روندها و گام تصادفی در سری های زمانی کلان اقتصادی: ملاحظاتی در باب آزمون ریشه واحد (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
در ادبیات اقتصادسنجی سری زمانی، نحوه تولید داده ها و مانایی متغیرها از موضوعات مهم در انتخاب مدل و روش تخمین می باشد. فرآیندهای تفاضل پایا و روندپایا از روش های تولید داده می باشند. در تصریح تفاضل پایا( انباشته)، جزء تصادفی سری از فرآیند گام تصادفی پیروی نموده (فرآیند ریشه واحد) که با تفاضل گیری مانا می شود؛ در حالی که در تصریح روندپایا، جزء تصادفی سری از یک فرآیند مانا تبعیت می کند. الگوی تغییرات یک متغیر در مدل گام تصادفی دارای روند(تصادفی) و مدل روندپایا(روند قطعی) بسیار شبیه به یکدیگر است. حقایق آشکارشده نشان از روند صعودی متغیرهای کلان اقتصادی ایران در چند دهه گذشته دارند، که این تغییرات بسیار نزدیک به الگوی تغییرات دو مدل روندپایا و تفاضل پایا می باشد. در کارهای تجربی تمایز بین این دو مدل کار ساده ای نیست و بکارگیری نادرست آزمون ها به نتایج غلط در فرآیند تحقیق منتج می شود. هدف این مقاله بررسی دوباره نحوه انجام آزمون ریشه واحد و شناسایی ماهیت روند(قطعی یا تصادفی) سری های زمانی کلان اقتصادی ایران می باشد. در مرحله نخست آزمون ریشه واحد دیکی فولر تعمیم یافته(ADF) با روش دولادو و همکاران(1990) و همیلتون(1994) انجام یافت، سپس جهت بررسی شکست ساختاری، از آزمون پرون(1989) بهره گرفته شد. نتایج نشان می دهد 4 متغیر از 6 سری زمانی شامل GDP اسمی، ارزش افزوده صنعتی، قیمت های مصرف کننده و حجم پول از فرآیند گام تصادفی با جزء ثابت مثبت (روند تصادفی) پیروی می کنند؛ اما متغیرهای GDP واقعی و شاخص قیمت سهام از فرآیند روندپایا (روند قطعی) تبعیت می نمایند.Trends and random walks in macroeconomics time series: The unit root test considerations
In the time series econometric literature, data generation and stationary are important issues in model selection and estimation method. Difference Stationary and Trend Stationary processes are data generation procedures. In Difference Stationary specification (integrated), the stochastic component follows a random walk process (unit root process) that it yields stationary by differencing, while in trend Stationary specification process, the stochastic component follows a stationary process. The variable variation pattern in the random walk model with trend (random) and the trend stationary model (deterministic trend) is very similar. The revealed facts show the upward trend of Iran's macroeconomic variables over the past few decades, which are very close to the variation pattern of trend and Difference Stationary models. In empirical work, the distinction between these two models is not simple, and misapplying of tests cause incorrect results in the research process. The purpose of this paper is to review again how to perform a unit root test and identify the nature of (deterministic or random) trends of macroeconomic time series of Iran. In the first step, the generalized Dickey Fuller root unit test (ADF) was performed using the Dolado et al. (1990) and Hamilton (1994) approach and then Perron's test (1989) was used to investigate structural break. The results show that 4 variables of 6 time series including nominal GDP, industrial value added, consumer prices and stock money follow the random walk process with positive drift (random trend), but real GDP and stock price index follow the trend stationary process (deterministic process).
تبلیغات
