پویان کیانی

از آنجایی که شرکت های توزیع برق در شرایط محیطی مختلف فعالیت می نمایند که ممکن است بر کارایی آنها تاثیر گذارد و با عنایت به استفاده از این مقادیر کارایی برای مقاصدی همچون مقررات گذاری اقتصادی، ضرورت دارد که کارایی این شرکت ها به وسیله عوامل محیطی تصحیح گردد. در مطالعه حاضر، این کار برای شرکت های توزیع برق ایران با استفاده از کاربرد تحلیل دو مرحله ای ( DEA و Tobit ) صورت می پذیرد. برای این منظور، ابتدا با استفاده از روش DEA ، به اندازه گیری کارایی 39 شرکت توزیع برق ایران طی سال 1394 پرداخته می شود. سپس تاثیر عوامل محیطی بر کارایی این شرکت ها با استفاده از روش Tobit مورد بررسی قرار می گیرد. نتایج مدل نشان داد که متغیرهای میزان بارش باران و ترکیب مشتریان به ترتیب اثر منفی و مثبت بر کارایی شرکت های توزیع برق ایران دارند. در نهایت کارایی های اولیه با استفاده از عوامل محیطی موثر، که همانا میزان بارش باران و ترکیب مشتریان می باشند، مورد تصحیح قرار می گیرند. مقایسه اندازه کارایی های محاسبه شده اولیه و تصحیح شده حاکی از ایجاد تغییر در اندازه کارایی و رتبه شرکت های توزیع برق می باشد، به نحوی که شرکت های توزیع برقی که بارش باران بیشتر از میانگین و مشتریان صنعتی کمتری نسبت به میانگین داشتند، کاراییشان افزایش پیدا کرده است و برعکس.

امروزه بحث تقاضای انرژی از مباحث مهم و کاربردی در کشورهای مختلف است. تقاضای انرژی چه به لحاظ تاثیر مخرب بر محیط زیست و چه به لحاظ هزینه های اقتصادی که صرف آن می شود از اهمیت بالایی برخوردار است. بخش خانگی از مصرف کنندگان عمده انرژی محسوب می شود و مطالعه در مورد عوامل موثر بر آن می تواند نتایج مفیدی را به لحاظ کابرد سیاست های مناسب در این زمینه ایجاد کند. از این رو در این مطالعه به برآورد تابع تقاضای انرژی در بخش خانگی پرداخته شده است. داده های مورد استفاده در این پژوهش مربوط به 28 استان کشور و برای دوره زمانی 1392-1381 است که از ترازنامه انرژی کشور استخراج شده است. نتایج این برآورد نشان دهنده این واقعیت است که تقاضای انرژی در بخش خانگی تابعی معکوس از قیمت انرژی، جمعیت خانوار و نیاز به سرمایش است به این معنی که هرچه این عوامل افزایش یابند تقاضا برای انرژی در بخش خانگی کاهش می یابد و سایر متغیرها یعنی درآمد واقعی و نیاز به گرمایش اثرات مثبتی بر تقاضای انرژی در بخش خانگی دارند.

یکی از مهم ترین ابزارهای آماری در برنامه ریزی و سیاستگذاری های اقتصادی، داده های حساب های ملی است. از این رو، پیش بینی متغیرهای عمده اقتصادی از اهمیت خاصی برخوردار و در این میان، رشد اقتصادی از مهم ترین متغیرهای اقتصادی بوده که پیش بینی آن، از اولویت بالایی برخوردار است. هدف اصلی این مطالعه، شناسایی روش مناسب برای پیش بینی رشد اقتصادی ایران می باشد.                 در این پژوهش، مدل رگرسیون فازی که در ادبیات اقتصادی، کمتر مورد توجه قرار گرفته، معرفی و قابلیت آن در پیش بینی رشد اقتصادی ایران با مدل تصحیح خطا (ECM) مقایسه شده است. بدین منظور با استفاده از داده های دوره 1338 تا 1380 تولید ناخالص داخلی ایران از طریق دو مدل ECM و رگرسیون فازی مدل سازی و سپس، رشد تولید ناخالص داخلی ایران برای دوره 1381 تا 1391 پیش بینی شده است. در پایان، عملکرد این مدل ها با استفاده از معیارهای متداول ارزیابی مدل های پیش بینی از جمله MAE، RMSE، MAPE و TIC بررسی شده است. نتایج نشان می دهد که رگرسیون فازی، عملکرد به مراتب بهتری از مدل ECM در پیش بینی رشد تولید ناخالص داخلی ایران ارائه می دهد. همچنین دقت پیش بینی مدل رگرسیون فازی نسبت به مدل ECM از نظر آماری، تفاوت معنی داری دارد.

ساختار بازار یکی از مهم ترین ویژگی های هر صنعت برای تحلیل وضعیت آن به شمار می رود. برای بررسی ساختار بازار شاخص های مختلفی همچون تمرکز، صرفه های مقیاس، ورود بنگاه ها، و تفاوت کالا وجود دارد. اما، اغلب مطالعات انجام شده در این زمینه از یکی از این شاخص ها (معمولاً تمرکز) به منظور تعیین ساختار بازار استفاده می کنند. در این مطالعه، با استفاده از روش شناسی منطق فازی، یک شاخص جامع ساختار بازار از ترکیب سه متغیرِ تمرکز، صرفه های مقیاس و تعداد ورود بنگاه ها به صنعت ساخته می شود و با استفاده از آن به بررسی ساختار بازار زیربخش های صنعتی ایران در سطح کُدهای چهاررقمی ISIC در سال 1386 پرداخته می شود. نتایج حاکی از پایین بودن میزان شاخص جامع محاسبه شده برای تعیین ساختار بازار در اکثر زیربخش های صنعتی ایران است؛ به طوری که 63 صنعت دارای شاخص ساختار بازار کمتر از 22 / 0 هستند؛ عمده دلیل آن کم بودن صرفه های مقیاس در صنایع مذکور است. همچنین، رتبه بندی زیربخش های صنعتی مذکور، بر اساس میزان رقابتی بودن، نشان می دهد که صنایع تولید آجر با شاخص ساختار بازار 037 / 0 به عنوان رقابتی ترین صنعت و صنایع تولید جواهرات و کالاهای وابسته با شاخص ساختار بازار 781 / 0 انحصاری ترین صنعت است.

با وجود اینکه ایران از نظر برخورداری از منابع زغال سنگ در جایگاه دوازدهم جهان قرار دارد اما این منبع عظیم انرژی، تنها یک درصد در سبد انرژی کشور سهم دارد. در ایران، اقتصاد انرژی تحت تاثیر ذخایر نفت و گاز طبیعی قرار دارد و این موضوع سبب شده به منابع دیگر انرژی که سودآوری کلانی دارند، توجه چندانی نشود. فناوری نوین گاز کردن زیرزمینی زغال سنگ (UCG) روشی برای تبدیل زغال سنگ به گاز در زیرزمین است که سبب افزایش بازیابی لایه های زغال سنگ با ضخامت های متغیر و در اعماق زیاد خواهد شد. با تزریق گاز سنتزی حاصل از فناوری UCG به شبکه گازی کشور، سبب افزایش امکان بهره برداری از ظرفیت صادراتی گاز کشور خواهد شد. انتظار می رود با بهره گیری از فناوری UCG در ایران در جهت تحقق اهداف اسناد بالادستی کشور و اوامر ابلاغی مقام معظ م رهبری در حوزه نفت و گاز، گام بلندی برداشت.

پیش بینی براساس مدل های چندمتغیری اقتصادسنجی با محدودیت هایی زیادی همراه است، بنابراین یک روش جایگزین استفاده از مدل های تک متغیری است. اما اکثر روش های تک متغیری برای حصول به نتیجه خوب نیاز به داده های زیادی دارند. روش های رگرسیون فازی به دلیل فازی در نظر گرفتن اع داد، برای مدل سازی و پیش بینی معمولاً نیاز به داده های کمتری دارند. از این رو در این مطالعه کارایی روش رگرسیون خودبازگشتی میانگین متحرک انباشته فازی (FARIMA) که ترکیبی از روش خودبازگشتی میانگین متحرک انباشته (ARIMA) و رگرسیون ف ازی است با روش های ARIMA و شب که عصبی فازی (ANFIS) در پیش بینی رشد اقتصادی ایران مقایسه می شود. برای تخمین مدل از داده های دوره ی 1338 تا 1380 استفاده شده است. سپس کارایی این مدل ها در پیش بینی رشد اقتصادی ایران برای دروه 1381 تا 1388 با استفاده از معیارهای RMSE، MAE، MAPE و TIC ارزیابی و مقایسه شده است. مقایسه این معیارها حاکی از این است که بهترین عملکرد متعلق به روش FARIMA است. همچنین مدل ANFIS عملکرد بهتری نسبت به مدل ARIMA دارد.

عوامل زیادی بر قیمت نفت خام تأثیر می گذارند از این رو استفاده از یک مدل چند متغیری که تمام عوامل مؤثر بر قیمت نفت را لحاظ کرده باشد کاری دشوار است. به همین دلیل، پیش بینی این متغیر از طریق مدل های چند متغیری بسیار دشوار است. در این حالت ممکن است استفاده از مدل های تک متغیری روش مناسبی باشد. در این مدل ها از حافظه تاریخی متغیر برای مدل سازی و پیش بینی استفاده می شود. اما یکی از محدودیت های مدل های تک متغیری این است که برای حصول نتایج مناسب نیاز به داده های زیادی دارند. از آنجا که مدل های رگرسیون فازی برای پیش بینی دقیق نیاز به تعداد داده های کم تری دارند، در این تحقیق، از سه روش رگرسیون فازی، آریما و رگرسیون خودبازگشتی میانگین متحرک انباشته فازی (ترکیب دو روش مذکور) و از داده های روزانه قیمت نفت اوپک برای پیش بینی قیمت نفت خام اوپک استفاده شده است. نتایج حاکی از این است که مدل های رگرسیون فازی و رگرسیون خودبازگشتی میانگین متحرک انباشته فازی علاوه بر این که از نظر تمام معیارهای متداول خطای پیش بینی، عملکرد بهتری نسبت به مدل آریما دارند با فراهم کردن بهترین و بدترین حالت، تصمیم گیری را نسبت به مدل آریما تسهیل کرده است. همچنین مدل ترکیبی به مراتب پیش بینی بهتری نسبت به مدل رگرسیون فازی ارائه می دهد و فاصله بازه تصمیم گیری را کوتاه تر می کند. تفاده از الگوی خودرگرسیون برداری (VAR) برآورد گردید. براساس نتایج مدل برآوردی، شوک های قیمت نفت در کوتاه مدت دارای تأثیر منفی بر تولید سبز است و علت آن این است که با استخراج نفت، استهلاک منابع طبیعی افزایش یافته و باعث کاهش تولید سبز می شود. اما در بلندمدت تأثیر مثبت بر تولید سبز دارد به این علت که در بلند مدت افزایش درآمد های نفتی باعث رشد واقعی سایر بخش ها می شود و این رشد استهلاک را جبران می کند.