اقتصاد مقداری
سال:1388 | دوره:6 | شماره:1 (پیاپی 20) |تعداد مقالات:14

ضرورت توجه به سرمایه انسانی و سرمایه گذاری در آن، در تحلیل های اقتصادی و ادبیات مربوط به آن تا حد زیادی روشن و آشکار است. اکثر مطالعات مربوط تنها بر نقش آموزش که تاثیری مثبت بر ارتقا بهره وری نیروی کار دارد، متمرکز شده اند. اما باید در نظر داشت که علاوه بر آموزش، تجربه و سلامت نیروی کار نیز ابعاد اصلی سرمایه انسانی را تشکیل می دهند. هدف مقاله حاضر، بررسی نقش کیفیت نیروی کار در قالب متغیرهای آموزش، تجربه و سلامت نیروی کار بر رشد اقتصادی است. در این مقاله یک تابع تولید کل بر مبنای معادله دستمزد مینسر و داده های 75 کشور به تفکیک سه گروه درآمدی تخمین زده شده است. تابع تولید برای دوره 2000-1960 با روش داده های تابلویی مورد برآورد قرار گرفته است. نتایج برآورد مدل در کشورهای با درآمد بالا حاکی از اثرگذاری مثبت و معنی دار متغیرهای آموزش، تجربه و سلامت نیروی کار و شاخص امید به زندگی بر رشد اقتصادی بوده است. در کشورهای با درآمد متوسط نیز این نتیجه تایید شده است. در کشورهای کم درآمد نیز تنها متغیرهای آموزش و تجربه نیروی کار بر رشد اقتصادی این گروه از کشورها موثر بوده اند.

هدف اصلی این مقاله بررسی تاثیر شوک های کلان اقتصادی بر نرخ بیکاری در اقتصاد ایران است. برای این منظور از یک مدل خود همبسته برداری ساختاری و داده های سالانه برای دوره 1386-1345 استفاده شده است. پس از برآورد مدل با استفاده از توابع واکنش به تکانه، اثر شوک های مختلف شامل شوک بهره وری، شوک تقاضای کل، شوک عرضه نیروی کار، شوک قیمتی و شوک دستمزدی بر نرخ بیکاری را مورد بررسی قرار داده است. سپس با به کارگیری روش تجزیه واریانس سهم هر یک از این شوک ها در ایجاد نوسانات در متغیر نرخ بیکاری برآورد گردیده است. بر اساس نتایج کلی، هریک از شوک های مورد بررسی با توجه به ماهیت آنها، تاثیرات متفاوتی از لحاظ میزان پاسخ تغییرات نرخ بیکاری به شوک ها و از لحاظ سهم هر یک از این شوک ها در نوسانات نرخ بیکاری در طول زمان داشته است. شوک بهره وری و شوک تقاضای کل باعث کاهش نرخ بیکاری شده و شوک های دستمزد، قیمت و عرضه نیروی کار باعث افزایش نرخ بیکاری در اقتصاد ایران شده است.

با توجه به اهمیت پیش بینی در حوزه مسایل مالی و اقتصادی محققان همواره در تلاشند که از روش های دقیق تری در این زمینه بهره بگیرند تا به درک نسبی بهتری از وضعیت آینده بازار دست یافته، از نااطمینانی ها بکاهند. در این مقاله از شبکه عصبی GMDH مبتنی بر الگوریتم ژنتیک به عنوان ابزاری با قابلیت بالا در مدل سازی سیستم های غیر خطی پویای پیچیده، برای پیش بینی قیمت آمونیاک استفاده شده است. برای اتنخاب متغیرهای اثرگذار بر قیمت آمونیاک از دو روش تحلیل بنیادین و تکنیکی استفاده شده است. روش تحلیل بنیادین با تکیه بر تئوری عرضه و تقاضا و نگرش کلان اقتصادی، همه عوامل اثرگذار احتمالی بر قیمت را برای مدل سازی و پیش بینی قیمت به محقق پیشنهاد می کند، سپس با تکیه بر توانایی الگوریتم GMDH در شناسایی متغیرهای زاید، از میان همه عوامل اثرگذار احتمالی تنها از عناصر اثرگذارتر بر قیمت آمونیاک استفاده شده است تا پیش بینی های دقیق تر و بدون تورشی ارایه شود. دقت پیش بینی های انجام شده در بازه مورد بررسی بیش از 99 درصد است. در روش تحلیل تکنیکی، پیش بینی ها با تکیه بر رفتار گذشته قیمت در همان بازار (در اینجا آمونیاک خاورمیانه) نتایج دقیقی را به دست داده است. برتری شبکه عصبی GMDH در دقت پیش بینی قیمت آمونیاک نسبت به روش ARIMA در بخش پایانی مورد تایید قرار گرفته است.

هدف این مقاله، بررسی پدیده نفرین منابع طبیعی یا همان رابطه معکوس وابستگی به منابع طبیعی و رشد اقتصادی در کشورهای صادرکننده نفت است. برای برآورد مدل از تکنیک داده های تابلویی نامتوازن، طی دوره زمانی 1990 تا 2004 استفاده شده است. متغیرهای توضیحی مورد استفاده در این مدل شامل شاخص وفور منابع طبیعی، شاخص فساد مالی، سرمایه گذاری فیزیکی، رابطه مبادله و شاخص آموزش است. بر اساس برخی از نتایج این تحقیق درآمدهای نفتی به عنوان شاخصی برای وفور منابع، به تنهایی برای رشد اقتصادی مضر نیستند. یعنی اثر مستقیم درآمدهای نفتی بر رشد اقتصادی مثبت است. اما هنگامی که متغیرهای توضیحی دیگر مانند فساد، سرمایه گذاری فیزیکی، رابطه مبادله و آموزش را وارد مدل می کنیم، به دلیل اثر درآمدهای نفتی بر این متغیرها و سپس اثرگذاری غیر مستقیم بر رشد اقتصادی، اثر کل درآمدهای نفتی بر رشد اقتصادی، منفی برآورد می شود. نتایج هم چنین نشان می دهند که افزایش سرمایه گذاری فیزیکی، رشد رابطه مبادله و گسترش آموزش تاثیر مثبت و شاخص فساد مالی تاثیر منفی بر رشد اقتصادی کشورهای صادرکننده نفت داشته است. در پایان مقاله نیز اثر حضور در اوپک بر رشد اقتصادی کشورهای عضو آن بررسی شده که نتایج نشان دهنده تاثیر منفی این حضور بر رشد اقتصادی اعضای آن بوده است.

بهره وری نقش مهم و موثری در رشد تولید و افزایش رقابت پذیری دارد. از طریق محاسبه و تحلیل شاخص های بهره وری عوامل تولید می توان میزان عملکرد بخش های مختلف اقتصادی را در استفاده از منابع تولیدی بررسی نمود. در این مطالعه، منابع رشد بهره وری کل عوامل تولید در صنعت ایران طی دوره زمانی 1385-1350 با استفاده از رهیافت اقتصادسنجی مورد بررسی قرار گرفته است. بدین منظور ابتدا یک تابع هزینه ترانسلوگ به همراه سیستم معادلات سهم هزینه با استفاده از داده های جمع آوری شده برای دوره زمانی مورد مطالعه به روش سیستم معادلات به ظاهر نامرتبط (SURE) برآورد گردید. سپس با استفاده از نتایج حاصل از تخمین مدل، رشد بهره وری کل عوامل تولید به دو جز تغییر تکنولوژی و صرفه های مقیاس تجزیه شد. نتایج نشان داد که سهم تغییر تکنولوژی در رشد بهره وری کل، بیشتر از سهم گسترش مقیاس تولید بوده است.

یکی از مهم ترین موضوع های مطرح شده در مدیریت مالی، تشخیص فرصت های مطلوب سرمایه گذاری توسط سرمایه گذاران از فرصت های نامطلوب است. یکی از راه هایی که می توان با استفاده از آن به بهره گیری مناسب از فرصت های سرمایه گذاری و همچنین جلوگیری از به هدر رفتن منابع کمک کرد، پیش بینی ورشکستگی شرکت ها است. برای این منظور مدل های مختلفی وجود دارد. در این پژوهش جهت پیش بینی ورشکستگی شرکت های تولیدی استان کرمان، از مدل شبکه های عصبی استفاده شده است.

پیش بینی روند تورم برای تنظیم سیاست اقتصادی از اهمیت به سزایی برخوردار است. این نیاز موجب توجه جدی به کاربرد مدل های مختلف برای پیش بینی نرخ تورم شده است؛ و بدین منظور مدل های پیش بینی گوناگونی در رقابت با یکدیگر توسعه یافته اند. در این مقاله شبکه های عصبی مصنوعی پویا برای پیش بینی نرخ تورم به صورت شبکه های چند لایه و با استفاده از داده های متغیرهای مورد نیاز طی دوره 86-1338 و بر اساس دیدگاه تورم سری زمانی به کمک الگوریتم های مختلفی از روش آموزش پس انتشار خطا طراحی شده اند. ارزیابی شبکه های طراحی شده برای تعیین بهترین شبکه، بر مبنای مقدار خطای پیش بینی انجام گردیده است. یافته های تحقیق نشان داد که بهترین شبکه ها، شبکه هایی هستند که با الگوریتم یادگیری لونبرگ - مارکوارت آموزش داده شوند؛ توابع فعال ساز لایه میانی آنها غیر خطی و توابع فعال ساز لایه ی خروجی آنها خطی باشد و تعداد نرون های هر لایه آنها به صورت بهینه انتخاب شود. با توجه به این شبکه، نرخ تورم در دوره 91-1387 از 21.99 تا 10.59 درصد پیش بینی می شود.