خلاصة:
مولفههای اقتصادی یک منطقه جغرافیایی مانند رشد اقتصادی آن تحتتاثیر متغیرها و اثرات سرریز سایر مناطق قرار دارند و از این طریق به آنها وابسته میشوند. علاوه بر وابستگی فضایی ایجاد شده بهوسیله عوامل مذکور، عوامل عام مشترک مانند قیمت نفت نیز موجب ایجاد همبستگی در متغیرهای اقتصادی مناطق جغرافیایی میشوند و لازم است میان وابستگی ایجاد شده توسط این عوامل و وابستگی فضایی تفاوت قائل شد، زیرا در غیر این صورت نقش اثرات فضایی پررنگتر از آنچه واقعیت دارد نشان داده خواهد شد و مشکلات دیگری مانند ناسازگاری ضرایب و نقض برخی از فروض متداول بهوجود میآورد. در مدلهای اقتصادسنجی فضایی همانند مدل خودرگرسیون فضایی و خطای فضایی عوامل عام مشترک در نظر گرفته نمیشوند. در این مقاله برای اولین بار وجود وابستگی فضایی در رشد اقتصادی استانهای ایران طی سالهای 1394-1379 با استفاده از ترکیب مدلهای خودرگرسیون فضایی و خطای فضایی و با استفاده از ترکیب روش حداکثر درستنمایی و اثرات عام مشترک همبسته آزمون و مورد بررسی قرار میگیرد. روش قابلیت در نظرت گرفتن نقش برای اثرات عام مشترک را دارد. نتایج نشان میدهند در نظرنگرفتن عوامل عام مشترک منجر به نتایج نادرست میشود. معنادار شدن متغیرهای پروکسی به کار گرفته شده برای عوامل عام مشترک و عدم معناداری متغیرهای مربوط به وابستگی فضایی نشان میدهند وابستگی موجود ناشی از تاثیر عوامل عام مشترک است و دادههای رشد اقتصادی مناطق جغرافیایی ایران لااقل در سطح استانها وابستگی فضایی را نشان نمیدهند.
The economic components of a geographic region, such as its economic growth, are influenced by the spillover effect of other regions’ economic components. In addition to these spatial dependences, there are common factors, such as oil price, that induce a correlation among the economic variables of the geographic regions. Thus, it is necessary to distinguish between the dependence created by these factors and spatial dependence; otherwise the role of spatial effects will be biased upward, and creating other problems such as inconsistency of coefficients and violations of some common assumptions. In Spatial econometric models such as spatial auto regression and spatial error models, the common factors are not considered. In this paper, for the first time, the existence of spatial dependence on economic growth of Iranian provinces during 1394-79 is tested and evaluated, using a combination of spatial auto regression models and spatial error models, and a combination of maximum likelihood estimation (MLE) and Common correlated effects (CCE). The CCE method is able to consider the role for common correlated effects. The results show that ignoring Common correlated effects contributes to inaccurate results. Significance of proxy variables used for Common correlated effects and lack of significance of variables related to spatial dependence indicate that existing dependence is due to the influence of Common correlated effects and economic growth data of Iran's geographical regions do not show spatial dependency at least at province’s level.
ملخص الجهاز:
در اين مقاله براي اولين بار وجود وابستگي فضايي در رشـد اقتصادي استان هاي ايران طي سال هاي ١٣٩٤-١٣٧٩ با اسـتفاده از ترکيـب مـدل هـاي خودرگرسـيون فضـايي و خطـاي فضايي و با استفاده از ترکيب روش حداکثر درست نمايي و اثرات عام مشـترک همبسـته آزمـون و مورد بررسي قرار ميگيرد.
معنـادار شـدن متغيرهـاي پروکسـي بـه کـار گرفته شده براي عوامل عام مشترک و عدم معناداري متغيرهاي مربوط بـه وابسـتگي فضـايي نشـان مـيدهنـد وابسـتگي موجود ناشي از تأثير عوامل عام مشـترک اسـت و داده هـاي رشـد اقتصـادي منـاطق جغرافيـايي ايـران لااقـل در سـطح استان ها وابستگي فضايي را نشان نميدهند.
در اين مقاله براي اولين بار وجود وابستگي فضايي در رشـد اقتصـادي اسـتان هـاي ايـران طـي سال هاي ١٣٩٤-١٣٧٩ با استفاده ترکيب روش هاي اثرات عام مشترک همبسته و حـداکثر درست نمايي است آزمون و مورد بررسي قرار ميگيرد.
اين روش ، ايدة اساسي تخمين گـر اثـرات عـام مشـترک همبسـته ٢ ارائـه شـده در پسـران (٢٠٠٦) است که در آن نشان داد در صورت وجود عوامل عام مشترک در عبارت خطاي مدل هاي ساده (غيرفضايي) تخمين روش حداقل مربعات معمـولي بـا وارد نمـودن ايـن متغيرهـاي پروکسـي سازگار خواهد بود.
در اين مقاله براي اولين بار از يک مدل فضايي که در آن براي عوامل عام مشترک نقش در نظر گرفته شده است براي بررسي وجود وابستگي در داده هاي رشد اقتصادي اسـتان هـاي ايران استفاده ميکنيم .