نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد دانشکده مدیریت و اقتصاد دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران و دانشکده علوم اقتصادی و سیاسی دانشگاه شهید بهشتی

2 عضو هیأت علمی گروه اقتصاد دانشگاه آزاد اسلامی کرمانشاه

چکیده

در زمان­گذاری ادوار تجاری، دو رهیافت اساسی وجود دارد. رهیافت‌هایی که گرچه با هم متفاوتند ولی در عمل مکمل یکدیگرند. این رهیافت‌ها عبارتند از: «رهیافت ادوار رشد[1]» و «رهیافت ادوار کلاسیکی[2]». مقاله حاضر به بررسی زمان‌گذاری ادوار تجاری در 10 کشور عضو سازمان اوپک[3] براساس الگوی سوئیچینگ مارکف ارائه شده توسط همیلتون (1989) می‌پردازد. نتایج بدست آمده حاکی از آن است که ایران پس از کشور قطر، دارای کمترین میزان احتمال وقوع رکود بوده و دارای بالاترین میزان احتمال رونق است. نرخ رشد اقتصادی ایران در دوره رونق و در بین 10 کشور مورد بررسی در رده نهم قرار داشته که در این رده­بندی، ایران فقط از نیجریه که رتبه آخر را دارا بوده است، نرخ رشد بالاتری داشته است.
 



[1]. Growth Cycles Approach


[2]. Classical Cycles Approach


[3]. کشورهای مورد بررسی عبارتند از: ایران، اکوادور، عربستان، کویت، امارات متحده عربی، لیبی، نیجریه، قطر، ونزوئلا و الجزایر. فقدان اطلاعات درخصوص کشورهای آنگولا و عراق، باعث شد تا در این مقاله این دو کشور مورد ارزیابی قرار نگیرند.

کلیدواژه‌ها

عنوان مقاله [English]

Timing and Business Cycle Analysis in OPEC Member Countries Through Markov Switching Autoregressive Model

نویسندگان [English]

  • Kambiz Hozhabr Kiani 1
  • Alireza Moradi 2

1

2

چکیده [English]

There are two approaches for timing business cycles, namely "growth cycle" and "classical cycle". Though different, these approaches are complementary. This paper studies business cycles timing in 10 OPEC members[1] based on Markov Switching Model, introduced by Hamilton (1989). The results show that after Qatar, Iran suffered the least probability of recession and enjoyed the highest probability of boom. Iran's economic growth among 10 countries however has been the ninth, putting it just above Nigeria.



[1]. The OPEC member's studies here are: Iran, Ecuador, Saudi Arabia, Kuwait, United Emirates Arabia, Libya, Nigeria, Qatar, Venezuela and Algeria.  These were no data available on Iraq and Angola.    

کلیدواژه‌ها [English]

  • Business Cycles
  • OPEC members Countries
  • Markov Switching Model

زمان­گذاری و تحلیل ادوار تجاری در کشورهای منتخب عضو اوپک با بکارگیری الگوی خودبازگشتی سوئیچینگ مارکف[1]

دکتر کامبیز هژبر کیانی* و دکتر علیرضا مرادی**

 

تاریخ دریافت: 5 خرداد 1391                    تاریخ پذیرش: 27 آبان 1391

 

در زمان­گذاری ادوار تجاری، دو رهیافت اساسی وجود دارد. رهیافت‌هایی که گرچه با هم متفاوتند ولی در عمل مکمل یکدیگرند. این رهیافت‌ها عبارتند از: «رهیافت ادوار رشد[2]» و «رهیافت ادوار کلاسیکی[3]». مقاله حاضر به بررسی زمان‌گذاری ادوار تجاری در 10 کشور عضو سازمان اوپک[4] براساس الگوی سوئیچینگ مارکف ارائه شده توسط همیلتون (1989) می‌پردازد. نتایج بدست آمده حاکی از آن است که ایران پس از کشور قطر، دارای کمترین میزان احتمال وقوع رکود بوده و دارای بالاترین میزان احتمال رونق است. نرخ رشد اقتصادی ایران در دوره رونق و در بین 10 کشور مورد بررسی در رده نهم قرار داشته که در این رده­بندی، ایران فقط از نیجریه که رتبه آخر را دارا بوده است، نرخ رشد بالاتری داشته است.

 

واژه‌های کلیدی: ادوار تجاری، کشورهای عضو اوپک، الگوی سوئیچینگ مارکف.

طبقه‌بندی JEL: C32، E32، E37.

 

 

 

1. مقدمه 

یکی از ویژگی‌های بارز اقتصادها این است که فعالیت‌های اقتصادی در این اقتصادها، از یک دوره رونق که در آن دوره نرخ رشد اقتصادی مثبت وجود دارد به یک دوره رکود که در آن فعالیت‌های اقتصادی نرخ رشد منفی پیدا می‌کند، حرکت می‌کنند. شناسایی تواماً این دوره­ها را زمان­گذاری ادوار تجاری می‌نامند. در ایالات متحده امریکا دفتر ملی تحقیقات اقتصادی [5](NBER) از ابتدای تأسیس در 1920، وظیفه طبقه‌بندی، زمان‌گذاری و شناسایی عوامل بروز ادوار تجاری را به عهده داشته است.[6] از سال 1980 وظیفه تعیین نقاط چرخش در ادوار تجاری در ایالات متحده، شامل ثبت تاریخ شروع رونق‌ها و رکودها، به کمیته زمان‌گذاری دفتر ملی تحقیقات اقتصادی واگذار شده است. این کمیته یک نقطه چرخش را زمانی مشخص می‌کند که همه اعضای کمیته در مورد وقوع چرخش اتفاق نظر داشته باشند.[7] اگرچه هر یک از این اعضاء ممکن است از روش‌های متفاوتی برای تعیین نقطه چرخش استفاده کنند ولی روش آنها مبتنی بر تعریفی است که توسط برنس و میتچل (1946) از ادوار تجاری ارائه است. «ادوار تجاری نوعی نوسان در فعالیت‌های کلان اقتصادی یک کشور است. یک دور تجاری شامل رونق در بسیاری از فعالیت‌هایی است که در پی آن رکود می‌آید و فعالیت‌های اقتصادی کُند شده و سپس دوباره بهبودی مجددی حاصل شده و در پس یک رکود، دور بعدی رونق محقق می­شود.»[8] 

 

2. رهیافت ادوار رشد در مقابل ادوار کلاسیکی

در تاریخ‌گذاری و تعیین نقاط چرخش در ادوار تجاری دو رهیافت اساسی وجود دارد. اولین رهیافت به ادوار رشد باز می‌گردد که مبتنی بر رهیافت‌های روندزدایی برای شناسایی اجزای نوسانی تولید است. در این رهیافت، باید ابتدا داده‌های تولید حقیقی را با یک روش فیلترینگ به روند و اجزای سیکلی تبدیل کرد. در این روش، ادوار نسبت به روند تخمین زده شده تعریف می‌شوند. دوره‌های رونق به دوره‌هایی اطلاق می‌گردد که تولید حقیقی، بالای روند تخمین زده شده قرار می‌گیرد و رکود به دوره‌های زمانی اطلاق می‌شود که تولید در زیر روند قرار دارد. 

روش ادوار کلاسیکی سعی می‌کند تا نقاط چرخش در ادوار تجاری- اوج‌ها و حضیض‌ها­- را معین کند. در این روش، رکود دوره زمانی بین یک اوج تا یک حضیض و دوره رونق دوره زمانی بین یک حضیض تا یک اوج را شامل می‌شود. در این روش روند و تخمین آن هیچ اهمیتی ندارد. تفاوت بین این دو روش را می‌توان در نمودار 1 مشاهده کرد.

 

 

نمودار 1. زمان‌گذاری ادوار تجاری مبتنی بر رهیافت ادوار رشد در مقابل رهیافت  ادوار کلاسیکی

 

در این نمودار دوره زمانی بین نقاط A و B  یک رکود را مبتنی بر روش ادوار کلاسیکی و دوره زمانی بین نقاط B و E یک دوره رونق مبتنی بر روش ادوار کلاسیکی را بیان می‌کند. همچنین سطح هاشورخورده بین نقاط C تا D یک دوره رکود مبتنی بر روش ادوار رشد و سطح هاشورخورده بین نقاط D تا F یک دوره رونق مبتنی بر روش ادوار رشد را به نمایش می‌گذارد.

 

3. الگوهای سوئیچینگ مارکف

همیلتون (1989) الگوی خودبازگشتی سوئیچینگ مارکف با وضعیت وابسته[9] را معرفی کرد که امروزه ابزاری بسیار قوی برای تحلیل سری‌های زمانی است. اگر رفتار یک سری زمانی در دوره‌های مشخصی بطور اساسی با هم تفاوت داشته باشد، برای به الگو درآوردن آن نمی‌توان از الگوهای خطی استفاده کرد. توصیه همیلتون استفاده از الگوی سوئیچینگ مارکف است. این الگو نسبت به سایر الگوهای متداول در تحلیل سری‌های زمانی از مزیت بیشتری برای تحلیل این نوع داده‌ها برخوردار است. بطور مثال در تحلیل ادوار تجاری، متغیرهای اقتصادی چون تولید، اشتغال و ... در شرایط رونق و رکود، رفتارهای متفاوتی را از خود به نمایش می‌گذارند. تصور کنید که برای یک الگوی سری زمانی (1)AR که رفتار آن در رژیم‌های 1S و 2S (رکود و رونق) تحلیل شود بتوان معادلات ذیل را در نظر گرفت:

(1)                              

در حالت کلی می‌توان آن را چنین نوشت:

(2)                                   

که در این شرایط   باشد. الگوی سوئیچینگ مارکف با مفهوم زنجیره مارکف[10] ارتباط تنگاتنگی دارد. اجازه دهید که این مفهوم را با در نظر گرفتن  به عنوان یک متغیر تصادفی که صرفاً مقادیر اعداد طبیعی  را اتخاذ می‌کند، روشن سازیم. فرض کنید که احتمال اینکه  برابر عددی چون j باشد فقط به مقدار گذشته‌اش مرتبط است، پس داریم:

(3)         

حال دیدیم که یک فرآیند زنجیره مارکفی را می‌توان با احتمال انتقال[11]  برای  توصیف کنیم. احتمال انتقال  یعنی احتمال اینکه متغیر تصادفی S که در وضعیت (رژیم) جاری i است، در دوره بعد به وضعیت (رژیم) j منتقل می‌شود. بدیهی است که بایستی  باشد. مفهوم این رابطه این است که اگر متغیر تصادفی در وضعیت جاری در رژیم i باشد، احتمال این که در وضعیت بعدی در  یکی از وضعیت‌های  قرار بگیرد، معادل یک است. حال با توجه به این که خود وضعیت جاری (یعنی i) می‌تواند مقادیر  را اتخاذ کند، پس برای یک «فرآیند زنجیره مارکفی N وضعیتی[12]» ماتریس احتمال انتقالات[13] چنین است:

(4)                                    

کیم و نلسن (1999) در یک مطالعه برای اقتصاد آمریکا، ماتریس احتمال انتقال را برای یک الگوی سوئیچینگ مارکف با دو وضعیت (رژیم) را چنین بدست آورده‌اند:

 

مفهوم این نتایج این است که به احتمال 47% اقتصاد که در وضعیت رکود است در وضعیت رکود باقی می‌ماند و به احتمال 53% به رونق می‌رود. برعکس، اگر اقتصاد در دوره رونق باشد به احتمال 5% به دوره رکود می‌رود و به احتمال 95% در دوره رونق باقی می‌ماند. حال فرض کنید که در زمان t، احتمال وقوع هر وضعیت (رژیم) با بردار داده شده  باشد، سپس احتمال هر وضعیت در زمان  را می‌توان از رابطه (5) بدست آورد:

(5)                                                             

برای یک فرآیند مارکفی گسسته پایا، یک بردار احتمال ارگادیک[14] وجود دارد که معادل  است. این مفهوم در عمل احتمال غیرمشروط را ارائه می‌کند. همان طوری که در همیلتون (1994) نشان داده شده است، در تحلیل زنجیره مارکف، ریشه‌های مشخصه ماتریس احتمال انتقال P نقش مهمی را دارد. در یک رهیافت با دو وضعیت، ریشه‌های مشخصه را می‌توان به صورت ذیل بدست آورد:

 

این نشان می دهد که یکی از ریشه‌های مشخصه  و دیگری  است. بردارهای ویژه مرتبط با  عبارتست از:

(6)                                           

پس احتمال غیرمشروط رکود عبارتست از:

(7)                                                     

احتمال غیرمشروط فرآیند در رژیم رونق  دارای بردار ویژه­ای به صورت زیر است.

 

همانطوری که همیلتون نشان داده است، ماتریس احتمالات انتقال m دوره آتی برای یک فرآیند زنجیره مارکفی دووضعیتی عبارت است از:

 

(8)              

پس اگر بطور مثال فرآیند در وضعیت جاری در رکود  باشد، احتمال اینکه در m دوره بعد در وضعیت رونق  باشد، عبارت است از:

 

 با توجه به اینکه است. یک مزیت جالب الگوی سوئیچینگ مارکف همانطوری که کیم و نلسون (1999) نشان داده‌اند، این است که با کمک ماتریس احتمال انتقال می‌توان متوسط دوره باقی ماندن در رکود  و یا باقی ماندن در وضعیت رونق  را بدست آورد. برای مثال در مقاله­ کیم و نلسن با داده‌های فصلی دیدیم که ماتریس احتمال انتقال عبارت بود از:

 

فصل  = متوسط باقی ماندن در رکود  

فصل = متوسط باقی ماندن وضعیت رونق

 

4. نمایش فرآیند خودبازگشتی سوئیچینگ مارکف (MSMAR)[15]

اگر پارامترهای یک فرآیند خودبازگشتی  را در فرمت الگوی سوئیچینگ مارکف با m وضعیت (رژیم) درآوریم، این الگو را با نماد  نمایش می‌دهند. هر چند که در بخش قبل فرض کرده بودیم که ماتریس احتمال انتقال از قبل معلوم است ولی در عمل خود این ماتریس هم مجهول است و بایستی در فرآیند تخمین محاسبه گردد. فرض کنید که داریم:

(9)                       برای          

که ،  یک بردار از ضرایب  و  میانگین هر وضعیت که یک بردار  معادل تعداد وضعیت‌های الگوی سوئیچینگ مارکف و  است. اگر پارامترهای الگو شامل ،،  واریانس هر وضعیت را با نماد  نمایش می‌دهیم که بایستی این پارامترهای مجهول را توسط رهیافت حداکثر راستنمایی تخمین بزنیم. با در نظر گرفتن توزیع نرمال برای توزیع متغیر ، می‌توان تابع راستنمایی را چنین نوشت:

(10)                                  

منظور از  اطلاعات در دسترس تا زمان  است که شامل همه مشاهدات ،  می‌شود. عبارت تحت عملگر زیگمای جمع عبارت است از:

(11)       

به هرحال همان طوری که پیش از این اشاره شد، وضعیت‌ها غیرقابل مشاهده هستند و بایستی آنها را از داده‌ها استنتاج کرد. در این وضعیت بایستی تابع راستنمایی دربردارنده ماتریس احتمال انتقال باشد. پس تابع لگاریتم راستنمایی را چنین می‌توان نوشت:

 

رابطه  را پیش از این در رابطه (11) دیدیم . با توجه به قضیۀ بیز[16] می‌توان نشان داد که احتمال قابل پیش‌بینی  برابر است با:

 

(12)  

با جایگذاری رابطه (12) در رابطه (11) تابع لگاریتم راستنمایی را خواهیم داشت که تابعی غیرخطی نسبت به پارامترهای الگو است. در اینجا لازم است درخصوص تعداد جملات  و تعداد وضعیت (رژیم) الگوی سوئیچینگ مارکف  تصمیم‌گیری کنیم. برای این منظور با توجه به نمونه تحت بررسی بایستی اقدام به اجرای الگوهای متفاوت  پرداخته و مراتب بهینه  را با بهره‌گیری از  ملاک‌های اطلاعاتی مشهور مانند ملاک اطلاعاتی آکائیک ، ملاک اطلاعاتی بیزی شوارتز  و ملاک اطلاعاتی هنان-کوئین  بدست آوریم.

 

5. بررسی اجمالی مطالعات صورت گرفته در خارج از کشور

بطور اساسی رهیافت سوئیچینگ مارکف ابتدا توسط همیلتون (1989) برای بررسی رفتار GNP حقیقی فصلی آمریکا مورد استفاده قرار گرفته است. ولی می‌توان در این خصوص به مطالعه کیم و نلسن (1998) و (1999) اشاره کرد که به ترتیب در مطالعه اول اقدام به زمان‌گذاری ادوار تجاری برای اقتصاد آمریکا کرده و در مطالعه دوم با بکارگیری یک رهیافت فضای حالت[17] سعی در ساختن شاخص ترکیبی پیشرو[18] و شاخص رکودی برای اقتصاد آمریکا دارند، اشاره کرد. مسمن و میتچل[19] برای منطقه یورو اقدام به زمان‌گذاری ادوار تجاری کرده‌اند. در ایران نیز این روش توسط هژبر کیانی و مرادی (1391) برای زمان‌گذاری ادوار تجاری با بکارگیری داده‌های فصلی مورد استفاده قرار گرفته است.

 

 

 

 

6. مروری بر داده‌های تحقیق و آماده‌سازی داده‌ها

داده‌های بکار گرفته شده در این مقاله شامل تولید ناخالص داخلی سالیانه 10 کشور عضو اوپک شامل کشورهای ایران، اکوادور، عربستان، کویت، امارات متحده عربی، لیبی، نیجریه، قطر، ونزوئلا و الجزایر در خلال سال‌های 1967 تا 2005 میلادی به قیمت ثابت (سال 2000) و برحسب میلیارد دلار آمریکا است و منبع داده­ها برگرفته از «آمار مالی بین‌المللی[20]» انتشار یافته در سال 2008 است. به علت این که داده­های تولید ناخالص داخلی کشور عراق برای سال‌های 1994 تا سال 2001 انتشار نیافته و همچنین داده‌های کشور آنگولا برای بازه زمانی 1967 تا سال 1991 وجود نداشت، این دو کشور از تحلیل خارج شده‌اند.[21] نمودار 2 نمودار تولید ناخالص داخلی به قیمت ثابت سال 2000 را برای ده کشور یاد شده به نمایش می‌گذارد. نماد کشورهای تحت بررسی در جدول 1 گزارش شده است.

 

 

نمودار 2. تولید ناخالص داخلی 10 کشور عضو اوپک به قیمت ثابت سال 2000

مأخذ: داده‌های تحقیق (IFS 2008)

 

 

 
   

 

جدول 1. نام و نماد اختصاری کشورهای عضو اوپک

نماد اختصاری

نام کشور

نماد اختصاری

نام کشور

NIG

نیجریه

IRN

ایران

QUT

قطر

ALG

الجزایر

KSA

عربستان

ECUA

اکوادور

EMAR

امارات متحده عربی

KWT

کویت

VENZ

ونزوئلا

LIB

لیبی

 

جدول 2. نتایج آزمون پرون برای تولید ناخالص داخلی کشورهای عضو سازمان اوپک

مقادیر بحرانی جدول

آماره پرون

محاسباتی

l جدول

(رند شده)

l محاسباتی

زمان شکست

سال

تولید ناخالص

کشور

10%

5%

1%

45/3-

75/3-

38/4-

*15/2-

3/0

3077/0

1978

IRN

96/3-

24/4-

9/4-

*35/2-

5/0

4871/0

1985

ALG

45/3-

75/3-

38/4-

*84/3-

3/0

3076/0

1976

ECUA

95/3-

22/4-

81/4-

**47/4-

4/0

3589/0

1980

KWT

95/3-

22/4-

81/4-

*25/2-

4/0

3846/0

1981

LIB

95/3-

22/4-

81/4-

*98/1-

4/0

4358/0

1983

QUT

95/3-

22/4-

81/4-

*55/1-

4/0

3846/0

1981

KSA

96/3-

24/4-

9/4-

*80/1-

5/0

4871/0

1985

EMAR

96/3-

24/4-

9/4-

*72/2-

5/0

4871/0

1985

VENZ

45/3-

75/3-

38/4-

*04/3-

3/0

3077/0

1978

NIG

* وجود ریشه واحد با وجود شکست ساختاری در سطوح 1%، 5% و 10% بحرانی رد نمی‌شود.

** برای کشور کویت وجود ریشه واحد با وجود شکست ساختاری فقط در سطح 1% رد نمی‌شود.

توجه: برای تعیین زمان وقوع شکست ساختاری از آزمون چاو استفاده شده است. برای این منظور، در سال‌هایی که درخصوص وقوع شکست ساختاری تردید وجود داشته است، آزمون چاو را انجام داده‌ایم و سالی که  مقدار آماره F مقدار بزرگتری داشته است را به عنوان سال وقوع شکست ساختاری درنظر گرفته‌ایم.

مأخذ: نتایج پژوهش

 

نمایش بصری نمودار 2 به طور خام می‌تواند تداعی‌کننده این مفهوم باشد که تولید ناخالص داخلی کشورهای تحت بررسی دارای ریشه واحد بوده و درضمن در سری‌های زمانی فوق شکست ساختاری بروز یافته است. برای این مورد بایستی از آزمون وجود ریشه واحد تحت وجود شکست ساختاری استفاده کرد. برای این منظور بایستی آزمون پرون[22] را روی داده اجرا نمود. جدول 2 نتایج اجرای این آزمون یک طرفه را برای تولید ناخالص داخلی کشورهای تحت بررسی به نمایش می‌گذارد. با توجه به بزرگ بودن آماره پرون برای هر کشور نسبت به مقادیر بحرانی در سطوح مختلف ارائه شده توسط پرون و فاگلسنگ[23]، یعنی با توجه به این که این مقادیر محاسبه شده آماره پرون از نظر قدرمطلق کوچک‌تر از قدرمطلق مقادیر بحرانی است، نمی‌توان فرضیه  که دلالت بر وجود ریشه واحد است را رد کرد.

با توجه به این که در الگوهای سری‌های زمانی، بایستی به منظور احتراز از رگرسیون ساختگی از ورود متغیرهای دارای ریشه واحد جلوگیری کرد، در ادامه، تحلیل‌ها بر مفهوم نرخ رشد تولید قرار داده شده است. مزیت این روش این است که در تحلیل زمان‌گذاری ادوار تجاری به سری‌های زمانی نرخ رشد تولید  نیاز است و از سویی دیگر در آزمون‌های ریشه واحد نشان داد که همانگونه که انتظار می‌رفت، سری‌های زمانی نرخ رشد تولید ناخالص داخلی کشورهای یاد شده، فاقد ریشه واحد هستند. نمودار 3 نرخ رشد تولید ناخالص داخلی 10 کشور عضو اوپک را در خلال سال‌های (2005-1968)[24] نشان می‌دهد.

نگرش بصری به نمودار 3 تداعی می‌کند که نرخ رشد تولید ناخالص داخلی کشورهای تحت بررسی فاقد شکست ساختاری است. پس برای آزمون وجود ریشه واحد، می‌توان آزمون دیکی- فولر تعمیم‌یافته[25] را روی داده اجرا نمود. جدول 3 نتایج اجرای این آزمون یک طرفه را برای نرخ رشد تولید ناخالص داخلی کشورهای تحت بررسی به نمایش می‌گذارد. با توجه به کوچک‌تر بودن آماره ADF (بزرگ بودن از لحاظ قدرمطلق) برای هر کشور نسبت به مقادیر بحرانی در سطوح مختلف ارائه شده توسط مکینون (1996) می‌توان فرضیه ی که دلالت بر وجود ریشه واحد دارد را در سطح 5% رد کرد.

 

 

 

نمودار 3. نرخ رشد تولید ناخالص داخلی 10 کشور عضو اوپک (2005-1968)

مأخذ: داده‌های تحقیق (IFS 2008)

 

جدول 3. نتایج آزمون دیکی- فولر تعمیم‌یافته نرخ رشد تولید ناخالص داخلی کشورهای اوپک

P-Value

مقادیر بحرانی جدول در سطح

مقادیر آماره  ADF

کشور

10%

5%

1%

0119/0

610263/2-

943427/2-

621023/3-

5518/3-

IRN

00007/0

610263/2-

943427/2-

621023/3-

3235/5-

ALG

0005/0

610263/2-

943427/2-

621023/3-

6770/4-

ECUA

0007/0

610263/2-

943427/2-

621023/3-

5916/4-

KWT

002/0

610263/2-

943427/2-

621023/3-

2151/4-

LIB

0004/0

610263/2-

943427/2-

621023/3-

7585/4-

QUT

0003/0

610263/2-

943427/2-

621023/3-

8334/4-

KSA

0064/0

610263/2-

943427/2-

621023/3-

7938/3-

EMAR

0007/0

610263/2-

943427/2-

621023/3-

5948/4-

VENZ

000006/0

610263/2-

943427/2-

621023/3-

2314/6-

NIG

مأخذ: نتایج پژوهش

 

 

7. گزینش و تخمین الگوهای بهینه MSM(M)-AR(p) برای کشورهای عضو اوپک

پس از این که پایا بودن سری‌های زمانی نرخ رشد تولید ناخالص داخلی برای کشورهای عضو اوپک در جدول 3 مشخص گردید، ابتدا با در نظر گرفتن مراتب متفاوت برای p و m با توجه به ملاک‌های اطلاعاتی آکائیک ، بیزی شوارتز  و ملاک اطلاعاتی هنان-کوئین  مراتب بهینه الگو مشخص می‌گردد. نتایج این گزینش در جدول 4 گزارش شده است. برای تخمین الگوهای سوئیچینگ مارکف از برنامه‌نویسی در نرم‌افزار Ox نسخه 4/3 و بسته MSVAR نوشته شده توسط کرولزیگ[26] استفاده شده است.

 

جدول 4. نتایج تعیین الگوی بهینه  برای کشورهای اوپک

ملاک‌های اطلاعاتی

الگوی بهینه

کشور

هنان و کوئین

شوارتز بیزی

آکائیک

تعداد جملات خودبازگشتی- تعداد رژیم

9771/5

3081/6

8092/5

 

ایران

2415/6

0831/6

0668/6

 

الجزایر

8317/6

1991/7

6495/6

 

اکوادور

6328/6

8471/6

5265/6

 

کویت

1603/6

7020/6

8857/5

 

لیبی

7968/4

1643/5

9146/4

 

قطر

5217/5

9270/5

3256/5

 

عربستان

3465/8

8049/7

5302/7

 

امارات متحده عربی

4666/4

6810/4

3604/4

 

ونزوئلا

5722/4

9032/4

4043/4

 

نیجریه

مأخذ: نتایج پژوهش

 

بخش بعد الگوهای  بهینه که در بخش قبل شناسایی شده است را برای کشورهای عضو اوپک تخمین زده و خلاصه نتایج را ارائه می‌کند.

 

 

 

 
   

 

7-1. نتایج تخمین الگوی  برای ایران

جدول 5 نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف را با خواص رژیم‌های درونزا با استفاده از روش حداکثر راستنمایی و با بهره‌گیری از تکنیک (EM) نشان می‌دهد. برای ایران سه رژیم در نظر گرفته شده است که یکی مربوط به دوره رکودی، دیگری مربوط به دوره رونق با نرخ رشد پائین و سومی رژیمی است که دوره رونق با نرخ رشد بالا را نشان می‌دهد.

 

جدول 5. نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف برای اقتصاد ایران

میانگین رژیم

ضریب تخمینی

انحراف معیار

آماره t

اول

7128/6-

2228/1

4814/5-

دوم

6939/1

5973/0

8360/2

سوم

6350/4

5194/2

8397/1

(1-)DLGDP

0244/0

14777/0

1655/0

ماتریس انتقال احتمال

 

 

رژیم

 

خواص رژیم‌ها

 

تعداد مشاهدات نمونه

احتمال

میزان تداوم به سال

اول

4/4

0987/0

88/1

دوم

6/23

9013/0

19/17

سوم

10

001/0

11

مأخذ: نتایج پژوهش

 

7-2. نتایج تخمین الگوی  برای الجزایر

جدول 6 نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف را برای الجزایر و با در نظر گرفتن چهار رژیم نشان می‌دهد. رژیم اول دوره رکودی را نشان می‌دهد.

 

جدول 6. نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف برای اقتصاد الجزایر

میانگین رژیم

ضریب تخمینی

انحراف معیار

آماره t

اول

1055/1-

2993/1

8509/0-

دوم

6111/2

0267/1

5432/2

سوم

0991/7

1046/1

4271/6

چهارم

4994/23

7103/1

7396/13

(1-)DLGDP

4715/0

0846/0

5705/5

ماتریس انتقال احتمال

 

رژیم

 

خواص رژیم‌ها

 

تعداد مشاهدات نمونه

احتمال

میزان تداوم به سال

اول

2/10

2733/0

77/1

دوم

5/19

5080/0

80/2

سوم

3/7

1911/0

55/1

چهارم

1

0275/0

1

مأخذ: نتایج پژوهش

 

7-3. نتایج تخمین الگوی  برای اکوادور

جدول 7 نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف را برای اکوادور در سه رژیم درنظر می‌گیرد. رژیم اول مربوط به دوره رکودی و رژیم دوم مربوط به دوره رکودی با نرخ رشد 6066/1- درصد و رژیم سوم مربوط به رژیمی است که دوره رونق را نشان می‌دهد.

 

جدول 7. نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف برای اقتصاد اکوادور

میانگین رژیم

ضریب تخمینی

انحراف معیار

آماره t

اول

5566/19-

5597/4

2890/4-

دوم

6066/1-

9763/2

5398/0-

سوم

9662/3

3715/1

4508/2

(1-)DLGDP

3664/0

2007/0

8255/1

(2-)DLGDP

2580/0-

1278/0

0197/2-

ماتریس انتقال احتمال

 

رژیم

 

خواص رژیم‌ها

 

تعداد مشاهدات نمونه

احتمال

میزان تداوم به سال

اول

1

0294/0

1

دوم

6/9

22196/0

84/2

سوم

4/26

7509/0

71/9

مأخذ: نتایج پژوهش

 

7-4. نتایج تخمین الگوی  برای کویت

جدول 8 نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف را با خواص رژیم‌های درونزا با استفاده از روش حداکثر راستنمایی و با بهره‌گیری از تکنیک (EM) نشان می‌دهد. برای کویت دو رژیم در نظر گرفته شده است که یکی مربوط به دوره رکودی و دیگری مربوط به دوره رونق است.

 

جدول 8. نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف برای اقتصاد کویت

میانگین رژیم

ضریب تخمینی

انحراف معیار

آماره t

اول

7020/5-

3298/1

2880/4-

دوم

0135/4

9627/0

1690/4

(1-)DLGDP

4350/0

1052/0

1336/4

ماتریس انتقال احتمال

 

رژیم

 

خواص رژیم‌ها

 

تعداد مشاهدات نمونه

احتمال

میزان تداوم به سال

اول

3/11

2915/0

09/2

دوم

7/26

7085/0

09/5

مأخذ: نتایج پژوهش

 

7-5. نتایج تخمین الگوی  برای لیبی

جدول 9 نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف را برای لیبی و در سه رژیم گزارش می‌کند. رژیم اول دوره رکودی با نرخ رشد اقتصادی که بطور متوسط 4656/5- است و رژیم دوم باز هم مربوط به دوره رکودی با نرخ رشد اقتصادی 1626/1- است. در عمل نتایج نشان می‌دهد که رژیم دوم به لحاظ آماری معنادار نیست.

 

جدول 9. نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف برای اقتصاد لیبی

میانگین رژیم

ضریب تخمینی

انحراف معیار

آماره t

اول

4656/5-

7895/1

0543/3-

دوم

1626/1-

0391/2

5702/0-

سوم

8783/1

8566/0

9228/2

(1-)DLGDP

1226/0

1343/0

9126/0

(2-)DLGDP

3530/0

3716/0

9499/0

ماتریس انتقال احتمال

 

رژیم

 

خواص رژیم‌ها

 

تعداد مشاهدات نمونه

احتمال

میزان تداوم به سال

اول

1/3

0568/0

59/1

دوم

5/5

1148/0

22/3

سوم

4/28

8284/0

25/23

مأخذ: نتایج پژوهش

 

7-6. نتایج تخمین الگوی  برای قطر

جدول 10 نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف را برای قطر در سه رژیم در نظر می‌گیرد. هیچ کدام یک از این رژیم‌ها دوره‌های رکودی را در اقتصاد قطر نشان نمی‌دهد. همه رژیم‌ها مربوط به رونق بوده که نرخ‌های رشد اقتصادی مثبت پائین، متوسط و بالا را نشان داده که همگی به لحاظ آماری معنادار هستند.

 

جدول 10. نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف برای اقتصاد قطر

میانگین رژیم

ضریب تخمینی

انحراف معیار

آماره t

اول

1059/1

3568/0

0992/3

دوم

5107/2

9957/0

5216/2

سوم

7951/9

0333/1

4794/9

(1-)DLGDP

1270/0-

1232/0

0307/1-

(2-)DLGDP

0763/0

1254/0

6080/0

ماتریس انتقال احتمال

 

رژیم

 

خواص رژیم‌ها

 

تعداد مشاهدات نمونه

احتمال

میزان تداوم به سال

اول

1/26

5778/0

56/24

دوم

9/8

3587/0

65/5

سوم

2

0635/0

1

مأخذ: نتایج پژوهش

 

7-7. نتایج تخمین الگوی  برای عربستان

جدول 11 نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف را برای عربستان در چهار رژیم در نظر می‌گیرد که در آن رژیم اول مختص دوره رکودی است.

 

جدول 11. نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف برای اقتصاد عربستان

میانگین رژیم

ضریب تخمینی

انحراف معیار

آمارۀ t

اول

8175/1-

4109/0

4232/4-

دوم

3724/0

2332/1

3019/0

سوم

1230/3

2922/1

4168/2

چهارم

8170/0

1336/0

1152/6

(1-)DLGDP

0793/0

1003/0

7906/0

(2-)DLGDP

1124/0

0673/0

6701/1

ماتریس انتقال احتمال

 

رژیم

 

خواص رژیم‌ها

 

تعداد مشاهدات نمونه

احتمال

میزان تداوم به سال

اول

1/6

1003/0

85/1

دوم

4/15

8989/0

7/18

سوم

6/10

0006/0

17/2

چهارم

5

0006/0

72/4

مأخذ: نتایج پژوهش

7-8. نتایج تخمین الگوی  برای امارات متحده عربی

جدول 12 نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف را برای امارات متحده عربی در چهار رژیم درنظر می­گیرد که یکی مربوط به دوره رکودی و سه رژیم رونق با متوسط نرخ رشدهای متفاوت است.

 

جدول 12. نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف برای اقتصاد امارات متحده عربی

میانگین رژیم

ضریب تخمینی

انحراف معیار

آماره t

اول

4051/2-

9965/1

2047/1-

دوم

0777/3

8724/0

5277/3

سوم

7609/8

0104/2

3577/4

چهارم

5947/33

2721/3

2670/10

(1-)DLGDP

1523/0-

1166/0

3057/1-

ماتریس انتقال احتمال

 

رژیم

 

خواص رژیم‌ها

 

تعداد مشاهدات نمونه

احتمال

میزان تداوم به سال

اول

1/6

1295/0

64/4

دوم

1/23

6343/0

76/22

سوم

8/6

1805/0

47/6

چهارم

2

0557/0

2

مأخذ: نتایج پژوهش

 

7-9. نتایج تخمین الگوی  برای ونزوئلا

جدول 13 نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف را برای ونزوئلا در دو رژیم درنظر می‌گیرد که رژیم اول، مربوط به دوره رکودی و دیگری مربوط به دوره رونق است.

 

 

 

جدول 13. نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف برای اقتصاد ونزوئلا

میانگین رژیم

ضریب تخمینی

انحراف معیار

آماره t

اول

7911/0-

3245/0

4379/2-

دوم

3151/2

4550/0

0883/5

(1-)DLGDP

0500/0-

1608/0

3109/0-

(2-)DLGDP

8265/0-

2429/0

4026/3-

ماتریس انتقال احتمال

 

رژیم

 

خواص رژیم‌ها

 

تعداد مشاهدات نمونه

احتمال

میزان تداوم به سال

اول

2/15

4106/0

45/3

دوم

8/21

5894/0

96/4

مأخذ: نتایج پژوهش

 

7-10. نتایج تخمین الگوی  برای نیجریه

جدول 14 نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف را برای نیجریه در سه رژیم درنظر می‌گیرد که یکی مربوط به دوره رکودی، دیگری مربوط به دوره رونق با نرخ رشد پایین و سومی رژیمی است که دوره رونق با نرخ رشد بالا را نشان می‌دهد.

 

جدول 14. نتایج تخمین الگوی خودبازگشتی سوئیچینگ مارکف برای اقتصاد نیجریه

میانگین رژیم

ضریب تخمینی

انحراف معیار

آماره t

اول

0373/2-

2729/0

4658/7-

دوم

2925/1

1549/0

3448/8

سوم

7933/3

2809/0

5041/13

(1-)DLGDP

1878/0-

0705/0

6648/2-

ماتریس انتقال احتمال

 

رژیم

 

خواص رژیم‌ها

 

تعداد مشاهدات نمونه

احتمال

میزان تداوم به سال

اول

7

1753/0

8/1

دوم

4/23

6300/0

3/6

سوم

6/7

1948/0

64/1

مأخذ: نتایج پژوهش

 

8. خلاصه و نتیجه‌گیری

مقاله حاضر به بررسی چگونگی زمان‌گذاری ادوار تجاری در 10 کشور عضو سازمان اوپک براساس رهیافت ادوار رشد می‌پردازد و برای این منظور از الگوی سوئیچینگ مارکف ارائه شده توسط همیلتون (1989)  استفاده می‌کند. نمودارهای 4 و 5 که براساس نتایج تخمین الگوهای سوئیچینگ مارکف بدست آمده است، ویژگی‌های ادوار تجاری را در دو رژیم رکود و رونق برای 10 کشور مورد بررسی نشان می‌دهد. در شرایط رکودی، بهترین وضعیت مربوط به کشور قطر است که اصلاً در دوره مورد بررسی، فاقد دوره رکودی بوده است (مسیر هموار نشان داده شده در نمودار 2 مؤید همین موضوع است). در دوره مورد بررسی براساس نتایج بدست آمده، ایران پس از قطر دارای کمترین احتمال وقوع رکود بوده ولی در شرایط رکودی با بالاترین نرخ رشد منفی (7128/6- درصد)، رکود را تجربه کرده است. این در حالی است که میزان تداوم دوره رکود در اقتصاد ایران به طور متوسط 88/1 سال است. نتایج همچنین نشان می‌دهد که بالاترین میزان تداوم رکود در اقتصاد امارات متحده عربی با میزان 64/4 سال است. توجه شود که در  نمودار 4 کشورها از بالا به پایین براساس کمترین میزان احتمال وقوع رکود مرتب شده‌اند.

نمودار 5 براساس میزان احتمال وقوع رونق گزارش شده است. براساس داده‌های دوره مورد بررسی، ایران با بیشترین میزان احتمال وقوع رونق (90 درصد) در رتبه نخست قرار دارد، این در حالی است که نرخ رشد اقتصادی در دوره رونق بطور متوسط 6939/1 درصد است، این نرخ در بین کشورهای مورد بررسی در دوره یاد شده در رتبه نهم و قبل از  نیجریه قرار دارد. بالاترین نرخ رشد اقتصادی مربوط به کویت با 0135/4 درصد بوده و بیشترین میزان تداوم در دوره رونق مربوط به امارات متحده عربی با 76/22 سال است.

 

 

نمودار 4. مقایسه کشورهای عضو اوپک در دوره رکود

مأخذ: نتایج پژوهش

 

 

نمودار 5. مقایسه کشورهای عضو اوپک در دوره رونق

مأخذ: نتایج پژوهش

 

 

منابع

الف- فارسی

هژبر کیانی، کامبیز و علیرضا مرادی (1391)، «تعیین نقاط چرخش در ادوار تجاری اقتصاد ایران با استفاده از الگوی خودبازگشتی سوئیچینگ مارکف»، مجله علمی و پژوهشی مدلسازی اقتصادی، دانشگاه آزاد اسلامی واحد فیروزکوه، سال 5، شماره 2.

 

ب- انگلیسی

Beaudry, P. and G. Koop (1993), “Do Recessions Permanently Change Output?”, Journal of Monetary Economics, Vol. 31, No. 12, pp. 149-63.

Boldin, M. D. (1994), “Dating Turning Points in the Business Cycle”, Journal of Business, Vol. 67, No. 1, pp. 97-130.

Burns, A. F. and W. E. Mitchell (1946), Measuring Business Cycles, New York: National Bureau of Economic Research.

Chauvet, M. (1998), “An Econometric Characterization of Business Cycle Dynamics with Factor Structure and Regime Switching”, International Economic Review, Vol. 39, No. 4, pp. 969-96.

Croushore, D. and T. Stark (2001), “A Real-Time Data Set for Macroeconomists”, Journal of Econometrics, Vol. 105, No. 1, pp. 111-130.

Diebold, F. X. and G. D. Rudebusch (1993), “The ‘Plucking Model’ of Business Fluctuations Revisited”, Economic Inquiry, Vol. 31, No. 2, pp. 171-177.

Diebold, F. X. and G. D. Rudebusch (1996), “Measuring Business Cycles: A Modern Perspective”, The Review of Economics and Statistics, Vol. 78, No. 1, pp. 67-77.

Hamilton, J. D. (1989), “A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle”, Econometrica, Vol. 57, No. 2, pp. 357-384.

Hamilton, J. D. (1994), Time Series Analysis, Princeton University.

Hansen, B. E. (1992), “The Likelihood Ratio Test under Nonstandard Conditions: Testing the Markov-Switching Model of GNP”, Journal of Applied Econometrics, pp. S61-S82.

Kim, Chang-Jin and J. P. Jeremy Morley (2002), “Nonlinearity and the Permanent Effects of Recessions”, Working Paper 2002-1014, Federal Reserve Bank of St. Louis.

 


پیوست

خروجی نرم‌افزار Ox برای تعیین زمان‌گذاری ادوار تجاری کشورهای منتخب عضو اوپک

 

 

نمودار الف. تعیین رژیم‌های نرخ رشد تولید ناخالص داخلی ایران

مأخذ: نتایج پژوهش

 

 

نمودار ب. تعیین رژیم‌های نرخ رشد تولید ناخالص داخلی الجزایر

مأخذ: نتایج پژوهش

 

نمودار ج. تعیین رژیم‌های نرخ رشد تولید ناخالص داخلی اکوادور

مأخذ: نتایج پژوهش

 

 

نمودار د. تعیین رژیم‌های نرخ رشد تولید ناخالص داخلی کویت

مأخذ: نتایج پژوهش

 

 

نمودار ه. تعیین رژیم‌های نرخ رشد تولید ناخالص داخلی لیبی

مأخذ: نتایج پژوهش

 

 

نمودار و. تعیین رژیم‌های نرخ رشد تولید ناخالص داخلی قطر

مأخذ: نتایج پژوهش

 

 

نمودار ز. تعیین رژیم‌های نرخ رشد تولید ناخالص داخلی عربستان

مأخذ: نتایج پژوهش

 

 

نمودار ح. تعیین رژیم‌های نرخ رشد تولید ناخالص داخلی امارات متحده عربی

مأخذ: نتایج پژوهش

 

 

نمودار ط. تعیین رژیم‌های نرخ رشد تولید ناخالص داخلی ونزوئلا

مأخذ: نتایج پژوهش

 

 

نمودار ی. تعیین رژیم‌های نرخ رشد تولید ناخالص داخلی نیجریه

مأخذ: نتایج پژوهش

 



[1]. Markov Switching Model (MSM)

* استاد دانشکده مدیریت و اقتصاد دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران و دانشکده علوم اقتصادی و سیاسی دانشگاه شهید بهشتی                   khkiani@yahoo.com

** عضو هیأت علمی گروه اقتصاد دانشگاه آزاد اسلامی کرمانشاه                                    alirezamoradi_econ@iauksh.ac.ir

[2]. Growth Cycles Approach

[3]. Classical Cycles Approach

[4]. کشورهای مورد بررسی عبارتند از: ایران، اکوادور، عربستان، کویت، امارات متحده عربی، لیبی، نیجریه، قطر، ونزوئلا و الجزایر. فقدان اطلاعات درخصوص کشورهای آنگولا و عراق، باعث شد تا در این مقاله این دو کشور مورد ارزیابی قرار نگیرند.

[5]. National Bureau of Economic Research (NBER)

[6]. این زمان‌گذاری‌ها در تارنمای NBER و در لینک http://www.nber.org/cycles/cyclemail.html ارائه می‌گردد.

[7]. اعضای این کمیته هفت نفره از سال 2003 تا به امروز شامل: رابرت هال (رئیس کمیته) از دانشگاه استنفورد، مارتین فلداشتاین (رئیس NBER) از دانشگاه هاروارد، جفری فرانکل از دانشگاه کالیفرنیا، رابرت گوردون از دانشگاه نورث وسترن، کریستینا رومر و دیوید رومر از دانشگاه هاروارد و ویکتور زارنویتز از دانشگاه کلمبیا هستند.

[8]. Burns, A. F. and Mitchell, W. C. (1946)

[9]. Markov Switching Model with State Dependent

[10]. Markov Chains

[11]. Transition Probability

[12]. N-State (Regime) Markov Chains

[13]. Transition Probability Matrix

[14]. Ergodic

[15]. Markov Switching Model Autoregressive Process (MSMAR)

[16]. Bayes Theorem

[17]. State Space

[18]. Composite Leading Indicator (CLI)

[19]. Michael Massmann and James Mitchell (2003)

[20]. International Financial Statistic (IFS)

[21]. کشور اکوادور در سال 1992 از اوپک خارج شده و مجدداً به اوپک پیوسته است. همچنین کشور آنگولا در سال‌های اخیر به عضویت اوپک درآمده است.

[22]. Perron Test (P-Test )

[23]. Perron and Vogelsang (1993)

[24]. برای محاسبه نرخ رشد اقتصادی یا نرخ رشد متغیرهای تولید ناخالص داخلی کشورهای عضو اوپک، مطابق تعریف متداول  استفاده شده است. 

[25]. Augmented Dickey Fuller Test (ADF Test)

[26]. Krolzig H. M.

الف- فارسی
هژبر کیانی، کامبیز و علیرضا مرادی (1391)، «تعیین نقاط چرخش در ادوار تجاری اقتصاد ایران با استفاده از الگوی خودبازگشتی سوئیچینگ مارکف»، مجله علمی و پژوهشی مدلسازی اقتصادی، دانشگاه آزاد اسلامی واحد فیروزکوه، سال 5، شماره 2.
 
ب- انگلیسی
Beaudry, P. and G. Koop (1993), “Do Recessions Permanently Change Output?”, Journal of Monetary Economics, Vol. 31, No. 12, pp. 149-63.
Boldin, M. D. (1994), “Dating Turning Points in the Business Cycle”, Journal of Business, Vol. 67, No. 1, pp. 97-130.
Burns, A. F. and W. E. Mitchell (1946), Measuring Business Cycles, New York: National Bureau of Economic Research.
Chauvet, M. (1998), “An Econometric Characterization of Business Cycle Dynamics with Factor Structure and Regime Switching”, International Economic Review, Vol. 39, No. 4, pp. 969-96.
Croushore, D. and T. Stark (2001), “A Real-Time Data Set for Macroeconomists”, Journal of Econometrics, Vol. 105, No. 1, pp. 111-130.
Diebold, F. X. and G. D. Rudebusch (1993), “The ‘Plucking Model’ of Business Fluctuations Revisited”, Economic Inquiry, Vol. 31, No. 2, pp. 171-177.
Diebold, F. X. and G. D. Rudebusch (1996), “Measuring Business Cycles: A Modern Perspective”, The Review of Economics and Statistics, Vol. 78, No. 1, pp. 67-77.
Hamilton, J. D. (1989), “A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle”, Econometrica, Vol. 57, No. 2, pp. 357-384.
Hamilton, J. D. (1994), Time Series Analysis, Princeton University.
Hansen, B. E. (1992), “The Likelihood Ratio Test under Nonstandard Conditions: Testing the Markov-Switching Model of GNP”, Journal of Applied Econometrics, pp. S61-S82.
Kim, Chang-Jin and J. P. Jeremy Morley (2002), “Nonlinearity and the Permanent Effects of Recessions”, Working Paper 2002-1014, Federal Reserve Bank of St. Louis.