تعيين عليت غيرخطي بين حمل‌ونقل زميني شهري و غيرشهري و رشد اقتصادي با روش شبكه عصبي موجك (مطالعه موردي: ايران)

Determining Non-Linear Causality between Urban and Non-Urban Ground Transport and Economic Growth Using Wavelet Neural Network (Case Study: Iran)

در چند دهه اخير، ارتباط بين زيرساختهاي اقتصادي و به ويژه بخش حمل‌ونقل با رشد اقتصادي، موضوع مطالعه بسياري از پژوهشگران در اقتصادهاي مختلف بوده است. كشور ايران با توجه به موقعيت ويژه جغرافيايي، به لحاظ امكانات حمل‌ونقل، داراي مزاياي بسياري است و پل ارتباطي بسياري از كشورها ميباشد. در اين مطالعه با استفاده از دادههاي فصلي طي دوره 91-1371، رابطه بين حمل‌ونقل زميني، رشد اقتصادي، تشكيل سرمايه و نيروي كار، بررسي شد. اطلاعات موردنياز، از آمارهاي بانك مركزي جمهوري اسلامي ايران و سالنامه هاي آماري مركز آمار، استخراج شدند. مهم‌ترين تفاوت اين مطالعه نسبت به ساير مطالعات پيشين، استفاده از روش شبكه عصبي موجك و رويكرد غيرخطي در تبيين ارتباط بين متغيرهاي مورد بحث ميباشد. نتايج آزمون رابطه علّيت بين متغيرها حاكي از وجود رابطه علّيت از حمل‌ونقل زميني به رشد اقتصادي ميباشند.

In the last few decades, the relationship between economic infrastructures, particularly transport sector, and economic growth has been the subject of many reserachers in different economies. Iran has many advantages considering particular geographic situation in terms of transport facilities as it connects many countries. In this study, the relationship among ground transport, economic growth, capital formation , and work force was examined by using quarterly data during 1992 to 2012. Required data were extracted from the statistics of Centeral Bank of Islamic Republic of Iran and yearbooks of Statistical Center of Iran. The most important difference of this study compared to other previous studies is using wavelet neural network method and non-linear approach in explaining the relationship among discussed variables. The results of causal relationship test between variables imply the existence of causality from ground transport to economic growth.