<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Economic and Planning Research</title>
<title_fa>فصلنامه پژوهشنامه اقتصاد و برنامه ریزی</title_fa>
<short_title>JEPR</short_title>
<subject>Literature &amp; Humanities</subject>
<web_url>http://eprj.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2251-9092</journal_id_issn>
<journal_id_issn_online>2251-9106</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.61882/jepr</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science></journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1392</year>
	<month>10</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2014</year>
	<month>1</month>
	<day>1</day>
</pubdate>
<volume>18</volume>
<number>4</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>مقایسه منحنی فیلیپس کینزگرایان جدید با الگوهای سری زمانی در پیش‌بینی تورم</title_fa>
	<title>The New Keynesian Phillips Curve and Forecasting Inflation</title>
	<subject_fa></subject_fa>
	<subject></subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>اثرات زیان‌بار تورم‌های مزمن و بالا بر اقتصاد باعث شده است که دولت‌مردان و مقامات پولی کشورها همواره درصدد رفع این پدیده و کاهش و کنترل تورم برآیند. بدین منظور پیش‌بینی نحوه حرکت شاخص تورم از اهمیت به‌سزایی برخوردار است، بنابراین ارایه الگوی اقتصادی مناسب جهت پیش‌بینی تورم از جایگاه ویژه‌ای برخوردار می‌باشد. در همین راستا، پژوهش حاضر سعی در ارایه الگویی مناسب جهت پیش‌بینی تورم مبتنی بر منحنی فیلیپس کینزگرایان جدید پرداخته است. در ابتدا با استفاده از تحلیل الگوهای قیمت‌گذاری و مباحث چسبندگی دستمزدها و قیمت‌ها به استخراج منحنی فیلیپس آینده‌نگر خالص و پیوندی کینزگرایان جدید پرداخته شد. به این صورت که با توجه به داده-های فصلی دوره زمانی 1383-1370 الگوهای اقتصادسنجی فیلیپس آینده‌نگر خالص و پیوندی کینزگرایان جدید با رویکرد گشتاورهای تعمیم‌یافته و فیلیپس پیوندی کینزگرایان جدید با رویکرد خودتوضیح‌برداری با وقفه‌های گسترده تخمین زده شد، سپس به برآورد الگوی تورم به روش خودرگرسیو میانگین متحرک اقدام‌ شد، در نهایت دوره زمانی 1386-1383 به سه دوره کوتاه‌مدت یک فصل رو به جلو، میان‌مدت شش فصل رو به جلو و بلندمدت دوازده فصل رو به جلو تقسیم شد و عملکرد این چهار الگو در ‌پیش‌بینی تورم در این دوره‌ها با یکدیگر مقایسه ‌شدند. طبق نتایج به-دست آمده الگوی ARMA(3,3) برای پیش‌بینی تورم در کوتاه‌مدت، الگوی فیلیپس پیوندی کینزگرایان جدید در میان‌مدت و الگوی ARDL(1,0) با رویکرد منحنی فیلیپس کینزگرایان جدید در بلندمدت برای پیش‌بینی تورم پیشنهاد ‌شدند.</abstract_fa>
	<abstract>The harmful effects of chronic high inflation in the economy led the governments and country’s monetary authorities seek to reduce or eliminate this phenomenon. Therefore it’s very important to predict how inflation moves providing an appropriate economic model is a crucial factor to forecast inflation, so on. In this regard, in the present research, we attempt to generate a appropriate model for forecasting inflation using New Keynesian Phillips Curve. At first, purely forward-looking New Keynesian Phillips Curve and hybrid New Keynesian Phillips Curve  to be estimated by the analysis of pricing models and the discussions of stickiness of wages and prices. This means that, we estimate purely forward-looking New Keynesian Phillips Curve, hybrid New Keynesian Phillips Curve by generalized method of moments and also estimate hybrid New Keynesian Phillips Curve by autoregressive distributed lag method and autoregressive moving average for the period Q - Q . For the evaluation of the performance of the different models over various forecast horizons, finally, we construct series of  -step,  -step and  -step-ahead out-of-sample forecasts over the period . The results show that the hybrid New Keynesian Phillips Curve provides relatively more accurate forecast of inflation in Iran compared to the other models for middle forecast horizon while they are outperformed by the time series model (ARMA( )) only for the short forecast horizon and by ARDL( ) for long forecast horizon.</abstract>
	<keyword_fa>منحنی فیلیپس کینزگرایان جدید, پیش‌بینی تورم, ارزیابی پیش‌بینی, روش گشتاورهای تعمیم‌یافته, روش خودتوضیح‌برداری با وقفه‌های گسترده, روش خودرگرسیو میانگین متحرک.</keyword_fa>
	<keyword>New Keynesian Phillips Curve, Inflation Forecasting, Forecast Evaluation, Generalized Method of Moments, Autoregressive Distributed Lag Method, Autoregressive Moving Average.</keyword>
	<start_page>3</start_page>
	<end_page>26</end_page>
	<web_url>http://eprj.ir/browse.php?a_code=A-10-1-6&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Ali</first_name>
	<middle_name></middle_name>
	<last_name>Taiebnia</last_name>
	<suffix></suffix>
	<first_name_fa>علی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>طیب نیا</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>taiebnia@ut.ac.ir</email>
	<code>10031947532846002761</code>
	<orcid>10031947532846002761</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name>Hossein </first_name>
	<middle_name></middle_name>
	<last_name>Amiri</last_name>
	<suffix></suffix>
	<first_name_fa>حسین </first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>امیری</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>hossienamiri@gmail.com</email>
	<code>10031947532846002762</code>
	<orcid>10031947532846002762</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name>Fatemeh</first_name>
	<middle_name></middle_name>
	<last_name>Ravishi</last_name>
	<suffix></suffix>
	<first_name_fa>فاطمه</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>راویشی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>ravishi_f@yahoo.com</email>
	<code>10031947532846002763</code>
	<orcid>10031947532846002763</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
