نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار دانشکده اقتصاد دانشگاه تهران

2 کارشناس ارشد اقتصاد دانشگاه تهران

چکیده

این مقاله, با استفاده از مدل عرضه و تقاضای کل, قیدهای کوتاه‌مدت به‌کار برده شده را برای شناسایی شوک‌های ساختاری بکار می‌برد. همچنین با استفاده از این مدل به همراه قید بلندمدت بلانچارد و کوا[1] شیب منحنی عرضه کل، واریانس شوک‌های عرضه و تقاضای کل و هبمستگی بین شوک‌های آن برای اقتصاد ایران تخمین زده شده است. در این مطالعه از داده‌های فصلی مربوط به دوره (3/1385-1/1368) استفاده شده است. نتایج نشان می‌دهد که شوک‌های عرضه و تقاضای کل همبستگی کمی ‌با یکدیگر دارند. از طرف دیگر تخمین شیب منحنی عرضه کل کوتاه‌مدت در مدل AS-AD نشان می‌دهد که اثر فوری شوک عرضه ساختاری به اندازه یک درصد بر تولید بزرگتر از شوک تقاضای ساختاری یک درصد بر تولید می‌باشد. همچنین نتایج حاصل از تجزیه‌های واریانس نشان می‌دهند که در مدل AS-AD  با علیت از طرف تقاضا به طرف عرضه، شوک‌های تقاضا در کوتاه‌مدت در حدود 25 درصد و در بلندمدت نزدیک به 9 درصد تغییرات تولید ناخالص داخلی را توضیح می‌دهند.



[1]- Blanchard & Quah

کلیدواژه‌ها

عنوان مقاله [English]

Using the Aggregate Demand and Supply Model to Identify Structural Shocks: Results Using a Bivariate VAR

نویسندگان [English]

  • Abdolnaser Hemmati 1
  • Ali Reza Mobasherpoor 2

1 Assistant Professor, Faculty of Economics, University of Tehran

2 Master of Economics, University of Tehran

چکیده [English]

This paper studied the short-run restrictions by a simple aggregate demand–aggregate supply model to identify structural shocks. Combined with the Blanchard-Quah restriction, it allowed estimation of the slope of the aggregate supply curve, the variances of structural demand and supply shocks and the extent to which structural demand and supply shocks are correlated, are estimated. Quarterly data for the period 1368:1-1385:3 were utilized in this study. This paper found that the demand and supply shocks were weakly correlated. On the other hand, the point estimate of the output-inflation tradeoff parameter, which is the slope of the short-run aggregate supply curve in the  model, implies that the immediate effect on output of a structural supply shock is larger than that of an equal-sized structural demand shock. The variance decompositions also indicated that with causality from demand to supply, 25% of the short-run variation in output and nearly 9% of the long-run variation in output was the result of the structural supply shock.

کلیدواژه‌ها [English]

  • Structural VAR
  • Supply and Demand Shocks
  • Blanchard-Quah Decomposition

منابع

  1. بانک مرکزی جمهوری اسلامی‌، حساب‌های ملی فصلی‌، سال‌های مختلف. (www.cbi.ir (
    1. Enders, W., Applied Econometric Time Series. John Wiley & Sons, Inc, 1995.
    2. Cover, James Peery, Walter Enders, and C. James Hueng. Forthcoming. Using the Aggregate, 2004.
    3. Demand-Aggregate Supply Model to Identify Demand-Side and Supply-Side Shocks: Results from a Bivariate VAR. Journal of Money, Credit and Banking.
    4. Cover, James P. and C. James Hueng. The Correlation Between Shocks to Output and the Price Level. Southern Economic Journal: 70, 2003 No. 1, July: 75-92.
    5. Blanchard, Olivier Jean and Danny Quah. The Dynamic Effects of Aggregate Demand and Supply Disturbances American Economic Review 79, September 1989, 655-73.
    6. Giannini, C., Topics in Structural VAR Econometrics, Berlin, Springer-Verlag, 1992.

ارقام: میلیارد ریال (قبل از تعدیل فصلی)

سال

فصل

تولید ناخالص داخلی به قیمت ثابت (1376)

تولید ناخالص داخلی به قیمت جاری

شاخص ضمنی تولید ناخالص داخلی

1367

1

42997

4447

10.34

 

2

52627

6472

12.30

 

3

48471

5312

10.96

 

4

41194

4468

10.85

1368

1

44001

5378

12.22

 

2

57809

7975

13.80

 

3

50036

6624

13.24

 

4

44890

5788

12.89

1369

1

50780

7301

14.38

 

2

65064

10428

16.03

 

3

56939

9191

16.14

 

4

50881

8394

16.50

1370

1

54237

10297

18.99

 

2

72955

14986

20.54

 

3

67380

13223

19.62

 

4

57262

11265

19.67

1371

1

66558

14000

21.03

 

2

78602

19968

25.40

 

3

65025

17162

26.39

 

4

52355

15325

29.27

1372

1

63202

22533

35.65

 

2

78737

29987

38.09

 

3

64608

25114

38.87

 

4

51854

22414

43.23

1373

1

56823

27036

47.58

 

2

79634

39284

49.33

 

3

65672

33657

51.25

 

4

55368

30588

55.24

 

سال

فصل

تولید ناخالص داخلی به قیمت ثابت (1376)

تولید ناخالص داخلی به قیمت جاری

شاخص ضمنی تولید ناخالص داخلی

1374

1

55495

36493

65.76

 

2

78442

55958

71.34

 

3

69044

48629

70.43

 

4

61346

44848

73.11

1375

1

61983

50564

81.58

 

2

83836

73202

87.32

 

3

72075

64716

89.79

 

4

65202

59866

91.82

1376

1

63930

63186

98.84

 

2

85340

85719

100.44

 

3

75510

75541

100.04

 

4

67897

68232

100.49

1377

1

65954

68840

104.38

 

2

89034

97090

109.05

 

3

77138

84883

110.04

 

4

68574

78322

114.22

1378

1

70518

89494

126.91

 

2

87313

124575

142.68

 

3

80115

116666

145.62

 

4

68569

105890

154.43

1379

1

71619

123232

172.07

 

2

93421

167350

179.14

 

3

83385

151083

181.19

 

4

73854

138808

187.95

1380

1

72937

146367

200.68

 

2

97450

194211

199.29

 

3

86698

173457

200.07

 

4

77020

157701

204.75

 

سال

فصل

تولید ناخالص داخلی به قیمت ثابت (1376)

تولید ناخالص داخلی به قیمت جاری

شاخص ضمنی تولید ناخالص داخلی

1381

1

81938

198045

241.70

 

2

105551

258751

245.14

 

3

88701

230101

259.41

 

4

83025

239579

288.56

1382

1

88893

249220

280.36

 

2

110182

313030

284.10

 

3

96656

278051

287.67

 

4

89041

269233

302.37

1383

1

93459

311492

333.29

 

2

116302

390774

336.00

 

3

103024

359604

349.05

 

4

91550

344161

375.93

1384

1

98285

391656

398.49

 

2

122113

478480

391.83

 

3

106603

428013

401.50

 

4

94979

403066

424.37

1385

1

104217

469997

450.98

 

2

125709

545873

434.24

 

3

111869

489787

437.82

Using the Aggregate Demand-Aggregate Supply Model to Identify Structural Demand-Side and Supply-Side Shocks: Results Using a Bivariate VAR

 

 

 

 

 

تخمین مدل VAR دو متغیره با وقفه بهینه سه

Vector Autoregression Estimates

Sample: 1370Q1 1385Q3

Included observations: 63

Standard errors in ( ) & t-statistics in [ ]

 

DLY

DLP

DLY(-1)

-0.42512

-0.171841

 

-0.115

-0.1288

 

[-3.69664]

[-1.33415]

DLY(-2)

-0.45891

-0.205698

 

-0.12056

-0.13503

 

[-3.80642]

[-1.52336]

DLY(-3)

-0.60938

0.126242

 

-0.11921

-0.13352

 

[-5.11176]

[ 0.94551]

DLP(-1)

-0.04302

0.177415

 

-0.12289

-0.13764

 

[-0.35010]

[ 1.28897]

DLP(-2)

-0.34174

-0.071759

 

-0.12303

-0.1378

 

[-2.77756]

[-0.52075]

DLP(-3)

0.020608

0.190774

 

-0.12031

-0.13475

 

[ 0.17130]

[ 1.41581]

C

-0.02458

0.05853

 

-0.03619

-0.04053

 

[-0.67913]

[ 1.44405]

S1

0.124326

-0.065171

 

-0.04672

-0.05233

 

[ 2.66101]

[-1.24543]

S2

0.181246

-0.030671

 

-0.05526

-0.06189

 

[ 3.28011]

[-0.49559]

S3

-0.02539

0.018017

 

-0.04808

-0.05385

 

[-0.52803]

[ 0.33457]

R-squared

0.956231

0.425689

Adj. R-squared

0.948799

0.328165

Sum sq. resids

0.078998

0.099095

S.E. equation

0.038607

0.04324

F-statistic

128.6571

4.364952

Log likelihood

121.073

113.9335

Akaike AIC

-3.52613

-3.299475

SchwarzSC

-3.18595

-2.96E+00

Mean dependent

0.012505

5.20E-02

S.D. dependent

0.170621

0.052754

Determinant resid covariance (dof adj.)

 

2.65E-06

Determinant resid covariance

 

1.87E-06

Log likelihood

 

236.6052

Akaike information criterion

 

-6.876354

Schwarz criterion

 

-6.195994