كاربرد الگوهاي چندسطحي در تحليل‌ داده- ستانده

Applying Multilevel Models to the Input-Output Analysis

در مطالعه حاضر نمونه‌ای از كاربرد الگوسازی چندسطحی برای تحلیل جداول داده- ستانده منطقه‌ای ارائه شده است. برای این منظور ابتدا جداول داده- ستانده كلیه استان‌های كشور براساس روش سهم مكانی اصلاح‌شده فلگ استخراج شده‌اند. سپس متمایز بودن ضرایب فنی لئونتیف و پیوندهای پسین و پیشین بین فعالیت‌ها و بخش‌های اقتصادی استان‌های مختلف، با استفاده از الگوهای سه‌سطحی و دو سطحی، آزمون شده است. نتایج حاصل از تجزیه واریانس بین سطوح مختلف نشان می‌دهد فعالیت‌ها، بخش‌ها و استان‌های مختلف از لحاظ شاخص‌های مذكور ناهمگن هستند. بنابراین تجمیع فعالیت‌های جداول داده- ستانده و همچنین تلفیق فضایی جداول داده- ستانده منطقه‌ای با یكدیگر منجر به كاهش دقت و خطا در تحلیل‌ها می‌گردد.

In the present study, an application of multilevel modeling approach to the input- output analysis are presented First, the regional input-output table of all provinces in Iran was extracted based on the Adjusted Flegg Location Quotient Method (AFLQ). Second differentiation in the Leontief technical coefficients and the backward and forward linkages among various activities and sectors of all provinces were examined using the 3-level and 2-level models. The results of variance analysis among the different levels reveal that activities, sectors and provinces are heterogeneous in terms of the mentioned indexes. Therefore, activities aggregation and spatial aggregation of the regional input- output tables raise errors and reduce the accuracy