مقاله درمورد جدول داده، مقدار خطا، تولید واقعی، فعالیتهای اقتصادی

دانلود پایان نامه ارشد

تولید بخشی منطقه در دوره t (مبدأ) و دوره t+1 (مقصد) است و B_t^r ماتریس ضرایب بهدست آمده از جدول منطقهای براساس رابطه (3-35) برای سال tام بهدست میآید و به صورت B = (O_ij^r)/(O_i^r ) تعریف میشود26.
V_t^r و V_(t+1)^r به ترتیب، بردار ارزش افزوده منطقه در دوره t(مبدأ) و t+1(مقصد) است. براساس دو رابطه(3-35) و (3-36)، مقدار خطای آماری بین تولید برآورد شده بخشی و تولید واقعی بخشی به صورت زیر تعریف میشود:
(3-36) E_t = O ̂_(t+1)^r – O_(t+1)^r
E_t در رابطه بالا، مقدار خطای مطلق را نشان میدهد که از تفاضل بین عناصر متناظر بردار تولید برآورد شده در دوره t+1 و بردار تولید واقعی همان دوره به دست میآید. در آمار مقدار خطای کل از رابطههای متعددی محاسبه میشود که در اینجا به چهار نمونه متداول اشاره میکنیم.
مجموع خطای ساده که از تفاوت تولید برآورد شده و تولید واقعی بخشی محاسبه میشود(E_j) :
(3-36-1) E = ∑_j▒E_j = (O ̂_1 – O_1) +(O ̂_2 – O_2) +…+ (O ̂_n – O_n)
مجموع خطای وزنی نسبی(WPE) :
WPE = (3-36-2) (∑_j▒〖W_j E_j 〗)⁄O_j = (W_1 (O ̂_1-O))⁄O_1 +(W_2 (O ̂_2-O_2))⁄O_2 +…
+ (W_n (O ̂_n-O_n))⁄O_n
که در آن W_j ، سهم تولید بخش jام، E_j همان تعریف در رابطه (3-36-1) است.
مجموع قدرمطلق وزنی(WAPE) است که در آن مقادیر مثبت و منفی در WPE هر دو مثبت در نظر گرفته میشوند.
(3-36-3) WPE = (∑_j▒〖W_j |E_j | 〗)⁄O_(j+(W_1 |O ̂_1-O_1 |)⁄O_1 + (W_2 |O ̂_2-O_2 |)⁄O_2 +… ) + (W_n |O ̂_n-O_n |)⁄O_n

مجموع مربعات خطای وزنی نسبی که در آن مقدار خطا مجذور شده است(WSPE):
(3-36-4) WSPE = ∑_j▒〖W_j 〖(E_j⁄O_j )〗^2 〗 = W_1 [((O ̂_1-O_1))⁄O_1 ]^2+W_2 [((O ̂_2-O_2))⁄O_2 ]^2
+ W_n [((O ̂_n-O_n))⁄O_n ]^2
به ازای هر مقدار δ ، یک بردار تولید بخشی O ̂ برآورد میشود و بردار O مقادیر تولید واقعی است که از آمارهای موجود استخراج میشود، در نهایت، یک مجموعهای از خطا به کمک فرمولهای خطای(3-36-1) تا (3-36-4) محاسبه میشود. هر مقدار δ ای که بتواند خطای برآورد را به حداقل برساند، به عنوان مناسبترین گزینه مقداری در نظر گرفته میشود(بزازان و بانویی،1386).
3-6- تعیین بخشهای کلیدی از نظر اشتغال با استفاده از جدول داده- ستانده
در دنیای امروز به دلیل تنوع و پیچیدگی فعالیتهای اقتصادی،سیاستگذاران به منظور برنامهریزیِ صحیح، نیازمند دریافت تصویری واقع بینانه از اوضاع و احوال فعالیتهای اقتصادی میباشند. در این میان تدوین و ارائۀ آمار و اطلاعات به صورت مجموعههای نظاممند و تحلیل اقتصاد کشور بر اساس آن با توجه به تنوع و گستردگی فعالیتهای اقتصادی ضرورتی است که در بسیاری از کشورها تشخیص داده شده است و اقدامات گوناگون در این زمینه انجام میپذیرد که تهیه جدول داده- ستانده اقتصاد کشور یکی از این موارد میباشد(جهانگرد،1377الف).
جدول داده- ستانده که در حقیقت از مهمترین ابزارهای تحلیل ساختار اقتصادی، پیشبینی و برنامهریزی میباشد، تصویری جامع از اقتصاد کشور، روابط بین فعالیتها و وابستگی آنها به یکدیگر را نشان میدهد. در واقع جدول داده- ستانده بسیاری از عناصر لازم برای مطالعات مربوط به ساختار هر جامعه را فراهم میآورد و راه را برای کوششهای مهندسی اجتماعی میگشاید (همان).
لئونتیف برخی از کاربردهای متداول جدول داده- ستانده را این گونه بیان میدارد: پیشبینی تقاضا، تولید، اشتغال، سرمایهگذاری به تفکیک فعالیتها برای کشور یا یک ناحیه خاص، تغییرات ساختار فنی و تأثیر آن بر بهروری و سود(جهانگرد،1377 ، اسفندیاری، 1381).
اما اساسیترین کاربرد جدول داده-ستانده مطالعۀ اثرات مستقیم و غیرمستقیم افزایش یک واحد تقاضای نهایی برای تولید کالاها و خدمات و به عبارت بهتر محاسبه ارتباطات پسین و پیشین بخشها و در نهایت تعیین بخشهای کلیدی در نظام اقتصادی هر کشور است(اسفندیاری،1377).
ارتباطات پسین و پیشین ظرفیت بالقوۀ بخشها در تحرک بخشیدن به دیگر بخشهای اقتصاد میباشند و لذا بخشهای اقتصادی که دارای بیشترین ارتباطات پسین و پیشین میباشند به عنوان بخشهای کلیدی اقتصاد شناخته میشوند. به بیان دیگر فعالیتهایی که دارای قویترین ارتباطات پسین و پیشین هستند، بخشهای کلیدی اقتصاد تلقی میگردند. زیرا با تمرکز منابع تولیدی( کار و سرمایه) در این بخشها، موجبات رشد سریعتر سایر بخشهای اقتصادی و رشد و توسعه اقتصادی در سطح کلان و ملی فراهم میگردد.
3-6-1- شاخصهای پیوند بین بخشی
در چارچوب مدلهای داده- ستانده، تولید هر بخش ویژهای دو نوع اثر اقتصادی بر سایر بخشها دارد. اگر بخش j تولیدش را افزایش دهد، بدان معنا است که تقاضای بخش j برای محصولات بخشهایی که محصولشان به عنوان نهاده در بخش j استفاده میشود، افزایش خواهد یافت. در واقع این بیانگر جهت علیت در مدل طرف تقاضا است. اصطلاح «پیوند پیشین»27برای چنین رابطهای بکار میرود که طبق آن یک بخش، نهادهایش را از بخشهای دیگر تهیه میکند.(سوری،1384)
از طرف دیگر افزایش در تولید بخش j به معنی ارائه مقدار اضافیِ محصول j است که به عنوان نهاده توسط بخشهای دیگر مورد استفاده قرار میگیرد. بدین معنی که عرضۀ محصول بخش j به بخشهایی که آن را در تولیدشان استفاده میکنند، افزایش خواهد یافت. این بیانگر جهتِ علّیت در طرف عرضۀ مدل داده- ستانده است. اصطلاح «پیوند پسین»28برای نشان دادن چنین ارتباطی بهکار میرود که طبق آن یک بخشی محصولش را به بخشهای دیگر میفروشد.
معیارهایی برای کمی نمودن پیوندهای پسین و پیشین ارائه شده است. بررسی این معیارها به منظور مقایسه ساختار تولید بسیار مهم است. از طرف دیگر مقایسه شدت و ضعف این پیوندها برای یک بخش ویژه در یک اقتصاد، راهکاری برای تشخیص بخشهای کلیدی یا راهبر در آن اقتصاد است. اگر پیوند پیشین برای بخش i بزرگتر از بخش j باشد، میتوان نتیجه گرفت که یک ريال افزایش در تولید بخش i منافع بیشتری را در مقایسه با بخش j ، نصیب اقتصاد خواهد کرد. همچنین اگر پیوند پسین بخش i از بخش j بزرگتر باشد بدان معنا است که یک ريال افزایش در تولید بخش i ضروریتر از افزایش در تولید بخش j است، زیرا فعالیتهای بیشتری را پشتیبانی میکند و نیاز به محصول i بیش از محصول j است.
3-6-1-1- شاخص پیوند پیشین
سادهترین معیار برای شاخص پیوند پیشین موسوم به «پیوند پیشین مستقیم» است که با B〖(d)〗_j نشان میدهیم. این شاخص چون نیاز مستقیم یک بخش به محصولات سایر بخشها را نشان میدهد، لذا برابر با جمع ستونیِ ماتریس ضرایب فنی میباشد. بدین ترتیب شاخص پیوند پیشینِ مستقیم برای بخش j برابر است با :
(3-37) =∑_(i=1)^n▒a_ij B〖(d)〗_j
اگر B(d) بیانگر یک بردار سطری با عناصر B〖(d)〗_j باشد در این صورت بردار پیوند پیشینِ مستقیم عبارت است از :
(3-38) A B(d)= l ́
که i بردار ستونی با عناصر واحد میباشد.
از طرف دیگر چون عناصر ماتریس معکوس لئونتیف ارتباطات بینبخشی را بر اساس نیازهای کل(مستقیم و غیرمستقیم) نشان میدهد لذا میتوان شاخص پیوند کل را نیز برای بخش j تعریف نمود. این شاخص نشان میدهد که اگر بخش j بخواهد یک ريال محصول به تقاضای نهایی تحویل دهد چه مقدار نیاز به محصولات سایر بخشها دارد و تولید سایر بخشها را افزایش میدهد.
(3-39) =∑_(i=1)^n▒s_ij B〖(t)〗_j
که s_ij عناصر ماتریس (I-A)^(-1) میباشد و لذا B〖(t)〗_j بیانگر جمع ستون jام ماتریس (I-A)^(-1) است.

شکل ماتریسی 3-25 عبارت است از :
(3-40) (I-A)^(-1) B(t) = l ́
B(t) یک بردار سطری است که هر عنصر آن از جمع ستونی ماتریس(I-A)^(-1) بهدست میآید.
3-6-1-2- شاخص پیوند پسین
پیوند پسین بیانگر نیاز سایر بخشها به محصولات بخش i میباشد که در جدول داده- ستانده و یا ماتریس ضرایب فنی به صورت سطر بیان میشود. در ماتریس ضرایب فنی A ⃗ هر سطر بیانگر نیاز بخشهای مختلف به محصولات بخش i میباشد. لذا شاخص پیوند پسین مستقیم برای بخش i عبارت است از :
(3-41) = ∑_(j=1)^n▒a ⃗_ij F〖(d)〗_i
شکل ماتریسی3-27
عبارت است از :
(3-42) l A ⃗ = F(d)_i
هم چنین شاخص پیوند پسینِ کل برای بخش i از جمع سطری ماتریس (I-A ⃗ )^(-1) بهدست میآید که عبارت است از :
(3-43) = ∑_(i=1)^n▒(s_ij ) ⃗ F〖(t)〗_i
(s_ij ) ⃗ عناصر ماتریس(I-A ⃗ )^(-1) میباشد. شکل ماتریسی 3-43عبارت است از :
(3-44) (I-A ⃗ )^(-1) l F(t) =
شاخص پیوند پسینِ کل نشان میدهد که بخش i به ازای خرید یک ريال از نهادههای اولیه( مانند کار و سرمایه) چه مقدار نیاز به محصولات سایر بخشها دارد. در رابطه با این شاخصها توجه شود که وقتی صرفاً میخواهیم شدت و ضعف رابطه بین بخشها را بررسی کنیم لازم است که ماتریس مبادلات بین بخشی(T) شامل کالاهای داخلی و وارداتی باشد. اما وقتی میخواهیم بخشهای کلیدی را شناسایی کنیم لازم است که ماتریس مبادلات بین بخشی فقط شامل کالاهای تولیدِ داخل باشد. زیرا در این حالت میخواهیم ببینیم که چه بخشی میتواند بیش از بقیه موجب رشد بخشهای دیگر شود ویا محصولاتش مورد نیازسایر بخشها جهت تولید محصولات داخلی است.

3-6-1-3- شاخص هیرشمن- راسموسن برای شناسایی بخشهای کلیدی
شاخصهای پیشنهادی هیرشمن و راسموسن تحت عنوان شاخص پیوند پیشین نرمال یا شاخص قدرت انتشار و شاخص پسین نرمال یا شاخص حساسیت، در تعیین بخشهای کلیدی مورد استفاده قرار میگیرند. طبق شاخصهای پیشین و پسین میتوان شدت و ضعف وابستگی متقابل بین یک بخش با سایر بخشها را تحلیل نمود، در اینجا این شاخصها تا حدودی تعدیل میشوند، به گونهای که امکان مقایسه بین بخشها فراهم شود.
بدین منظور ابتدا ماتریس(I-A ⃗ )^(-1) را در نظر بگیرید که عناصر آن با s_ij نشان داده میشود. شاخص پیشین رابطۀ بین یک بخش و خریدهایش از بخشهای دیگر را اندازهگیری میکند. هم چنین شاخص پسین رابطۀ بین یک بخش و فروشهایش به بخشهای دیگر را نشان میدهد.
در اینجا شاخص پیوند پیشین نرمال میشود تا امکان مقایسۀ بین بخشی فراهم شود. بر این اساس به جای حاصل جمع ستونی، متوسط هر ستون در نظر گرفته میشود که به صورت (B〖(t)〗_j)/n یا s_(.j)/n میباشد. اما بدیهی است که هیچ تفاوتی در نتایج و رتبهبندیها بهوجود نمیآید. حال برای نرمال نمودن این شاخصها آنها را بر متوسط تمامی ضرایب یعنی b_(..)/n^2 تقسیم میکنیم :
(3-45) = n s_(.j)/s_(..) = (s_(.j)/n)/(s_(..)/n^2 ) L_j^B

از طرف دیگر میتوان این شاخص را به صورت زیر نوشت :
L_j^B= n/s_(..) s_(.j) = n/s_(..) B〖(t)〗_j
(3-46) = ∑_j▒〖B(t)〗_j s_(..) = ∑_j▒s_(.j) , (B〖(t)〗_j)/((∑_j▒〖B(t)〗)/n) =
در واقع شاخص پیوند پیشینِ هیرشمن- راسموسن همان شاخص پیشینِ کل است که بر متوسط شاخص پیشین بخشها تقسیم شده است.
شاخص پیوند پسینِ

پایان نامه
Previous Entries مقاله درمورد اقتصاد ملی Next Entries مقاله درمورد ارزش افزوده، استان کرمانشاه، استان کرمان، حمل و نقل