J. Econ. Res. دانشگاه تهران تحقیقات اقتصادی 0039-8969 دانشگاه تهران 36 10.22059/jte.2015.55082 مقاله پژوهشی تحلیل تأثیر مالیات تورمی بر تخصیص منابع و رفاه در اقتصاد ایران: ارائۀ یک الگوی رشد درون ‏زای نئوکلاسیکی با لحاظ‌کردن فراغت و اثرات جانبی تولید تحلیل تأثیر مالیات تورمی بر تخصیص منابع و رفاه در اقتصاد ایران: ارائۀ یک الگوی رشد درون ‏زای نئوکلاسیکی با لحاظ‌کردن ایزدخواستی حجت استادیار اقتصاد دانشکدة علوم اقتصادی و سیاسی دانشگاه شهید بهشتی صمدی سعید دانشیار اقتصاد دانشکدة علوم اداری و اقتصاد دانشگاه اصفهان دلالی اصفهانی رحیم استاد اقتصاد دانشکدة علوم اداری و اقتصاد دانشگاه اصفهان 22 06 2015 50 2 253 280 22 04 2014 10 03 2015 Copyright © 2015, دانشگاه تهران. 2015 https://jte.ut.ac.ir/article_55082.html

بسیاری از پژوهشگران به موضوع چگونگی اثرگذاری مالیات تورمی بر تخصیص منابع و رفاه[1] توجه کرده‌اند؛ موضوعی که تاکنون بحث‌برانگیز بوده است. در این مطالعه در یک الگوی رشد درون‏زای نئوکلاسیکی با فراغت و پول در تابع مطلوبیت و اثرات جانبی تولید چگونگی تأثیرگذاری رشد پول اسمی، به منزلة ابزار تأمین مالی، بر تخصیص منابع و رفاه آزمون می‏‌شود. این مطالعه، نسبت به مطالعات دیگر، از دو جنبه متفاوت است: 1. در یک الگوی بهینه‏یابی پویا معادلات مربوط به نسبت مصرف و مانده‏های واقعی پول[2] نگه‌داری‌شده به تولید ناخالص داخلی، فراغت، ذخیرة سرمایه، تولید و سطح رفاه در وضعیت یکنواخت به صورت تابعی از پارامترهای الگو استخراج شده است؛ 2. در هر یک از آن‌ها تحلیل حساسیت نسبت به نرخ مالیات تورمی صورت می‏گیرد. بدون اثرات جانبی تولید نتایج حاصل از تحلیل حساسیت در وضعیت یکنواخت بیانگر آن است که با افزایش نرخ مالیات تورمی نسبت مصرف به تولید ناخالص داخلی ثابت می‏ماند، اما نیروی کار، ذخیرة سرمایه و تولید افزایش می‏یابد. با کاهش نسبت مانده‏های واقعی به تولید و فراغت نیروی کار، سطح رفاه اجتماعی در وضعیت یکنواخت کاهش می‏یابد. با لحاظ‌کردن اثرات جانبی تولید، ذخیرة سرمایه و تولید با شدت بیشتری افزایش می‏یابد و سطح رفاه در وضعیت یکنواخت افزایش می‏یابد. [1]. welfare [2]. real money balances

 اثرات جانبی بهینه‏یابی پویا پول رفاه مالیات تورمی ایزدخواستی، حجت (1392). «تحلیل تأثیر مالیات تورمی بر تخصیص منابع و رفاه: مطالعة موردی اقتصاد ایران»، رسالة دکتری اقتصاد دانشکدة علوم اداری و اقتصاد دانشگاه اصفهان. بختیاری، صادق و صمدپور، نرگس (1390). «برآوردی از هزینۀ رفاهی تورم در اقتصاد ایران»، سیاست‏های اقتصادی (نامۀ مفید)، 3(1): 3 ـ 16. جعفری‌صمیمی، احمد و تقی‏نژاد عمران، وحید (1383). «هزینۀ رفاهی تورم: بسط الگوی لوکاس و ارائة دیدگاه جدید»، تحقیقاتاقتصادی، 46، 55 ـ 72. دشتبان فاروجی، مجید، صمدی، سعید، دلالی اصفهانی، رحیم ، فخار، مجید و عبدالله میلانی، مهرنوش (1390). «شبیه‏سازی یک الگوی نسل‏های همپوشان 55 دوره‏ای با رویکرد بهسازی نظام بازنشستگی کشور»، تحقیقات مدل‌سازی اقتصادی،2، 173 ـ 203. دلالی اصفهانی، رحیم، رنانی، محسن، سامتی، مرتضی و اسماعیل‏زاده، رضا (1387). «رشد بهینة اقتصادی پایا و هزینه‏های عمومی در ایران: یک تحلیل پویا»، پژوهش‏های اقتصادی، 30، 15 ـ 40. زائری، محمد و ندری، کامران (1392). «محاسبة هزینة رفاهی تورم در ایران»،راهبرد اقتصادی، 2(4): 39 ـ 70. Aiyagari, S., Rao, R., Braun, A. & Eckstein, Z. (1998). “Transaction Services, Inflation and Welfare”, Journal of Political Economy, 106, 1274-1301. Arrow, K.J. (1962). “The Economic Implications of Learning by Doing”, Review of Economic Studies, 29, 155-73. Bailey, M.J. (1956). “The Welfare Cost of Inflationary Finance”, Journal of Political Economy, 64(2): 93-110. Barro, R.J. (1990). “Government Spending in a Simple Model of Endogenous Growth”, The Journal of Political Economy, 98(5): S103-S125. Bernstein, J.I. & Nadiri, M.I. (1989). “Research and Development and Intraindustry Spillovers: An Empirical Application of Dynamic Duality”, Review of Economic Studies, 56, 249-269. Braun, R.A. (1994). “How Large Is the Optimal Inflation Tax?”, Journal of Monetary Economics, 34, 201-214. Blanchard, O.J. & Fischer, S. (1989). Lectuers on Macroeconomics, The MIT Press. Chari, V.V., Christiano, L.J. & Kehoe, P.J. (1991). “Optimal Fiscal and Monetary Policy: Some Recent Results”, Journal of Money, Credit, and Banking, 23, 519-539. Cole, H.L. & Stockman, A.C. (1992). “Specialization, Transactions Technologies, and Money Growth”, International Economic Review, 33, 283-98. Cooley, T.F. & Hansen, G.D. (1991). “The Welfare Cost of Moderate Inflation”, Journal of Money Credit and Banking, 23(3): 483-503. Correia, I. & Teles, P. (1996). “Is the Friedman Rule Optimal When Money Is an Intermediate Good?”, Journal of Monetary Economics, 38, 223-244. Correia, I. & Teles, P. (1999). “The Optimal Inflation Tax, Review of Economic Dynamics, 2, 325-346. Dotsey, M. & Ireland, P. (1996). “The Welfare Cost of Inflation in General Equilibrium”, Journal of Monetary Economics, 37, 29-47. Erosa, A. & Ventura, G. (2002). “On Inflation as a Regressive Consumption Tax”,Journal of Monetary Economies,49, 761-95. Faig, M. (1988). “Characterization of the Optimal Tax on Money When it Function as a Medium of Exchange”, Journal of Monetary Economics, 32, 137-148. Friedman, M. (1969). The Optimal Quantity of Money and Other Essays, Chicago: Aldine. Fuchi, H.N., Oda, N. & Ugai, H. (2008).“Optimal Inflation for Japan’s Economy”, Journal of The Japanese and International Economies, 22(4): 439-475. Gillman, M. (1993). “TheWelfare Cost of Inflation in Cash-in-Advance Economy with Costly Credit”, Journal of Monetary Economics, 31, 97-115. Gowdy, J. (2005). “Toward a New Welfare Economics for Sustainability, Ecological Economics, 53, 211-222 Gomme, P. (1993). “Money and Growth Revisited: Measuring the Costs of Inflation in an Endogenous Growth Model”, Journal of Monetary Economics, 32, 51-77. Grossman, M. & Helpman, E. (1990). “Trade, Knowledge Spillovers and Growth”, WorkingPaper, No. 3485. Hediger, W. (2000). “Sustainable Development and Social Welfare”, Ecological Economics, 32(3): 481-492. Ho, W-M., Zeng, J. & Zang, J. (2007). “Inflation Tax and Welfare With Externality and Leisure”, Journal of Money, Credit and Banking, 39(1): 105-131 Kimbrough, K.P. (1986). “The Optimal Quantity of Money Rule in the Theory of Public Finance”, Journal of Monetary Economics, 18, 277-284. Kimbrough, K. &  Spyridopoulos, I. (2012).“The Welfare Cost of Inflation in Greecee”, South-Eastern Europe Journal of Economics, 1, 41-52. King, R.G. & Rebelo, S. (1993). “Transitional Dynamics and Economic Growth in the Neoclassical Model”, The American Economic Review, 83(4): 908-931. Lucas, R.E. (2000). “Inflation and Welfare”, Econometrica,68, 247-74. Lucas, R.E. Jr. (1988).“On the Mechanics of Economic Development”, Journal of Monetary Economics, 22(1): 3-42. Nakanishi, Yasuo. (2002). “Empirical Evidence of Inter-Industry R&D Spillover in Japan”,Journal of Economic Research,7, 91-104. Lu, H.C., Chen, B.L. & Hsu, M. (2011). “The Dynamic Welfare Cost of Seigniorage Tax and Consumption Tax in a Neoclassical Growth Model with a Cash-In-Advance Constraint”, Journal of Macroeconomics, 33(2): 247-258. Mc Callum, B. & Goodfriend, M. (1987). “Demand for Money: Theoretical Studies”, in The New Palgrave, a Dictionary of Economic, ed. By John Eatwell, Murray Milgate and Peter Newman, London: Macmillan, New York, Stockton Press, 775-781. Palivos, T. & Yip, C.  (1995). “Government Expenditure Financing in an Endogenous Growth Model: A Comparison”, Journal of Money, Credit and Banking, 27, 1159-78. Phelps, E.S. (1973). “Inflation in the Theory of Public Finance”, Swedish Journal of Economics, 75, 67-82. Prescott, E.C. (1987). “A Multiple Means-of-Payment Model”, in New Approaches to Monetary Economics: Proceedings of the Second International Symposium in Economic Theory and Econometrics, edited by William A. Barnett and Kenneth J. Singleton, pp. 42-51. Cambridge: Cambridge University Press. Ramsey, F.P. (1927). “A Contribution to the Theory of Taxation”, The Economic Journal, 37(145): 47-61. Ramsey, F.P. (1928).“A Mathematical Theory of Saving”, The Economic Journal, 38(152): 543-559. Rebelo, S. & Xie, D. (1999). “One the Optimality of Interest Rate Smoothing”,Journal of Monetary Economics,43, 263-82. Reis, R. (2007). “The Analytics of Monetary Non-Neutrality in Sidrauski Model”, Economics Letters, 94, 129-135. Romer, P.M. (1986). “Increasing Returns and Long-Run Growth”, Journal of Political Economy,94, 1002-1037. Schreft, S.L. (1992). “Transaction Costs and the Use of Cash and Credit”, Economic Theory,2, 283-294. Shell, K. (1966). “Toward a Theory of Inventive Activity and Capital Accumulation”, The American Economic Review, 56(1/2): 62-68. Sidrauski, M. (1967). “Rational Choice and Patterns of Growth in a Monetary Economy”, The American Economic Review, 57(2): 534-544. Tobin, J. (1965). “Money and Economic Growth”, Econometrica, 33(4): 671-684. Turnovsky, S.J. (2000). “Fiscal Policy, Elastic Labor Supply”, and Endogenous Growth”, Journal Monetary Economics, 45, 185-210. Walsh, C.E. (2010). “Monetary Theory and Policy”, Cambridge, Massachuesetts: MIT Press, 3ed. Wu, Y. & Zhang, J. (1998). “Endogenous Growth and the Welfare Costs of Inflation: a Reconsideration”, Journal of Economic Dynamics and Control, 22(3): 465-483. Wu, Y. & Zhang, J. (2000). “Monopolistic Competition, Increasing Returns to Scale and the Welfare Costs of Inflation”, Journal of Monetary Economic, 46(2): 417-440. Yavari, K. & Serletis, A. (2011). “Inflation and Welfare in Latin America”, Open Economies Review, 22, 39-52.
J. Econ. Res. دانشگاه تهران تحقیقات اقتصادی 0039-8969 دانشگاه تهران 36 10.22059/jte.2015.55083 مقاله پژوهشی تحلیل عوامل مؤثر بر شهرت مقام پولی در ایران تحلیل عوامل مؤثر بر شهرت مقام پولی در ایران باستانی فر ایمان استادیار دانشکدة علوم اداری و اقتصاد دانشگاه اصفهان 22 06 2015 50 2 281 304 12 10 2014 10 03 2015 Copyright © 2015, دانشگاه تهران. 2015 https://jte.ut.ac.ir/article_55083.html

شهرت مقام پولی باورِ بنگاه‌های اقتصادی به مقام پولی در کنترلِ شکافِ تورم مشاهده‌شده از تورم هدف‌گذاری‌شده یا اریب تورمی است. مقام پولی، از یک سو، با جلب اعتمادِ بنگاه‌های اقتصادی به سیاست‌های خود می‌تواند به کاهش انتظارات تورمی و در نهایت، کاهش اریب تورمی منجر شود. از سوی دیگر، فشار دولت به مقام پولی برای تأمین کسری بودجه‌ـ به‌ویژه در شرایط رکود‌ـ یا سیاست‌های کاهش بیکاری باعث افزایش اریب تورمی و کاهش شهرت مقام پولی می‌شود. در این تحقیق، برای آزمون شهرت مقام پولی بر اساس شرط چیسل- پرن[1] از آمارة تی استودیانت دوطرفه و برای تحلیل عوامل مؤثر بر آن طی سال‌های 1358 تا 1388 (انتهای برنامة چهارم توسعه) از الگوی شهرت برو[2] و گوردن[3] (1983)‌ـ که مبنای الگوهای شهرت در اقتصاد پولی است‌ـ با تحلیل رگرسیونی و کاربردِ الگو‌های خودبرازش‌کنندة هم‌جمع ِمیانگین متحرک[4]، و تصریحِ خطی- لگاریتمی استفاده شده است. نتایج نشان می‌دهد مقام پولی در فرایند بلندمدت‌ـ در طی سال‌های برنامة دوم، سوم و چهارم توسعة کشور‌ـ شهرت نداشته است. رشد قیمت نفت با وقفه‌ای، افزایش تولید ناخالص واقعی داخلی و کاهش تغییرات در بیکاری با سه وقفه از عوامل مؤثر در افزایش شهرت مقام پولی بوده و سیاست‌های مصلحت‌گرایانة مقام پولی (رشد نقدینگی با دو وقفه) و عدم شهرت در دوره‌های قبلی (با دو وقفه) از عوامل مؤثر در کاهش شهرت مقام پولی بوده است. [1]. Chisel-Prone’ Credibility [2]. Barro [3]. Gordon [4]. Autoregressive Integrated Moving Average (ARIMA)

 انتظارات تورمی تورم شهرت مقام پولی اندرز، والترز (1386). اقتصادسنجی سری زمانی با رویکرد کاربردی، ترجمة مهدی صادقی و سعید شوال‌پور، تهران: دانشگاه امام صادق(ع). باستانی‏فر، ایمان (1393). «آزمون ناسازگاری زمانی در اقتصاد ایران»، تحقیقات اقتصادی، 49(4)، 699 ـ 727. حیدری، محمدرضا و باستانی‏فر، ایمان (1393). «مبادی کلامی و فقهی مدیریت انتظارات تورمی در بانکداری اسلامی»،بیست و پنجمین همایش بانکداری اسلامی. قانون پولی و بانکی کشور (1392). بانک مرکزی جمهموری اسلامی ایران. قانون برنامه‌های پنج‌سالة اول توسعة اقتصادی، اجتماعی، و فرهنگی جمهوری اسلامی ایران (۱۳۶۸ تا ۱۳۷۲). قانون برنامه‌های پنج‌سالة دوم توسعة اقتصادی، اجتماعی و فرهنگی جمهوری اسلامی ایران (1374 تا 1378). قانون برنامه‌های پنج‌سالة سوم توسعة اقتصادی، اجتماعی و فرهنگی جمهوری اسلامی ایران (1379 تا 1383). قانون برنامه‌های پنج‌سالة چهارم توسعة اقتصادی، اجتماعی و فرهنگی جمهوری اسلامی ایران (1384 تا 1388). Al-Nowaihi, A. & Levine, P. (1994). Can reputation resolve the monetary policy credibility problem? Journal of Monetary Economics, 33, 355-380. Barro, R.J. & Gordan, D.B. (1983). Rules, Discretion and Reputation, In a Model of Monetary Policy, Journal of Monetary Economics, 12, 101-121. Bordo, M.D. & Siklos, P.L. (2014). Central Bank Credibility and Reputation: An Historical Exploration, Presented at the Norges Bank Conference. Cabral, L.M.B. (2005). The Economics of Trust and Reputation: A Primer, New York University and CEPR, Available at www.stern.nyu.edu. Chari, V. & Kehoe, J.P. (1990). Sustainable Plans, The Journal of Political Economy, 98(4), 783-802. Fields, P.L. & Fraser, D.R. (2004). Effects of IPO mispricing on the risk and reputational capital of commercial banks, Review of Financial Economics, 13, 65-77. Gerlach, S. (2003). Recession aversion, output and the Kydland-Prescott Barro-Gordon model, Economics Letters, 81, 389-394. Gaillard, S.G., Louisot, J.-P. & Rayner, J. (2009). Managing reputational risk- A cindynic approach, Reputation Capital, DOI 10.1007/978-3-642-01630-1_9,© Springer-Verlag Berlin Heidelberg. Ireland, P.N. (1997). Sustainable monetary policies, Journal of Economic Dynamics and Control,22, 87-108. Kydland, F. & Prescott, C.E. (1977). Rules Rather Than Discretion, The Inconsistency of Optimal Plans, Political Economy, 85(3), 473-492. Li, J.L. & Yongming, T.G. (2009). A reputation strategic model of monetary policy in continuous-time, Journal of Macroeconomics, 31, 523-533. Loisel, O. (2008). Central bank reputation in a forward-looking model, Economic Dynamics & Control, 32, 3718-3742. Mendonça, H.F. (2009). Inflation targeting credibility and reputation: The consequences for the interest rate, Economic Modeling, 26,1228-1238. Moore, W.J., Newman, R.J. & Turnbull, G.K. (2001). Reputational capital and academic pay, Economic Inquiry,39(4),663-671. Pesaran, H.M. (1987). The limits to rational expectations, Basic Blackwell, Oxford, U.K. Schonfeld, S. & Reinstaller, A. (2007). The effects of gallery and artist reputation on prices in the primary market for art: a note, Cult Econ, 31, 143-153. Sibert, A. (2003). Monetary Policy Committees: Individual and Collective Reputations, Review of Economic Studies, 70, 649-665. Tabellini, G. (2005). Finn Kydland and Edward Prescott’s Contribution to the Theory of Macroeconomic Policy, Scand, Journal of Economics, 107(2), 203-216. WWW.CBI.IR. Zagirgos, E.T. (2001). Economics of Dynamic Pricing in a Reputation Brokered Agent Mediated Marketplace, Electronic Commerce Research, 1, 85-100. Zaccour, C.D.G. (2009). Investment in Tourism Market and Reputation, Journal of Public Economic Theory, 11(5), 797-817.
J. Econ. Res. دانشگاه تهران تحقیقات اقتصادی 0039-8969 دانشگاه تهران 36 10.22059/jte.2015.55084 مقاله پژوهشی کاربرد مدل دوگان کارایی بازه‏ای برای داده‌های بازه‏ای (مطالعۀ موردی: واحدهای توزیع گوشت شهرستان زابل) کاربرد مدل دوگان کارایی بازه‏ای برای داده‌های بازه‏ای (مطالعۀ موردی: واحدهای توزیع گوشت شهرستان زابل) رستگاری پور فاطمه استادیار بخش اقتصاد کشاورزی دانشگاه تربت حیدریه، تربت حیدریه، ایران کیخا احمد علی دانشیار بخش اقتصاد کشاورزی دانشگاه زابل 22 06 2015 50 2 305 325 29 12 2014 10 03 2015 Copyright © 2015, دانشگاه تهران. 2015 https://jte.ut.ac.ir/article_55084.html

در این مطالعه کارایی بازه‌‌ای واحدهای توزیع گوشت شهرستان زابل با استفاده از رویکرد تحلیل فراگیر داده‌ها اندازه‌گیری و عوامل مؤثر بر آن بررسی شد. داده‌های مورد نیاز مطالعه با تکمیل پرسش‌نامه و کاربرد روش نمونه‌گیری تصادفی برای سال 1392 جمع‌آوری شد. نتایج نشان داد حد بالای کارایی 50 درصد از بنگاه‌ها زیر 40 درصد و حد پایین کارایی 80 درصد از بنگاه‌ها زیر 20 درصد است. میانگین حد پایین کارایی 5/13 درصد و میانگین حد بالای کارایی 2/47 درصد است. همچنین، تأثیر هم‌زمان متغیرها بر میانگین کارایی بازه‌ها بررسی شد. نتایج رگرسیون خطی با روش حداقل مربعات معمولی نشان داد که هر یک از متغیرهای تجربه، تحصیلات، و نژاد گوسفند زابلی رابطة مثبت و معنی‌داری در کارایی دارند. با توجه به پایین‌بودن کارایی واحدهای توزیع گوشت شهرستان زابل و تأکید مصرف‌کنندگان بر رؤیت کشتار، احداث بنگاه‌های فروش دام همراه با واحدهای ذبح تحت نظارت بهداشت و همچنین واحدهای توزیع بهداشتی گوشت با امکانات کامل در خروجی‌‌‌های شهر پیشنهاد می‌شود. همچنین از آنجا که تجربة مدیران تأثیر فراوانی در کارایی واحدهای توزیع گوشت دارد، افزایش سطح معلومات مدیران جوان از طریق کلاس‌‌های آموزشی در زمینه‌‌های بازاریابی و درجه‌بندی گوشت ضروری است.

 تحلیل پوششی داده‌ها زابل کارایی بازه‌ای واحد‌های توزیع گوشت ایزدی، حمیدرضا و دهباشی، وحید (1387). «تقاضای گوشت قرمز در استان سیستان و بلوچستان با استفاده از روش‌های انگل‌- گرنجر و جوهانسون‌- جوسیلیوس»، بررسی‌های بازرگانی، 30، 89 ـ97. بابایی، مهدی، رستگاری‌پور، فاطمه و صبوحی، محمود (1391). «بررسی کارایی گلخانه‌های خیار با کاربرد رهیافت تحلیل پوششی بازه‌ای»، فصلنامة اقتصاد و توسعة کشاورزی، 26(2)، 117 ـ125. پاکروان، محمدرضا، مهرابی بشرآبادی، حسین و شکیبایی، علیرضا (1388). «تعیین کارایی برای تولیدکنندگان کلزا در شهرستان ساری، مجلة تحقیقات اقتصاد کشاورزی، 1(4)، 77 ـ 92. حسینزاده بحرینی، محمدحسین، ناجی میدانی، علی‌اکبر و چمانهگیر، فرشته (1387). «مقایسة کارایی اقتصادی بانک‌های خصوصی و دولتی در ایران با استفاده از روش تحلیل پوششی (فراگیر) داده‌ها»، دانش و توسعه، 15(25)، 1 ـ 30. شاکری، عباس و گرشاسبی، علیرضا (1387). «برآورد کارایی فنی برنج در استان‌های منتخب ایران»، پژوهشنامة علوم اقتصادی، 8(30)، 81 ـ 96. محمدی، علی‌محمد، خواجه‌الدین، جلال‌الدین و خاتون‌آبادی، احمد (1386). «تعیین اندازة واحدهای بهره‌برداری مرتعی با استفاده از عوامل اکولوژیکی، اقتصادی، و اجتماعی در حوزة آبخیز شمالی رودخانة کوهرنگ»، مجلةعلوموفنونکشاورزیومنابعطبیعی، 11(4)، 425 ـ 437. مهدوی اسماعیل‌آبادی، مریم و محمدرضایی، رسول (1389). «تحلیل تطبیقی مطالعات کارایی فنی بخش کشاورزی ایران»، بررسی‌های بازرگانی، 8(40)، 99 ـ 113. مهرابی بشرآبادی، حسین و پاکروان، محمدرضا (1388). «محاسبة انواع کارایی و بازده به مقیاس تولیدکنندگان آفتاب‌گردان شهرستان خوی»،اقتصاد و توسعة کشاورزی، 23(2)، 96 ـ 103. مؤذنی، سعیده و کرباسی، علیرضا (1387). «اندازه‌گیری انواع کارایی با استفاده از روش تحلیل فراگیر داده‌ها»، اقتصادکشاورزی، 16(61)، 1 ـ 16. Brazdik, F. (2006). Non-parametric analysis of technical efficiency, Factors affecting efficiency of west Java rice farms, Charles University, Center for Economic Research and Graduate Education, Academy of Sciences of the Czech Republic, Economics Institute. Frija, A., Chebil, A., Speelman, S., Buysse, J. & Van Huylenbroeck, G. (2009), Water use and technical efficiencies in horticultural green houses in Tunisia, Agricultural Water Management, 2(8), 1-8. Necat, M. & Alemdar, T. (2005). Technical Efficiency Analysis of Tobacco Farming in Southeastern Anatolia, Department of Agricultural Economics of Cukurova University, Turkey. Pakravan, M., Mehrabi Boshrabadi, H. & Shakibaiee, A. (2009). Determining kinds of Efficiency for Canola Producers in Sari Province, Journal of Agricultural Economics Researches, 1(4), 77-92. Rios, A.R. & Shively, G.E. (2005). Farm size and nonparametric efficiency measurements for coffee farms in Vietnam, Annual meeting, July 24-27, Providence, RI 19159, American Agricultural Economics Association. Wang, Y.M., Greatbanks, R. & Yang, B. (2005). Interval efficiency assessment using data envelopment analysis, Fuzzy Sets and Systems, 153, 347–370. Wang, X.Y. (2010). Irrigation Water Use Efficiency of Farmers and Its Determinants: Evidence from a Survey in Northwestern China, Agricultural Sciences in China, 9(9), 1326-1337. Yusef, S.A. & Malomo, O. (2007). Technical efficiency of poultry egg production in Ogun state: a DEA approach, Journal of Poultry Science, 6(9), 622-629.
J. Econ. Res. دانشگاه تهران تحقیقات اقتصادی 0039-8969 دانشگاه تهران 36 10.22059/jte.2015.55085 مقاله پژوهشی شناسایی و ارزش گذاری عوامل موثر بر تصمیم شهروندان تهرانی جهت ورود به طرح پزشک خانواده؛ با استفاده از آزمایش انتخاب گسسته شناسایی و ارزش گذاری عوامل موثر بر تصمیم شهروندان تهرانی جهت ورود به طرح پزشک خانواده؛ با استفاده از آزمایش انتخاب سبحانیان سید محمد هادی دکتری اقتصاد دانشگاه تهران عبادی جعفر استاد اقتصاد دانشگاه تهران مهرارا محسن استاد اقتصاد دانشگاه تهران 22 06 2015 50 2 327 357 07 06 2014 10 03 2015 Copyright © 2015, دانشگاه تهران. 2015 https://jte.ut.ac.ir/article_55085.html

با وجود موفقیت‏های نسبی نظام سلامت ایران و ارتقای بسیاری از شاخص‏های بهداشتی طی دو دهة گذشته، نظام سلامت ایران کماکان با مشکلات جدّی مواجه است. یکی از مشکلاتِ مهم‏ بی‏عدالتی در دسترسی به خدمات سلامت است. مطالعات نظری و شواهد عملی گویایِ آن است که اجرای نظام ارجاع و طرح پزشک‏ خانواده یکی از راهکارهای اصلیِ برطرف‌ساختن بی‏عدالتی‏ها در حوزة سلامت و استفادة مناسب از منابع کمیاب در این حوزه است. برای اجرای موفقیت‏ آمیز طرح پزشک خانواده، ضرورت دارد علاوه بر رفع برخی مشکلات شناخته‌شده و ایجاد بستر‏های لازم، با استفاده از روش‏های علمی، مؤلفه‏ های اثرگذار در تصمیم مشارکت‏ کنندگان در این طرح شناسایی شود و سیاست‌گذار حوزة سلامت، به‏ منظور افزایش احتمال توفیق اجرایی‌شدن آن، بستة سیاستی‏ای تدوین کند که با حداکثر انطباق با ترجیحات جامعة هدف تهیه شده باشد. در همین ‏زمینه، مطالعة حاضر به‏ منظور شناسایی ترجیحات شهروندان تهرانی، به ‏عنوان یکی از مشارکت‏کنندگان در طرح، انجام گرفته است. نتایج نشان‌دهندة آن است که مؤلفه‏های ویزیت، رفتار پزشک، نحوة وقت‏گذاری پزشک در معاینات، و دسترسی تلفنی آثار معنی‏داری در متمایل شهروندان برای ورود به طرح پزشک خانواده دارد؛ به طوری که افزایش ویزیت موجب کاهشِ تمایل افراد برای ورود به این طرح می‌شود. به علاوه، رفتار توأم با ‏احترام پزشک، وقت‏گذاری مناسب و نیز امکان دسترسی تلفنی به افزایشِ مطلوبیت شهروندان منجر می‌شود و احتمال مشارکت آن‌ها و ورودشان به طرح را افزایش می‏دهد. تمایل شهروندان به پرداخت برای هر یک از مؤلفه‏های رفتار پزشک، نحوة وقت‏گذاری و دسترسی تلفنی به‌ترتیب 579/9، 947/9 و 750/3 تومان برآورد شده است.

 آزمایش انتخاب گسسته ترجیحات طرح پزشک خانواده Adamowicz, W., Boxall, P., Williams, M. & Louviere, J. (1998). Stated preference Approaches for Measuring Passive Use Values: Choice Experiments and Contingent valuation, American Jornal of Agricaltureral Economics, 80(1): 64-75. Alpizar, F. (2007). Using Choice Experiments for Non-Market Valuation, Transprot, 8(1). Anderson, G., Hurst, J., Hussey, PS. & Jee-Hughes, M. (2000). Trends: health spending and out comes: trends in OECD countries 1960-1998, Health Aff, 19(3): 150-17. Ben-Akiva, M. & Morikawa, T. (1990). Estimation of Switching Models from Revealed Preferences and Stated Intentions, Transportation Research Part A-Policy and Practice, 24(6): 485-495. Bennett, J. & Adamowicz, V. (2001). Some Fundamental of Environmental Choice Modelling, in The Choice Modelling Approach to Environmental Valuation, edited by J. Bennett and R. Blamey. Cheltenham, UK: Edward Elgar. Bryan, S., Buxton, M., Sheldon, R. & Grant, A. (1998). Magnetic resonance imaging for the investigation of knee injuries: an investigation of preferences, Health Economics, 7(7): 595-603. Chen, T.T., Chung, H.P., Huang, H.C., Man, L.N. & Lai, M.S. (2010). Using discrete choice experiment to elicit doctors’ preferences for the report card design of diabetes care in Taiwan - a pilot study, Journal of Evaluation in Clinical Practice, 16(1): 14-20. Cheraghi-Sohi, S., Hole, A.R., Mead, N., McDonald, R., Whalley, D., Bower, P. & Roland, M. (2008). What patients want from primary care consultations: a discrete choice experiment to identify patients' priorities, Ann Fam Med, 6(2): 107-115. Coast, J., Flynn, T.N., Salisbury, C., Louviere, J. & Peters, T.J. (2006). Maximizing responses to discrete choice experiments: A randomized trial, Applied Health Economics and Health, 5(4): 249-260. Freemantle, N. (1999). Does the UK National Health Service need a fourth hurdle for pharmaceutical reimbursement to encourage the more efficient prescribing of pharmaceuticals?, Health Policy, 46(3): 255-265. Guyatt, G., Haynes, B.R., Jaeschke, R.Z., Cook, D.J., Green, L., Naylor, C.D., Wilson, M.C. & Richardson, W.S. (2000). Users’ guides to the medical literature: XXV, Evidence-based medicine: principles for applying the users’ guide to patient care, JAMA, 284(10): 1290-1296. Hall, J., Viney, R., Haas, M. & Louviere, J. (2004). Using stated preference discrete choice modeling to evaluate health care programs, Journal of Business Research, 57, 1026-1032. Hall, J. & Viney, R. (2000). The political economy of health sector reform, In: Bloom AL, editor, Health reform in Australia and New Zealand, Melbourne: Oxford Univ. Press, 39-53. Hauber, A.B., Mohamed, A.F., Johnson, F.R. & Falvey, H. (2009). Treatment preferences and medication adherence of people with Type 2 diabetes using oral glucose-lowering agents, Diabetic medicine, 26(4): 416-424. Hensher, D., Louviere, J. & Swait, J. (1999). Combining sources of preference data, Journal of Econometrics, 89(1-2): 197-221. Hitchock, W., Mellon, M., Memran, M., Parasuraman, B., Ramachendran, S. & Walzer, S. (2007). Caregiver preferences for pediatric asthma treatment delivery system,Advances in Therapy, 24(6): 1240-1253. Kjær, T. & Gyrd-Hansen, D. (2008). Preference heterogeneity and choice of cardiac rehabilitation program: Results from a discrete choice experiment, Health Policy, 85(1): 124-132. Kleinman, L., McIntosh, E., Ryan, M., Schmier, J., Crawley, J., Locke, G.R. & De Lissovoy, G. (2002). Willingness to pay for Complete Symptom relief of Gastroesophagael Reflux Disease (GERD), Archives of Internal Medicine, 162(12): 1361-1366. Lancaster, K.J. (1966). A new approach to consumer theory, Journal of Political Economy, 74(2): 132-157. Lancsar, E.J., Hall, J.P., King, M., Kenny, P., Louviere, J., Fiebing, D.G., Hossain, I., Thien, F.C.K., Reddel, H.K. & Jenkins, CR. (2007). Using discrete choice experiments to investigate subject preferences for preventive asthma medication, Respirology, 12(1): 127-136. Louviere, J., Hensher, D.A. & Swait, J. (2000). Stated Choice Methods, analysis and application, Cambride University Press, U.K. Louviere, J.J. & Woodworth, G. (1983). Design and Analysis of Simulated Consumer Choice Or Allocation Experiments - An Approach Based on Aggregate Data, Journal of Marketing Research, 20(4): 350-367. McFadden, D. (1974). Conditional logit analysis of qualitative choice behaviour, in Frontiers of Econometrics, P. Zarembka (ed.), Academic Press, London, U.K., 105-142. McFadden, D. & Train, K. (2000). Mixed MNL models for discrete response, Journal of Applied Econometrics, 15, 447- 470. Morgan, S. & Hurley, J. (2004). Influences on the health care technology cost driver, In: Forst, PG., McIntosh, T., Marchildon, G. (eds.), Selected discussion papers from the commission on the future of health care in Canada, University of Toronto Press, Toronto, 27-50. Peter, A. & Berman, A. (2000). Decade of Health Sector Reform in Developing Countries: What Have We Learned?, Harvard School of Public Health, 15. Ratcliffe, J., Buxton, M., McGarry, T., Sheldon, R. & Chanellor, J. (2004).Patients' preferences for characteristics associated with treatments for osteoarthritis, Reumatology, 43(3): 337-345. Revelt, D. & Train, K. (1998). Mixed logit with repeated choices: households’ choices of appliance efficiency level, Review of Economics and Statistics, 80(4): 647-657. Salkeld, G., Ryan, M. & Short, L. (2000). The veil of experience: do consumers prefer what they know best?, Health Economics, 9(3): 267-270. Thurstone, L. (1927). A Law of Comparative Judgment, Psychological Review, 34, 273-286. Train, K. (2003). Discrete choice methods with simulation, Cam-bridge University Press, UK. Train, K.E. (1998). Recreation demand models with taste differences over people, Land Economics, 74(2): 230-239. Van der Pol, M. & Cairns, J. (1998). Estabilishing patient preferences for blood transfusion support: an application or conjoint analysis, Health Serv Res Policy, 3(2): 70-76. Viney, R., Lancasar, E. & Louviere, J. (2002). Discrete choice experiment to measure consumer preferences for health and health care, Expert Review of Pharmacoeconomics Outcomes Research, 2(4): 319-326. Vojáček, O. & Pecáková, I. (2010). Comparison of discrete choice models for economic environmental research, Prague Economic Papers, 1, 35-53. Walzer, S. & Zweifel, P. (2007). Willingness-to-pay for caregivers of children with asthma or wheezing conditions. Therapeutics and Clinical Risk Management, 3(1): 157-165. Walzer, S. (2007). What do parents want from their child's asthma treatment? Therapeutics and Clinical Risk Management, 3(1): 167-175. World Health Organisation (2002). The world health report.
J. Econ. Res. دانشگاه تهران تحقیقات اقتصادی 0039-8969 دانشگاه تهران 36 10.22059/jte.2015.55086 مقاله پژوهشی بررسی همبستگی نامتقارن بین بازده سهام، حجم معاملات و تلاطم بازار سهام تهران (رویکرد DCC-GARCH) بررسی همبستگی نامتقارن بین بازده سهام، حجم معاملات و تلاطم بازار سهام تهران (رویکرد DCC-GARCH) شهیکی تاش محمدنبی دانشیار گروه اقتصاد دانشگاه سیستان و بلوچستان میرباقری جم محمد دانشجوی دکتری اقتصاد دانشگاه سیستان و بلوچستان 22 06 2015 50 2 359 387 05 01 2014 10 03 2015 Copyright © 2015, دانشگاه تهران. 2015 https://jte.ut.ac.ir/article_55086.html

در این تحقیق همبستگی نامتقارن و غیرخطی بین متغیرهای بازده بازار و حجم معاملات با رویکرد DCC-GARCH مدل‌سازی و تأثیر شوک‌های وارد بر بازار سهام، تعطیلات آخر هفته، و آثار تقویمی بر بازده سهام و حجم معاملات بررسی شده است. نتایج تخمین پارامترهای مدل به روش حداکثر درست‌نمایی نشان می‌دهد که بازده روز قبل بازار تأثیر مثبت بر رشد حجم معاملات دارد، ولی تأثیر رشد حجم معاملات دورة قبل بر تغییر بازده بازار منفی است. شوک‌‌های وارد بر بازار سهام، تعطیلات آخر هفته، آثار تقویمی، و پخش اخبار بد تلاطم بازده سهام و رشد حجم معاملات را تحت تأثیر قرار می‌دهد. همچنین، یافته‌‌های تحقیق بیانگر آن است که تأثیر شوک‌‌های مثبت و منفی و اخبار خوب و بد بر تلاطم نرخ رشد حجم معاملات و تغییرات بازده بازار و همبستگی بین آن‌ها نامتقارن است و همبستگیِ بین تغییرات بازده بازار و رشد حجم معاملات غیرخطی و تابعی از زمان است.

 آثار تقویمی بازده سهام تلاطم بازار حجم معاملات مدل دومتغیرة DCC-GARCH همبستگی نامتقارن تک‌روستا، علی، مروت، حبیب و تک‌روستا، حسین (1390). «مدل‌سازی نوسانات (تلاطم) بازدهی روزانة سهام در بورس اوراق بهادار تهران»، اقتصاد پولی، مالی(دانش و توسعه)، 18(2): 61 ـ 84. حیدری، حسن و بشیری، سحر (1391). «بررسی رابطه بین نااطمینانی نرخ واقعی ارز و شاخص قیمت سهام در بورس اوراق بهادار تهران: مشاهداتی بر پایة مدل VAR-GARCH»، تحقیقات مدل‌سازی اقتصادی، 3(9): 71 ـ 92. سیدحسینی، سیدمحمد و ابراهیمی، سیدبابک (1392). «مدل‌سازی و سنجش سرایت تلاطم با استفاده از مدل‌های GARCH چندمتغیره (مطالعة موردی ایران، امارات، و شاخص قیمت جهانی نفت)»، فصلنامةبورس اوراق بهادار، 6(21): 137 ـ 157. راعی، رضا و باجلان، سعید (1387). «شناسایی و مدل‌سازی اثرات تقویمی بورس اوراق بهادار تهران با استفاده از مدل‌های ARCH و GARCH»، پژوهش‌های اقتصادی، 4، 21 ـ 47. کشاورز حداد، غلامرضا و حیدری، هادی (1390). «بررسی تأثیر اخبار سیاسی بر تلاطم بازار سهام تهران (مقایسة مدل‌های عمومی FAGARCH و MSM)»، تحقیقات اقتصادی، 94، 111 ـ 136. کشاورز حداد، غلامرضا و صمدی، باقر (1388). «برآورد و پیش‌بینی تلاطم بازدهی در بازار سهام تهران و مقایسة دقت روش‌ها در تخمین ارزش در معرض خطر: کاربردی از مدل‌های خانوادة FIGARCH»، تحقیقات اقتصادی، 86، 193 ـ 235. کشاورز حداد، غلامرضا، ابراهیمی، سیدبابک و جعفر عبدی، اکبر (1390). «بررسی سرایت تلاطم میان بازدهی سهام صنعت سیمان و صنایع مرتبط با آن در ایران»، پژوهش‌های اقتصادی ایران، 16(7): 129 ـ 162. کشاورز حداد، غلامرضا و مهدوی، امید (1384). «آیا بازار سهام در اقتصاد ایران کانالی برای گذر سیاست پولی است؟»، تحقیقات اقتصادی، 147 ـ 170. محمدی، شاپور، راعی، رضا، تهرانی، رضا و فیض‌آباد، آرش (1388). «مدل‌سازی نوسان در بورس اوراق بهادار تهران»، تحقیقات مالی، 27، 97 ـ 110. مشیری، سعید و مروت، حبیب (1385). «پیش‌بینی شاخص کل بازدهی سهام تهران با استفاده از مدل‌های خطی و غیرخطی»، پژوهشنامة بازرگانی، 41، 245 ـ 276. نجارزاده، رضا و زیودار، مهدی (1385). «بررسی رابطة تجربی بین حجم معاملات و بازده سهام در بازار سهام اوراق بهادار تهران»، فصلنامةپژوهش‌های اقتصادی، 6(2): 1 ـ 21. نظیفی نایینی، مینو، فتاحی، شهرام و صمدی، سعید (1391). «مدل‌سازی و پیش‌بینی نوسانات بازار سهام با استفاده از مدل انتقالی قارچ مارکف»، تحقیقات مدل‌سازی اقتصادی، 3(9): 1 ـ 20. Acatrinei, M., Gorun, A. & Marcu, N. (2013). A DCC-GARCH MODEL TO ESTIMATE, Romanian Journal of Economic Forecasting, 136. Alvarez-Ramírez, J. & Rodríguez, E. (2012). Temporal variations of serial correlations of trading volume in the US stock market, Physica A, 4128-4135. Bollerslev, T. (1987). A conditional heteroskedastic time series model for speculative prices and rates of return, Review of Economics and Statistics, 542-547. Bollerslev, T. & Wooldridge, J.M. (1992). Quasi-maximum likelihood estimation and inference in dynamic models with time-varying covariances, Econometric Reviews, 143-172. Brennan, M. & Cao, H. (1997). International Portfolio Investment Flows, The Journal Of Finance, 5, 1851-1880. Campbell, J.Y., Grossman, S.J. & Wang, J. (1992). Trading volume and serial correlation in stock returns (No. w4193), National Bureau of Economic Research. Chen, S.S. (2012). Revisiting the empirical linkages between stock returns and trading volume, Journal of Banking & Finance, 1781-1788. Chordia, T., & Swaminathan, B. (2000). Trading volume and cross-autocorrelations in stock returns, The Journal of Finance, 55(2): 913-935. Chuang, W.I., Liu, H.H. & Susmel, R. (2012). The bivariate GARCH approach to investigating the relation between stock returns, trading volume, and return volatility, Global Finance Journal, 23(1): 1-15. Clark, P. (1973). A subordinated stochastic process model with finite variance for speculative prices, Econometrica, 135-155. Copeland, T. (1976). A model of assets trading under the assumption of sequential information arrival, Journal of Finance, 1149-1168. De Long, J., Shleifer, A., Summers , L., & Waldmann, R. (1990). Positive Feedback Investment Strategies and Destabilizing Rational Speculation, The Journal of Finance, 45(2): 379-395. Dajcman , S. & Festic, M. (2012). Interdpendence between the Slovenan and European stock markets– A DCC-GARCH analysis, Economic Research - Ekonomska istraživanja, 25, 379-396. Engle, F.R. & Sheppard, K. (2001). Theoretical and Empirical properties of Dynamic Conditional Correlation Multivariate GARCH, NBER Working Paper, No. 8554, (Retrieved on February 05, 2011: http://www.nber.org/papers/w8554.pdf) Epps, T. & Epps, M. (1976). The Stochastic Dependence of Security Price Changes and Transaction Volumes: Implications for the Mixture-of-Distributions Hypothesis, Econometrica, 44, 305-321. Gębka, B. (2012). The dynamic relation between returns, trading volume, and volatility: lessons from spillovers between Asia and the United States, Bulletin of Economic Research, 64(1): 65-90. Gebka, B. & Wohar, M. (2013). Causality between trading volume and returns: Evidence from quantile regressions, International Review of Economics and Finance, 144-159. Gerlach, R., Chen, C.W., Lin, D.S. & Huang, M.H. (2006). Asymmetric responses of international stock markets to trading volume, Physica A, 422-444. 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, 1779-1801. Harris, M. & Raviv, A. (1993). Differences of opinion make a horse race, The Review of Financial Studies, 6(3): 473-506. He, H. & Wang, J. (1995). Differential Information and Dynamic Behavior of Stock Trading Volume, The Review of Financial Studies, 8(4): 919-972. Kandel, E. & Pearson, N. (1995). Differential interpretation of public signals and trade in speculative markets, Journal of Political Economy, 103(4): 831-872. Karpoff, J. (1987). The Relation Between Price Changes and Trading Volume: A Survey, The Journal of Financial and Quantitative Analysis, 22(1): 109-126. Kyle, A. (1985). Continuous Auctions and Insider Trading, Econometrica, 53(6): 1315-1335. Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach, Econometrica: Journal of the Econometric Society, 347-370. Schneider, J. (2009). A rational expectations equilibrium with informative trading volume, The Journal of Finance, 64(6): 2783-2805. Stasinopoulos, D.M., Rigby, B.A. & Akantziliotou, C. (2009). Gamlss: Generalized additive models for location, scale and shape, 1.11 editions. Suominen, M. (2001). Trading Volume and Information Revelation in Stock Market, The Journal of Financial and Quantitative Analysis, 36(4): 545-565. Ying, C.C. (1966). Stock Market Prices and Volumes of Sales, Econometrica, 34, 676-685.
J. Econ. Res. دانشگاه تهران تحقیقات اقتصادی 0039-8969 دانشگاه تهران 36 10.22059/jte.2015.55087 مقاله پژوهشی انتخاب قاعدۀ بهینۀ سیاست پولی در ایران: کدام نوع هدف‎گذاری تورم؟! انتخاب قاعدۀ بهینۀ سیاست پولی در ایران: کدام نوع هدف‎گذاری تورم؟! عرفانی علیرضا دانشیار دانشکدة اقتصاد دانشگاه سمنان صادقی فرزانه دانشجوی دکتری اقتصاد دانشگاه سمنان سمیعی ندا دانشجوی دکتری اقتصاد دانشگاه سمنان 22 06 2015 50 2 389 414 18 11 2014 10 03 2015 Copyright © 2015, دانشگاه تهران. 2015 https://jte.ut.ac.ir/article_55087.html

هدف این پژوهش بحث و بررسی هدف‎گذاری تورم در چارچوب قاعدة بهینة سیاست پولی است. این مطالعه مدل بهینة اقتصادی را برای اقتصاد ایران طراحی می‎کند و حالات مختلف هدف‎گذاری تورم داخلی (WPI) و تورم شاخص قیمت مصرف‎کننده (CPI) را در دو حالت‌ـ هدف‎گذاری انعطاف‎پذیر و چسبنده‌ـ مقایسه می‎کند. در راستای این امر، قاعدة بهینة سیاست پولی با استفاده از سه قید منحنی فیلیپس نئوکینزی، رابطة تقاضای کل، و رابطة تورم شاخص قیمت مصرف‎کننده‌ـ که با روش گشتاورهای تعمیم‎یافته (GMM) برآورد شده‎اندـ طراحی گردید. با توجه به تحلیل، به‌نظر می‎رسد، به طور کلی، استفاده از هدف‎گذاری‎های تورم در حالت چسبندهْ اولویت اول گزینه‎ها در تصمیم‎گیری سیاست‎گذاران پولی برای ایران است. اما، این مطالعه فقط یک سناریو را در تصمیم‎گیری پیشنهاد می‌کند و آن استفاده از هدف‎گذاری تورم قیمت مصرف‎کننده در حالت چسبنده است، زیرا کمترین زیان ممکن را به بانک مرکزی تحمیل می‎کند.

 برآوردگر گشتاورهای تعمیم‌یافته سیاست پولی بهینه منحنی فیلیپس نئوکینزی هدف‎گذاری تورم CPI هدف‎گذاری تورم WPI امامی، کریم و علیا، میترا (1391). «برآورد شکاف تولید و تأثیر آن بر نرخ تورم در اقتصاد ایران»، فصلنامة پژوهش‌های اقتصادی، ۱۲(۱)، ۵۹ ـ ۸۵. درگاهی، حسن و شربت‌اوغلی، رؤیا (1389). «تعیین قاعدة سیاست پولی در شرایط تورم پایدار اقتصاد ایران با استفاده از روش کنترل بهینه»، مجلة تحقیقات اقتصادی، 93، ۱ ـ ۲۷. رحمانی، تیمور و امیری، حسین (1391). «منحنی فیلیپس هایبریدی کینزین‌های جدید و بررسی تجربی آن در ایران»،مجلة تحقیقات اقتصادی، 98، ۹۱ ـ ۱۱۲. صادقی، فرزانه (1390). «بررسی توابع تقاضای پول و بهینة پول با تأکید بر رویکرد زمان خرید (ST)»،رسالة کارشناسی ارشد، دانشگاه شهید بهشتی، دانشکدة علوم اقتصادی و سیاسی. علوی، محمود (1381). «قاعدة بهینة سیاست پولی بر اساس روش هدف‎گذاری تورم در ایران»، مجموعه سخنرانی‌‌‌های ماهانه. قربان‌نژاد، مجتبی (1390). «تعیین قاعدة بهینة سیاست پولی همگام با اجرای طرح اصلاح قیمت حامل‌های انرژی در اقتصاد ایران»، رسالة کارشناسی ارشد، دانشگاه شهید بهشتی، دانشکدة علوم اقتصادی و سیاسی. مهرابی بشرآبادی، حسین، شرافتمند، حبیبه و باغستانی، علی‌اکبر (1389). «بررسی تأثیر شوک‌های نرخ ارز و شکاف تولید بر تورم در ایران»، مجلة دانش و توسعه، ۱۷(۳۳). نوفرستی، محمد (1387). ریشة واحد و هم‌جمعی در اقتصادسنجی، چ ۲، تهران: خدمات فرهنگی رسا. Badi H. Baltagi (1995). Econometric Analysis of Panel Data, 1 edition, Wiley. Gali, J., Gertler, M. & Lopez-Salido, D. (2001). European inflation dynamics, European Economic Review, 45, 1237-1270. Glain, P. (2007). The Optimal Monetary Policy Rule for the European Central Bank, Department of Economics, University Of Pisa. Gupta, Abhijit Sen & Sengupta, Rajeswari (2014). Is India Ready for Flexible Inflation-Targeting?.Indira Gandhi Institute of Development Research, Mumbai, Working Papers. Hodrick, Robert & Prescott, Edward (1997). Postwar U.S Business Cycles: An Emprical Investigation, Journal of Money, Credit and Banking, 29(1). Mishkin, Frederic (2001). Inflation Targeting, Prepared for An Encyclopedia of Macroeconomics. Mishra, Ankita & Mishra, Vinod (2012). The Evaluating inflation targeting as a monetary policy objective for India, Economic Modeling, 29, 1053-1063. Taylor, John (1999). A Historical Analysis of Monetary Policy Rules, in J.B. Taylor, ed., Monetary Policy Rules, Chicago: U. of Chicago Press. Taylor, J.B. (2000). Alternative views of the monetary transmission mechanism: what difference do they make for monetary policy? Oxford Review of Economic Policy, 16, 60-73. Walsh, Carl. E. (2010). Monetary Theory and Policy, Massachusetts Institute of Technology,242-252. White, Graham (2014). Measures of Inflation in India, Bulletin of Reserve Bank of Australia.
J. Econ. Res. دانشگاه تهران تحقیقات اقتصادی 0039-8969 دانشگاه تهران 36 10.22059/jte.2015.55088 مقاله پژوهشی اصطکاک مالی و نوسانات بازار کار (مطالعۀ موردی: اقتصاد ایران به‌عنوان‌ یک اقتصاد باز کوچک) اصطکاک مالی و نوسانات بازار کار (مطالعۀ موردی: اقتصاد ایران به‌عنوان‌ یک اقتصاد باز کوچک) فرزین وش اسد اله دانشیار دانشگاه تهران احسانی محمدعلی استادیار دانشگاه مازندران کشاورز هادی استادیار دانشگاه خلیج فارس بوشهر 22 06 2015 50 2 415 447 16 08 2014 08 04 2015 Copyright © 2015, دانشگاه تهران. 2015 https://jte.ut.ac.ir/article_55088.html

بحران مالی سال 2007 نشان داد که تأثیر بازارهای مالی در تحولات اقتصاد کلان تا چه اندازه عمیق است. یکی از بازارهای مهمی که از متغیرهای مالی تأثیر می‌پذیرد بازار کار است. این پژوهش با بسط یک الگوی تعادل عمومی پویای تصادفی کینزی جدید (DSGE) برای اقتصاد ایران در سه زمینه‌ـ اقتصاد باز، درنظرگرفتن اصطکاک در بازار مالی، و بازار کار‌ـ تأثیر تکانه‌های مالی (تکانة دارایی کارآفرینان، نرخ بهره، و سرمایه‏گذاری) را بر نوسانات بازار کار با وجود اصطکاک مالی بررسی می‏کند. نتایج نشان می‌دهد که اصطکاک مالی در اثرگذاری این تکانه‏ها بر نوسانات بازار کار تأثیر مهمی دارد.

 اصطکاک مالی اقتصاد باز کوچک الگوی تعادل عمومی پویای تصادفی (DSGE) تکانة مالی فرایند جست‌وجو و تطبیق ازوجی، علاءالدین و عسگری، منصور (1384). «ارزیابی عوامل موثر بر رشد اشتغال در اتحادیه‌های تجاری و منطقه‌ای و توصیه‌های سیاستی برای بازار کار ایران»، پژوهش‌های رشد و توسعة پایدار، 18(30): 21 – 50. باقری، سیما، طائی، حسن و جاوید، بهرامی (1392). «استخراج منحنی بوریج (بیکاری‌– فرصت شغلی u-v) در ایران»، فصلنامة تحقیقات مدل‌سازی اقتصادی، 13، 169 ـ 194. بالونژاد نوری، روزبه (1393). «اثر تکانه‌های پولی و غیرپولی بر تولید و تورم در یک الگوی تعادل عمومی پویای تصادفی در شرایط اقتصاد باز: مطالعة موردی اقتصاد ایران، رسالة دکتری، دانشکدة علوم اقتصادی و اداری، دانشگاه مازندران. فخرحسینی، سیدفخرالدین (1390). «الگوی تعادل عمومی پویای تصادفی برای ادوار تجاری پولی اقتصاد ایران»، فصلنامة تحقیقاتمدل‌سازیاقتصادی، 3، 1 ـ 28. کمیجانی، اکبر و توکلیان، حسین (1391). «سیاست‌گذاری پولی تحت سلطة مالی و تورم هدف ضمنی در قالب یک مدل تعادل عمومی پویای تصادفی برای اقتصاد ایران»، تحقیقات مدل‌سازی اقتصادی، 8(2): 87 ـ 117. متوسلی، محمود، ابراهیمی، ایلناز، شاهمرادی، اصغری و کمیجانی، اکبر (1389). «طراحی یک مدل تعادل عمومی پویای تصادفی نیوکینزی برای اقتصاد ایران به‌ عنوان ‌یک کشور صادرکنندة نفت»، فصلنامة پژوهش‌های اقتصادی، 4(10)، 87 ـ 116. مهرگان، نادر و دلیری، حسن (1392). «واکنش بانک‌ها در برابر سیاست پولی بر اساس مدل DSGE»، فصلنامة پژوهش‏ها و سیاست‌های اقتصادی، 21(66): 39 ـ 68. Acemoglu, D. (2001). Credit market imperfections and persistent unemployment, European Economic Review, 1514, 1-14. Acocella, N., Bisio, L., Di Bartolomeo, G. & Pelloni, A. (2011). Labor market imperfections, real wage rigidities and financial shocks, wp.comunite (0070). Altug, S. & Kabaca, S. (2011). Search Frictions, Financial Frictions and Labor Market Fluctuations in Emerging Economies, Koç University-TUSIAD Economic Research Forum Working Papers (1136), American Economic Review, 79(1): 14-31. Bernanke, Ben S., Gertler, M. & Gilchrist, S. (1999). The financial accelerator in a quantitative business cycle framework, In Handbook of Macroeconomics, ed. J.B. Taylor and M. Woodford, vol. 1 of Handbook of Macroeconomics (Elsevier) chapter 21, 1341-1393. Bernanke, Ben S. & Gertler, M. (1989). Agency costs, net worth, and business uctuations, The American Economic Review, 79(1): 14-31. Brzoza-Brzezina, M., Kolasa, M. & Makarski, K. (2013). The anatomy of standard DSGE models with financial frictions, Journal of Economic Dynamics & Control, 1(37): 32-51. Carlstrom, Charles T. & Fuerst Timothy, S. (1997). Agency costs, net worth, and business fluctuations: A computable general equilibrium analysis, American Economic Review, 87(5): 893-910. Christensen, I. & Dib, A. (2008). The financial accelerator in an estimated New Keynesian model, Review of Economic Dynamics, 11, 155-178. Christiano, L.j., Trabandt, M. & Walenti, K. (2011). Introducing Financial Frictions and Unemployment into a Small Open Economy Model, Journal of Economic Dynamics and Control, 35(12): 1999-2041. Clarida, R., Gali, J. & Gertler, M. )1999(. The Science of Monetary Policy: A New Keynesian Perspective, Journal of Economic Literature, 37, 1661-1707iter. Chugh, S.K. (2013). Costly external finance and labor market dynamics, Journal of Economic Dynamics and Control, 37(12): 2882-2912. Dong, F. (2014). Essays on Financial and Labor Markets with Frictions, A dissertation presented to the Graduate School of Arts and Sciences of Washington University in partial fulfillment of the requirements for the degree of Doctor of Philosophy. Gertler, M., Gilchrist, S. & Natalucci, F. (2003). External Constraints on Monetary Policy and the Financial Accelerator, NBER Working Paper, No.10128. Gertler, M. & Antonella, T. )2009(.Unemployment Fluctuations with Staggered Nash Bargaining, Journal of Political Economy, 117(1): 38-86. Gertler, M., Sala, L. & Trigari, A. (2008). An Estimated Monetary DSGE Model with Unemployment and Staggered Nominal Wage Bargaining, Journal of Money,Credit and Banking, 40(8): 1713-1764. Goodfriend, M. & King R. G. (1997). The New Neoclassical Synthesis and the Role of Monetary Policy, NBER Macroeconomics Annual, NBER Chapters (National Bureau of Economic Research) 12, 231-283, JSTOR 3585232. Iacoviello, M. (2005). House prices, borrowing constraints, and monetary policy in the business cycle, American Economic Review, 3(95): 739-764. Kiyotaki, N. & Moore J. (1997). Credit cycles, Journal of Political Economy, 2(105): 211-248. Monacelli, T., Quadrini, V. & Trigari, A. (2011). Financial Markets and Unemployment, NBER Working Papers (17389). Petrosky-Nadeau, N. (2014). Credit, vacancies and unemployment fluctuations, Review of Economic Dynamics, 17(2): 191-205. Sheen, J. & Wang, Ben Z. (2014). An Estimated Small Open Economy Model with Labor Market Frictions, Dynare Working Papers Series, No. 35. Shimer, R. (2005). The Cyclical behaviour of Equilibrium Unemployment, Vacancies, and Wages: Evidence and Theory, American Economic Review, 95(1): 25-49. Zhang, Y. (2011a). Financial Factors and Labour Market Fluctuations, Bank of Canada Working Paper, No. 2011-12. Zhang, Y. (2011b). Financial Frictions, Financial Shocks and Labour Market Frictions in Canada, Bank of Canada Discussion Paper, No. 2011-10 2011-12. Zhang, Y. (2013). Unemployment Fluctuations in a Small Open-Economy Model with Segmented Labour Markets: The Case of Canada, Bank of Canada Discussion Paper, No. 2013-40.
J. Econ. Res. دانشگاه تهران تحقیقات اقتصادی 0039-8969 دانشگاه تهران 36 10.22059/jte.2015.55089 مقاله پژوهشی تفکیک کژگزینی از کژمنشی در بازار بیمۀ بدنۀ اتومبیل ایران تفکیک کژگزینی از کژمنشی در بازار بیمۀ بدنۀ اتومبیل ایران کشاورز حداد غلامرضا دانشیار دانشکدة اقتصاد و مدیریت دانشگاه صنعتی شریف صابونی ‏ها علیرضا دانشجوی دکتری علوم اقتصادی دانشگاه صنعتی شریف 22 06 2015 50 2 449 478 08 05 2014 10 03 2015 Copyright © 2015, دانشگاه تهران. 2015 https://jte.ut.ac.ir/article_55089.html

در این پژوهش با استفاده از پویایی موجود در اطلاعات بیمه‏گزاران بیمة اتومبیل در شرکت بیمة ایران، عدم‏ تقارن اطلاعاتی و نوع آن آزمون می‏شود. آزمون فرضیه‏های تحقیق، که در درجة اول اطلاعات نامتقارن و سپس تفکیک دو پدیدة کژمنشی و کژگزینی است، به‌ترتیب با استفاده از رویکرد رابطة شرطی و رویکرد ویژگی‏های پویا بر اساس نظام قیمت‏گذاری جریمه/ جایزة بیمة ‏اتومبیل کشور انجام می‏شود. داده‏های مورد نیاز این تحقیق‌ـ شامل اطلاعاتی دربارة مشخصاتِ بیمه‏‏گزار، مشخصات اتومبیل مورد استفاده نظیر نوع کاربری، ارزش و سال تولید آن، و سوابق رانندگی بیمه‏گزار نظیر دریافت تخفیف عدم‏ وقوع خسارت‌ـ از پروندة 86637 بیمه‏گزار بیمة بدنة اتومبیل شرکت بیمة ایران‌، که طی سال‌های 1389 الی 1391 به صورت پی‏درپی بیمه‏نامة بدنة اتومبیل خریده‌اند، تأمین شده است. با اجرای آزمون‏های پروبیت دوگانة ایستا و آزمون‏ پروبیت دوگانة پویا، شواهدی از عدم‏ تقارن اطلاعات مشاهده شد. از آنجا که درخواست غرامت در یک دوره باعث کاهش درخواست غرامت در دورة بعد می‏شود، این عدم ‏تقارن اطلاعات از نوع کژمنشی شناسایی می‏‌شود.

 اطلاعات نامتقارن بیمة ‏بدنة اتومبیل داده‏های پانل کژگزینی کژمنشی ویژگی‏های پویا کشاورز حداد، غلامرضا و امیرخانلو، منیره (1390). «اطلاعات نامتقارن در بازار بیمة اتومبیل ایران»، نامة مفید، 131 ـ 158. شرزه‌ای، غلامعلی و ماجد، وحید (1386). «انتخاب مساعد و امکان استقرار قراردادهای سازگار اطلاعاتی: شواهدی از بازار تصادفات بیمة اتومبیل ایران»، مجلة تحقیقات اقتصادی، 42(80): 75 ـ 100. عبدلی، قهرمان (1385). «اطلاعات نامتقارن و قراردادهای سازگار اطلاعاتی و کاربرد آن‌ها در بیمة اتومبیل: مورد ایران»، مجلة تحقیقات اقتصادی، 41(75): 21 ـ 44. مطلبی، سیدمحمد موسی (1382). «انتخاب مساعد و کارایی در بازار بیمة اتومبیل»، فصلنامة صنعت بیمه، 3، 69 ـ 92. A. Akerlof, G. (1970). The Market for Lemons: Quality Uncertainty and the Market Mechanism, The Quarterly Journal of Economics,84, 488-500. Abbring, J., Chiappori, P., Heckman, J. & Pinquet, J. (2003). Adverse Selection and Moral Hazard in Insurance: Can Dynamic Data Help to Distinguish?, Journal of The European Economic Association, 1(2-3): 512-521. Abbring, J., Chiappori, P. & Pinquet, J. (2003). Moral Hazard and Dynamic Insurance, Journal of the European Economic Association, 1(4): 767-820. Chiappori, P. & Salani, B. (2000). Testing for Asymmetric Information in Insurance Markets, Journal of Political Economy,108, 56-78. Cohen, A. & Siegelman, P. (2010). Testing For Adverse Selection, The Journal of Risk and Insurance, 77, 39-84. Cohen, A. (2005). Asymmetric Information and Learning in the Automobile Insurance Market, Review of Economics and Statistics, 87, 197-207. De Meza, D. & Webb, D. (2001). Advantageous Selection in Insurance Markets, Rand Journal of Economic, 32(2): 249-262. Dionne, G., Gouriéroux, C. & Vanasse, C. (2001). Testing for Evidence of Adverse Selection in the Automobile Insurance Market: A Comment, Journal of Political Economy,109, 444-473. Dionne G., Michaud & Dahchour, M. (2004). Separating Moral Hazard from Adverse Selection and Learning in Automobile Insurance: Longitudinal Evidence from France, http://ssrn.com/abstract=583063 Dionne G., Michaud & Dahchour, M. (2007). Separating Moral Hazard from Adverse Selection and Learning in Automobile Insurance: Longitudinal Evidence from France, http://rmi.robinson.gsu.edu/wp-content/blogs.dir/185/files/2013/10/Separating-JEEA.pdf Dionne G., Michaud & Dahchour, M. (2010). Separating Moral Hazard from Adverse Selection and Learning in Automobile Insurance: Longitudinal Evidence from France,http://ssrn.com/abstract=1673381 Dionne G., Michaud & Dahchour, M. (2013). Separating Moral Hazardfrom Adverse Selection and Learning in Automobile Insurance: Longitudinal Evidence from France, Journal of the European Economic Association, 11(4): 897-917. Heckman, J. (1981). The Incidental Parameters Problem and the Problem of Initial Condition in Estimating a Discrete-Time Data Stochastic Process, In: C.F. Manski & D.MacFaden (eds), Structural Analysis of Discrete Data with Econometric Applications, Cambridge: MIT Press. Hemenway, David (1990). Propitious Selection, Quarterly Journal of Economics, 105, 1069-1073. Israel, M. (2007). Do We Drive More Safely When Accidents Are More Expensive Identifying Moral Hazard From Experience Rating Schemes?, Mimeo, Wharton School, University of Pennsylvania. Koufopolous, K. (2007). On the Positive Correlation Property in Competitive Insurance Markets, Journal of Mathematical Economic, 43, 597-605. Puelz, R. & Snow, A. (1994). Evidence on Adverse Selection: Equilibrium Signaling and Cross-Subsidization in the Insurance Market, Journal of Political Economy, 102, 236-257. Richaudeau, D. (1999). Automobile Insurance Contracts and Risk of Accident: An Empirical Test Using French Individual Data, The Geneva Papers on Risk and Insurance Theory, 24,97-114. Rothschild, M. & Stiglitz, J. (1976). Equilibrium in Competitive Insurance Markets: An Essay on the Economics of Imperfect Information, Quarterly Journal of Economics, 4, 629-649. Saito, Kuniyoshi (2006) .Testing for Asymmetric Information in the Automobile Insurance Market Under Rate Regulation, Journal of Risk & Insurance, 73(2): 335-356. Wooldridge, J. (2000).. A Framework for Estimating Dynamic, Unobserved Effects Panel Data Models with Possible Feedback to Future Explanatory Variables, Economics Letters,  68(3): 245-250.
J. Econ. Res. دانشگاه تهران تحقیقات اقتصادی 0039-8969 دانشگاه تهران 36 10.22059/jte.2015.55090 مقاله پژوهشی تعیین کارایی اقتصادی صنایع ایران در بازۀ زمانی 1374-1389 (رویکرد فرامرزی) تعیین کارایی اقتصادی صنایع ایران در بازۀ زمانی 1374-1389 (رویکرد فرامرزی) منتظری زهرا دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان) رنجبر همایون استادیار دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، گروه اقتصاد، اصفهان، ایران صامتی مجید دانشیار دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، گروه اقتصاد، اصفهان، ایران 22 06 2015 50 2 479 507 09 03 2014 10 03 2015 Copyright © 2015, دانشگاه تهران. 2015 https://jte.ut.ac.ir/article_55090.html

با توجه به اهمیت کارایی در رشد و توسعة اقتصادی کشور، اندازه‏گیری کارایی برای کشور‏های در حال توسعه، نظیر ایران‌ـ که مراحل اولیة فرایند صنعتی‌شدن را طی می‏کند‌ـ از اهمیت بیشتری برخوردار است. از این رو، در این پژوهش، با استفاده از تحلیل مرزی تصادفی (SFA) و رویکرد فرامرزی، کارایی اقتصادی (هزینه) و نسبت فراتکنولوژی (شکاف بین تکنولوژی هر صنعت با تکنولوژی متناسب با بهترین عملکرد صنعت که فعالیت‏های صنعتی ایران توانایی رسیدن به آن را دارند) صنایع مختلف، در قالب سه گروه، با سطوح تکنولوژی‏ گوناگون در بازة زمانی 1374 ـ 1389 تعیین می‌شود. نتایج حاکی از آن است که متوسط کارایی اقتصادی برای صنایع مورد بررسی در محدودة 42/42 و 15/96 درصد، متوسط کارایی فرامرزی در محدودة 20 و 12/89 درصد، و متوسط نسبت فراتکنولوژی نیز در محدودة 4711/0 و 9765/0 است. همچنین گروه وابسته به صنعت و ماشین‏آلات‌ـ به لحاظ درصد متوسط کارایی گروهی و فرامرزی و متوسط نسبت فراتکنولوژی‌ـ نسبت به گروه‏های وابسته به کشاورزی و وابسته به معدن، انرژی و سوخت عملکرد بهتری دارد. از طرفی، روند بهبود و رشد نسبت فراتکنولوژی و تغییرات کارایی در گروه وابسته به معدن، انرژی و سوخت در طول دورة مورد بررسی بیشتر و ملموس‏تر‏ است.

 تابع فرامرزی تحلیل مرزی تصادفی کارایی هزینه نسبت فراتکنولوژی اسفنجاری کناری، رضا و زیبایی، منصور (1391). «بررسی کارایی فنی و شکاف تکنولوژی واحد‏های پرورش مرغ تخم گذار ایران»، نشریة اقتصاد و توسعة کشاورزی، 4، 252 ـ 260. امامی میبدی، ع. (1384). اصول اندازه‌گیری کارایی و بهره‌وری (علمی- کاربردی)، تهران: انتشارات مؤسسة مطالعات و پژوهش بازرگانی. رنجبر، همایون و رجبی، مصطفی (1388). «بررسی کارایی هزینه در بخش صنعت (مورد مطالعه: استان اصفهان)»، اولین همایش ملی اقتصاد، دانشگاه آزاد اسلامی واحد خمینی‌شهر. رنجبر، همایون، رجبی، مصطفی و عباد سیچانی، عاطفه (1389). «عوامل مؤثر بر کارایی زیربخش‌های عمدة صنعت ایران»، فصلنامة علوم اقتصادی، 13، 160 ـ 173. زیبایی، منصور و جعفری ثانی، مریم (1387). «تعیین کارایی فنی و نسبت شکاف تکنولوژی در واحد‏های تولید شیر ایران (مطالعة موردی: استان‏های آذربایجان، اصفهان، تهران، خراسان، فارس، یزد، کاربرد روش فرامرزی)»، فصلنامة علوم و فنون کشاورزی و منابع طبیعی، 43، 125 ـ 139. Aigner, D.J., Lovell, C.A. & Schmidt, K. (1977). Formulation and Estimation of Stochastic Frontier Production Function Models, Journal of Econometrics, 6, 21-37. Aigner, D.J. & Chu S.F. )1986(. On estimating the industry production function, The American economic review, 58(4): 826-839. Battese, G.E. & Coeli, T.J. (1995). Amodel for Technical Inefficiency Effect in a Stochastic Frontier Production Function for Panel Data, Jornal of Empirical Economics, 20, 325-332. Battese, G.E. & Coelli, T.J. (1992). Frontier Production Function Technical Efficiency and Panel Data with Application to Paddy Farmers in India, Jornal of Productivity Analysis, 3 (1-2): 153-169. Battese G.E. & Coelli, T.J. (1988). Prediction of Firm-Level Technical Efficiencies with a Generalized Frontier Production Function and panel Data, Jornal of Econometrics, 38, 387-399. Battese, G.E. & Rao, D.S.P. (2002). Technology Gap, Efficiency, and a Stochastic Metafrontier Function, International Jornal of Business and Economics, 2, 1-7. Battese, G.E Rao, D.S.P. & O’Donnell, C.J.A. (2004). Metafrontier Production Function for Estimation of Technical Efficiencies and Technology Gaps for Firms Operating Under Different Technologies, Jornal of Productivity Analysis, 21, 91-103. Baure, P.W. (1977). Resent Development in the Econometric Estimation of Frontiers, Jornal of Econometrics, 46, 39-56. Bauer, P.W. (1990). Recent Developments in the Econometric Estimation of Frontiers, Journal of Econometrics, 49, 39-56. Buttese, G.E. & Corra, G.S. (1977). Estimation of production Frontier Model: with Application to the Pastoral Zone of Eastern Australia, Australian Journal of Agricultural Economics, 12, 169-179. Carlsson, B. (1972). The Measurement of Efficiency in Production: An Application to Swedish Manufacturing Industries 1968, The Swedish Journal of Economics ,74(4): 468-485. Chen, C.C., Yu-Ying Lin, E. & Chen, P.Y. (2013). Measuring the environmental efficiency of countries: A directional distance Function Metafrontier Approach, Journal of Environmental Management, 119, 134-142 Cornwell, C., Schmidt, P. & Sickles, R.C. (1990). Production Frontiers with Cross- Sectional and Time- Series Variation in Efficiency Levels, Journal of Econometrics, 46(1/2): 185-200 Farrell, M.J. (1957). The Measurement of Productive Efficiency, Jornal of The Royal Statistical Society Series A, General, 120, 235-280. F rsand, F.R., Lovell, C.A.K. & Schmidt, P. (1980). A Survey of Frontiers Production Function and their Relationship to Efficiency Measurement, Journal of Econometrics, 13(1): 27-56. Kumbhakar, S.C. (1990). Production Frontiers, Panel Data, and Time Varying Technical Ineffciency, Jornal of Econometrics, 46(1-2): 201-212. Lee, Y.H. & Schmidth, P.A. (1993). Production Fronteir Model Flexible Temporal Variation in Technucal Inefficiency, In Fried H.O., Lovell C.A.K., Schmidt S.S. (eds.), The Measurement of Productive Efficiency: Techniques and Application,‏ New York: Oxford University Press. Meeusen W. & Van Den Broak, J. (1977). Efficiency estimation cobb-douglas production Function with composed error, International Economic Review, 18, 435-444. Mehrabi Boshrabadi, H., Villano, R. & Fleming, E. (2010). When Is Metafrontier Analysis Appropriate? An Example of Varietal Differences in Pistachio Production in Iran, J. Agr. Sci. Tech, 12, 379-389. Moreira, V.H. & Bravo-Ureta, B.E. (2010). Technical efficiency and metatechnology ratios for dairy farms in three southern cone contries: a stochastic metafronitier model, J. Prod Anal, 33, 33-45. O'donnell, C.J., Rao, D.S.P. & Battese, G.E. (2008). Metafrontier Frameworks for the Study of Firm-Level Efficiencies and Technology Ratio, Empirical Economics, 34, 231-255. Pitt, M. & Lee, L.F. (1981). The Measurement and Sources of Technical Inefficiency in the Indonesian Weaving Industry, Jornal of Development Economics, 9, 43-64. Schmidt, P. & Sickles, R.C. (1984). Production Frontiers and Panel Data, Journal of Business and Economic Statistics, 2, 367-374. Schmidt, P. (1985-1986). Frontier Production Functions, Journal of Econometric Reviews, 4(2): 289-328. Timmer, C.P. (1971). Using a Probabilistic frontier Production Function to MeasureTechnical Efficiency, Journal of Political Economy, 79, 776-794.
J. Econ. Res. دانشگاه تهران تحقیقات اقتصادی 0039-8969 دانشگاه تهران 36 10.22059/jte.2015.55091 مقاله پژوهشی هزینه‌های نظامی و رشد اقتصادی در کشورهای منتخب اوپک: رهیافت آزمون علیت گرنجری در پانل‌های مختلط نا متجانس هزینه‌های نظامی و رشد اقتصادی در کشورهای منتخب اوپک: رهیافت آزمون علیت گرنجری در پانل‌های مختلط نا متجانس مولایی محمد استادیار اقتصاد دانشگاه بوعلی‌سینای همدان گل‌خندان ابوالقاسم دانشجوی دکتری اقتصاد دانشگاه لرستان 22 06 2015 50 2 509 537 01 03 2015 10 03 2015 Copyright © 2015, دانشگاه تهران. 2015 https://jte.ut.ac.ir/article_55091.html

مطالعة حاضر به بررسی رابطة علّیت بین هزینه‌های نظامی و رشد اقتصادی در کشورهای منتخب عضو اوپک (شاملِ الجزایر، آنگولا، نیجریه، ونزوئلا، ایران، کویت، عربستان و اکوادر) با تمرکز بر تحلیل خاص هر کشور، طی دورة زمانی 1995 ـ 2012، می‌پردازد. روش استفاده‌شده در این پژوهش بر اساس آزمون علّیت پانلیِ امیرمحموتگلو و کوز (2011) و مبتنی‌ بر مدل خودرگرسیون برداری (VAR) و آزمون‌های والد با مقادیر بحرانی بوت‌استراپ خاص هر کشور است. این آزمون همبستگی مقطعی و عدم تجانس بین اعضای پانل و نیز هم‌انباشتگی بین متغیرهای مورد بررسی را درنظر می‌گیرد. نتایج تحقیق نشان‌دهندة تأیید فرضیة رشد منجر به هزینه‌های نظامی برای کشورهای الجزایر، نیجریه، ایران و کویت و تأیید فرضیة خنثی برای کشورهای آنگولا، ونزوئلا، عربستان و اکوادور است. همچنین، فرضیة رشد منجر به هزینه‌های نظامی برای کل پانل تأیید می‌شود.

 آزمون علّیت پانلی بوت‌استراپ رشد اقتصادی هزینه‌های نظامی وابستگی و عدم تجانس مولایی، محمد، گلخندان، ابوالقاسم و گلخندان، داود (1393). «رابطة مخارج دفاعی و رشد اقتصادی در ایران»، فصل‌نامة راهبرد اقتصادی، 9، 73 ـ 99. Al-Jarrah, M.A. (2005). Defense spending and economic growth in an oil-rich country: The case of Saudi Arabia, Pakistan Economic and Social Review, XLIII (2): 151-166. Al-Yousif, Y.K. (2002). Defense spending and economic growth: Some empirical evidence from the Arab Gulf region, Defence and Peace Economics, 13(3): 187-197. Ando, S. (2009). The impact of defense expenditure on economic growth: Panel data analysis based on the Feder model, The International Journal of Economic Policy Studies, 4(8): 141-154. Arellano, M. & Bond, S. (1991). Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations, Rev. Econ. Stud, 58: 277-297. Benoit, E. (1973). Defense and economic growth in developing countries, Boston, MA: Health and CO, Lexington Books. Biswas, R. & Ram, R. (1986). Military expenditure and economic growth in LDC: An augmented model and further evidence, Economic Development and Cultural Change, 34(2): 361-372. Benoit, E. (1978). Growth and defense in developing countries, Economic Development and Cultural Change, 26 (2): 271-280. Breitung, J. (2005). A parametric approach to the estimation of cointegration vectors in panel data, Econometric Reviews, 24(2): 151-173. Breusch, T. & Pagan, A. (1980). The LM test and its application to model specification in econometrics, Review of Economic Studies, 47(1): 239-253. Cappelen, A., Gleditsch, N.P. & Bjerkholt, O. (19840). Military spending and economic growth in the OECD countries, Journal of Peace Research, 21(4): 361-373. Chang, T.Y., Fang, W., Wen, L.F. & Liu, C.W. (2001). Defence spending, economic growth and temporal causality: Evidence from Taiwan and Mainland China 1952–1995, Applied Economics, 33 (10): 1289-1299. Chang, H.C., Huang, B.N. & Yang, C.W. (2011). Military expenditure and economic growth across different groups: A dynamic panel Granger-causality approach, Economic Modelling, 28(6): 2416-2423. Chang, H.C., Lee, C.C., Hung, K. & Lee, K.H. (2014). Does military spending really matter for economic growth in China and G7 countries: The roles of dependency and heterogeneity, Defence and Peace Economics, 25(2): 177-191. Chen, P.F., Lee, C.C., Hung, K. & Chiu, Y.B. (2014). The nexus between defense expenditure and economic growth: New global evidence, Economic Modelling, 36: 474-483. Chun, C.K.S. (2010). Do oil exports fuel defense spending?, Strategic Studies Institute (SSI), United States Army War College. Creane, S., Goyal, R., Mobarak, A.M. & Sab, R. (2004). Evaluating financial sector development in the Middle East and North Africa: New methodology and some new results, Topics in Middle Eastern and North African Economies, 10: 14-25. Deger, S. (1986). Economic development and defense expenditure, Economic Development and Cultural Change, 34(2): 361-372. Deger, S. & Sen, S. (1983). Military expenditure, spin-off and economic development, Journal of Development Economics, 13(1–2): 67-83. Deger, S. & Smith, R. (1983). Military expenditure and growth in less developed countries, Journal of Conflict Resolution, 28(2): 335-353. Dickey, D.A. & Fuller, W.A. (1981). Likelihood ratio statistics for autoregressive time series with a unit root, Econometrica, 49: 1057-1079. Duella, A. (2014). Military burden and economic growth: Evidence from a multivariate cointegration analysis, Journal of Global Economics, 2(3): 1-6. Dunne, P. & Vougas, D. (1999). Military spending and economic growth in South Africa, Journal of Conflict Resolution, 43(4): 521-537. Emirmahmutoglu, F. (2014). Causal relationship between asset prices and output in the US: Evidence from state-level panel granger causality test, Department of Economics Working Paper Series,1-31. Emirmahmutoglu, F. & Kose, N. (2011). Testing for granger causality in heterogeneous mixed panels, Economic Modelling,28: 870-876. Enimola, S. & Akoko, A. (2011). Defense expenditure and economic growth: The Nigeria experience 1977-2006. Farzanegan, M.R. (2011). Oil revenue shocks and government spending behavior in Iran, Energy Economics, 33: 1055-1069. Farzanegan, M.R. (2012). Military spending and economic growth: The case of Iran, Defence and Peace Economics. http://dx.doi.org/10.1080/10242694.2012.723160 Fisher, R.A. (1932). Statistical methods for research workers, 4th edition, Oliver and Boyd, Edinburgh. Gerace, M. (2002). US military expenditures and economic growth: Some evidence from spectral methods, Defence and Peace Economics, 13 (1): 1-11. Grobar, L.M. & Porter, R.C. (1989). Benoit revisited: Defense spending and economic growth in less developed countries, Journal of Conflict Resolution, 33(2): 318-345. Hoyos, R.E. & Sarafidis, V. (2006). Testing for cross-sectional dependence in panel data models, Stata Journal, 6 (4): 484-496. Joerding, W. (1986). Economic growth and defense spending: Granger causality, Journal of Development Economics, 21(1): 35-40. Kar, M., Şaban, N. & Ağır, H. (2011). Financial development and economic growth nexus in the MENA countries: Bootstrap Panel Granger Causality Analysis, Economic Modelling, 28 (1-2): 685-693. Karagol, E. & Palaz, S. (2004). Does defense expenditure deter economic growth in Turkey? A cointegration analysis, Defence and Peace Economics, 15 (3): 289-298. Kollias, C., Manolas, G. & Paleologou, S.Z. (2004). Defence expenditure and economic growth in the European Union: A causality analysis, Journal of Policy Modeling, 26(5): 553-569. Kónya, L. (2006). Exports and growth: Granger causality analysis on OECD countries with a panel data approach, Economic Modelling, 23(6): 978-992. Kung, H.H. & Min, C.H. (2013). Military spending and economic growth nexus in sixteen Latin and South American countries: A bootstrap panel causality test, Romanian Journal of Economic Forecasting, XVI(4): 171-185. Kusi, N.K. (1994). Economic growth and defense spending in developing countries: A causal analysis, Journal of Conflict Resolution, 38(1): 152-159. LaCivita, C.J. & Frederiksen, P.C. (1991). Defense spending and economic growth, an alternative approach to the causality issue, Journal of Development Economics, 35(1): 117-126. Lee, C.C. & Chen, S.T. (2007). Do defenses expenditures spur GDP: A panel analysis from OECD and non- OECD countries, Defence and Peace Economics, 18(3): 265-280. Lim, D. (1983). Another look at growth and defense in less developed Countries, Economic Development and Cultural Change, 31(2): 377-384. Narayan, P.K. & Singh, B. (2007). Modelling the relationship between defense spending and economic growth for the Fiji Islands, Defence and Peace Economics, 18(4): 391-401. Pan, C., Chang, T. & Rufael, Y.W. (2015). Military spending and economic growth in the Middle East countries: Bootstrap panel causality test, Defence and Peace Economics, 26(4):443-456. Pesaran, M.H. (2004). General diagnostic tests for cross section dependence in panels, Cambridge Working Papers in Economics, No. 0435. Pesaran, M.H. (2006). Estimation and inference in large heterogeneous panel with a multifactor error structure, Econometrica, 74(4): 967-1012. Pesaran, M.H. & Yamagata, T. (2008). Testing slope homogeneity in large panels, Journal of Econometrics, 142(1): 50-93. Pradhan, R.P. (2010). Modeling the nexus between defense spending and economic growth in Asean-5: Evidence from cointegrated panel analysis, African Journal of Political Science and International Relations, 4(8): 297-307. Ram, R. (1995). Defense expenditure and economic growth, Handbook of Defense Economics, 1: 251-274. Safdari, M., Keramati, J. & Mahmoodi, M. (2011). The relationship between military expenditure and economic growth in four Asian countries, Chin. Bus. Rev, 10: 112-118. Sezgin, S. (2001). An empirical analysis of Turkey’s defence–growth relationships with a multi‐equation model (1956-1994), Defence and Peace Economics, 12 (1): 69-86. SIPRI (Stockholm International Peace Research Institute) (2014). Yearbooks armaments and disarmaments and international security”, SIPRI-Oxford University Press, New York, Various Issues. Stine, R.A. (1987). Estimating properties of autoregressive forecasts, Journal of the American Statistical Association, 82: 1072-1078. Toda, H.Y. & Yamamoto, T. (1995). Statistical inference in vector autoregressions with possibly integrated process, J. Econ., 66: 225-250. Xie, Z. & Chen, S.W. (2014). Untangling the causal relationship between government budget and current account deficits in OECD countries: Evidence from bootstrap panel Granger causality, International Review of Economics and Finance, 31: 95-104. Zhong, M., Chang, T., Goswami, S. & Gupta, R. (2014). The nexus between military expenditures and economic growth in the BRICS and the US: A bootstrap panel causality test, Working Paper, 1-25.