بررسی تغییر واحد پول ملی و پیامد های آن در اقتصاد ایران …

(۴-۴۱)yt = βXt + Ut
زمانی که حجم نمونه کوچک باشد، استفاده از روش OLS در برآورد رابطه بلندمدت فوق، به دلیل در نظر نگرفتن پویایی های کوتاه مدت موجود در بین متغیرها، برآوردهای بدون تورشی را ارائه نخواهند کرد، بنابراین منطقی به نظر می رسد برآورد چنان الگوی کاملی را مورد توجه قرار گیرد که پویایی های کوتاه مدت را نیز در خود داشته باشد و در نتیجه موجب شود تا ضرایب الگو با دقت بیشتری برآورد شوند. از این رو در این رساله با استفاده از روش خود توضیحی با وقفه های گسترده (ARDL) به برآورد الگوی تورم پرداخته شده است. روش ARDL با در نظر گرفتن وقفه های مربوط به متغیرها، که تعداد بهینه آنها بر اساس یکی از معیارهای آکائیک (AIC)، شوارز- بیزین (SBC)، حنان-کوئین (HQC) و یا ، تعیین می شود، باعث می شود تا تورش مربوط به برآورد پارامترهای مدل بر اساس نمونه کوچک از بین برود.
از طرفی برآورد پویای الگو به روش ARDL این امکان را فراهم می آورد تا آزمون ریشه واحد فرضیه صفر عدم وجود همجمعی نیز انجام شود. بدین منظور کافی است پس از برآورد الگو به روش ARDL ، ضرایب برآورد شده متغیرهای با وقفه مربوط به متغیر وابسته را با یکدیگر جمع و مقدار بدست آمده را از عدد یک کم کنیم. سپس حاصل را بر مجموع انحراف معیار این ضرایب تقسیم کنیم. در این صورت یک آماره آزمون از نوع t نتیجه خواهد شد، که می توان کمیت آن را با کمیت های بحرانی ارائه شده توسط بنرجی، دولادو و مستر[۵۵] مقایسه کرد و چنانچه کمیت بحرانی ارائه شده از لحاظ قدر مطلق، کوچکتر از آماره محاسباتی باشد، فرضیه صفر مبنی بر عدم وجود رابطه همجمعی رد شده و نتیجه گرفته می شودکه یک رابطه تعادلی بلندمدت بین متغیرهای الگو وجود دارد. پس از اطمینان از این موضوع می توان اقدام به برآورد رابطه بلند مدت نمود.
وقتی وجود همجمعی بین متغیرهای دخیل در هر معادله به اثبات رسید، در قدم بعدی نسبت به تصحیح تورش ضرایب برآورد شده منتج از نمونه های کوچک اقدام شده است. دراین راستا ضرایب برآورد شده رابطه همجمعی برای دستیابی به ضرایب تعادلی بلندمدت با استفاده از روش خودرگرسیون گسترده وقفه (ARDL) تعدیل شده است. به عبارت دیگر برای رفع تورش مربوط به نمونه های کوچک وقفه متغیرها به الگو اضافه شده است و رابطه زیر مورد برآورد قرار گرفته است.
(۴-۴۲)
همه وقفه ها را به زمان حال تبدیل کرده و ضرایب مربوط به هر متغیر را به صورت جمع جبری به دست آورده شده و بعد از برآورد الگوی دارای وقفه آزمون بنرجی، دولادو و مستر انجام شده است. برای این کار ضرایب بدست آمده برای وقفه های متغیر وابسته را با یکدیگر جمع کرده و با کسر مقدار بدست آمده از عدد یک و تقسیم حاصل بر جمع انحراف معیار این ضرایب، به آماره t دست یافت:
(۴-۴۳)
اگر قدر مطلق t بدست آمده، از قدر مطلق مقادیر بحرانی ارائه شده توسط بنرجی، دولادو و مستر بزرگتر باشد، فرضیه صفر مبنی بر عدم وجود همجمعی رد شده و وجود رابطه بلند مدت تأیید می شود.
پس از آنکه ضرایب هر یک از روابط بلندمدت الگو به روش فوق تعدیل شده است، جمله پسماند به صورت = Y – (β۰ + β۱X1 + β۲X2)] [e محاسبه شده است و آزمون ریشه واحد بر روی آن صورت گرفته است. اگر این جمله پسماند بر اساس آزمون آماری انجام شده، فاقد ریشه واحد بوده وپایا باشد، چنین نتیجه گیری می شود که رابطه برآورد شده یک رابطه قابل قبول برای نشان دادن رابطه تعادلی بلندمدت است.
در مرحله بعد، الگوی تصحیح خطای مربوط به هر یک از معادلات رفتاری که نشان دهنده پویاییهای کوتاه مدت هستند، با استفاده از جملات پسماند روابط تعدیل شده بلندمدت تصریح و برآورد شده است. شکل کلی این الگوهای تصحیح خطا به صورت زیر است:
(۴-۴۴)
که در آن Z بردار ( K×۱) مربوط به متغیرهای پایایی هستند که تصور میرود رفتار ΔY را توضیح دهند و U جمله اخلال است. بردار Z ممکن است وقفههای متغیر وابسته، تفاضل مرتبه اول X1 و X2 ( یا بدون وقفه)، متغیرهای مجازی برای توضیح نوسانات غیرعادی کوتاه مدت، و یا هر متغیر مورد نظر دیگری به شرط آنکه پایا باشد را در بر گیرد. ضرایب مربوط به الگوهای تصحیح خطا (ECM) به روش OLS مورد برآورد قرار گرفته است.
پس از برآورد ضرایب الگوی تصحیح خطا به روش OLS، مجموعه ای ازآزمون های تشخیصی مورد استفاده قرار گرفته اند تا صحت و اعتبار رابطه برآورد شده از نظر آماری مورد ارزیابی واقع شود. این آزمون ها عبارتند از:
آزمون جارک- برا (Jarque-Bera) برای بررسی نرمال بودن توزیع جمله خطا
آزمون آرچ (Arch) برای بررسی واریانس ناهمسانی مشروط
آزمون وایت (Wite) برای بررسی واریانس ناهمسانی
آزمون LM برای بررسی خودهمبستگی
در مواردی که معادله برآورد شده با توجه به نتایج آزمون های فوق، دچار اشکال بوده است، در الگوی تصحیح خطا تجدید نظر شده و پس از برآورد ضرایب آن، مجدداً توسط آزمون های فوق مورد ارزیابی قرار گرفته است تا نسبت به صحت رابطه برآورد شده از نظرآماری اطمینان حاصل شود.
اکنون ابتدا به شرح داده های آماری مورد استفاده پرداخته و سپس چگونگی برآورد روابط تعادلی بلندمدت و روابط پویای کوتاه مدت الگو را توضیح می دهیم.
۴-۷-۱ داده های آماری
در این مطالعه از داده های آماری سالانه مربوط به سالهای ۱۳۳۸تا ۱۳۸۶ استفاده شده است. سری زمانی مربوط به متغیرهای CC، GDP،RوE از سایت بانک مرکزی، نماگرهای اقتصادی و کتاب حساب های ملی استخراج شده است.
۴-۷-۲ برآورد الگوی تابع تقاضای اسکناس و مسکوک
شکل تابع تقاضا برای اسکناس و مسکوک با توجه به شکل تصریح شده در فصل قبل به صورت زیر می باشد:
Log(CCJ/P) = f(Log(GDP) , Log(NOTE/P) , Log(R) , Log(E)) (4-45)
که در آن
:CCJ اسکناس و مسکوک در گردش
NOTE : مبلغ اسمی درشت ترین اسکناس در گردش
R : نرخ سود بانکی
متغیرهای مورد استفاده در الگو سری زمانی هستند؛ سری زمانی را که مشخصه های آماری آن (برای مثال میانگین و واریانس) در طی زمان ثابت باشد، پایا می نامند. روش های معمول اقتصاد سنجی در کارهای تجربی مبتنی بر فروض پایایی متغیرهای مورد مطالعه است، به این خاطر که امکان ساختگی بودن برآورد با متغیرهای ناپایا وجود دارد. از طرف دیگر اکثر سری های زمانی اقتصاد کلان ناپایا هستند. از این رو قبل از استفاده از متغیرهای سری های زمانی، لازم است نسبت به پایایی و ناپایایی آن اطمینان حاصل کرد. بنابراین، ابتدا به بررسی پایایی متغیرهای مورد استفاده در الگو پرداخته شده است. در این قسمت پایایی متغیرها از طریق آزمون ریشه واحد بررسی شده است. نتایج حاصل از بررسی پایایی متغیرهای این تابع با استفاده از آزمون دیکی فولر تعمیم یافته به شرح جدول زیر می باشد:
جدول (۴-۱): آزمون دیکی فولر تعمیم یافته برای سطح متغیرهای مورد نظر

نام متغیر حالت تابع
(T,C)
آماره آزمون
برای دانلود متن کامل این پایان نامه به سایت  fumi.ir  مراجعه نمایید.