Abstract:
رشد اقتصادی که در این مقاله توسط رشد تولید ناخالص داخلی به قیمت عوامل اندازهگیری شده، عمدهترین متغیری است که میتوان بر اساس آن عملکرد کلی اقتصاد را مورد قضاوت قرار داد. پیشبینی این رشد به مسئولین اقتصادی کمک میکند تا تصویری از شرایط آینده اقتصاد را در اختیار داشته و در صورت لزوم سیاستهای اقتصادی خاصی را اتخاذ نمایند. در این مقاله با استفاده از روشی که اخیرا توسط گیزلز، سانتاکلارا و والکانو در سال2004 ابداع شدهاست به پیشبینی رشد اقتصادی به صورت فصلی پرداخته شده است. این روش که «الگوی دادههای ترکیبی باتواتر متفاوت (میداس) » نام گرفته است امکان میدهد تا متغیرهای با تواتر زمانی مختلف، مثلا فصلی، ماهانه و هفتگی بتوانند در کنار هم در یک معادله رگرسیونی قرار گیرند. حسن وجود متغیرهای توضیح دهنده با تواتر زیاد برای توضیح متغیر وابسته کمتواتر در این است که به محض انتشار دادههای جدیدی برای متغیرهای پرتواتر میتوان در مقدار پیشبینی متغیر کمتواتر تجدید نظر کرد. مقایسه پیشبینیهای ارائه شده توسط الگوی برآوردشده در این مقاله برای رشد تولید ناخالص داخلی با دادههایواقعی فصلهایی که در برآورد اولیه الگو مورد استفاده قرار نگرفتهاند حاکی از قدرت پیشبینی بسیار دقیق الگو است. این الگو نرخ رشد اقتصادی فصل پاییز سال 1393 را در برآورد اولیه 8/1 % و سپس با اطلاع از کاهش قیمت نفت در ماههای اخیر نهایتا پس از تجدید نظر معادل 5/1% پیشبینی میکند. این نرخ برای فصل زمستان سال 1393 به میزان 2/2 % پیشبینی شده است. بدین ترتیب پیشبینی میشود اقتصاد ایران در سال 1393 از رشدی معادل 9/1% برخوردار باشد.
Economic growth, measured by Gross Domestic Product rate of growth in this paper, is the most single indicator revealing the overall performance of the economy. Forecasting economic growth helps the policy makers to visualize the future state of the economy and undertake some policy actions if necessary. In this paper we use the recently introduced method by Ghysels, Santa-Clara and Valkanov (2004) to forecast economic seasonal growth rate. This method, which is named Mixed frequency Data Sampling technique (MIDAS), facilitate the use of variables with different high and low frequencies in on regression. The presence of high frequency variables in the regression equation allows us to revise the previous forecasted value as soon as new data for the high frequency variable is released. Comparing the forecasts made by the regression with that of the retained growth rate observations, indicate that the forecasted values are very accurate. An earlier prediction of economic growth rate for the fall of 1393 by the model is to be 1.8%. But as new monthly data for the high frequency explanatory variables became available, the forecasted value was revised to be 1.5%. We predict the GDP growth rate for the winter of 1393 to be -0.11%. In such a case the Iranian annual economic growth rate would not be more than 2.3 percent relative to the year 1392.