ردیف

سری زمانی

مقدار آماره آزمون

مقدار بحرانی در سطح خطای ۵ درصد

مانایی

۱

GDP^V

۲۴/۲-

۵۷/۳-

نامانا

۲

GDP^I

۵۸/۲-

۵۷/۳-

نامانا

۳

EX

۸۸/۲

۶۱/۳-

نامانا

۴

IM

۶۴/۳-

۱۹/۳-

مانا

۵

ER

۸۳/۲-

۵۶/۳-

نامانا

۶

VER

۴۲/۳-

۱۹/۳-

مانا

۷

DGDP^V

۱۲/۴-

۵۷/۳-

مانا

۸

DEX

۲۹/۶-

۶۲/۳-

مانا

۹

DGDP^I

۳۴/۷-

۵۷/۳-

مانا

۱۰

DER

۴۹/۵-

۵۷/۳-

مانا

مأخذ: نتایج تحقیق

به دلیل این‌که برخی از متغیرهای تحقیق در سطح پایا و مابقی در تفاضل مرتبه‌ی اول پایا هستند، در نتیجه لازم است از روش ARDL برای تخمین مدل استفاده گردد. زیرا برای استفاده از روش VARباید تمامی متغیرهای موجود در مدل دارای مرتبه انباشتگی یکسانی باشند و اگر تمامی متغیرها در سطح پایا می‌شدند، می‌توان از روش حداقل مربعات معمولی OLS برای برآورد ضرایب مدل استفاده کرد. در ادامه فصل اقدام به تخمین ARIMA نرخ ارز خواهیم نمود. علت استفاده از روش ARIMA به جای ARMA، نامانا بودن سری نرخ ارز است که با یکبار تفاضل‌گیری مانا شده است. سپس تست ARCH را انجام داده و در صورت وجود اثر آرچ در داده های نرخ ارز از مدل GARCH جهت محاسبه نااطمینانی نرخ ارز استفاده خواهیم نمود. .

۴-۴-تخمین مدل آریمای نرخ ارز

به منظور برآورد الگوی گارچ ابتدا پایایی سری زمانی نرخ ارز بررسی شده است. نتایج آزمون پایایی توسط آزمون دیکی فولر((ADF نشان می‌دهد که سری نرخ ارز ناپایا است. در تخمین الگوی گارچ باید مدل اولیه‌ای برای تبیین رفتار نرخ ارز برآورد شود، ‌به این منظور برای انتخاب بهترین مدل ARIMAمعیار آکائیک مورد استفاده قرار می‌گیرد.

جهت تعیین مدل بهینه، اطلاعات تخمین مدل ARIMA در حالت‌های مختلف محاسبه شده است:

جدول ۴-۳ : تخمین مدل ARIMA در مرتبه‌های مختلف

مرتبه آماره

مقدار آکاییک

ARIMA(0,0)

۰۹/۱۵-

ARIMA(1,0)

۹۹/۱۴-

ARIMA(1,1)

۷۱/۱۵-

ARIMA(0,1)

۰۳/۱۵-

ARIMA(2,0)

۹۰/۱۴-

ARIMA(2,2)

۵۸/۱۵-

ARIMA(0,2)

۱۵/۱۵-

مأخذ: نتایج تحقیق

با توجه به نتایج جدول ۴-۳ تخمین مدل در حالت ARIMA(2,0) دارای کمترین آکاییک است. نتایج تخمین مدل ARIMA(2,0) در زیر ارائه شده است.

جدول ۴-۴ : تخمین مدل ARIMA(2,0) برای متغیر نرخ ارز

متغیر

ضریب

انحراف معیار

t-آزمون

سطح معنی داری

C

۷۶/۲E05-

۰۴/۲E05-

۳۵۱/۱

۱۸۸/۰

AR(1)

۰۸۶/۰-

۱۹۸/۰

۴۳۶/۰-

۶۶۶/۰

AR(2)

۱۴۹/۰-

۲۰۹/۰

۷۱۰/۰-

۴۸۳/۰

۴-۵- بررسی وجود آرچ در داده‌ نرخ ارز

جهت محاسبه نااطمینانی نرخ ارز به بررسی وجود آرچ در داده‌ نرخ ارز خواهیم پرداخت.

جدول ۴-۵ : نتایج تست آرچ برای متغیر نرخ ارز

نوع آماره

میزان آماره

درجه آزادی

سطح معنی‌داری

F-statistic

۱۱۷/۹

Prob. F(1,25)

۰۰۶۹/۰

Obs*R-squared

۳۱۸/۷

Prob. Chi-Square(1)

۰۰۱۸/۰

مأخذ: نتایج تحقیق

با توجه به نتایج تحقیق مشاهده می‌گردد در داده های نرخ ارز اثر آرچ وجود دارد((Prob<%5. در نتیجه لازم است که اقدام به تخمین مدل گارچ جهت محاسبه متغیر نااطمینانی نرخ ارز نماییم.

۴-۶- تخمین مدل گارچ

الگوی گارچ از دو جزء خودتوضیح پسماندها و واریانس شرطی تشکیل شده است که هر دو جزء با وقفه‌هایی در الگو ظاهر می‌شوند که این وقفه‌های بهینه، مرتبه الگو را تعیین می‌کنند. با توجه به حداقل معیار آکائیک، الگویGARCH(2,0) به عنوان الگوی بهینه مورد برآورد قرار گرفت. نتایج حاصل از برازش الگوی بهینه در جدول زیر خلاصه شده است.

جدول ۴-۶ : نتایج تخمین گارچ برای متغیر نرخ ارز

متغیر

ضریب

انحراف معیار

z-آزمون

سطح معنی داری

AR(1)

۰۸۴/۰-

۲۵۵/۰

۳۳۲/۰-

۷۳۹/۰

AR(2)

۰۷۷/۰-

۴۵۸/۰

۱۶۹/۰-

۸۶۵/۰

Variance Equation

C

۱/۳۶E-09

۲/۸۲E-09

۴۸۳/۰

۶۲۸/۰

RESID(-1)^2

۱۶۸/۰-

۰۷۱۴/۰

۶۶۳/۲-

۰۰۶۲/۰

GARCH(-1)

۱۱۲/۰

۳۰۹/۰

۵۹۲/۳

۰۰۰۳/۰

مأخذ: نتایج تحقیق

در الگوهای گارچ، واریانس شرطی پسماندها به عنوان شاخص نااطمینانی و نوسانات متغیر استفاده می‌شود، در این تحقیق نیز از این رویه استفاده شده است .در ادامه با محاسبه نااطمینانی نرخ ارز و وارد کردن آن در مدل صادرات و واردات اقدام به ارائه نتایج تخمین مدل ARDL و آزمون فرضیه‌ها نموده‌ایم.

۴-۷- تخمین مدل‌ها و آزمون فرضیه‌ها

در این قسمت به تخمین مدل‌های واردات و صادرات به روش ARDL وآزمون فرضیه‌ها خواهیم پرداخت.

۴-۷- ۱-تخمین مدل واردات به روش ARDL

جدول ۴-۷ تخمین اولیه روش ARDL را در مدل واردات نمایش می‌دهد.

1. 1. Autoregressive Distributed Lag. ↑

1. 1. Error Correction Model. ↑

1. 1. Nominal Exchange Rate. ↑

1. 1. Real Exchange Rate. ↑

1. 1. Hsing 2009. 1 ↑

1. 1. .Magee 1973 ↑

1. 1. Bahmani-Oskooee & Goswamil.1 ↑

1. 1. . Kreuger2 ↑

1. 1. Pilbeam,2009. ↑

1. 1. Cote,1994. ↑

1. 1. Samanta. ↑

1. 1. . Halicioglo2 ↑

1. 1. . rahman and Serltes1 ↑

1. 1. Wang. 2 ↑

1. 1. . Beak ↑

1. 1. Nishimura.2 ↑

1. 1. Hirayama .3 ↑

1. 1. . Serenis ↑

1. 1. . Tsounis5 ↑

1. 1. . Bahmani-Oskooee et al 1 ↑

1. 1. www.irica.gov.ir.1 ↑

1. 1. .www.worldbank.com2 ↑

1. 1. www.imf.org. ↑

1. 1. Unit Root Test . ↑

1. 1. Mackinnon . ↑

1. 1. .۱ Autoregressive Conditional Heteroskedastic ↑

1. 1. .۱ General Autoregressive Conditional Heteroskedastic ↑

1. 1. .۲ Bollerslev ↑

1. 1. .۱Autoregressive Distributed Lag۲ . Engle and Granger ↑

1. 1. ۱٫ Pahlavani et al, 2005 ↑

1. 1. . Johansen2 ↑

1. 1. ۳٫ Bahmani-Oskooee and Nasir, 2004 ↑

1. 1. . Dynamic Models ↑

1. 1. . AIC ↑

1. 1. . SBC ↑

1. 1. . HQC ↑