اثرات سرریز شوک‌های تجارت و نرخ ارز شرکای تجاری بر اقتصاد ایران: رویکرد GVAR

نوع مقاله : مقاله علمی

نویسندگان

1 دانشجوی دکتری اقتصاد بین‌الملل، دانشگاه شهید چمران اهواز، ایران

2 استاد اقتصاد ، گروه اقتصاد ، دانشکده اقتصاد و علوم اجتماعی ، دانشگاه شهید چمران اهواز ، اهواز ، ایران

3 دانشیار اقتصاد ، گروه اقتصاد ، دانشکده اقتصاد و علوم اجتماعی ، دانشگاه شهید چمران اهواز ، اهواز ، ایران

10.30495/eco.2022.1940691.2573

چکیده

در این مقاله اثرات سرریز شوک­های تجارت و نرخ ارز شرکای عمده تجاری (برزیل، چین، آلمان، هند، ایتالیا، کره جنوبی، ترکیه، روسیه، امارات و سوئیس) بر اقتصاد ایران به روش خودرگرسیون برداری جهانی طی دوره زمانی 1996 - 2019 بررسی شده است. نتایج نشان داد افزایش مبادلات تجاری در کشورهای برزیل و چین، سطح مبادلات تجاری ایران را به ترتیب، کاهش و افزایش می­دهد. هم‌چنین افزایش نرخ ارز واقعی در چین در ابتدا نرخ ارز واقعی در ایران را کاهش و سپس، افزایش می­دهد. با توجه به نتایج و مقدار بیش‌تر واردات ایران از کشور چین، تاثیر نرخ ارز واقعی ایران از شوک­های نرخ ارز واقعی چین بیش‌تر است. بر اساس نتایج پیشنهاد می­شود سیاست­گذاران هنگام طراحی سیاست­های تجاری، تفاوت­ها و اثرات شوک­های متغیرهای اقتصادی شرکای تجاری را بر اقتصاد ایران مدنظر قرار دهند.

کلیدواژه‌ها


عنوان مقاله [English]

Spillover Effects of Trade and Exchange Rates Shocks from Iran`s Major Trading Partners: GVAR approach

نویسندگان [English]

  • Aziz Saki 1
  • Seyed Aziz Arman 2
  • hasan farazmand 3
1 PhD student in International Economics, Shahid Chamran University of Ahvaz, Iran
2 Professor of economics, faculty of Economics and social science, Shahid Chamran University of Ahvaz, Iran
3 Associate Professor of Economics, Faculty of Economics and Social Sciences, Shahid Chamran University of Ahvaz, Iran
چکیده [English]

This article deals with how trade and exchange rates shocks of major trading partners affect the Iranian economy. For this purpose, quarterly data of 10 major Iranian trading countries, including Brazil, China, Germany, India, Italy, Korea, Turkey, Russia, UAE and Switzerland during the period 1996 to 2019 has been used. Econometric parameters has been estimated by Global Vector Autoregressive approach.The modeling results show that the increase in the real exchange rate in Brazil, in some cases, increases the real exchange rate in Iran. Rising real exchange rate in China first reduces and then increases the real exchange rate in Iran. In addition, Increasing China's trade increases the level of Iran's trade. According to the results, when Iran's imports from a country are higher, it is more affected by exchange rate shocks in that country, which can be seen in response to real exchange rate shocks in China.

کلیدواژه‌ها [English]

  • JEL Classification: C32
  • F14
  • F31 Keywords: Spillover Effects؛ Trade؛ Exchange Rates؛ Major Trading Partners؛ GVAR Model
  1. مقدمه

شوک­های ناشی از متغیرهای اقتصادی در برخی از کشورها می­تواند بر کشورهای دیگر نیز مؤثر باشد و محدود به همسایگان نزدیک آنها نخواهد بود. کانال­های احتمالی انتقالی می­تواند شامل سرمایه­گذاری­های دوجانبه، ارتباطات اقتصادی واقعی با استفاده از تجارت دو جانبه، ترجیحات جغرافیایی سرمایه­گذاری و نرخ ارز باشد (سورنسون،[1] 2007). ادبیات اقتصادی و مالی نشان می­دهد که شوک­های ناشی از مسائل سیاسی بین­المللی (ارتباطات دولتی، بازار کار، جهانی شدن و کاهش رشد) همراه با مسائل مالی (انگیزه­های ریسک بخش مالی) می­تواند کشورهای دیگر و به ویژه، شرکای سیاسی و تجاری را تحت تأثیر قرار دهد (فلیکس و ویلدیک[2]، 2012).

اقتصاد ایران برای تأمین نیازهای خود به واردات کالاهای واسطه­ای و سرمایه­ای از اقتصادهای توسعه­یافته و نوظهور وابسته است و اقتصاد باز کوچکی در عرصه جهانی تلقی می­شود. هم‌چنین ترکیب شرکای صادراتی و وارداتی کشور ایران در سه دهه گذشته از کشورهای توسعه‌یافته به سمت کشورهای در حال توسعه تغییریافته و امکان انتقال شوک­ها را بیش از گذشته افزایش داده است. بر این اساس، توجه به شوک­های متغیرهای کلان اقتصادی شرکای مهم تجاری اهمیت دارد. از طرف دیگر، تجربه بحران مالی 1997 جنوب شرقی آسیا و بحران مالی جهانی[3] سال 2008 و سرریز[4] شوک­های اقتصادی و مالی در سراسر جهان تایید می­کند که تحلیل­های مبتنی بر مدل­سازی ملی برای متغیرهای کلان اقتصادی به تنهایی مفید نخواهد بود و ضروری است متغیرهای کلان اقتصادی در چهارچوب جهانی تحلیل و مدل‌سازی شوند.

در چند دهه گذشته مدل­سازی­های کلان­سنجی در ابعاد گسترده به منظور پیش­بینی و کمّی کردن اثرات سیاستی اقتصاد جهانی اتخاذ شده توسط کشورهای مختلف، استفاده شده است (چن، چانگ و دو[5]، 2012). چنین مدل­هایی با داده­های سالانه برآورد می­شوند و از لحاظ تعداد متغیر، مدل­هایی عمدتاً بزرگ هستند؛ در نتیجه، برای استفاده در تحلیل­های شبیه­سازی دشوار به نظر می­رسند. این گونه مدل­ها غالباً ناقص هستند و سیستم جهانی بسته­ای را ارائه نمی­دهند (دی مائرو و پسران[6]، 2013). پسران، شوئرمن و واینر[7](2004) و دیز، دی مائرو، پسران و اسمیت[8](2007)، مدل خودرگرسیون برداری جهانی را جهت بررسی تعاملات جهانی و ساده­سازی تحلیل شوک­های کشور بر اقتصاد دنیا، توسعه دادند(چکر و کبوندی[9]، 2013). وجود تعداد زیادی از کشورها و متغیرها در مدل از نظر فنی چالش برانگیز است؛ زیرا به طور بالقوه، متغیرها و پارامترهای بسیار بیش‌تری نسبت به مشاهدات وجود دارد. در مقایسه با مدل‌های VAR تکامل‌یافته ([10]FAVAR) که در تحلیل سرریز چند کشوری نیز استفاده می‌شود، رویکرد GVAR می‌تواند متغیرهای مختلف اقتصاد کلان تعداد زیادی از کشورها را به شیوه‌ای سازگار و آسان ترکیب کند.

رویکرد GVAR وابستگی­های متقابل بین کشورها در سطوح مختلف را به شیوه­ای شفاف که بتوان از نظر تجربی ارزیابی شوند، از جمله روابط بلندمدت سازگار با تئوری و داده­ها، درنظر می­گیرد (چکر و کبوندی، 2013). در شرایطی که روابط متقابل بین کشورها و نیز تأثیرپذیری شاخص­های کلان اقتصادی از این روابط وجود داشته باشد و عوامل خارجی بر رفتار این شاخص­ها مؤثر هستند، استفاده از مدل­هایی که قابلیت نشان دادن اثر شوک­های خارجی بر متغیرهای درون­زای مدل را داشته باشند، مناسب­تر است؛ بنابراین می­­توان برای توضیح این عوامل، از مدلGVAR  استفاده نمود(اسمیت و گالسی[11]، 2014).

این تحقیق به دنبال یافتن پاسخی برای این پرسش است که اثرات سرریز شوک­های متغیرهای کلان اقتصادی (تجارت، نرخ ارز) شرکای عمده تجاری بر اقتصاد ایران چگونه است. برای پاسخ به این پرسش از رهیافت نوین مدل خود رگرسیون برداری جهانی[12] (GVAR) برای ایران و شرکای تجاری، استفاده شده است. نتایج این مطالعه درک بهتری از ارتباطات متقابل تجاری و اقتصادی بین ایران و شرکای تجاری را ممکن می­سازد. این امر به نوبه خود پیامدهای مهمی برای تصمیم­گیری اقتصادی و سیاسی برای کشور ایران خواهد داشت.

بدین منظور مقاله از پنج بخش تشکیل شده است. پس از مقدمه، در بخش دوم به ادبیات موضوع و در بخش سوم به روش تحقیق و تصریح مدل پرداخته شده است. در بخش چهارم برآورد مدل و نتایج تجربی و در بخش پنجم، نتیجه­گیری به همراه پیشنهادهای سیاستی ارائه شده است.

 

  1. مروری بر ادبیات پژوهش

انتقال شوک­های اقتصادی و اثرات متقابل کشورها بر یکدیگر، دیدگاه مهمی در تحلیل‌های مدرن ادوار تجاری به‌ حساب می‌آید که این آثار متقابل شوک­های اقتصادی تحت عنوان «هم‌زمانی ادوار تجاری» مطرح شده است. بر اساس نظریه منطقه پولی بهینه که اولین‌بار توسط ماندل[13] )1963( مطرح شد، پیش‌شرط ادغام‌های تجاری و پولی، هم‌زمانی بین ادوار تجاری است.

هرچه ادوار تجاری کشورهای مختلف هم‌زمانی بیش‌تری داشته باشد، انتقال شوک­های اقتصادی میان آنها قوی‌تر است. بر اساس مبانی نظری هم‌زمانی ادوار تجاری، عواملی مانند یکپارچگی تجاری (تجارت درون صنعت و تجارت بین صنایع) تشابه ساختار اقتصاد کشورهای طرف تجاری و درجه تشابه سیاست‌های پولی و مالی بین کشورها بر هم‌زمانی ادوار تجاری بین کشورها مؤثر است. تجارت بیش‌تر بین کشورها می‌تواند از طریق ایجاد شوک‌های طرف عرضه و تقاضا بر ادوار تجاری کشورها اثر بگذارد. بسته به این‌که کدام‌یک از شوک‌ها غالب می‌شود، هم‌زمانی ادوار تجاری ممکن است، افزایش یا کاهش پیدا کند. از طرف دیگر، هرچه ساختار اقتصادی کشورهای طرف تجاری تشابه و تقارن بیش‌تری داشته باشد، هم‌زمانی ادوار تجاری افزایش پیدا می‌کند (افشاری و امینی، 1390).

انتقال شوک­ها بین کشورهای شریک تجاری، به طور کامل، مرتبط با وجود عوامل مشترک میان کشورهاست. عوامل مشترک، منعکس‌کننده ترکیب شوک‌های جهانی مؤثر بر همه کشورها، اختلالات خاص هر کشور و اثرات شوک‌های انتقال‌یافته از کشوری به کشور دیگر است (بوردو و هلبلینگ[14]، 2003). تلاش کشورها برای کاهش ریسک بالقوه در تولید و ایجاد امنیت درآمدی موجب متنوع­سازی و تخصصی­شدن تولید و در نتیجه، ضربه‌پذیری بیش‌تر از شوک‌های خاص و نیز کاهش هم‌زمانی می­شود. پژوهش‌ها نشان می‌دهد، نوسانات باعث ایجاد نااطمینانی، ضربه به اعتماد عمومی و کاهش سرمایه­گذاری می­شود. درک نادرست ارتباط متقابل بازارها می­تواند منجر به اتخاذ سیاست­های اقتصادی نامناسب و ضد تولیدی شود (کاپوراله، بیرن، شولز-گاتاس و اسپانولو [15]، 2013).

سرریزهای متفاوتی در ادبیات اقتصادی مطرح شده­اند که مهم‌ترین آنها به این شرح می‌باشند: الف) سرریز خارجی: از تعاملات موجود بین یک کشور با بقیه کشورهای جهان، نشات می­گیرد. ب) سرریز نشات گرفته از شوک ناشی از سیاست: این موضوع به طور خاصی از نقطه نظر عملکرد سیاستی ارزیابی می­شود.

سرریز مستقیم در برابر سرریز غیرمستقیم: سرریز بین­المللی مستقیم اساساً از طریق رابطه تجاری منتقل می­گردد. سرریز غیرمستقیم از کانال نرخ­بهره و نرخ ارز انتقال می­یابد (ویراستراس، اسکورز و ون آرل[16]، 2008). سرریزهای بین­المللی به طور وسیعی در نتیجه شوک در یک اقتصاد تعریف شده­اند که به واسطه کانال­های بیشماری به اقتصادهای دیگر منتقل می­شوند. این تعریف اشاره بر آن دارد که ماهیت کمّی و کیفی اثرات سرریز وابسته به چند بعد است که شامل کانال­های انتقال، نوع شوک و ساز و کارهای تقویت یا تثبیت در کشورهای تولیدکننده یا گیرنده سرریز می‌شود.

رابطه تجاری، یک کانال انتقال کلیدی برای چندین شوک می­باشد. به عبارت ساده­تر، سرریزهای تجاری را می­توان در نتیجه دو اثر متمایز مشاهده کرد: الف- اثر تقاضا: هرگونه شوکی که باعث تغییر در درآمد شود، احتمالاً به تغییر تقاضا برای کالاها و خدمات وارداتی تبدیل می‌شود و اثرات سرریزی را ایجاد می‌کند که بزرگی آن با شدت ارتباطات تجاری افزایش می‌یابد. اندازه اثر تقاضا به عواملی از جمله واکنش پولی به شوک تقاضا، تمایل به واردات و ترکیب و ارزش افزوده صادرات شرکای تجاری بستگی دارد. ب- اثر رقابتی: شوک‌هایی که بر رقابت‌پذیری یک کشور تأثیر می‌گذارند، احتمالاً منجر به تغییراتی در شرایط تجاری آن‌ها می‌شود که بر جریان‌های واردات و صادرات تأثیر می‌گذارد. این شوک‌ها می‌تواند پیامد اصلاحات ساختاری یا واکنش درون‌زای شرکت‌ها و کل اقتصاد به تغییرات در بافت اقتصادی باشد.این اثرات می‌توانند فرایند­های زمانی متفاوتی داشته باشند و می‌توانند متقابلاً تقویت شوند یا در جهت مخالف حرکت کنند(کمیسیون اروپایی[17]، 2014).

سرریزهای تجاری از این حقیقت نشأت می‌گیرند که وقتی کشور با کاهش معنا‌داری در ارزش پول ملی خود مواجه می‌شود، سایر کشورها از طریق کاهش قدرت رقابتی‌شان نسبت به این کشور متحمل زیان می‌شوند. علاوه بر این، اگر افزایش ارزش پول ملی منجر به رکود فعالیت‌های اقتصادی کشور مذکور گردد، صادرات شرکای تجاری این کشور باز هم کاهش می‌یابد. این فرآیند توسط گرلاچ و استمز[18](1995) صورت‌بندی شده است و برخی کارهای تجربی از قبیل کارهای ایچن گیرین، رز و ویپلاش[19](1995) و گلیک و رز[20](1999) این مسئله را تصدیق کرده‌اند. مدل کشش تراز تجارت کروگر[21](1983) وجود رابطه نظری بین نرخ ارز و تراز تجاری را نشان داده است.

به طور کلی، فرض می­شود که افزایش اسمی نرخ ارز، نرخ واقعی ارز را تغییر می­دهد و بنابراین بر تراز تجاری تأثیر مستقیم دارد. در تلاش برای دستیابی به رقابت بین­المللی و کمک به بهبود تراز تجاری خود، یک کشور ممکن است به کاهش ارزش پایبند باشد یا اجازه دهد ارزش پول کاهش یابد. کاهش ارزش با کاهش نسبی صادرات، صادرات را افزایش می‌دهد و با افزایش نسبی واردات، باعث بهبود تراز تجاری می‌شود. از سوی دیگر، در برخی مطالعات، استدلال می‌شود که عوامل غیرپولی در توضیح شوک­های نرخ ارز اهمیت پیدا کرده­اند. یعنی علاوه بر پول، عواملی مانند شوک‌های تجاری نیز باید در نظر گرفته شود و فرض بر این است که نرخ ارز واقعی، در اقتصادهای بازتر نوسان کم‌تری دارند و باز بودن تجارت به کاهش تأثیر شوک‌های ناپایدار کمک می­کند (بهمنی- اسکویی[22]، 2001).

نرخ ارز متغیری است که بیش از سایر متغیرها با بخش خارجی اقتصاد ارتباط مستقیم و تنگاتنگ دارد و یکی از متغیرهای تأثیرگذار در تعیین قیمت واردات و صادرات می‌باشد. امروزه ارزش پول کشورها نه تنها تحت تأثیر سیاست‌های اقتصادی داخل هر کشور قرار دارد؛ بلکه شوک­های ارزی در بازارهای جهانی نیز بر ارزش پول و به تبع آن بر تجارت خارجی آنها مؤثر می‌باشد. اصولاً با به هم خوردن ثبات نرخ واقعی ارز و شوک­های مکرر و نااطمینانی مستمر در مقدار واقعی نرخ ارز، روند سرمایه‌گذاری غیرمنطقی شده و تخصیص بهینه‌ منابع امکان‌پذیر نخواهد بود. اضافه بر این، افزایش و تعدد شوک­های نرخ واقعی ارز سبب بالا رفتن قیمت کالاهای قابل مبادله و افزایش خطر پوشش تغییرات پیش‌بینی نشده‌ نرخ واقعی ارز می‌شود (کالدرون[23]، 2004).

 

مطالعات پیشین

کرمی، جعفری صمیمی و طهرانچیان (1398) در مطالعه خود تحت عنوان «بررسی امکان تشکیل اتحادیه پولی مشترک بین کشورهای عضو و ناظر سازمان همکاری شانگهای» به بررسی اثر شوک‌های خارجی و داخلی بخش عرضه و تقاضا روی متغیرهای کلان اقتصادی این کشورها، با استفاده از مدل خود ­رگرسیون برداری جهانیGVAR  و داده‌های فصلی سال‌های 1996 - 2015 پرداخته­اند. نتایج بیانگر این است که به­جز قرقیزستان، رفتار سایر کشورها به شوک­های خارجی نسبتاً متقارن است. در رابطه با اقتصاد ایران و قرقیزستان، عکس­العمل متفاوت متغیرهای بخش خارجی در مقایسه با سایر کشورها مشاهده شد. این نتایج، تفاوت­های موجود در نظام­های ارزی یا سایر ساختارهای بخش خارجی این کشورها را نسبت به سایر کشورها نشان می­دهد.

حاج امینی (1397) در مطالعه خود تحت عنوان «تحلیل نقش شرکای وارداتی در آسیب‌پذیری تورمی اقتصاد ایران» با برآورد مدل تصحیح خطای برداری جهانی(GVECM) شامل 34 کشور برای دوره 1988- 2013 سرریزهای تورمی را بررسی کرده است. یافته­ها نشان می­دهد: 1- تورم‌های چین و آمریکای لاتین بیش‌ترین حساسیت را نسبت به تکانه قیمت نفت و غذا داشته و از طرف دیگر، تورم ایران بیش‌ترین تأثیر را از تکانه­های تورمی آنها می­پذیرد. پس این کشورها می­توانند آثار سرریز قابل توجهی بر اقتصاد ایران تحمیل کنند؛ 2- تنوع شرکای وارداتی ایران از اواسط دهه­ 1380 به نفع تمرکز بر کشورهای در حال توسعه و آسیب‌پذیرتر تغییر کرده است؛ بنابراین، پراکنده کردن تجارت خارجی در میان کشورهای توسعه‌یافته و نوظهور می­تواند مصونیت اقتصاد ایران را در برابر تکانه­های تورمی آینده بهبود بخشد.

نجفی، مقدسی و زراعت کیش (1395) در مطالعه خود تحت عنوان «بررسی عامل­های مؤثر بر قیمت­های صادراتی کشورهای عمده­ صادرکننده­ پسته با استفاده از الگوی خودرگرسیون برداری جهانی» به بررسی عامل­های مؤثر بر قیمت­های صادراتی کشورهای عمده­ صادرکننده­ پسته پرداخته است. کشورهای عمده صادرکننده­ پسته شامل ایران، ایالات متحده آمریکا، ترکیه، سوریه، ایتالیا، یونان و چین می­باشند. در این مطالعه از رهیافت نوین خود رگرسیون برداری جهانی استفاده شده و دوره­ زمانی مطالعه شامل 2012-1984 می­باشد. نتایج نشان دادند که شوک مثبت نرخ ارز ایران در کوتاه­مدت بیش­ترین تأثیر را بر قیمت صادراتی پسته سوریه و کم­ترین تأثیر بر قیمت صادراتی پسته ایالات متحده آمریکا دارد.

افشاری و امینی (1390) در مطالعه خود به بررسی رابطه بین شدت تجارت دوجانبه و هم‌زمانی ادوار تجاری ایران و دیگر اعضای اکو پرداختند. در این مطالعه از یک مدل مرکزی با مرکزیت ایران، داده‌های دوره زمانی 1993 - 2007 و روش مبتنی بر داده‌های پنلی استفاده شد. نتایج دلالت بر این دارد که شدت تجارت دوجانبه و شاخص عدم تقارن صنعتی بین ایران و شرکای تجاری آن در سازمان اکو، اثر اندکی بر همبستگی ادوار تجاری بین کشورهای عضو دارد.

آبوسیدرا، آرایسی، بن سیتا، و موتشیندا [24](2020) در مطالعه خود دریافتند که کشورهای با درآمد بالا انتقال­دهنده خالص هستند؛ در حالی که کشورهای با درآمد کم، دریافت­کنندگان خالص نوسانات رشد هستند.

علیزاده- جانویزلو و شرافتیان- جهرمی[25](2019) در مطالعه خود به بررسی اثرات شوک‌های خارجی در اقتصادهای نوظهور کوچک انتخابی در جنوب شرق آسیا پرداخته­اند. مدل خودرگرسیون برداری جهانی (GVAR) شامل 33 کشور، در طول سال­های 1979-2013 مورد استفاده قرار گرفته است. نتایج نشان داد کشورهای هدف به دلیل وابستگی زیاد به صادرات و درجه بالایی از جهانی شدن در امور مالی، تحت تأثیر شوک­های خارجی به ویژه شوک‌های ایالات متحده، منطقه یورو، چین، کره جنوبی، سنگاپور و قیمت نفت قرار می­گیرند. در این میان، قیمت سهام، نرخ ارز و تولید واقعی مهم‌ترین عامل انتقال شوک‌ها به اقتصاد داخلی بودند.

آلن، مک آلیر، پاول و کومار سینگ[26](2018) در مطالعه­ خود به بررسی آثار سرریز نوسانات در کشورهای شریک تجاری استرالیا شامل چین، ژاپن، کره و آمریکا بر اقتصاد استرالیا پرداختند. در این مطالعه از شاخص سرریز دیبولد و ییلماز[27] (2012) الگوی خود­رگرسیون برداری و داده‌های دوره زمانی 2004 - 2014 استفاده شد. نتایج این مطالعه نشان داد بازارهای آمریکا و هنگ‌کنگ بیش‌ترین اثر را بر نوسانات کشور استرالیا داشته‌اند.

حسن، ازلی، چین و ازمان ساینی[28](2017) در پژوهش خود به بررسی اثر پیوندهای اقتصاد ­کلان بر انتقال شوک بین‌المللی در کشورهای منتخب آسیای شرقی پرداخته­اند. مدل خودرگرسیون برداری جهانی (GVAR) بر داده­های فصلی تولید واقعی، تورم، قیمت سهام، نرخ ارز و نرخ بهره کوتاه­مدت در دوره 1979Q2–2013Q1 استفاده شده است. نتایج نشان داد، کشورهای مورد مطالعه عمدتاً از طریق بازارهای سهام، تولید واقعی و نرخ ارز به اقتصاد جهانی مرتبط هستند. نتایج تحلیل پویا نیز نشان داد چین بیش‌ترین انتقال شوک را در بخش واقعی دارد؛ در حالی که ایالات متحده بالاترین سهم را در بازار سهام دارد.

آنتوناکاکیس و بادینگر[29](2016) در مطالعه خود به بررسی ارتباط میان رشد و نوسان برای کشورهای G7 در دوره زمانی 1958 - 2013 پرداخته است. تحلیل پاسخ تکانه نشان داد شوک­ها در درازمدت از طریق اثرات سرایت بین­المللی و پیامدهای مرتبط با آن پنج برابر می‌شود.

هاجک و هوروات[30](2016) در مطالعه خود از مدل خودرگرسیون برداری جهانی برای بررسی سرریزهای اقتصاد کلان در اتحادیه اروپا در دوره 2000-2014 استفاده کرده­اند. چهار سناریوی شوک مرتبط با سیاست­های مختلف را بررسی کرده­اند: 1) افزایش نرخ بهره منطقه یورو؛ 2) افزایش تولید صنعتی منطقه یورو؛ 3) کاهش در قیمت­های مصرف­کننده منطقه یورو و 4) کاهش در قیمت­های جهانی نفت. نتایج نشان داد این شوک‌ها اثری مشابه (و مورد انتظار) اما با اندازه‌های متفاوت در سراسر اتحادیه اروپا دارند.

بالی، بالی، ژان لوئیس و وو[31](2015) در مطالعه‌ای به بررسی رابطه بین نوسانات اقتصادی در کشورهای نوظهور و کشورهای پیشرفته پرداختند. آنان به این منظور ابتدا از شاخص سرریز دیبولد و ییلماز(2012) به‌منظور بررسی سرریز نوسانات بازدهی از بازار سهام آمریکا، کشورهای توسعه‌یافته اتحادیه اروپا، ژاپن، کشورهای حوزه همکاری خلیج‌فارس، کشورهای مرکز و شرق اروپا، کشورهای آفریقایی و کشورهای آمریکای لاتین استفاده کردند. نتایج نشان داد که سرریز نوسانات در بین بازارهای مختلف متفاوت بوده و مقدار تجارت، سرمایه‌گذاری، زیان مشترک و هم‌چنین  تشکیل سرمایه در بازار سهام، اثر معناداری بر این سرریز داشته است.

در مطالعات پیشین و در مدل‌های ارائه ‌شده برای اقتصاد ایران، به مقوله بین ­کشوری در مدل‌ها کم‌تر توجه شده است. در این مطالعه یک مدل GVAR چندکشوری ارائه شده است. در این مدل به بررسی اثرات سرریز شوک­ها در متغیرهای کلان اقتصادی (تجارت، نرخ ارز) شرکای عمده تجاری ایران پرداخته شده است.

 

  1. روش و تصریح مدل تحقیق

رویکرد GVAR، معرفی شده توسط پسران و همکاران (2004) روشی نسبتاً ساده و در عین حال مؤثر برای مدل‌سازی اقتصاد جهانی امروزی ارائه می‌کند که در آن هر کشور و عوامل مختلف اقتصاد کلان در داخل کشورها با یکدیگر مرتبط هستند. روش مدل­سازی GVAR شامل دو مرحله مجزاست. در مرحله اول، یک مدل VARX جداگانه برای هر کشور جداگانه برآورد می­شود. اگر برخی از متغیرها دارای ریشه واحد و هم­انباشتگی داشته باشند، مدل به شکل تصحیح خطا برآورد می­شود. در این مدل‌های جداگانه VARX (یا VECMX) هر کشور بر اساس سه نوع متغیر مختلف توصیف می‌شود: داخلی[32]، خارجی[33] و جهانی[34]. متغیرهای داخلی برای مدل درون‌زا هستند، در حالی که متغیرهای خارجی و جهانی برون‌زا هستند. هر متغیر داخلی دارای متغیرهای خارجی متناظر است. این متغیرهای خارجی با استفاده از یک ماتریس وزنی ساخته شده­اند تا اهمیت نسبی کشورهای مختلف به درستی منعکس شود و ارتباطی بین تکامل اقتصاد داخلی و سایر نقاط جهان ایجاد می­کنند. این متغیرهای خارجی اغلب شامل عوامل مشاهده شده جهانی(به عنوان مثال قیمت نفت) و متغیرهای داخلی همتایان هستند. این همتایان، میانگین ​​وزنی از متغیرهای داخلی کشورهای گنجانده شده در مدل هستند و بنابراین، امکان تعامل بین متغیرهای کشورهای مختلف را فراهم می­کنند. متغیرهای داخلی همتایان هم‌چنین به عنوان یک عامل غیرقابل مشاهده مشترک، نظیر تغییر فناوری عمل می­کنند (دی مائورو و اسمیت[35]، 2013). متغیرهای جهانی در هر مدل کشوری به عنوان متغیرهای برون‌زا گنجانده شده‌اند و برای همه کشورها یکسان هستند. در مرحله دوم، این مدل‌های VARX منفرد با کمک یک ماتریس پیوند برای ساخت یک مدل جهانی به شیوه‌ای ثابت ترکیب می‌شوند.

فرض کنید که کشورها یا مناطق N + 1 به نمایندگی از اقتصاد جهانی وجود دارند. اگر  یک بردار  از متغیرهای خاص کشور باشد و بردار  یک بردار  بعدی از متغیرهای خارجی باشد. سپس، این دو بردار را می­توان در مدل خاص  کشور خاص به شکل زیر ترکیب کرد.

(1)

 

که در آن  برداری   بعدی از ضرایب ثابت است و بردار  بردار پارامترهاست که روند قطعی متغیرها را ضبط می­کند. بردار  یک ماتریس  بعدی از ضرایب وقفه است و  و  ماتریس   بعدی از متغیرهای خارجی است و  یک بردار  بعدی از شوک­های خاص کشور است که فرض می­شود آنها به طور سریالی همبسته نیستند.

از معادله (1) نتیجه می­شود که فقط متغیرهای داخلی خاص کشور در این مدل VAR توضیح داده می­شوند؛ در حالی که متغیرهای خارجی خاص کشور در این سیستم توضیح داده نمی­شوند. همان طور که دی مائورو و اسمیت (2013) استدلال می­کنند، با فرض برون­زا بودن متغیرهای خاص کشور خارجی، فرض بر این است که کشورهای جداگانه نسبت به بقیه­ جهان به عنوان اقتصادهای کوچک ارائه می­شوند. این بدان معناست که نوسانات کوتاه­مدت در یک کشور می­تواند متغیر خاص کشور خارجی را تحت تأثیر قرار دهد؛ اما نوسانات تعادل بلندمدت داخلی بر متغیر خاص کشور خارجی تأثیر نمی­گذارد. در نتیجه، متغیرهای داخلی به متغیرهای خاص کشور خارجی و متغیرهای وقفه آنها بستگی دارند، اما به نوبه­ی خود انحراف از تعادل بلندمدت در یک کشور بر متغیرهای خاص کشور خارجی تأثیر نمی­گذارد. یکی از ویژگی­هایی که با این فرض همراه است این است که اگرچه شوک­های خاص هر کشور به طور سریالی با هم ارتباط ندارند؛ اما فرض بر این است که به طور مقطعی، در سراسر کشورها، هم‌بستگی ضعیف دارند (دیز و همکاران، 2007).

پس از انتخاب متغیرهای مدل می­توان با وزن­دهی متغیرهای مختلف داخلی، متغیرهای خاص کشور خارجی را ایجاد کرد، به گونه­ای که:

(2)

 

که در آن  با  وزن­هایی هستند که به کشور j هنگام ساخت متغیر خارجی i اختصاص داده می­شود.  مقدار  برابر با صفر است و مجموع وزن­ها همیشه برابر با یک است. به دنبال معادله (2) متغیرهای خاص کشور خارجی برای همه متغیرهای موجود در الگوی پژوهش، وزن­دهی می­شوند.

ترتیب انباشتگی و ترتیب وقفه

پس از ساخت متغیرهای خارجی، گام بعدی تعیین ترتیب انباشتگی متغیرهای داخلی و هم‌چنین متغیرهای خارجی برای اطمینان از ثابت بودن داده­های سری زمانی است. آزمایش ریشه­های واحدی را می­توان با آزمون دیکی­فولر وغیره انجام داد (وربک[36]، 2012).

آزمون برون­زایی ضعیف[37]

با یک تست F استاندارد، این فرضیه صفر آماری مبنی بر اینکه پارامترهای اصلاحات تصحیح خطا تفاوت چندانی با صفر ندارند، قابل آزمایش است. هنگامی که فرضیه صفر پذیرفته شود، توسعه کوتاه‌مدت تحت تأثیر انحراف از تعادل بلندمدت در کشور نیست و می­توان برون­زایی ضعیف را تصور کرد (علیزاده- جانویزلو و شرافتیان- جهرمی، 2019).

تابع پاسخ تکانه[38]

در مدل­های VARX، برخی شواهد از هم‌بستگی مثبت بین شوک­ها در سطح مقطع کشورها وجود دارد. این امر، منجر به این می­شود که تابع استاندارد ضربه (IRF) و تجزیه خطای واریانس پیش­بینی (FVED) برای GVAR از کارآیی کم‌تری برخوردار باشد. کوپ، پسران و پاتر [39](1996) برای مقابله با این مشکل عملکرد پاسخ تکانه­ای کلی[40] را گسترش دادند. پسران و همکاران[41] این توابع را برای مدل­های VAR و به ویژه در مدل GVAR اصلاح کرد (علیزاده -جانویزلو و شرافتیان-جهرمی، 2019). تابع پاسخ تکانه تعمیم­یافته (GIRF) یک تحلیل پویاست که  برای بررسی اینکه کدام یک از کشور­ها توانایی توضیحی بیشتر کشور دیگر را دارند، استفاده می­شود (حسن و همکاران، 2017). در این پژوهش بررسی اثرات شوک­های متغیرهای مختلف بر یکدیگر با استفاده از رویکرد OIR[42] (توابع کنش- واکنش تعامدی) انجام شده است که اثرات شوک­ها را با استفاده مجموعه­ای متعامد از شوک­ها بررسی می­کند. برای پیاده­سازی آن از نرم­افزار ایویوز [43] استفاده شده است.

برای متغیرهای این پژوهش، از داده­های سالانه برای دوره­ زمانی 1996 - 2019 که بیش‌ترین داده­ها برای کشورهای شرکای تجاری ایران در آن موجود بوده، استفاده شده است. داده­های مربوط به این تحقیق از آمارهای رسمی موجود در کشور، سایت بانک جهانی[44]، صندوق بین­المللی پول[45] و بانک مرکزی کشورهای مورد مطالعه گردآوری شده است. آمار مربوط به مبادلات تجاری کشورها از سایت [46]DOTS به­ دست آمده است. در مدل پژوهش برای تامین حجم داده موردنیاز، داده­ها به صورت فصلی استفاده شده­اند. بر اساس بررسی­های نویسندگان این پژوهش، کشورهای گنجانده شده[47] در این مدل بیش از 75 درصد حجم تجارت مبادی وارداتی و صادراتی ایران را شامل می­شوند. هم‌چنین مطابق پیشینه تجربی موجود، کانال­های انتقال شوک­های جهانی به خوبی در برآورد مدل لحاظ شده و نمونه کفایت لازم را از این حیث دارد.

مدل این پژوهش متغیرهای تجارت (TRA) و نرخ ارز (REX) را در بر می­گیرد. نرخ ارز یکی از متغیرهای کلان اقتصادی است که نقش مهمی در بازار از جنبه مبادلات ایفا می­کند و این امر در نحوه تبدیل قیمت­های بین­المللی به قیمت­های داخلی تأثیر می­گذارد. متغیر بعدی سطح تجارت است، در صورتی که سطح تجارت بین کشورها افزایش پیدا کند برای کشورهای صادرکننده منجر به ارزآوری و برای کشور واردکننده منجر به تأمین نیاز و توسعه فناوری­های نوآورانه می­شود.

متغیر جهانی که در الگو وارد می­شود شامل متغیر قیمت نفت است. قیمت بین­المللی نفت و قیمت کالاها از طریق کانال­های مختلف به یکدیگر مرتبط هستند. نخست اینکه، انرژی­ای که در تولید محصولات استفاده  می­شود، عمدتاً مبتنی بر نفت است و قیمت مواد شیمیایی مورد استفاده در فرایند تولید؛ یا از انرژی، تولید می­شوند یا از انرژی زیادی در فرایند تولید آنها، استفاده می­شود. هم‌چنین، قیمت بالاتر نفت، هزینه حمل و نقل را نیز افزایش می­دهد و قیمت‌های بالاتر نفت باعث افزایش تقاضا برای سوخت می­شود. این امر نشان می­دهد افزایش قیمت نفت می­تواند کیفیت مبادلات را به دلیل تأثیرگذاری بر تولید تحت تأثیر قرار دهد. در این مطالعه با توجه به بردار محور[48] بودن نرم افزار R از این نرم­افزار برای تجزیه و تحلیل داده­های کشورهای مورد مطالعه استفاده شده است و به اقتضای مطالعه از سایر نرم­افزارهای اقتصادسنجی نظیر EViews استفاده شده است.

بررسی روند تغییرات نرخ ارز واقعی در طی زمان نسبت به دلار آمریکا نشان می­دهد، نرخ ارز واقعی در ایران که قدرت خرید کالاهای خارجی را به قیمت دلار نشان می­دهد، روندی نوسانی داشته و در سال­های 2015 - 2019 با افت و خیزهای زیادی مواجه بوده است. در حالی که در ترکیه و امارات، نوسانات بسیار کمی مشاهده می­شود و تقریباً روند ثابتی را طی کرده است. تغییرات مبادلات تجاری بین‌المللی کشورهای مورد مطالعه نشان می­دهد، امارات متحده عربی نسبت به سایر کشورها حجم واردات و صادرات بیش‌تری دارد که این امر می‌تواند به دلیل صادرات نفتی آن باشد. بعد از آن کشورهای سوئیس و کره جنوبی بیش‌ترین حجم مبادلات بین‌المللی را دارند. در این میان ایران با روند نزولی مبادلات مواجه است و برزیل پایین­ترین سطح مبادلات جهانی را دارد.

 

  1. برآورد مدل و نتایج تجربی

وضعیت اقتصادی هر کشور می­تواند تحت تأثیر شوک­های اقتصادی کشورهای درگیر در امر تجارت با آن قرار گیرد. برای ارزیابی اثر شوک­ها نیاز به ساخت متغیرهای وزنی برمبنای اثر متغیرهای برون­زای هر کشور است و بنابراین، وزن هر کشور نسبت به کشور دیگر براساس تأثیرپذیری از آن کشور ارزیابی می­شود. بنابراین، برای ساخت متغیر از الگویی مطابق فرمول (2) استفاده می­شود.

در این مطالعه، وزن­ها براساس سهم تجاری بنا شده است و فرض بر این است که کشورها از طریق مبادلات بین­المللی به یکدیگر مربوط می­شوند. از آنجا که این مدل شرکای تجاری را شامل می­شود، وزن­ها بر اساس جریان تجارت بین یکی و دیگری، تعریف شده است. دلیل این امر این است که تجارت بین اعضا تعیین­کننده اهمیت نسبی کشورها نسبت به یکدیگر است و این اهمیت نسبی به صورت سهمی که کشور در کل تجارت دارد، تعیین می­شود. مطابق مطالعات پیشین، زمانی که دو کشور مبادلات گستره­تری با یکدیگر دارند، شوک تجاری ایجاد شده در یک کشور می­تواند تأثیر زیادی بر کشور دیگر بگذارد؛ اما، زمانی که دو کشور مبادلات تنگاتنگی ندارند، تأثیرپذیری آنها از شوک تجاری کشور مقابل کم‌تر است. بنابراین وزن کشور اول نسبت به کشور دوم به صورت نسبت مجموع تجارت کشور دوم در طول دوره مورد بررسی بخش بر مقدار مجموع تجارت به غیر از کشور اول ساخته می­شود، یعنی:

(3)

 

با استفاده از ماتریس وزنی به دست آمده، مقدار تأثیرپذیری هر متغیر در هر کشور از سایر کشورها را می­توان طبق فرمول (2) به دست آورد. مقدار وزن­های بدست آمده در ادامه نشان داده شده است. مجموع سطری این ماتریس در همه کشورها تقریباً برابر با یک است و هرچه مقدار وزن بیش‌تر باشد، وابستگی یک کشور به کشور مقابل بیش‌تر است.

 

جدول 1. مقادیر ماتریس وزنی در کشورهای مورد بررسی

کشور

bra

chn

germ

ind

iran

ita

korea

russ

swit

tur

ure

bra

000/0

074/0

106/0

064/0

070/0

079/0

117/0

083/0

152/0

075/0

180/0

chn

044/0

000/0

109/0

066/0

072/0

082/0

121/0

086/0

157/0

077/0

186/0

germ

046/0

078/0

000/0

068/0

075/0

084/0

125/0

088/0

162/0

080/0

192/0

ind

044/0

075/0

108/0

000/0

071/0

081/0

120/0

085/0

155/0

076/0

184/0

iran

044/0

076/0

109/0

066/0

000/0

081/0

121/0

085/0

156/0

077/0

185/0

ita

045/0

076/0

110/0

066/0

073/0

000/0

122/0

086/0

158/0

078/0

187/0

korea

046/0

079/0

114/0

069/0

076/0

086/0

000/0

090/0

164/0

081/0

195/0

russ

045/0

077/0

110/0

066/0

073/0

082/0

122/0

000/0

159/0

078/0

188/0

swit

048/0

083/0

119/0

072/0

079/0

089/0

132/0

093/0

000/0

084/0

203/0

tur

044/0

076/0

109/0

066/0

072/0

082/0

121/0

086/0

157/0

000/0

186/0

ure

050/0

085/0

123/0

074/0

081/0

092/0

136/0

096/0

177/0

087/0

000/0

برزیل (bra)؛ چین (chn)؛ آلمان (germ)، هند (ind)، ایران (iran)؛ ایتالیا (ita)؛ کره جنوبی (korea)، روسیه (russ)؛ سوئیس (swit)؛ ترکیه (tur)؛ امارات متحده عربی (ure)

منبع: یافته­های پژوهش

 

با توجه به ماتریس وزنی بدست آمده، امارات متحده عربی، کره جنوبی و سوئیس بالاترین سهم مبادلات را در بین کشورهای منتخب دارند؛ زیرا مجموع ستونی آنها که سهم­شان در مبادلات نسبت به سایر کشورها را نشان می­دهد، از سایر کشورها بالاتر است. با توجه به پنل بودن مشاهدات، برای بررسی وجود یا عدم وجود ریشه واحد از آزمون لین- چاو استفاده شده است. هم‌چنین، اطلاعات هر کشور با استفاده از آزمون دیکی فولر در سطح اطمینان 5 درصد مورد آزمون قرار گرفته­اند.

 

جدول 2. سنجش مانایی متغیرها (آزمون لین-چاو -سطح بحرانی 5 درصد)

متغیر/ کشور

دیکی فولر سطح بحرانی 5 درصد

لین چاو-سطح بحرانی 5 درصد

rex

tra

bra

000/0

000/0

000/0

chn

000/0

000/0

germ

000/0

000/0

ind

000/0

001/0

iran

000/0

000/0

ita

000/0

000/0

korea

000/0

000/0

russ

000/0

000/0

swit

000/0

000/0

tur

000/0

000/0

ure

000/0

000/0

تجارت (TRA)؛ نرخ ارز (REX).

منبع: یافته­های پژوهش

 

برای تعیین سطح وقفه­ بهینه در VAR، از معیارهای آکائیک (AIC)، شوارتز- بیزین(SC)، حنان-کوئین(HQ) و فیلیپس(FPE) استفاده می‌شود. نتایج آزمون­ها در ادامه نشان داده شده است.

 

جدول 3. نتایج سنجش وقفه مناسب الگوی VAR

کشور

AIC

HQ

SC

FPE

وقفه بهینه

bra

3

3

3

3

3

chn

3

3

3

3

3

germ

1

1

1

1

1

ind

1

1

1

1

1

iran

3

3

3

2

3

ita

1

1

1

1

1

korea

3

3

3

3

3

russ

3

3

3

2

3

swit

3

3

3

2

3

tur

1

1

1

1

1

ure

1

1

1

1

1

*وقفه‌ای که مقدار آماره مرتبط با آن از سایر الگوها کمتر باشد، وقفه مناسب است

منبع: یافته­های پژوهش

 

در این مطالعه برای بررسی اثر برون‌زایی ضعیف، از روش یوهانسن استفاده شده است و فرض وجود متغیر ابزاری بررسی می­شود. در صورتی که آزمون معنادار باشد(فرض صفر رد شود)، مشخص می­شود متغیرهای موجود در الگو معنادار نیستند و اثر آنها بر کل تقریباً صفر است و این نتیجه گرفته می­شود که متغیر، برون‌زای ضعیف و درون‌زاست.

 

جدول 4. نتایج آزمون یوهانسن[49] برای سنجش برون­زایی ضعیف

کشور

df1

df2

statistic

p-value

سطح اطمینان

bra

3

89

693/52

<2e-16

***

chn

2

91

087/9

000/0

***

germ

2

91

955/48

69/3e-15

***

ind

2

91

669/50

063/1e-15

***

iran

2

91

559/22

08/1e-08

***

ita

2

91

419/32

342/2-11

***

korea

2

91

871/31

23/3e-11

***

russ

2

91

630/55

<2e-16

***

swit

3

89

696/9

33/1e-05

***

tur

1

93

80/37

94/1e-08

***

ure

1

93

048/3

0842/0

*

معناداری در سطح اطمینان 90 درصد (*)، معناداری در سطح اطمینان 95 درصد (**)، معناداری سطح اطمینان 99 درصد (***)

منبع: یافته­های پژوهش 

 

پس از بررسی سطح هم­انباشتگی و تعیین وقفه­های بهینه، در این مرحله به برازش الگوی GVAR به مشاهدات پرداخته می­شود. آثار سرریز اقتصادی می­تواند به صورت آثارسرریز خودی و متقابل تعریف شود. آثار سرریز خودی برای نشان دادن رابطه علیت یک طرفه بین شوک های نوسان گذشته و نوسانات فعلی در همان بازار استفاده می­شود. آثار سرریز متقابل برای نشان دادن رابطه علیت یک طرفه بین نوسان گذشته در یک بازار و نوسانات فعلی در بازار دیگر استفاده می شود(آکداج و اسکندر اوغلو[50]، 2019). در این مطالعه، جنبه دوم مطرح است و به بررسی آثار سرریز شوک­های متغیرهای تجارت و نرخ ارز شرکای تجاری ایران بر اقتصاد ایران پرداخته می­شود.

 

بررسی تأثیرپذیری مبادلات تجاری و نرخ ارز واقعی در ایران از شرکای تجاری

تجارت با قیمت­های نسبی و ارزش پول داخلی کشور تعیین می­شود. در تلاش برای درک چگونگی پاسخ‌گویی تقاضای بین‌المللی کالا به مجموعه‌ای از قیمت‌ها که عبارتند از سطح قیمت داخلی و قیمت داخلی ارز، این دو در یک واحد ادغام می‌شوند و از آنها به عنوان نرخ واقعی ارز یاد می‌شود. در ادبیات موجود، در مورد نرخ ارز و تأثیر آنها در تجارت کالا، اتفاق نظر وجود ندارد. به عنوان مثال البداوی[51](1998) نشان داد که کاهش نرخ ارز و نرخ تعادل به ترتیب، تعیین‌کننده قابل توجهی در صادرات نیستند. از طرف دیگر، تعدادی از مقالات مانند چوداری[52](2012) دریافتند که نوسانات نرخ ارز باعث کاهش حجم صادرات می‌شود. بحث مشابهی در زمینه واردات و تراز تجاری وجود دارد. به عنوان مثال، رز[53](1991) هیچ ارتباطی بین تجارت و نرخ ارز پیدا نکردند. در حالی که غوش[54] و همکاران (2008) نشان می‌دهند که کاهش نرخ واقعی ارز تجارت را بهبود می‌بخشد (تاندون[55]، 2014). در مطالعه حاضر، در بررسی رابطه بین افزایش یا کاهش نرخ ارز واقعی و تمایل به تجارت خارجی، نتایج نشان دادند که در برخی کشورها افزایش نرخ ارز واقعی منجر به افزایش تمایل به مبادلات بین‌المللی می­شود و در برخی دیگر، افزایش نرخ ارز واقعی تمایل به مبادلات بین­المللی را کاهش می­دهد. 

در این مطالعه به برازش الگوی خودرگرسیون برداری جهانی به مشاهدات ایران و شرکای تجاری آن پرداخته شد. هم‌چنین، آثار سرریز اقتصاد شرکای تجاری بر تغییرات متغیرهای تجارت بین­المللی و نرخ ارز واقعی ایران بررسی شد. نتایج نشان می­دهند نرخ ارز واقعی و تجارت در ایران بیش‌ترین تأثیرپذیری را از اقتصاد چین دارد؛ اما، تحت تأثیر متغیرهای وزنی ناشی از رشد یا افول شرکای تجاری خود قرار نمی­گیرد. این امر نشان می­دهد رشد و افول اقتصاد ایران تحت تغییرات اقتصادی کشورهایی که با آنها مبادلات تجاری دارد، قرار می­گیرد. برای بررسی اثرات سرریز از رویکرد OIR در رگرسیون GVAR استفاده می­شود. برازش مدل با استفاده از نرم­افزار Eviews انجام گرفته است.

در بررسی اثرپذیری نرخ ارز واقعی از شرکای تجاری آن، نتایج نشان می­دهند افزایش نرخ ارز واقعی در برزیل، در برخی موارد نرخ ارز واقعی در ایران را افزایش و در برخی موارد آن را کاهش می­دهد و تأثیرگذاری زیادی بر نرخ ارز واقعی در ایران دارد. افزایش نرخ ارز واقعی در چین در ابتدا نرخ ارز واقعی در ایران را کاهش و سپس، کاهش افزایش می­دهد. افزایش نرخ ارز واقعی در کره، نرخ ارز واقعی در ایران را افزایش می­دهد. تغییر نرخ ارز در هندوستان و ایتالیا، اثر واضحی بر نرخ ارز ایران ندارد. بنابراین، می­توان گفت افزایش نرخ ارز واقعی در ایران بیش‌ترین تأثیرپذیری را از تغییرات نرخ ارز واقعی آلمان، چین، هند و برزیل دارد.

 

نمودار 1. تأثیرپذیری نرخ ارز واقعی در ایران از شرکای تجاری

منبع: یافته­های پژوهش

 

با توجه به نتایج می­توان گفت اثرپذیری نرخ ارز واقعی ایران از کشورهایی است که مبادلات بیش‌تری را در جهان دارند و به تبع ایران از افزایش یا کاهش نرخ ارز واقعی در این کشورها به دلیل مبادلات خود با آنها، تأثیر می­پذیرد. هم‌چنین، زمانی که واردات ایران از کشوری بیش‌تر است، بیش‌تر تحت تأثیر شوک­های نرخ ارز در آن کشور قرار می­گیرد؛ همان گونه که در واکنش آن نسبت به شوک­های نرخ ارز واقعی در چین مشهود است.

بررسی تأثیرپذیری مبادلات ایران از سایر کشورها نشان­دهنده این است که افزایش مبادلات برزیل، سطح مبادلات ایران را کاهش می­دهد. افزایش مبادلات چین، سطح مبادلات ایران را افزایش می‌دهد و این امر دلالت بر وابستگی زیاد مبادلات ایران و چین به یکدیگر دارد. افزایش مبادلات در کره جنوبی، در برخی دوره­ها اثر مثبت و در برخی دوره­ها اثر منفی بر مبادلات ایران دارد. اثر مبادلات در هندوستان اثر مشخصی بر مبادلات در ایران ندارد. با توجه به نتایج در کشوری مانند چین که ایران بیش‌ترین مبادلات خود را با آن دارد، افزایش مبادلات آن منجر به تمایل بیش‌تر ایران به افزایش مبادلات می­شود و در صورتی که این کشور تمایلی به مبادله نداشته باشد، نرخ مبادلات در ایران نیز کاهش چشم­گیری دارد که این امر می‌تواند ناشی از وابستگی زیاد ایران به واردات از چین باشد.

 

 

نمودار 2. تأثیرپذیری مبادلات در ایران از شرکای تجاری

منبع: یافته­های پژوهش

 

  1. نتیجه­گیری و پیشنهادهای سیاستی

بررسی تأثیرپذیری مبادلات ایران از شرکای تجاری نشان­دهنده این است که افزایش مبادلات برزیل، سطح مبادلات ایران را کاهش می­دهد. افزایش مبادلات چین، سطح مبادلات ایران را افزایش می­دهد و این امر دلالت بر وابستگی زیاد مبادلات ایران و چین به یکدیگر دارد. افزایش مبادلات در کره جنوبی، در برخی دوره­ها اثر مثبت و در برخی دوره­ها اثر منفی بر مبادلات ایران دارد. اثر مبادلات در هندوستان اثر مشخصی بر مبادلات در ایران ندارد. با توجه به نتایج، در کشوری مانند چین که ایران بیش‌ترین مبادلات خود را با آن دارد، افزایش مبادلات آن منجر به تمایل بیش‌تر ایران به افزایش مبادلات می­شود و در صورتی که این کشور تمایلی به مبادله نداشته باشد، نرخ مبادلات در ایران نیز کاهش چشم­گیری خواهد داشت که این امر می­تواند ناشی از وابستگی زیاد ایران به واردات از چین باشد. هم‌چنین، می­توان گفت اثرپذیری نرخ ارز واقعی ایران عمدتاً از جانب کشورهایی است که مبادلات بیش‌تری در جهان دارند و به تبع ایران از افزایش یا کاهش نرخ ارز واقعی در این کشورها به دلیل مبادلات با آنها، تأثیر می­پذیرد. هم‌چنین، زمانی که واردات ایران از کشوری بیش‌تر است، بیش‌تر تحت تأثیر شوک­های نرخ ارز در آن کشور قرار می­گیرد؛ همان گونه که در واکنش آن نسبت به شوک­های نرخ ارز واقعی در چین قابل مشاهده است.

نتایج این مطالعه پیامدهای سیاستی مهمی دارد. این نتایج بینش مفیدی در مورد اثرات احتمالی بیش‌تر اقتصادی ناشی از تغییر شرکای تجاری ارائه می‌دهند. هم‌چنین  نتایج نشان می‌دهد که علی‌رغم اینکه تجارت می‌تواند نقش مثبت مهمی در رشد اقتصادی کشور داشته باشد و وقتی شوک‌های مثبتی از کشورهای دیگر سرچشمه می‌گیرد، اوضاع می‌تواند به خوبی پیش برود؛ اما شوک‌های منفی می‌توانند خیلی سریع وضعیت را تغییر دهند. لذا تغییر ترکیب شرکای صادراتی و وارداتی کشور ایران از کشورهای توسعه‌یافته به سمت کشورهای در حال توسعه، امکان انتقال شوک­ها را بیش از گذشته افزایش می­دهد. بر این اساس، توجه به شوک‌های متغیرهای کلان اقتصادی شرکای مهم تجاری دارای اهمیت است. هم‌چنین، بر اساس نتایج، پیشنهاد می‌شود سیاست­گذاران هنگام طراحی سیاست­های تجاری، تفاوت­ها و اثرات شوک­های متغیرهای اقتصادی شرکای تجاری را بر اقتصاد ایران مدنظر قرار دهند و سیاست­های تجاری کشور را با در نظر گرفتن این بینش­ها اجرا نمایند.

 

[1] Sorenson

[2] Felices and Wieladek

[3] Global Financial Crisis

[4] Spillovers

[5] Chen,Chang & Du

[6] Di Mauro & Pesaran

[7] Pesaran, Schuermann & Weiner

[8] Dees, Di Mauro,Pesaran & Smith

[9] Çakir & Kabundi

[10] Factor-Augmented Vector Autoregressive (FAVAR)

[11] Smith & Galesi

[12] Global Vector Autoregressive

[13] Mandel

[14] Bordo & Helbling

[15] Caporale, Beirne, Schulze-Ghattas & Spagnolo

[16] Weyerstrass, Schoors & Van Aarle

[17] European Commission

[18] Gerlach & Smets

[19] Eichengreen, Rose, & Wyplosz

[20] Glick & Rose

[21] Krueger

[22] Bahmani-Oskooee

[23] Calderón

[24] Abosedra, Arayssi, Ben Sita & Mutshinda

[25] Alizadeh Janvisloo & Sherafatian-Jahromi

[26] Allen,McAleer, Powell & Kumar-Sing

[27] Diebold & Yilmaz

[28] Hassan, Azali, Chin & Azman-Saini

[29] Antonakakis & Badinger

[30] Hájek & Horváth

[31] Balli, Balli, Jean Louis & Vo

[32] Domestic (Endogenous) Variables

[33] Foreign (Weakly Exogenous) Variables

[34] Global Variables

[35] Di Mauro & Smith

[36] Verbeek

[37] Weak Exogeneity

[38] Impulse Response Function

[39] Koop,Pesaran & Potter

[40] Generalised Impulse Response Function

[41] Pesaran et al

[42] Orthogonalized Impulse Response                          

[43]  Eviews

[44] www.worldbank.org

[45] www.imf.org

[46] Direction Of Trade Statistics: www.data.imf.org/DOT

[47]  برزیل، چین، آلمان، هند، ایتالیا، کره جنوبی، ترکیه، روسیه، امارات متحده عربی و سوئیس

[48] Vector Base

[49] Johansen

[50] AKDAĞ & İSKENDEROĞLU

[51] Elbadawi

[52] Chaudhary

[53] Rose

[54] Ghosh

[55] Tandon

  • منابع

    • افشاری، زهرا، امینی، تکتم (1390). بررسی ارتباط بین شدت تجارت دوجانبه و هم‌زمانی ادوار تجاری ایران و اعضای اکو با استفاده از یک الگوی ترکیبی، فصلنامه پژوهشنامه بازرگانی، (61): 111-81.
    • حاج امینی، مهدی (1397). تحلیل نقش شرکای وارداتی در آسیب‌پذیری تورمی اقتصاد ایران: ارزیابی بر اساس یک مدل تصحیح خطای برداری جهانی(GVECM) ، فصلنامه علمی مطالعات اقتصادی کاربردی ایران، (25): 131–154.
    • کرمی، سمیرا، جعفری صمیمی، احمد، طهرانچیان، امیرمنصور (1398). ‫بررسی امکان تشکیل اتحادیه پولی مشترک بین کشورهای عضو و ناظر سازمان همکاری شانگهای با استفاده از رهیافت خود رگرسیون برداری جهانی GVAR، فصلنامه علمی مطالعات اقتصاد کاربردی ایران، (31): 33-65.
    • نجفی، ایمان، مقدسی، رضا، زراعت کیش، سید یعقوب (1395). بررسی عامل‌های موثر بر قیمت‌های صادراتی کشورهای عمده صادرکننده پسته با استفاده از الگوی خودرگرسیون برداری جهانی، مجله تحقیقات اقتصاد کشاورزی، (3): 193-216.
    • Abosedra, S., Arayssi, M., Ben Sita, B., & Mutshinda, C. (2020). Exploring GDP growth volatility spillovers across countries. Economic Modelling, 89, 577–589.
    • AKDAĞ, S., & İSKENDEROĞLU, Ö. (2019). Investigating the Risk Appetite Index with Markov Regime Model: Case of Turkey. Ege Akademik Bakis (Ege Academic Review), 19(2).
    • Alizadeh Janvisloo, M. R., & Sherafatian-Jahromi, R. (2019). Macroeconomic, International Linkage and Effects of External Shocks in Southeast Asian Emerging Economies.
    • Allen, D. E., McAleer, M., Powell, R. J., & Kumar-Singh, A. (2018). Volatility Spillovers from Australia’s Major Trading Partners Across the GFC. SSRN Electronic Journal.
    • Antonakakis, N., & Badinger, H. (2016). Economic growth, volatility, and cross-country spillovers: New evidence for the G7 countries. Economic Modelling, 52, 352–365.
    • Bahmani-Oskooee, M. (2001). Nominal and real effective exchange rates of middle eastern countries and their trade performance. Applied Economics, 33(1), 103–111.
    • Balli, F., Balli, H. O., Jean Louis, R., & Vo, T. K. (2015). The transmission of market shocks and bilateral linkages: Evidence from emerging economies. International Review of Financial Analysis, 42, 349–357.
    • Bordo, M. D., & Helbling, T. (2003). Have National Business Cycles Become More Synchronized? NBER Working Paper.
    • Çakir, M. Y., & Kabundi, A. (2013). Trade shocks from BRIC to South Africa: A global VAR analysis. Economic Modelling, 32(1).
    • Calderón, C. (2004). Trade Openness and Real Exchange Rate Volatility: Panel Data Evidence. Economic Research Foundation, 1–44.
    • Caporale, G. M., Beirne, J., Schulze-Ghattas, M., & Spagnolo, N. (2013). Volatility spillovers and contagion from mature to emerging stock markets. Review of International Economics, 21(5), 1060–1075.
    • Chen, S. H., Chang, C. L., & Du, Y. R. (2012). Agent-based economic models and econometrics. In Knowledge Engineering Review (Vol. 27, Issue 2).
    • Chudik, A., & Pesaran, M. H. (2016). Theory and practice of gvar modelling. In Journal of Economic Surveys (Vol. 30, Issue 1, pp. 165–197).
    • Dees, S., Di Mauro, F., Pesaran, M. H., & Smith, L. V. (2007). Exploring the international linkages of the euro area: A global var analysis. Journal of Applied Econometrics, 22(1), 1–38.
    • Dees, S., Holly, S., Pesaran, M. H., & Smith, L. V. (2007). Long Run Macroeconomic Relations in the Global Economy. Economics, 1(1).
    • di Mauro, F., & Pesaran, M. H. (2013). Introduction: An overview of the GVAR approach and the handbook. In The GVAR Handbook.
    • di Mauro, F., & Smith, L. V. (2013). The basic GVAR DdPS model. In The GVAR Handbook.
    • Eichengreen, B., Rose, A. K., Wyplosz, C., Dumas, B., & Weber, A. (1995). Exchange Market Mayhem: The Antecedents and Aftermath of Speculative Attacks. Economic Policy, 10(21).
    • European Commission. (2014). Quarterly report on the Euro area .
    • Felices, G., & Wieladek, T. (2012). Are emerging market indicators of vulnerability to financial crises decoupling from global factors? Journal of Banking and Finance, 36(2).
    • Glick, R., & Rose, A. K. (1999). Contagion and trade: Why are currency crises regional? Journal of International Money and Finance, 18(4).
    • Hájek, J., & Horváth, R. (2016). The Spillover Effect of Euro Area on Central and Southeastern European Economies: A Global VAR Approach. Open Economies Review, 27(2), 359–385.
    • Hassan, I. B., Azali, M., Chin, L., & Azman-Saini, W. N. W. (2017). Macroeconomic linkages and international shock transmissions in East Asia: A global vector autoregressive approach. Cogent Economics and Finance, 5(1).
    • Koop, G., Pesaran, M. H., & Potter, S. M. (1996). Impulse response analysis in nonlinear multivariate models. Journal of Econometrics, 74(1).
    • Kruger, A. O. (1983). The effects of trade strategies on growth. Finance & Development, 20(2).
    • Pesaran, M. H., Schuermann, T., & Weiner, S. M. (2004). Modeling Regional Interdependences Using a Global Error-Correcting Macroeconometric Model. In Journal of Business and Economic Statistics (Vol. 22, Issue 2).
    • Pesaran, M. H., & Smith, R. (2006). Macroeconometric modelling with a global perspective. Manchester School, 74(SUPPL. 1), 24–49.
    • Smith, L. V., & Galesi, A. (2014). GVAR Toolbox 2.0 User Guide.
    • Sorenson, D. J. (2007). Assessing economic base relationships in South Dakota. Journal of Regional Analysis and Policy, 37(2), 165–182.
    • Tandon, S. (2014). Trade Balance and the Real Exchange Rate: An Empirical Analysis of Multilateral and Bilateral Relationship. Foreign Trade Review, 49(2).
    • Verbeek, M. (2012). A Guide to Modern Econometrics Fourth Edition. In Chichester, England: John Wiley & Sons.
    • Weyerstrass, K., Schoors, K., & Van Aarle, B. (2008). Economic spillovers, structural reforms and policy coordination in the Euro Area: An overview. Contributions to Economics.