تدوين يك الگوي اقتصادسنجي كلان با داده‌هاي تركيبي تواتر متفاوت به منظور ارزيابي اثر تحريم‌هاي اعمال شده بر اقتصاد ايران

Constructing a Mixed frequency Data Sampling Macro Econometric Model (MIDAS - EME) to assess the impact of sanctions imposed on the Iranian economy

در اين مقاله يك الگوي اقتصادسنجي كلان با داده‌هاي تركيبي تواتر متفاوت به منظور ارزيابي اثرات تحريم‌هاي اعمال شده بر اقتصاد ايران ساخته شده است. براي انجام اين امر، شاخص ماهانه‌اي تدوين شده است تا بتواند شدت تحريم‌هاي اعمال شده را در طول زمان نشان دهد. اين شاخص، يك شاخص سري زماني با تواتر بالا است كه دربر گيرنده تمام تحريم‌هاي اقتصادي عليه ايران است و به عنوان متغير توضيح دهنده در معادلات رفتاري بخش خارجي الگو مورد استفاده قرار گرفته است. الگوي ارائه شده بر اساس مباني نظري اقتصادي و با توجه به حقايق آشكار شده اقتصاد ايران تدوين شده است. الگو داراي 27 معادله رفتاري، 7 معادله ارتباطي و 33 رابطه تعريفي و اتحادي است. پارامترهاي الگو به كمك داده‌هاي سري زماني در محدوده سال‌هاي 1338 تا 1396 برآورد شده اند. اعتبار الگو به كمك شبيه سازي پويا مورد تاييد قرار گرفته است. به منظور ارزيابي اثرات تحريم بر اقتصاد ايران، شبيه‌سازي پويا توسط الگو تحت سناريوي عدم وجود تحريم صورت گرفته و نتايج آن با واقعيت مقايسه شده است. براساس‌ يافته‌هاي اين تحقيق، رفع كامل تحريم‌ها اثراتي همچون افزايش تقاضاي‌كل، افزايش سرمايه‌گذاري، افزايش توليد، كاهش واردات كالا و افزايش صادرات كالا را به‌ دنبال خواهد داشت.

In this article we constructed a Macro Econometric Model based on Mixed frequency Data to assess the impacts of sanctions that are imposed on the Iranian economy. In doing so, a monthly index is developed to reveal the toughness of imposed sanctions throughout the time. This sanction index is a time series high frequency data which encompasses various types of economic sanctions against Iran and is used as an explanatory variable in foreign sector’s behavioral equations. The constructed model is based on economic theory and stylized facts of the Iranian economy. It contains 27 behavioral equations, 7 connecting equations and 33 identities and definitional equations. The parameters of the model are estimated using time series data for the period of 1959 to 2017. Dynamic simulations are used to confirm the model validation. To assess the impacts of sanctions, the model is simulated under the scenario of no sanctions and the results are compared with the actual case. According to the findings of this study, the complete lifting of sanctions will have effects such as increasing aggregate demand, increasing investment, increasing production, reducing imports of goods and increasing exports of goods.