بررسي نقش آموزش در تعامل ميان سرمايه‌گذاري مستقيم خارجي و رشد اقتصادي ايران در قالب مدل خودرگرسيون‌‌ برداري هم‌انباشتة ساختاري (SCVAR)

The Role of Education in the Interaction between Foreign Direct Investment and Economic Growth; A Structural cointegrating Vector Autoregressive (SCVAR) Approach

با توجه‌ به اهميت خاص سرمايه‌‌گذاري مستقيم خارجي در رشد اقتصادي كشورها، محققان زيادي به بررسي تأثير آن در رشد و نيز عوامل مؤثر در ايجاد و جذب آن پرداختند. هدف از نگارش مقالة حاضر بررسي نقش آموزش در تعامل ميان سرمايه‌‌گذاري مستقيم خارجي و رشد اقتصادي در ايران طي سال‌هاي پس از جنگ تحميلي (1371- 1393) با استفاده از داده‌هاي سري زماني و مدل كلان‌سنجي خودرگرسيون برداري هم‌‌انباشتة ساختاري است كه در آن درآمدهاي دلاري نفت به‌منزلة يك متغير برون‌زاي ضعيف وارد شده است. نتايج حاكي از وجود رابطه‌اي بلندمدت ميان سرمايه‌‌گذاري مستقيم خارجي و رشد اقتصادي و نيز تأثير مثبت آموزش در تعامل ميان سرمايه‌‌گذاري مستقيم خارجي و رشد اقتصادي است. نتايج آزمون نسبت درست‌نمايي نشان مي‌‌دهد قيود اعمالي مدل مناسب است و بررسي آزمون q براي كشف خودهم‌بستگي، آزمون خود هم‌ بستگي حداكثر راست‌نمايي، و آزمون نرمال‌ بودن نشان‌دهندة خوبي برازش مدل است.

With the development of various theories and models in relation to economic growth over time, many researchers studied its effect on the growth and factors affecting its creation and absorption. This article examines the role of education in the interaction between foreign direct investment and economic growth during the post-war period (1990--2014). To this end, a structural cointegrating vector autoregressive model has been used where the dollar earning of oil exports is considered as aweak exogenous variable. The results indicate the existence of a long-term relationship between foreign direct investment and economic growth and positive role of education in the interaction between foreign direct investment and economic growth. The Likelihood Ratio test results show that the applied constraints are appropriate and the results of a series of tests, such as the q test to detect autocorrelation, autocorrelation test of maximum likelihood (LM), and normality test, indicate the goodness of fit of the model.