|
بررسی رابطه علی بین تنوع انرژی و رشد تولید ناخالص داخلی: کاربرد آزمون علیت غیرخطی مبتنی بر شبکه عصبی در ایران
|
پگاه قربانپور1   ، سکینه سجودی*2 |
1- گروه علوم اقتصادی، دانشکده اقتصاد و مدیریت، دانشگاه تبریز، تبریز، ایران
2- گروه علوم اقتصادی، دانشکده اقتصاد و مدیریت، دانشگاه تبریز، تبریز، ایران ، sakinehsojoodi@gmail.com |
|
|
چکیده: (1187 مشاهده) |
تنوعبخشی به سبد انرژی بهعنوان یک ضرورت راهبردی در اقتصادهای وابسته به سوختهای فسیلی از جمله ایران، نقشی اساسی در کاهش وابستگی ساختاری و دستیابی به رشد اقتصادی پایدار ایفا میکند. پژوهش حاضر با هدف بررسی رابطه علّی میان شاخص تنوع انرژی و رشد اقتصادی در ایران طی دوره زمانی ۱۳۴۹ تا ۱۴۰۲ انجام شده است. برای این منظور، از رویکردی نوین و غیرخطی در آزمون علیت گرنجر مبتنی بر شبکههای عصبی عمیق استفاده شده است، بدین صورت که در چارچوبی از نوع پنجره لغزان، عملکرد سه مدل یادگیری ماشین (MLP، LSTM و GRU) در پیشبینی هر یک از متغیرها، ابتدا تنها براساس وقفههای همان متغیر و سپس با افزودن وقفههای متغیر دیگر ارزیابی شده است. تفاوت در دقت پیشبینی میان این دو حالت، با استفاده از شاخص شدت علیت Ft محاسبه و آزمون معناداری آن با آزمون ویلکاکسون انجام گرفته است. نتایج نشان میدهد که افزودن شاخص تنوع انرژی به ورودی مدلهای پیشبینی رشد اقتصادی، بهطور معناداری موجب بهبود عملکرد مدلها شده است؛ بهویژه در مدلهای LSTM و GRU، خطای پیشبینی MSE بهترتیب حدود ۴۶ و ۳۹ درصد کاهش یافته و مقادیر اندازه اثر کوهن نیز بهترتیب برابر با 90/3 و 15/4 گزارش شده است که بیانگر اثر بسیار بزرگ و قابلتوجه ورود متغیر تنوع انرژی میباشد. در مقابل، ورود رشد اقتصادی به مدلهای پیشبینی تنوع انرژی نهتنها منجر به کاهش خطا نگردیده، بلکه در برخی موارد موجب افزایش آن نیز شده است؛ بهگونهای که در مدل LSTM، مقدار اندازه اثر کوهن منفی گزارش شده است. همچنین تحلیل پویای علیت نشان داد که شدت رابطه رشد اقتصادی به تنوع انرژی در طول زمان متغیر بوده و در برخی دورهها بهدلیل تغییرات سیاستی و ساختاری افزایش یافته است. نتایج نشان میدهد رویکرد غیرخطی مبتنی بر شبکههای عصبی، نسبت به روشهای سنتی خطی، توان بالاتری در شناسایی روابط پیچیده و متغیر در زمان میان تنوع انرژی و رشد اقتصادی دارد. یافتهها فرضیه رشد را تأیید میکنند و نشان میدهند تنوع انرژی میتواند محرک رشد اقتصادی در ایران باشد. بنابراین، توصیه میشود سیاستگذاران با حمایت نهادی و سرمایهگذاری در انرژیهای تجدیدپذیر مسیر توسعه پایدار را تقویت کنند.
طبقه بندی JEL: C45، C22، Q43، Q56، O13.
کلیدواژهها: تنوع انرژی، رشد اقتصادی، علیت گرنجر غیرخطی، یادگیری ماشین، شبکه عصبی.
|
|
| واژههای کلیدی: تنوع انرژی، رشد اقتصادی، علیت گرنجر غیرخطی، یادگیری ماشین، شبکه عصبی
کلیدواژهها: تنوع انرژی، رشد اقتصادی، علیت گرنجر غیرخطی، یادگیری ماشین، شبکه عصبی. |
|
|
متن کامل [PDF 1461 kb]
(405 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
اقتصاد انرژي
دریافت: 1404/3/16 | پذیرش: 1404/6/4 | انتشار: 1405/2/10 | انتشار الکترونیک: 1405/2/10
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
