پژوهش ها و چشم اندازهای اقتصادی

پژوهش ها و چشم اندازهای اقتصادی

بررسی اثر تغییر ساختار سنی جمعیت بر مخارج مصرفی دولت و پیش بینی تحولات آن به روش الگوی داده های ترکیبی با تواتر متفاوت

نویسندگان
محمد نوفرستی
ویدا ورهرامی
سحر دشتبان فاروجی
دانشگاه شهید بهشتی
چکیده
در بررسی عوامل مؤثر بر مخارج مصرفی دولت، یکی از عوامل مهم و اثرگذار که کمتر به آن پرداخته شده، "ساختار سنی جمعیت" بوده و در این مطالعه، به بررسی اثر تغییر ساختار سنی جمعیت بر مخارج مصرفی دولت با استفاده از روش الگوی داده های ترکیبی با تواتر متفاوت (میداس)[۱] پرداخته شده است. نتایج حاصل از برآورد نشان می دهد که ساختار سنی جمعیت، تأثیر مثبت و معنادار بر مخارج مصرفی دولت دارد. سپس مخارج مصرفی دولت برای سال ۱۳۹۳ پیش بینی شده است. اطلاعات مربوط به سال ۱۳۹۳ در برآورد اولیه رابطه، استفاده نشده تا بتوان براساس آن، قدرت پیش بینی الگو را خارج از محدوده برآورد محک زد. در نهایت، مخارج مصرفی پیش‌بینی ‌شده معادل ۱۴۳۷۰۷۹ میلیارد ریال محاسبه گردید که در مقایسه با مقدار واقعی آن (معادل ۱۴۳۸۳۱۶ میلیارد ریال)، حاکی از پیش بینی خوب الگو است.



[۱]. Mixed frequency Data Sampling (MIDAS)
کلیدواژه‌ها
الگوی داده های ترکیبی با تواتر متفاوت
میداس
ساختار سنی جمعیت
مخارج مصرفی دولت

موضوعات

عنوان مقاله English

Effect of Changes in Age Structure of the Population on Government Consumption Expenditure: An Approach of Mixed Frequency Data Sampling (MIDAS)

نویسندگان English

Mohammad Noferesti
Vida Varahrami
sahar dashtban farooji
Shahid Beheshti University
چکیده English

Population age structure is a main factor affecting government consumption expenditure. This paper examines the effects of changes in population age structure on government consumption expenditure by using a Mixed Frequency Data Sampling (MIDAS) approach. The estimation results indicate that population age structure are of positive and significant effects on government consumption expenditure. In addition, government consumption expenditure is forecasted for 2014. To assess the predictive power of the model, the actual data in 2014 was not used. The expenditure forecasted by the model is 1437079 billion Rials, and corresponding real value is 1438316 billion Rials. This indicates the goodness of fit of model.

کلیدواژه‌ها English

Mixed Frequency Data Sampling
MIDAS
Age structure of the population
Government Consumption Expenditure
اسدی، عاطفه (1391). بررسی اثرات نامتقارن شوک های درآمد نفتی بر رفتار مخارج مصرفی دولت در ایران. پایان نامه کارشناسی ارشد دانشگاه الزهرا (س).
بیات، محبوبه و محمد نوفرستی (1394). اقتصاد سنجی کاربردی سری های زمانی: الگوی های ترکیبی با تواتر متفاوت. تهران: نشر نور علم، چاپ اول.
سوری، علی و رضاکیهانی حکمت (1382). تأثیر ساختار سنی جمعیت بر مخارج دولت در ایران. فصلنامه جمعیت، شماره 49 و 50: 96-73.
صیادی، فاطمه و رضا مقدسی (1394). اثر قیمت انرژی بر قیمت غلات با استفاده از الگوهای رگرسیونی با داده های مختلط. فصلنامه علمی-پژوهشی مطالعات اقتصادی کاربردی ایران، سال چهارم، شماره 15: 160-149.
کمیجانی، اکبر و روح اله نظری (1394). تأثیر درآمدهای نفتی بر مخارج دولت در ایران به روش الگوی خودبازگشتی با وقفه های توزیعی. دوفصلنامه مطالعات تجربی اقتصاد ایران، شماره 2: 90-55.
محنت فر، یوسف (1383) عوامل مؤثر بر هزینه های جاری دولت در ایران (1338-1380). پژوهشنامه علوم انسانی و اجتماعی، سال 4، شماره 15: 109-79.
Aregbeyen, O. and Insah, B. (2013). A Dynamic Analysis of the Link between Public Expenditure and PublicRevenue in Nigeria and Ghana. Journal of Economics and Sustainable Development, Vol. 4, No. 4.
Auerbach, Alan J. (2012). Societal Aging: Implications for Fiscal Policy, IMES Discussion Paper Series 2012-E-12, and September.
Derek H. C. Chen (2004). Population age structure and the budget deficit, Policy Research working paper series; no. WPS 3435. Washington, DC: World Bank
Ghysels, E.; P. Santa-Clara, and R. Valkanov (2004). The MIDAS Touch: Mixed frequency Data Sampling Regressions, manuscript. University of North Carolina and UCLA.
Ghysels, E.; V. Kvedaras and V. Zemlys (2014). Mixed Frequency Data Sampling Regression Models: the R Package midasr. Journal of Statistical Software, Vol. 72(4), 1-35.
Hofmann, M.; Kempkes, G., and Helmut Seitz (2008). Demographic Change and Public Sector Budgets in a Federal System. CESifo Working Paper No. 2317: 1-42.
Kelley, A.C. (1976). Demographic and the Size of the Government Sector. Southern Economic Journal, No. 49: 1056-66.
Kluge, F. A. (2013). The Fiscal Impact of Population Aging in Germany. Public Finance Review, 41(1): 37-63.
Lopreite, Milena & Marianna Mauro (2017). the effects of population ageing on health care Expenditure: A Bayesian VAR analysis using data from Italy, Health Policy http://dx.doi.org/10.1016/j.healthpol: 1-26.
Luski, I., and Weinblatt, J. (1988). A dynamic analysis of fiscal pressure and demographic transition. Applied economics. 30: 1431-42.
Marcellino, M., & C. Schumacher (2007). Factor-MIDAS for now- and forecasting with ragged-edge data: A model comparison for German GDP. Deutsche Bundesbank Discussion Paper, and Series 1: Economic Studies, No. 34/07.
Mehrara, Mohsen; Hamid Abrishami; Mostafa Boroujli, & Mahan Amin (2013). Government Expenditure and Economic Growth in Iran. International Letters of Social and Humanistic Sciences, Vol. 11: 76-83.
Petanlar, S. K. and Sadeghi, S. (2012). Relationship between Government Spending and Revenue: Evidence from Oil Exporting Countries. International Journal of Economics and Management Engineering, 2(2): 95-97.
Rose, M.R.; Passananti, H.B. and Matos, M. (2004). Methuselah Flies: A Case Study in the Evolution of Aging. World Scientific Publishing, Singapore.
Tsui, A. k.; C. Y. Xu, and Z.Y. Zhang (2013). Forecasting Singapore economic growth with mixed-frequency data. presented at 20th International Congress on Modelling and Simulation, Adelaide, Australia, 1-6 December 2013.
Van Ewijk, Casper; Nick Draper; Harry ter Rele and Ed Westerhout (2006). Ageing and the Sustainability of Dutch Public Finances, CPB Netherlands Bureau for Economic Policy Analysis, March.
پژوهش ها و چشم اندازهای اقتصادی
دوره 18، شماره 3
پاییز 1397
صفحه 103-124