كاربرد روش حداقل مربعات تطبيقي براي برآورد شكاف توليد در ايران

Adaptive Least Squares: Application to Iran Output Gap

در اين مقاله با استفاده از تكنيك جديد اقتصادسنجي به نام حداقل مربعات تطبيقي (ALS) به برآورد روند بلندمدت سالانه ي توليد ناخالص داخلي واقعي ايران مي پردازيم. حداقل مربعات تطبيقي حالتي خاص از فيلتر كالمان (Kalman filter) است كه مدل‌هاي داراي پارامترهاي متغير در زمان را به سادگي برآورد مي‌كند. سپس از روند برآورد شده براي برآورد شكاف توليد استفاده مي-كند. در مدل داراي وقفه، مطابق نتايج، ضرايب وقفه‌ها به‌طور معناداري متفاوت از صفر نيست بنابراين مدل‌ بدون وقفه به‌كار گرفته شد. نتايج اين مقاله در برآورد شكاف توليد با استفاده از حداقل مربعات تطبيقي، در جدول‌هايي در مقاله ذكر شده است. مي‌توان از اين نتيجه‌ها در ساير تحقيق‌هاي اقتصادي به‌خصوص در سياست‌گذاري‌هاي پولي استفاده كرد. اين نتايج با برآورد فيلتر هُدريك پِرسكات (Hodrick-Prescott) و حداقل مربعات معمولي(OLS) مقايسه شده‏است. مقايسه نتايج نشان از دقت بيشتر روش حداقل مربعات تطبيقي دارد.

This paper estimates the long term trend in Iran real GDP using a new econometric technique, Adaptive Least Squares (ALS). ALS is a special case of the Kalman Filter that allows for a time varying parameter model to be estimated relatively easily. The estimated trend is then used to estimate the output gap. According to results, coefficients of gaps in models with gap, are not significantly different from zero, there up on model with intercept and trend and without any gaps have been tested.The output gap estimation that has been provided in this paper can be used in monetary policies. The comparison of results of ALS, OLS and HP filter shows that the ALS method provides a better estimate.