تحليل غموض العلاقة بين سعر الصرف والتضخم في العراق باستخدام نموذج الانحدار المضبب (Fuzzy Regression)
الشريط الجانبي للمقالة
THIS IS AN OPEN ACCESS ARTICLE UNDER THE CC BY LICENSE
محتوى المقالة الرئيسي
الملخص
يهدف هذا البحث إلى دراسة العلاقة بين سعر الصرف والتضخم في العراق خلال المدة (2015–2024)، باستخدام نموذج الانحدار المضبب كأداة تحليلية للتعامل مع الغموض وعدم اليقين في البيانات الاقتصادية، وهو أمر شائع في الاقتصاد العراقي نتيجة للتقلبات السياسية والاعتماد الكبير على صادرات النفط. تشير الأدبيات الاقتصادية إلى وجود علاقة سببية بين انخفاض قيمة العملة المحلية وارتفاع مستوى التضخم، ولكن البيانات العراقية غالبًا ما تتسم بعدم الدقة، مما يحدّ من فاعلية النماذج الكلاسيكية مثل الانحدار الخطي. من هنا، يبرز الانحدار المضبب كخيار مناسب لأنه يسمح بتمثيل العلاقات غير الدقيقة باستخدام أعداد مضببة، ويُقدَّر عبر أساليب مثل البرمجة الخطية.
تم في هذا البحث استخدام بيانات من البنك المركزي العراقي والبنك الدولي، وتطبيق نموذج انحدار مضبب خطي لتحليل العلاقة بين سعر الصرف (كعامل مستقل) والتضخم (كعامل تابع)، وقد أظهرت النتائج أن هناك علاقة إيجابية بين المتغيرين، مما يدعم فرضية أن تراجع قيمة الدينار العراقي يؤدي إلى ارتفاع الأسعار المحلية، ويخلص البحث إلى أن استخدام النماذج المضببة يوفر أداة مرنة وأكثر واقعية في تحليل الظواهر الاقتصادية غير المؤكدة، ويوصي الباحث باستخدام هذا النموذج في رسم السياسات النقدية خاصة في الاقتصادات الهشة مثل العراق.
التنزيلات
تفاصيل المقالة
المراجع
اولاً. المصادر العربية:
برنامج الأمم المتحدة الإنمائي (UNDP). (2021). تقرير التنمية البشرية في العراق.
البنك الدولي. (2023). تقرير التنمية الاقتصادية للعراق.
البنك المركزي العراقي. (2023). تقرير التضخم وسعر الصرف. بغداد، العراق.
الجميلي، فراس خميس. (2024). أثر فاعلية السياسة النقدية على حركة رؤوس الأموال في العراق للمدة 2004-2022. رسالة دكتوراه، جامعة الفلوجة.
صندوق النقد الدولي (IMF). (2022). تقرير الاقتصاد الكلي للعراق.
وزارة التخطيط العراقية. (2022). تقرير الفقر والتنمية الاجتماعية.
ثانياً. المصادر الأجنبية:
Chen, W., & Pham, T. (2020). Hybrid fuzzy deep learning approach for economic forecasting under uncertainty. Expert Systems with Applications, 160, 113635.
Choudhri, E. U., & Hakura, D. S. (2006). Exchange rate pass-through to domestic prices: Does the inflationary environment matter? Journal of International Money and Finance, 25(4), 614–639.
Dornbusch, R. (1976). Expectations and exchange rate dynamics. Journal of Political Economy, 84(6), 1161–1176.
Kao, C., & Lin, Y. (2005). Fuzzy linear regression models: A comparative study. Fuzzy Sets and Systems, 113(1), 1–15.
Kosko, B. (1992). Neural networks and fuzzy systems: A dynamical systems approach to machine intelligence. Prentice-Hall.
Krugman, P. R., & Obstfeld, M. (2014). International economics: Theory and policy (10th ed.). Pearson.
Mamdani, E. H. (1976). Application of fuzzy algorithms for control of simple dynamic plant. Proceedings of the Institution of Electrical Engineers, 121(12), 1585–1588.
Mankiw, N. G. (2020). Principles of economics (9th ed.). Cengage Learning.
Matlab Documentation. (2022). Optimization Toolbox™ User’s Guide. The MathWorks, Inc.
Smith, J. (2018). Currency depreciation and inflation: An empirical analysis. Economics Letters, 172, 1–5.
Taha, M. A., & Elhag, T. (2018). Application of fuzzy regression in economics. Applied Soft Computing, 68, 12–20.
Tanaka, H., Uejima, S., & Asai, K. (1982). Linear regression analysis with fuzzy model. IEEE Transactions on Systems, Man, and Cybernetics, 12(6), 903–907.
Tavana, M., Santos-Arteaga, F., & Samaniego, M. (2015). A fuzzy regression model for economic uncertainty analysis. Applied Soft Computing, 35, 646–656.
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353.
Zimmermann, H.-J. (2011). Fuzzy set theory—and its applications. Springer