بهینه‎یابی و شبیه‎سازی (مونت کارلو) تأثیر تکانه‎های بهره‎وری بر تولید ناخالص داخلی ایران با رهیافت الگوریتم‎های پیشرفته

نوع مقاله: مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری اقتصاد، دانشکدۀ مدیریت و اقتصاد، دانشگاه آزاد اسلامی، کرمان، ایران

2 استادیار گروه اقتصاد، دانشکدۀ مدیریت و اقتصاد، دانشگاه آزاد اسلامی، کرمان، ایران

3 استاد گروه اقتصاد، دانشکدۀ مدیریت و اقتصاد، دانشگاه شهید باهنر، کرمان، ایران

چکیده

در این مقاله، به بررسی پاسخگویی نحوۀ اثرگذاری تکانه‎های بهره‎وری بر تولید ناخالص ملی با رهیافت الگوریتم‎های پیشرفته و شبیه‎سازی مونت‎کارلو در اقتصاد ایران پرداخته شده است. پس از بررسی مطالعات نظری و تجربی صورت‎گرفته، متغیرهای تورم، بیکاری، تولید بالقوه و تکانه‎های بهره‎وری به‎عنوان متغیر‎های توضیح‎دهندۀ تولید ناخالص داخلی انتخاب شدند و با استفاده از سه الگوریتم کرم شب‎تاب، فاخته و پرندگان، ضریب هر یک از متغیرهای مستقل برآورد شد. پس از برآورد ضرایب و با توجه به عدم قطعیت آنها به‎وسیلۀ الگوریتم‎های پیشرفته، به‎کمک روش مونت‎کارلو معادلات مد نظر شبیه‎سازی شدند. مقایسه نتایج به‎دست آمده از شبیه‎سازی و نتایج حاصل از تخمین، نشان‎دهندۀ دقت بالای نتایج تخمین‎هاست. با توجه به نتایج به‎دست‎آمده، تکانه‎های بهره‎وری اثر بسیار ناچیز و قابل صرف نظر بر تولید ناخالص داخلی دارند و تولید بالقوه اثرگذارترین متغیر معرفی است.

کلیدواژه‌ها


عنوان مقاله [English]

Optimization and Simulation (Monte Carlo) of the Impact of Productivity Shocks on GDP of Iran using the Advanced Algorithms Approach

نویسندگان [English]

  • Ramin Jamshidi Dehnavi 1
  • Mohsen Zayandeh Roodi 2
  • Sayed AbdolMajid Jalaee 3
  • Ali Raees Poor 2
1 Ph.D. Candidate in Economy, Islamic Azad University, Kerman, Iran
2 Assistant Prof. of Economy, Islamic Azad University, Kerman, Iran
3 Prof. of Economy, Shahid Bahonar University, Kerman, Iran
چکیده [English]

In this paper, the impact of productivity shocks on GDP using advanced algorithm approach and the Monte Carlo simulation in the Iranian economy has been surveyed. After reviewing the theoretical and experimental studies, the variables of inflation, unemployment, potential production and productivity shocks are selected as the variables explaining the variable of gross domestic product. Using three algorithms of fireflies, cuckoo, and particle swarms optimization, the coefficients of each of the independent variables were estimated. After estimating the coefficients and given the uncertainty of the estimated coefficients by the advanced algorithms, Monte Carlo method was used to simulate the equations. Comparing the findings obtained from the simulation and findings of the estimation indicate the high accuracy of the findings obtained from estimates. Given the obtained findings, productivity shocks had very little impact on GDP and the potential production was introduced as the most influential variable.

کلیدواژه‌ها [English]

  • Advanced algorithm
  • GDP
  • Monte Carlo simulation
  • Optimization
  • Productivity shocks
امیرتیموری، س. (1395). نقش نیروی کار تحصیل‎کرده در رشد بهره‎وری کل عامل‎های تولید در بخش کشاورزی ایران. فصلنامۀ پژوهش مدیریت آموزش کشاورزی، 8 (36)، 63-55.

بیات، ف. (1393). الگوریتم‌های بهینه‌سازی فراابتکاری (همراه با کاربردهایی در مهندسی برق). تهران: انتشارات جهاد دانشگاهی.

رجبی، ف. (1393). بررسی رابطۀ بهره‎وری، تورم و تولید: مطالعۀ موردی بخش کشاورزی ایران. کنفرانس بینالمللی و آنلاین اقتصاد سبز. بابلسر، (22 اردیبهشت).

رضایی، ج.، نادعلی، م.، علیزاده، ج. (1389). بررسی رابطۀ علی رشد بهره‎وری کل عوامل تولید و رشد اقتصادی. پژوهشنامۀ اقتصادی، 11 (2)، 135- 111.

شاکری، ع، (1387). نظریهها و سیاستهای اقتصاد کلان. تهران: نشر پارس نوبسا.

عباسیان، ع.، مهرگان، م. (1386). اندازه‎گیری بهره‎وری عوامل تولید بخش‎های اقتصادی کشور به روش تحلیل پوششی داده‎ها. مجلۀ تحقیقات اقتصادی، (87)، 176-153.

فطرس، م.، دهقان‎پور، م. (1390). تأثیر بهره‎وری بر رشد اقتصادی صنایع تولیدی ایران با رهیافت داده‎های ترکیبی. فرایند مدیریت توسعه، 25 (1)، 44-27.

فلاحی، ع.، حسین‎زاده، م.، مقدم‎نژاد، ح. (1391). بررسی رابطۀ بین تغییرات بهره‎وری و اشتغال در صنعت ایران. پژوهشهای رشد و توسعۀ اقتصادی، 2 (8)، 36-23.

ولیجانی، ب. (1394). بررسی عوامل مؤثر بر ارتقای بهره‎وری نیروی انسانی در سازمان امور مالیاتی کشور. پژوهشنامۀ مالیات، 77(29)، 184-165.

ولی‎زاده زنوز، پ. (1384)، بررسی بهره‎وری در اقتصاد ایران. مجموعۀ پژوهشهای اقتصادی بانک مرکزی جمهوری اسلامی ایران، شمارۀ 24.

Abbasian, A., Mehregan, M. (2007). Measurement of productivity of production factors of the country's economic sectors by data envelopment analysis. Economic Research Journal, (87), 153-176. (in Persian)

Amir Teymuri, S., (2016). The role of the educated labor force in the growth of the productivity of total production factors in Iran's agricultural sector. Agriculture Management Management Research Quarterly, 8 (36), 55-63.
(in Persian)

Bayat, F. (2014). Superstructural optimization algorithms (along with applications in electrical engineering). Jahad University Press, Tehran. (in Persian)

Eberhart, J., Kennedy, R. (1995). Particle Swarm Optimization. InProceedingsIEEEInternationalConferenceonNeuralNetworks.

Fallahi, A., Hosseinzadeh, M., Moghaddam Nejad, H. (2012). Investigating the relationship between productivity and employment changes in Iranian industry. Economic Growth and Development Research, 2 (8), 23-36.
(in Persian)

Faulkner, D. & Makrelov, K. (2009). Productivity-raisinginterventionsfortheSouthAfricaneconomy:acgeanalysis. The ecomod, university of Ottawa.

Fetros, M., Dehghanpour, M. (2011). Effect of Productivity on Economic Growth of Iranian Manufacturing Industries by Combined Data Approach. Development Management Process, 25 (1), 27- 44. (in Persian)

Han, G., Kalirajan, K. & Singh, R. (2003). “Santa”. Efficiency and Economic Growth: East Asia and the Aest of the world 1005. Center for Cruz Center for International Economic. Working paper Series International Economics, UC Santa Cruz.

Jajri, I. (2011). Total Factor Productivity and Output Growth in Malaysian. Research Journal of Applied Sciences, 5(1), 63-76.

Kinyondo, G. & Mabugu, M. (2008). The general equilibrium effects of a productivity increase on the economy and gender in south africa. SouthAfricanjournalofEconomicandManagement, 12(3), 307-326.

Liang, C. (2001), Measuring Total Factor Productivity in Republic of China, Measuring Total Factor Productivity, Tokyo: Asian Productivity Organization, 26(3), 15-29.

Rajabi, F. (2014). Study of the relationship between productivity, inflation and production: A case study of Iran agricultural sector. International Green Economy Online Conference. Babolsar, (May 22). (in Persian)

Rajabioun, R. (2011). Cuckoo optimization algorithm. Appliedsoftcomputing, 11(8), 508- 518.

Rezaei, J., Nadali, M., Alizadeh, J. (2010). Investigating the relationship between the growth of total factor productivity and economic growth. Economic Research, 11 (2), 111-135. (in Persian)

Robert, P.C. & Casella, G. (2004). MonteCarlostatisticalmethods. 2nd edG. Springer-verlag, New York.

Sahay, B.S. (2005). Multi-factor productivity measurement model for service organization. InternationalJournalofProductivityandPerformanceManagement, 54(1), 7-22.

Scherngell, T., Borowiecki, M. & Hu, Y. (2014). Effects of knowledge capital on total factor productivity in China: A spatial econometric perspective. ChinaEconomicReview, 29, 82-94.

Shakeri, A.S. (2008). Theories and macroeconomic policies. Pars Newspaper Publishing, Tehran. (in Persian)

Sinclair, T. (2004). PermanentandTransitoryMovementsinOutputandUnemployment:Okun’sLawPersists. Manuscript, Washington University in st. Louis.

Tobutt, D. (1982). Monte Carlo simulation methods for slope stability. Computers&Geosciences, 8(2), 199-208.

Vali Jani, B. (2015). Investigating the Factors Affecting the Promotion of Human Resources Productivity in the Organization of Tax Affairs of the Country. Tax Committee, 77 (29), 165-184. (in Persian)

Valizadeh Zenuz, P. (2005). A Study of Productivity in Iran's Economy. The Economic Research Center of the Central Bank of the Islamic Republic of Iran, 24th. (in Persian)

Yang, X.-S., (2010). Firefly algorithm, stochastic test functions and design optimization. InternationalJournalofBio-inspiredComputation, 2(2), 78-84.