تأثیر انتخاب فروض مختلف تکنولوژی در محاسبه‌ی جداول متقارن داده- ستانده بر اریب ضرایب فزاینده‌ی تصادفی تولید

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار دانشکده اقتصاد، دانشگاه علامه طباطبایی

2 دانشجوی کارشناسی ارشد رشته برنامه‌ریزی و توسعه اقتصادی، دانشگاه علامه طباطبایی

3 استاد دانشکده اقتصاد، دانشگاه علامه طباطبایی

4 دانشجوی دکترای آمار، دانشگاه شهید بهشتی

10.29252/jep.9.17.203

چکیده

محاسبه‌ی جدول متقارن داده-ستانده متکی بر دو فرض است؛ فرض ساختار ثابت فروش محصول و فرض تکنولوژی محصول. فرض نخست، درایه‌های غیر منفی در جدول را تضمین می‌کند اما فاقد پایه نظری قابل قبول است، در حالی که فرض دوم، از پایه نظری قابل قبولی برخوردار است اما ظهور عناصر منفی اجتناب‌ناپذیر است و با استفاده از روش‌هایی باید این عناصر منفی را حذف نمود. سوأل اصلی این مطالعه آن است که آیا انتخاب فروض مختلف تکنولوژی در محاسبه‌ی جدول متقارن بر میزان اریب ضرایب فزاینده‌ی تصادفی تولید اثرگذار است؟ بدین منظور با به‌کارگیری دو جدول متقارن داده-ستانده‌ و شبیه‌سازی مونت‌کارلویی، نمونه‌هایی با اندازه‌های 10، 100، 1000 و 10 هزارتایی مبتنی بر رویکرد تدوین‌کنندگان ایجاد شده است. یافته‌های مقاله، حامل این پیام مهم برای تدوین‌کنندگان جدول است که فرض تکنولوژی محصول، ضمن برخورداری از پایه‌های نظری مطلوب، اریب ضرایب فزاینده‌ی تصادفی کمتری در مقایسه با فرض ساختار ثابت فروش محصول دارد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

The Effects of Different Technology Assumptions in the Calculation of Symmetric IOTs on the Bias of Random Production Multipliers

نویسندگان [English]

  • Parisa Mohajeri 1
  • Zahra Zabihi 2
  • Ali Asghar Banouei 3
  • Elham Tabrizi 4
1 Assistant Prof, Faculty of Economics, AllamehTabataba’i University
2 MSc Student in Planning and Development Economics, Faculty of Economics, Allameh Tabataba’iUniversity
3 Professor, Faculty of Economics, AllamehTabataba’i University
4 Ph.D. Student in Statistics, ShahidBeheshti University
چکیده [English]

Calculation of symmetric input-output tables is based on two assumptions: fixed structure of product sales and product technology assumptions. The first assumption guarantees the non-negative elements in the table but lacks an acceptable theoretical basis. On the other hand, the second assumption has an acceptable theoretical basis; that is, the emergence of some negative elements is inevitable. These negative elements should be removed using other methods. This issue raises a fundamental question of whether the choice of different technology assumptions in calculating symmetric table has any effect on the bias of random production multipliers or not. Considering the compilers' approach, we have used two IOTs with different technology assumptions for measuring the bias ofrandom production multipliers. Using Monte Carlo simulation for creating samples in 10, 1000, and 10000 sizes, the overall findings show the choice of technology assumptions has an effect on the bias of random production multipliers. Also, the findings of the present study have an important implication for the compilers; that not only product technology assumption is supported by a good theoretical foundation but also the bias of calculated random production multipliers is smaller than the bias of random production multipliers which are estimated based on the fixed structure of product sales.

کلیدواژه‌ها [English]

  • Random input-output analysis
  • Random production multipliers
  • Symmetric input-output table
  • Product technology assumption
  • Fixed product sales structure assumption

مراجع

  1. الف) منابع و مآخذ فارسی

    1. بانک مرکزی جمهوری اسلامی ایران (1384). جدول داده-ستانده ایران سال 1378، تهران، ایران.
    2. بانوئی، علی اصغر. مهاجری، پریسا. شاکری، عباس. و عسگری، منوچهر (1392). "برداشت‌های متفاوت از فرض تکنولوژی در محاسبه جدول داده-ستانده و اثر آن بر راهبرد سرمایه‌گذاری در صنعت نفت و گاز". فصلنامه علمی-پژوهشی مجلس و راهبرد 20(76): 137-99.
    3. بانوئی، علی اصغر. موسوی نیک، سید هادی. اسفندیاری کلوکن، مجتبی. و ذاکری، زهرا (1394). تعاریف و مفاهیم پایه‌ای، پایه‌های نظری و روش‌های محاسبه‌ی جداول متقارن: تجربه‌ی ایران و جهان، تهران، انتشارات مرکز پژوهش‌های مجلس.
    4. جهانگرد، اسفندیار (1379). "تجزیه و تحلیل تصادفی مدل داده-ستانده در ایران". مجله برنامه‌ و بودجه 5(56 و 57): 64-51.
    5. جهانگرد، اسفندیار. و حسینی، فاطمه السادات (1392). "شناسایی بخش‌های کلیدی اقتصاد ایران بر مبنای تحلیل تصادفی داده-ستانده". فصلنامه علمی-پژوهشی تحقیقات مدل‌سازی اقتصادی 7(11): 54-27.
    6. جهانگرد، اسفندیار. و عاشوری، پردیس (1389). "شناسایی بخش‌های کلیدی با رویکردهای تحلیل داده-ستانده IO، اقتصادسنجی EC و تحلیل پوششی داده‌ها DEA: مطالعه موردی ایران". فصلنامه علمی-پژوهشی سیاست‌گذاری اقتصادی 2(3): 136-107.
    7. ذبیحی، زهرا (1392).برآورد اریبِ ضرایب فزاینده‌ی تصادفی تولیدِ جداول داده-ستانده متقارن ایران، پایان‌نامه کارشناسی ارشد، دانشکده اقتصاد، دانشگاه علامه طباطبائی.
    8. مرکز آمار ایران (1386)، جدول داده-ستانده ایران سال 1380، تهران، ایران.
    9. مهاجری، پریسا. (1392). ارزیابی برداشت‌های متفاوت از فرض تکنولوژی در محاسبه جداول داده-ستانده متقارن ایران (با تأکید بر ساختار بخش نفت ‌خام و گاز طبیعی، رساله دکترای اقتصاد نفت و گاز، دانشکده اقتصاد، دانشگاه علامه طباطبائی.
    10. مهاجری، پریسا. بانوئی، علی اصغر. جلودار ممقانی، محمد. شاکری، عباس. و عسگری، منوچهر (1394). "به‌کارگیری الگوریتم ریاضی آلمن در حذف عناصر منفی جدول متقارن داده-ستانده با فرض تکنولوژی کالا". فصلنامه پژوهشهای اقتصادی (رشد و توسعه‌ی پایدار) 15(2): 25-1.

    ب) منابع و مآخذ لاتین

    1. Beynon, M. J. and Munday M. (2008). "Stochastic Key Sector Analysis: An Application to a Regional Input-Output Framework". Ann Reg Sci42(3): 397-412.
    2. DeMesnard, L. (2011). "Negative in Symmetric Input-Output Tables: The Impossible Quest for the Holy Grail". Annals of Regional Science 46: 427-542
    3. Dietzebbacher, E. (1988). "Estimation of the Leontief Inverse from the Practitioner’s Point of View". Mathematical Social Science 16(2(: 181-187.
    4. Dietzebbacher, E. (1995). "On the Bias of Multiplier Estimates". Journal of Regional Science 35(3): 377-390.
    5. Dietzebbacher, E. (2006)." Multiplier Estimates: to Bias or Not to Bias". Journal of Regional Science 46)4(: 773-786.
    6. Dietzebbacher E., Lenzen, M., Los, B., Guan, D., Lahr, M.L., Sancho, F., Suh, S., and Yang, C. (2013). "Input-Output Analysis: The Next 25 Years". Economic Systems Research 25 (4): 369-389.
    7. Eurostat (2008). Eurostat Manual of Supply, Use and Input-Output Tables, Luxembourg.
    8. Evans, W. D. (1954). "The Effect of Structural Matrix Errors on Interindustry Relations Estimates". Econometrica 22 (2): 461-480.
    9. Gerking, Sh. D. (1976)." Input-Output as a Simple Econometric Model". Review of Economics and Statistics 58 (3): 274-282.
    10. Gerking, Sh. D. (1979). "Input-Output as a Simple Econometric Model: Reply". Review of Economics and Statistics 61 (4): 623-626.
    11. Gurgul, H. (2007). "Stochastic Input-Output Modeling". Ekonomia Menedzerska 2 (2): 289-298.
    12. Lahiri, S. and Satchell, S. (1986). "Properties of the Expected Value of the Leontief Inverse: Some Further Results". Mathematics for Social Science 11(3): 83-87.
    13. Lenzen, M. and Rueda-Cantuche (2012). "A Note on the Use of Supply-Use Tables in Impact Analysis". Statistics and Operations Research Transactions 36(2): 139-152.
    14. McMenamin, D. G. and Haring, J. V. (1974). "An Appraisal of Nonsurvey Techniques for Estimation Regional Input-Output Models". Journal of Regional Science 14 (3): 191-205.
    15. Miller, R. E. and Blair, P. D. (2009). Input-Output Analysis: Foundations and Extensions. Second Edition, Cambridge University Press.
    16. Quandt, R. (1958). "Probabilistic Errors in the Leontief Systems". Naval Research Logistic Quarterly 5(2): 155-170.
    17. Quandt, R. (1959). "On the Solution of Probabilistic Leontief Systems". Naval Research Logistics Quarterly 6 (2): 295-305.
    18. Roland-Holst, D. W. (1989). "Bias and Stability of Multiplier Estimates". The Review of Economics and Statistics 71(4): 718-721.
    19. Rueda-Cantuche, J. M., Dietzenbacher, E., Fernandez, E. and Amores, A. F. (2013). "The Bias of the Multiplier Matrix When Supply and Use Tables Are Stochastic". Economic System Research 25(4): 435-448.
    20. Rueda-Cantuche, M. J. (2011). "The Choice of Type of Input-Output Table Revisited: Moving Towards the Use of  Supply-Use Tables in Impact Analysis". Statistics and Operations Research Transactions 35 (3): 21-38.
    21. Rueda-Cantuche, M. J. and Ten-Raa, T. (2013). "Testing Assumptions Made in the Construction of IOTs". Economic Systems Research 25 (2): 451-470.
    22. Simonovits, A. (1975). "A Note on the Underestimation and Overestimation of the Leontief Inverse". Econometrica 43 (3): 493-498.
    23. Steenge, A. E. (1990). "The Commodity Technology Revisited: Theoretical Basis and an Application to Error Location in the Make-Use Framework". Economic Modeling 7 (2): 376-387.
    24. Ten-Raa, T. and Jansen, P. K. (1998). "Bias and Sensitivity of Multiplier". Economic Systems Research 10 (3): 275-284.
    25. Ten-Raa, T. and Rueda-Cantuche J. M. (2007). "Stochastic Analysis of Input-Output Multipliers on the Basis of Use and Make Tables". Review of Income and Wealth 53 (2): 1-31.
    26. Ten-Raa, T. and Steel, M. F. J. (1993). "Revised Stochastic Analysis of an Input-Output Model". Regional Science and UrbanEconomics 24 (3): 361-374.
    27. Ten-Raa, T. and Rueda-Cantuche, M. J. (2007). "A Generalized Expression for the Commodity and the Industry Technology Models in Input-Output Analysis". Economic Systems Research 15 (2): 439-455.
    28. United Nations (2009). The 2008 Systems of National Accounts, New York.
    29. Viet, V. Q. (1994). "Practices in Input-Output Table Compilation". Regional Science and Urban Economics (24):27-54.
    30. West, G. R. (1986). "A Stochastic Analysis of an Input-Output Model". Econometrica 54(2): 363-374.
سیاست گذاری اقتصادی
دوره 9، شماره 17
خرداد 1396
صفحه 203-232

فایل ها

هم رسانی

ارجاع به این مقاله

آمار