Abstract:
در این مقاله رابطه علیت میان تورم و رشد بهره وری در اقتصاد ایران با استفاده از روش های خطی و غیرخطی مبتنی بر شبکه های عصبی آزمون می شود. این مطالعه با ارائه نگاهی جامع و متفاوت به مبانی نظری رابطه تورم و بهرهوری و نیز ارائه روشی نو به منظور بررسی ارتباط غیرخطی میان این دو متغیر به واکاوی رابطه میان این دو در اقتصاد ایران طی دورة 1385-1338 پرداخته است. نتایج حاکی آن است که بهرغم عدم وجود رابطه خطی میان تورم و رشد بهرهوری، یک رابطه غیرخطی میان این دو متغیر با استفاده از روش علیت غیرخطی GMDH مشاهده میشود. به بیان دیگر، میان تورم و رشد بهره وری یک علیت غیرخطی دو طرفه برقرار است.
In this paper causality relation between inflation and productivity growth in Iran with the use of linear and non linear methods based on neural network will be examined. This study provides a comprehensive and distinctive view on the theoretical relationship between inflation and productivity growth, provideing a new approach to the nonlinear relationship between these two variables in Iran during 1960-2006. The results indicate that despite the lack of linear relationship between inflation and productivity growth, a nonlinear relationship between these two variables using nonlinear GMDH causality can be observed.
Machine summary:
اين مطالعـه با ارائة نگاهي جامع و متفاوت به مباني نظري رابطـة تـورم و بهـرهوري و نيـز ارائـة روشي نو به منظور بررسي ارتباط غيرخطي ميـان ايـن دو متغيـر بـه واکـاوي رابطـه ميان اين دو در اقتصاد ايران طي دورة ١٣٨٥-١٣٣٨ پرداخته است .
افزايش نااطميناني در مورد تورم مي تواند سبب افـزايش فـروش کالاهـاي ذخيـره شـده غيرمولد شود و در نتيجه بنگاه هزينه هاي پرداختي در تحقيـق و توسـعه را کـاهش خواهـد داد که در نهايت منجر به کاهش بهرهوري مي شـود (١٩٨٢ ,Selody &Jarrett ).
با اين دخالت ، علاوه بر مغشوش نمودن نظام بازار و قيمت که منجر به علامت دهي هاي اشتباه به کارگزاران اقتصادي مي شود، يک فضاي نااطميناني نيز (علاوه بر نااطمينـاني ذاتـي در تورم که با افزايش تورم همراه است )١، به اقتصاد کشور تحميل مـي شـود کـه بهـرهوري کل را کاهش خواهد داد.
به طور مثال براي تبيين رابطة علي ميان دو متغير x و y، ابتدا وقفه هاي اين دو را تشـکيل داده و به عنوان متغيرهاي ورودي، به شبکة GMDH مـي دهـيم و سـپس بـا اسـتفاده از ايـن شبکه به پيش بيني x و y در سطح جاري متغير مي پردازيم (جدول١).
علاوه بر اين در عليت GMDH به دليل آنکه از روابط غيرخطي بهره مي برد لذا عليـت غيرخطي را نيز در نظر خواهد گرفت ، اين در حالي است کـه در دنيـاي واقـع روابـط ميـان متغيرها به صورت غيرخطي است (يکي از يافته هاي اين تحقيق نيز همين موضوع اسـت کـه ميان رشد بهرهوري و نرخ تورم يک رابطة غيرخطـي وجـود دارد).
Tsionas(2005), "Productivity Growth and Inflation in Europe: Evidence from Panel Cointegration Tests",Empirical Economics 30:137- 150.