiz, E., & Shephard, E. (1994). Multivariate stochastic variance models. Review of Economic Studies 61, 247–264.
26
Jacquier, E., Polson, N.G., & Rossi, P.E. (1994). Bayesian analysis of stochastic volatility models. Journal of Business & Economic Statistics 12, 371–417.
27
Jurado, K., Ludvigson, S. C., & Ng, S. (2015). Measuring uncertainty, American Economic Review 105(3), 1177–1216.
28
Kastner, G. (2016). Stochvol: Efficient bayesian inference for stochastic volatility (SV) models. R Package Version 0.5-0.
29
Kim, S., Shephard, N., & Chib, S. (1998). Stochastic volatility: Likelihood inference and comparison with ARCH models, Review of Economic Studies 65, 361–393.
30
Knight, F.H. (1921), Risk, uncertainty and profit, Sentry Press.
31
Mankiw, N., Reis, R., & Wolfers, J. (2003). Disagreement about inflation expectations, NBER Macroeconomic Annual, 18:209–248.
32
Marakova, S. (2014). Risk and uncertainty: Macroeconomic perspective, Economics and Business Working Paper No.129.
33
Nelson, D. B. (1991). Conditional heteroskedasticity in asset pricing: a new approach. Econometrica 59, 347–370.
34
Rich, R., & Tracy, J. (2010). The relationship among expected inflation, disagreement, and uncertainty: Evidence from matched point and density forecasts, The Review of Economics and Statistics, 92(1),200–207.
35
Shephard, N. (1996). Statistical aspects of ARCH and stochastic volatility models, In: Cox, D.R., Hinkley, D.V., Barndorff-Nielsen, O.E. (Eds.), Time Series Models in Econometrics, Finance and Other Fields. Chapman and Hall, London, pp. 1–67.
36
Stock, J. H., & Watson, M. W. (2007). Why Has U.S. Inflation Become Harder to Forecast? Journal of Money, Credit and Banking, 39(1):3–33.
37
Taylor, S.J. (1986). Modeling financial time series. Wiley, Chichester.
38
Zarnowitz, V., & Lambros, L. A. (1987). Consensus and uncertainty in economic prediction, Journal of Political Economy, 95, 591-621.
39
Zarnowitz, V., & Lambros, L. A. (1987). Consensus and uncertainty in economic prediction, Journal of Political Economy, 95, 591-621.
40
ORIGINAL_ARTICLE
اصابت مالیاتی؛ مطالعهی موردی مالیات بر ارزش افزوده در ایران
تخمین تجربی میزان اصابت مالیات بر ارزش افزوده بر مصرفکنندگان، یکی از سئوالات کلیدی مالیهی عمومی بوده و برای سیاستگذار نیز یک پارامتر حیاتی به حساب میآید. باتوجه به معافیتهای ذیل مادهی ۱۲ قانون مالیات بر ارزش افزوده، دو دسته کالای مشمول مالیات و معاف از مالیات وجود دارد. انتظار میرود افزایش نرخ مالیات تنها روی قیمت کالاهای مشمول اثرگذار باشد. این مقاله رشد ماهانهی قیمت کالاهای معاف را با کالاهای مشمول در دورههای افزایش نرخ مالیات مقایسه میکند (روش تفاضل در تفاضل). نتایج تخمین با استفاده از دادههای قیمت مصرفکننده برای ۴۳ کالا طی دورهی فروردین ۱۳۸۴ تا اسفند ۱۳۹۳ حاکی از سهم ۶۳ درصدی مصرفکننده از مالیات بر ارزش افزوده است. البته به دلیل تغییرات کم نرخ مالیات و تورم بالا در این دورهی بازهی اطمینان ۹۵ درصد تخمینها بزرگ است و انتقال کامل و کمتر از کامل مالیات هر دو در این بازه قرار دارد، امّا فرضیهی انتقال صفر در سطح معنیداری ۵ درصد رد میشود. طبقهبندی JEL: H22, H31, H32
https://jte.ut.ac.ir/article_63698_c8e088bd9b3fb57d3c8e08d14e196895.pdf
2017-12-22
997
1023
10.22059/jte.2017.63698
مالیات بر ارزش افزوده
اصابت مالیاتی
روش تفاضل در تفاضل
محمد
وصال
m.vesal@sharif.edu
1
استادیار اقتصاد، دانشگاه صنعتی شریف
LEAD_AUTHOR
نیما
صبوری
sabouri.nb3@gmail.com
2
کارشناسی ارشد اقتصاد، دانشگاه صنعتی شریف
AUTHOR
ارشدی، علی، نجفیزاده، سیدعباس و مهدوی، مهران (۱۳۹۰). تأثیر مالیات برارزش افزوده بر قیمتها در ایران. فصلنامهی پژوهشها و سیاستهای اقتصادی، سال نوزدهم، شمارهی ۵۸، ۷۲۷-۷۵۸.
1
اسدزاده، احمد، تسلیمی بابلی، امین و جلیلی، بتول (۱۳۹۳). بررسی اثرات تورمی و توزیعی مالیات بر ارزش افزوده بر بخشهای مختلف اقتصاد ایران. پژوهشنامهی مالیات، شمارهی بیستوچهارم (مسلسل ۷۲).
2
سازمان امور مالیاتی کشور، قانون مالیات بر ارزش افزوده، (۱۳۸۷).
3
فریدزاد، علی، پروین، سهیلا و بانویی، علیاصغر (۱۳۹۰). اثر قیمتی مالیات بر ارزش افزوده با استفاده از تکنیک داده - ستانده (مورد ایران). فصلنامهی پژوهش،های اقتصادی، سال شانزدهم، شمارهی ۴۷، ۱۰۵-۱۲۷.
4
مرکز آمارهای اقتصادی بانک مرکزی )۱۳۹۴(. معاونت آمارهای اقتصادی، بخش شاخص قیمت مصرفکننده، دادههای سری زمانی شاخص قیمت.
5
Anderson, S. P., de Palma, A., & Kreider, B. (2001). “Tax Incidence in Differentiated Product Oligopoly.” Journal of Public Economics 81, 173–192.
6
Besley, T. J. (1989). “Commodity Taxation and Imperfect Competition: A Note on the Effects of Entry. ” Journal of Public Economics 40, 359–67.
7
Besley, T. J., & Rosen, H. S. (1999). “Sales Taxes and Prices: An Empirical Analysis.” National Tax Journal 52, 157–178.
8
Carbonnier, C., (2007). “Who Pays Sales Taxes? Evidence from French VAT Reforms, 1987–1999.” Journal of Public Economics 91, 1219–1229.
9
Delipalla, S., & Keen, M. (1992). “The Comparison between Ad Valorem and Specific Taxation under Imperfect Competition.” Journal of Public Economics 49, 351–68.
10
Delipalla, S., & O'Donnel, O. (2001). “Estimating Tax Incidence, Market Power and Market Conduct: The European Cigarette Industry.” International Journal of Industrial Organization 19, 885–908.
11
Doyle, J. J., & Samphantharak, K. (2008). “$2. 00 Gas! Studying the Effects of a Gas Tax Moratorium.” Journal of Public Economics 92 (2008) 869–884.
12
Fullerton, D., & Metcalf, G. E. (2002). “Tax Incidence.” In: Auerbach, A., Feldstein, M. (Eds.), Chapter 26 in Handbook of Public Economics, vol. 4. Elsevier, Amsterdam, 1788–1872.
13
Kenkel, D. S., (2005). “Are Alcohol Tax Hikes Fully Passed Through to Prices? Evidence from Alaska. ” American Economic Review 95, 273–277.
14
Kosonen, T. (2013). "More Haircut after VAT Cut? On the Efficiency of Service Sector Consumption Taxes." Government Institute for Economic Research Working Papers 49.
15
Stern, N. (1987). “The Effects of Taxation, Price Control and Government Contracts in Oligopoly and Monopolistic Competition.” Journal of Public Economics 32, 133–158.
16
Taubman, P. (1965). “The Effect of Ad Valorem and Specific Taxes on Prices.” Quarterly Journal of Economics 79, 649–656.
17