برآورد تقاضای بنزین در ایران طی دوره زمانی 1374 تا 1396 با استفاده از مدل حالت‌‌-‌فضا و دلالت‌‌های حاصله برای آزاد‌سازی قیمت آن

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری اقتصاد دانشگاه آزاد ابهر

2 دانشیار گروه اقتصاد دانشگاه علامه طباطبایی

3 استادیار گروه اقتصاد دانشگاه آزاد واحد ابهر

چکیده

هدف این مطالعه برآورد تابع تقاضای بنزین با استفاده از مدل حالت – فضا و دلالت‌‌های حاصله برای آزادسازی قیمت آن با روش فیلتر کالمن در قالب الگوی ضرایب متغیر در طول زمان است. برای این منظور از داده‌های مربوط به ترازنامه انرژی و شرکت ملی پالایش و پخش فرآورده‌های نفتی ایران در طی سال‌های‌ 1396-1374 استفاده‌شده است. نتایج برآورد مدل مبین آن است که کشش قیمتی بنزین در دوره‌ موردبررسی متغیر بوده و بعد از اجرای هدفمندی یارانه‌ها (1389 تا 1396) در برخی از فصول سال قدرمطلق کشش قیمتی بنزین افزایش و در برخی از فصول سال کاهش‌یافته است. با سه سناریو متفاوت، پیش‌بینی شد که هرسال با افزایش 10 درصد قیمت بنزین در برنامه ششم توسعه، تقاضای بنزین برخلاف انتظار کاهش نمی‌یابد و همچنین به دلیل اینکه قدرمطلق کشش قیمتی بنزین در ابتدای برنامه ششم توسعه بیشتر و در انتهای برنامه کمتر است، نباید افزایش قیمت بنزین در طول برنامه یکسان باشد و لذا به برنامه‌ریزان و سیاست‌گذاران جهت کنترل تقاضای بنزین توصیه می‌شود که افزایش قیمت بنزین را در برنامه ششم توسعه بیشتر از 10 درصد تعیین کنند و این افزایش قیمت از ابتدای برنامه تا انتهای برنامه به‌صورت صعودی باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Estimating gasoline product demand in Iran during the period from 1995 to 2017 using the state-space model and relevant guidelines for price liberalizations

نویسندگان [English]

  • hooshmand hashemi 1
  • TAIMOR MOHAMMADI 2
  • farzane khalili 3
  • farid asgary 3
1 economics, Azad university of Abhar
2 ecomomics. Azad unversity.
3 economics, Azad university of Abhar
چکیده [English]

The purpose of this paper is to estimate the gasoline demand function via the state-space model and the implications for its price liberalization by using the Kalman filter method in the framework of time-varying coefficients model. For this purpose, data from the Energy Balance Sheet and the National Iranian Oil Refining and Distribution Company were used during the years 1374-1396. The results of the estimation of the model indicate that the price elasticity of gasoline varies in the studied period and after the implementation of subsidy targeting (1389 to 1396), in some of the seasons of the year, absolute value of the price elasticity of gasoline increased and decreased in some seasons. With three different scenarios, it is anticipated that with the increase of 10% in the price of gasoline in the sixth development plan, the demand for gasoline does not decrease unlike expectations. Also, because absolute value of the elasticity of the price of gasoline at the beginning of the sixth of developmental program is greater and lower at the end of the program, increasing of the price of the gasoline should not be the same over the program. It is recommended that planners and policymakers to control gasoline demand are advised to increase the price of gasoline in the sixth of developmental plan by more than 10 %, and this price increase from the beginning of the program to the end of the program is ascending.

کلیدواژه‌ها [English]

  • gasoline demand
  • state-space model
  • Kalman filter technique
  • time varying coefficients
 
  1. امامی میبدی، علی، محمدی، تیمور، و سلطان العلمایی، سید محمدحسین (1389). تخمین تابع تقاضای گاز طبیعی به روش کالمن فیلتر (مطالعه موردی تقاضای بخش خانگی شهر تهران). فصلنامه اقتصاد مقداری، 3 (7)، 23 -4.
  2. امامی میبدی، علی، گرایی نژاد، غلامرضا، و دارابی، نگین (1393). برآورد تابع تقاضای بنزین در ایران طی دوره زمانی 1381 تا 1386 با استفاده از تکنیک پنل دیتا. فصلنامه اقتصاد مالی، 8(27)، 50-29.
  3. اسماعیل‌‌نیا، علی‌اصغر (1379). بررسی تأثیر افزایش قیمت بنزین روی مصرف آن بر اساس مدل‌های حالت-فضا و فیلتر کالمن. مجله برنامه ‌و بودجه، 52، 61-33.
  4. چیت نیس، مونا (1384). برآورد کشش قیمتی تقاضای بنزین با استفاده از مدل سری زمانی ساختاری و مفهوم روند ضمنی. فصلنامه پژوهش‌های اقتصادی ایران، 5 (3)، 16-1.
  5. محمدی، تیمور، خورسندی، مرتضی، و امیر معینی، مهران (1393). مدل‌سازی تقاضای برق در بخش صنعت ایران: رویکرد مدل سری زمانی ساختاری. فصلنامه تحقیقات مدل‌سازی اقتصادی، 18، 117-92.
  6. شاکری، عباس، محمدی، تیمور، جهانگرد، اسفندیار، و موسوی، میرحسین (1389). تخمین مدل ساختاری تقاضای بنزین و نفت و گاز در بخش حمل‌ونقل ایران. فصلنامه مطالعات اقتصاد انرژی، 7(25)، 31-1.
  7. موسوی، میرحسین (1389). اثرات اقتصادی قیمت‌گذاری بهینه فرآورده‌های نفتی با لحاظ هزینه‌های خارجی در بخش حمل‌ونقل با استفاده از الگوی تعادل عمومی کاربردی. رساله دکتری، دانشکده اقتصاد دانشگاه علامه طباطبایی.
  8. مهرگان، نادر، و قربانی، وحید (1388). تقاضای کوتاه‌مدت و بلندمدت بنزین در بخش حمل ‌و نقل. پژوهشنامه حمل ‌و نقل، 6(4)، 379-367.
  9. مدیریت تأمین و توزیع شرکت ملی پالایش و پخش فرآورده‌های نفتی(1396). آمارنامه مصرف فرآورده‌های نفتی. سال‌های مختلف.
  1. Akinboade, O., Ziramba, E., & Kumo, W. (2008). The demand for gasoline in South Africa: An empirical analysis using co-integration techniques. Energy Economics, 30, 3222-3229.
  2.  Adeyemi, O. I., & Hunt, L. H. (2014). Accounting for asymmetric price responses and underlying energy demand trends in OECD industrial energy demand. Energy Economics, 45, 435-444.
  3. Beenstock, M., & Willcocks, P. (1983). Energy consumption economic activity in industrialized countries. Energy Economics, 3, 225-232.
  4. Bhattacharyya, S. C., & Govinda, R. T. (2009). Energy demand models for policy formulation: A comparative study of energy demand models, Policy Research Working Paper, World Bank.
  5. Chetnis, M. (2005). Estimation of price elasticity of gasoline demand using the structural time series model and the implicit trend concept. Iranian economic research quarterly, 3 (5), 1-16 (In Persian).
  6. Casals, J., Garcia-Hiernaux, A., Jerez, M., Sotoca, S., Alexandre, K., & Trindade, A. (2016). State-space methods for time series analysis. CRC Press.
  7. Dilaver, Z., & Hunt, L.C. (2011). Industrial electricity demand for Turkey: A structural time series analysis. Energy Econ. 33, 426-436.
  8. Difiglio, C. (2014). Oil, economic growth and strategic petroleum stocks. Energy Strategy Reviews, 5, 48-58.
  9. Esmaelniya, A. A. (2000). Investigating the effect of gasoline price rise on its consumption based on the state-space models and the Kalman filter, Program & Budget Magazine, 52, 61-33 (In Persian).
  10. Gerasimos, G. R. (2017). State-space approaches for modelling and control in financial engineering. Springer International Publishing AG.
  11. Harvey, A. C. (1990). The econometric analysis of time Series. 2nd ed. Cambridge: MIT Press.
  12. Harvey, A. C. (1989). Forecasting, structural time series models and Kalman filter. Cambridge University Peres.
  13. Imami Meybodi, A., Mohamadi, T., & Soltan Olamayi, H. (2010). Estimation of the natural gas demand function by Kalman filter method (A case Study of Tehran's household sector demand. Journal of Quantitative Economics, 3(7), 23-41 (In Persian).
  14. Imami meybodi, A., Giraenajad, G. h., & darabi, N. (2014). Estimation of gasoline demand function in Iran during the period from 2002 to 2007 using data panel technique, Financial Economic Quarterly. 8 (27), 29-50 (In Persian).
  15. Lucas, R. (1976). Econometric policy evaluation: A critique. Carnegie-Rochester Conference Series on Public Policy, 1(1), 19-46.
  16. Kim, C. J.  & Nelson, C. R. (2017). Sate-space models with regime switching: Classical and gibbs-sampling approaches with applications. MIT Press.
  17. Mohamadi, T., khorsandi, M., & Amir Moeini, M. (2014). Modeling the demand for electricity in the Iranian industrial sector: A structural time series model approach. Quarterly Journal of Economic Modeling Research, 18, 92-117 (In Persian).
  18. Moosavi, H. (2010). Economic effects of optimal pricing petroleum products in terms of external costs in the transport sector using applied general equilibrium model, PH.D thesis, faculty of economics, University of Allameh Tabatabayi (In Persian).
  19. Mehregan, N., & gorbani, W. (2009). Short-term and long-term demand for gasoline in the transportation sector, Journal of Transportation, 4, 367-376 (In Persian).
  20. Marghzar, M. (2014). Massive behavior of investment funds in Tehran Stock exchange using state space model. Master's thesis, faculty of management, University of Tehran (In Persian).
  21. Medlock, K. B. (2009). Energy demand theory. In International and book on the Economics of Energy. Evans, J. and Hunt, LC (Edt), Edward Elgar publishing, UK.
  22. Park, S.Y., & Zhao, G. (2010). An estimation of U.S. gasoline demand: A smooth time-varying co integration approach, Energy Economics, 32, 110-120.
  23. Romer, D. (2012). Advanced macroeconomics. 4th ed. University of California, Berkeley.
  24. Shumway, R. H., & Stoffer, D. S. (1982). An approach to time series smoothing and forecasting using the EM algorithm. Journal of Time Series Analysis, 3, 253-264.
  25. Saad, Suleiman. (2011). Underlying energy demand trend in South Korean and Indonesian aggregate whole economy and residential sectors. Energy Policy, 39, 40-46.
  26. Shakeri, A., Mohamadi, T., Jahangiri, E., & Mousavi, H. (2010). Estimation of the structural model of gasoline and oil and gas demand in the Iranian transportation sector. Quarterly Journal of Energy Economics, 7 (25), 1-31 (In Persian).
  27. Supply and distribution management of national refineries and Distribution Company (1396). The statistics of consumption of petroleum products (In Persian).
  28. Stock, J., & Watson, M. (2007). Why has U.S inflation become harder to forecast?  Journal of Mone: Credit and Banking, 39, 3-33.
  29. Sirvavastave, D. K., & Rao, C. Bhujanga, A. (2003). Government’s subsidies in India issues and approach. National institute for public finance and policy.
  30. Sene, S. O. (2011). Estimating the demand for gasoline in developing countries: Senegal. Energy Economics, article in Press.
  31. Ying, M., Bin, W., & Long, X. (2011). An empirical analysis for the dynamic relationship between China, s energy consumption and economic growth-based on co-integration Analysis and state-space model. Energy Procardia, 5, 2252-2256.
  32. Yong Zeng, S. W. (2013). State-space models: Applications in economics and finance. Springer New York Heidelberg Dordrecht London.