اثر شوكهاي قيمت نفت و نوسانات نرخ ارز و نااطميناني حاصل از آنها بر رشد اقتصادي كشورهاي منتخب نفتي

Effects of Oil Price Shocks and Exchange Rate Volatility and Uncertainity on Economic Growth in Selective Oil Countries

نوسانات قيمت نفت و نوسانات نرخ ارز از مه مترين عوامل موثر در نوسانات در كشورها ب هخصوص كشورهاي صادركننده نفت است. اين مقاله به بررسي اثر شو كهاي كشورهاي صادركننده م يپردازد. GDP قيمت نفت و نوسانات نرخ ارز حقيقي بر رشد نيز GDP ب هعلاوه اثر نا اطميناني ناشي از شو كهاي قيمت نفت و نوسانات نرخ ارز بر رشد GARCH( مورد بررسي قرار گرفته شده است. براي استخراج سري هاي نا اطميناني از مدل ( 1,1 بر )VAR( استفاده شده است. روش برآوردي مورد استفاده، روش خود رگرسيون برداري پايه تكنيك ه مانباشتگي است. مدل به طور جداگانه براي چهار كشور صادركننده نفت 1980 تخمين زده شده است. - الجزاير، ايران، عربستان و ونزويلا براي دوره زماني 2007 براساس نتايج تخمين بين قيمت نفت، نرخ ارز و توليد در اين كشورها رابطه بلندمدت وجود دارد. در اين كشورها، رابطه بلندمدت بين قيمت نفت و رشد توليد مثبت و رابطه بلندمدت بين نرخ ارز و رشد توليد منفي است.

The phenomenon of globalization is one of the most debated issues facing countries in today’s world. There are many different opinions concerning this issue. Investigation of the extensive impacts of this process on different dimensions of human life in political, economic, social and cultural spheres has been preoccupying thinkers, politicians, economists and cultural experts around the world. This study has evaluated various effects of economic globalization on total labor demand broken into skilled and unskilled labor in Iran. In this study we use two models of ARDL and GMDH neural network and also two indexes of foreign direct investment and openness as indicators of globalization for investigating and forecasting the effects of globalization on the labor market. The study based on ARDL approach in the 1353-1385 period shows that globalization indexes have a positive impact on labor demand, but they do not have much impact on labor demand in the short run with this effect becoming increasingly significant in the long run. Also these impacts are greater on the demand of skilled labor than unskilled labor. Finally this study indicates that in all cases, GMDH neural network is a more efficient approach in forecasting employment impacts than ARDL.