مطالب مرتبط با کلیدواژه

آزمون KPSS


۱.

پویاییهای تورم و رابطه تورم و عدم اطمینان اسمی با استفاده از الگوی  ARFIMA-GARCH(مقاله علمی وزارت علوم)

کلیدواژه‌ها: ایران تورم مدل ARFIMA مدل اقتصادسنجی عدم اطمینان تورمی مدل مولفه ای نامتقارن GARCH آزمون KPSS آزمون فرضیه حافظه بلندمدت

حوزه های تخصصی:
تعداد بازدید : ۲۴۰۵ تعداد دانلود : ۱۴۴۶
در این تحقیق به بررسی پویاییهای تورم و استخراج رابطه تورم و عدم اطمینان تورمی پرداخته شده تا بدین وسیله نشان داده شود که در اقتصاد ایران چه رابطه ای بین این دو متغیر وجود دارد. برای این منظور از داده های سری زمانی ماهیانه دوره زمانی 83- 69 استفاده شده است.در ابتدا برای اینکه تمامی آثار قابل پیش بینی را از سری تورم کسر نماییم، از مدل بندی سری های زمانی استفاده شده است. برای تعیین این مدل در وهله اول، آزمون دیکی فولر تعمیم یافته، فیلیپس پرون و KPSS انجام شده از این آزمونها نتیجه گرفتیم که درجه انباشتگی باید بین صفر و یک باشد.و بدین ترتیب فرضیه حافظه دار بودن سری تورم مطرح شد و نشان داده شد که سری تورم دارای درجه انباشتگی حدود 4/0 است و بطور کلی نتیجه گرفته شد که سری تورم اقتصاد ایران دارای حافظه بلند مدت (همبستگی بلند مدت) است و آثار هر تکانه بر این سری تا دوره های طولانی باقی می ماند.در مرحله بعد مقادیر جزء خطا در معادله (ARFIMA) با استفاده از مدل مولفه ای نامتقارن GARCH مورد بررسی قرار گرفت و مشاهده شد که اثرات نامتقارن در شوک های تورمی وجود دارد و واکنش تورم در مواجهه با شوک های منفی و مثبت به یک اندازه نیست. نتایج آزمون علیت نیز نشان می دهد که جهت علیت دو طرفه است؛ یعنی هم عدم اطمینان بر تورم اثر می گذارد و هم تورم باعث عدم اطمینان می شود.
۲.

برآورد درجه انباشتگی شاخص تورم با مدل ARFIMA- FIGARCH مطالعه موردی: ایران(مقاله علمی وزارت علوم)

کلیدواژه‌ها: تورم حافظه بلندمدت آزمون KPSS مدلARFIMA- FIGARCH

حوزه های تخصصی:
تعداد بازدید : ۱۳۰۳ تعداد دانلود : ۵۶۵
بررسی اثر حافظه در شاخص های مختلف اقتصادی، به خصوص تورم و بازار پول دارای جذابیت تحقیقاتی بالایی است. این تحقیق با استفاده از داده های شاخص قیمت مصرف کننده ایران در دوره زمانی 08/1390، 01/1369، به بررسی ویژگی حافظه بلندمدت این شاخص پرداخته و مدل ARFIMA برای آن برازش شده است. همچنین مقادیر جزء خطا در مدل ARFIMA با استفاده از مدل FIGARCH مورد بررسی قرار گرفت تا مشخص شود که واریانس ناهمسانی تورم از چه مدلی پیروی می کند، نتایج تحقیق نشان دهنده این موضوع بود که سری زمانی ماهیانه تورم می تواند دارای ریشه کسری باشند. به عبارتی، درجه انباشتگی متغیر تورم می تواند عدد صحیح نباشد و کسری باشد. نتایج تحقیق نشان داد که درجه انباشتگی سری تورم باید بین صفر و یک باشد و بدین ترتیب فرضیه حافظه دار بودن سری تورم مطرح شد. با تخمین پارامتر حافظه بلندمدت در مدل مشخص شد که سری تورم دارای درجه انباشتگی 46/0 است و با یک بار تفاضل گیری دچار بیش تفاضل گیری می شویم. بنابراین، سری تورم در ایران دارای حافظه بلند مدت است و آثار هر شوک بر این متغیر به دلیل حافظه بلندمدت آن تا دوره های طولانی باقی می ماند.