استاد جوان دانشگاه کمبریج از ویژگیهای پروفسور پسران میگوید
شایستگیهای پسران
دکتر کامیار محدث، اقتصاددان جوان ایرانی است که هماکنون در دانشگاه کمبریج مشغول تدریس است. او طی دوران تحصیلش در دانشگاه کمبریج در مقطع دکترا، در زمره نزدیکترین افراد به پروفسور محمدهاشم پسران بوده است.
آقای دکتر ما پارسال هم که در شماره 29 «تجارت فردا» با شما گفتوگو کردیم، از شما پرسیدیم آیا این احتمال وجود دارد آقای پروفسور پسران برنده جایزه نوبل بشود یا خیر. پاسخ شما نیز مثبت بود و این پیشبینی را کردید که ممکن است این اتفاق رخ دهد. در هفتهای که گذشت، مشاهده کردیم وبسایت تامسون رویترز اسم پروفسور پسران را در کنار اسم هفت نفر دیگر به عنوان برندگان احتمالی جایزه نوبل اعلام کرد. با توجه به همین اتفاق اخیر، فکر میکنید چقدر میتوان نسبت به اهدای جایزه نوبل به این اقتصاددان برجسته ایرانی امیدوار بود؟
وقتی وبسایت تامسون رویترز اسم محمدهاشم پسران را به عنوان برنده احتمالی برده است، نشاندهنده این است که کارهای پروفسور پسران در زمینه اقتصادسنجی بسیار مهم بوده است. کارهای او در زمینه سریهای زمانی، آزمونهای گوناگون برای پیشبینی کردن با استفاده از دادهها و مدلسازیهای گوناگون، بسیار ارزشمند است. از طرف دیگر تعداد ارجاعات به کارهای او نیز بسیار بالاست. همچنین توسعههای علمی آقای پسران در بخشهای گوناگون اقتصاد بسیار زیاد بوده است و به
این کارها در مقالههای زیادی و از سوی افراد زیادی ارجاع داده شده است. بنابراین از لحاظ تعداد ارجاعات، پروفسور پسران در جایگاه بالایی قرار دارد. مثلاً به یکی از مقالهای او بیش از 1500 بار ارجاع داده شده است. البته پیشبینی اینکه جایزه به چه کسی میرسد، بسیار سخت است. من چندان اطلاع دقیقی ندارم، ولی آنهایی که درصدد کسب جایزه نوبل هستند، به نوعی لابی کردن احتیاج دارند؛ مثل وقتی که قانونی میخواهد در مجلس تصویب شود. به همین دلیل از این لحاظ مقداری پیشبینی کردن سخت میشود. اما کارهایی که آقای پسران در زمینه پیشبرد علم اقتصاد در شاخه اقتصادسنجی انجام داده بسیار مهم است و همین که نام او مورد توجه وبسایت تامسون رویترز قرار گرفته نیز دلیل دیگری بر اهمیت کارهایی است که انجام داده. بنابراین پیشبینی کردن بسیار سخت است. زیرا عوامل زیادی در اهدای جایزه نوبل به یک اقتصاددان تاثیرگذار است.
آقای دکتر به عنوان سوال بعد، فکر میکنید اعلام نام پروفسور پسران از سوی وبسایت تامسون رویترز، پرداختن رسانهها به او و لابیهایی که طی این مدت باقیمانده ممکن است انجام شود و شما نیز به آنها اشاره کردید، تاثیری در انتخاب کمیته نوبل داشته باشد؟
من به طور دقیق از فرآیند تصمیمگیری کمیته نوبل اطلاع ندارم. درست است که سالهای زیادی در سوئد زندگی کردهام، ولی متاسفانه زیاد با فرآیند تصمیمگیری کمیته نوبل آشنایی ندارم. اما در عین حال فکر میکنم این فرآیندها شاید حتی تا یک سال نیز به طول انجامد. زیرا احتمالاً ابتدا نامزدهایی مشخص میشوند، سپس در مورد آن اشخاص بررسیهایی صورت میگیرد و گزارشهایی در موردشان نوشته میشود. بنابراین این فرآیند بسیار طولانی است و اینگونه نیست که ظرف یکی دو هفته همه کارها انجام شود. البته همان طور که قبلتر هم اشاره کردم، برای آگاهی دقیقتر در این زمینه باید به منابع دیگر رجوع کنید.
آقای دکتر، به نظر میرسد هر اقتصاددانی که یک آشنایی کلی با اقتصادسنجی داشته باشد، به مدلهای GVAR یا مدلهای ARDL (خودهمبسته با وقفه زمانی) برخورد کرده و حتی احتمال اینکه از آنها استفاده کرده باشد نیز زیاد است. اگر اشتباه نکنم بنیانگذار و معرف این مدلها در اقتصادسنجی آقای پروفسور پسران بوده است. این مدلها چقدر مهم هستند و چه کمکی به پیشبرد اقتصادسنجی کردهاند؟
از مدل GVAR خیلی استفاده میشود. حتی یک Toolbox را نیز میتوانید از وبسایت کمبریج دانلود کنید و با استفاده از آن از این مدل استفاده کنید. نکته جالب این است که برای استفاده از این Toolbox که برای مدل GVAR طراحی شده، نیازی نیست فرد برنامهنویسی را به طور حرفهای بلد باشد و اگر یک آشنایی کلی داشته باشد نیز میتواند به راحتی از آن استفاده کند. این مدل را حتی میتوان بر روی برنامه پرکاربرد Microsoft Excel نیز اجرا کرد. البته برای استفاده از این Toolbox، باید نرمافزار MATLAB را نیز داشته باشید که بتوانید روی آن اجرا کنید. به نظر من مدل GVAR بسیار پر اهمیت است. از این مدل
در بانکهای مرکزی دنیا، صندوق بینالمللی پول و جاهای گوناگون دیگر استفاده زیادی میشود. مهمترین جنبه مدل GVAR این است که نشان میدهد وقتی اتفاقی در یک گوشه از دنیا (مثلاً آمریکا) میافتد، اثر آن بر کشورهای دیگر چگونه است. همین قدرت تبیین مدل GVAR، برای بانکهای مرکزی، دولتها، وزارت اقتصاد و امثالهم - که در پی یافتن آثار رخدادهای اقتصادی در جایجای دنیا هستند - بسیار مهم است. اگر بخواهم بیشتر توضیح بدهم، از مدل GVAR میتوان در مورد تورم، رشد اقتصادی و حتی در کارهای فاینانس استفاده کرد. بنابراین، GVAR مدل بسیار جالبی است و خود من و اکثر همکارانم در جاهای گوناگون از آن استفاده میکنیم. به طور مشخص، بانک مرکزی اروپا از مدل GVAR استفاده میکند. تعداد زیادی مقاله نیز نوشته شده که در آنها از GVAR استفاده کردهاند. امسال نیز کتابی را انتشارات دانشگاه آکسفورد چاپ کرده که در آن تنها به طور کوتاه به کارهایی که GVAR میتواند انجام دهد و همچنین کاربردهای آن، پرداخته شده است.
آقای دکتر، مدلهای GVAR که به آنها اشاره کردید، مبتنی بر دادههای پنل هستند یا سریهای زمانی؟
برای استفاده از GVAR، ابتدا میبایست کشور به کشور داده جمع کنید. مثلاً اگر 50 کشور داشته باشید، برای هرکدام میبایست تمامی دادههایی را که به آنها نیاز دارید جمعآوری کنید. مثلاً فرض کنید سوالی که میخواهیم جواب بدهیم این است که اگر قیمت نفت به خاطر افزایش تقاضا بالا برود، چه تاثیری بر اقتصادهای گوناگون دنیا دارد. یا مثلاً میخواهیم به این سوال جواب بدهیم که اگر قیمت نفت به خاطر کاهش تولیدات آن بالا رفته باشد - مثلاً به خاطر اتفاقی که دو سال پیش در لیبی افتاد یا کاهش اخیر تولیدات نفت در ایران - چه تاثیری بر اقتصادهای گوناگون دنیا دارد. برای پاسخ به این چنین سوالهایی، ابتدا باید ببینیم که تولید ناخالص داخلی کشورهای گوناگون - که میخواهیم در مجموعه دادهای ما حضور داشته باشند - چقدر است، تورمشان چقدر است، نرخهای بهرهشان چقدر است، نرخ پولشان به دلار چقدر است. ابتدا این دادهها را برای چند کشور جمعآوری میکنیم و سپس کاری که GVAR میکند
این است که ابتدا VARXها (یا متغیرهای خارجی) را یکییکی برآورد میکند. VARXرا نیز آقای پسران به همراه همکارش، آقای ران اسمیت (Ron Smith)، طراحی کرده است. سپس کار ویژه GVAR، حل این مدل است. یعنی پس از برآورد این VARXها و حل مدل، میتوانیم ببینیم که مثلاً واردات و صادرات کشور ایران با آفریقای جنوبی یا ایران با چین یا ایران با هند یا ... چگونه بوده است. در حقیقت از این وزنهای برآورد شده در حل مدل استفاده میکند. این فرآیند به این دلیل جالب است که ابتدا کشور به کشور مدل ساخته میشود و در نهایت میخواهید همه متغیرها برونزا شوند. اینجاست که بُعد کاری GVAR برای حل مدل اهمیت زیادی پیدا میکند وگرنه شما فکر کنید که 50 کشور داشته باشید و برای هر کشور نیز شش متغیر. بدون وجود GVAR، حل چنین مدلی سخت میشود. بنابراین از نظر من GVAR راهحل خیلی جالبی است. یعنی فکر کنید که ابتدا میخواهید کشور به کشور برآورد کنید و در نهایت همه را جمع کنید. VARX به این صورت انجام میشود که در هر کشور که رشد مربوط به آن کشور را میگذارید، رشد کشورهای دیگر نیز به صورت برونزا در آن
مدل وجود دارد. البته آنها را نیز از لحاظ صادرات و واردات بعداً حل میکنند.
آنگونه که من از صحبتهای شما متوجه شدم و همچنین بنا بر دانستههای خودم، مدل GVAR و به طور کلی مدلهای اقتصادسنجی، بر دادههای تاریخی استوارند. یعنی ابتدا دادههای تاریخی را جمعآوری میکنند و سپس پیشبینی انجام میدهند. انتقادی که در دهههای 1970 و 1980 میلادی از سوی هم آقای لوکاس و هم آقایان کیدلند و پرسکات نهتنها نسبت به اقتصادسنجی بلکه حتی مثلاً نسبت به روشی مثل کنترل بهینه (Optimal Control) مطرح شد، این بود که از نظر آنها برای مدلهای مبتنی بر انتظارات عقلانی، نمیتوان از دادههای تاریخی استفاده کرد. آیا مثلاً مدل GVAR توانسته چنین مشکلی را حل کند که پیشبینیهای آن مطمئنتر شود؟
مسالهای که به آن اشاره کردید، بحث گستردهای است. به نظر من کاری که مدل GVAR انجام میدهد، این است که ابتدا برای هر کشور مدلی را برآورد میکند. این مدل که برآورد شد، از لحاظ اتفاقاتی که در دوره کوتاهمدت رخ میدهند، ما نمیتوانیم به هیچ صورتی آن اتفاقات را در مدل منعکس کنیم. از لحاظ VARX نیز میتوانیم بعدها اتفاقات بلندمدت را محدود کنیم. مثلاً طی
10 یا 20 سال چه اتفاقی میافتد. مثلاً تورم که افزایش مییابد شاید روی نرخ بهره اثرگذار باشد. پروفسور پسران و همکارانش نشان دادند که حتی اگر در دوره کوتاهمدت نیز محدودیتی قائل شویم، کاری که VARX در GVAR انجام میدهد، این است که به مدلهای DSGE رجوع میکند. این کار نوعی هدایت داده (Data Driver) است. بنابراین با استفاده از مدلهای مبتنی بر VARX، میتوان راهحلی از مدلهای DSGE نیز درآورد.
بحثی مطرح است مبنی بر اینکه خیلی از کسانی که با علم اقتصاد آشنایی چندانی ندارند و صرفاً کار با نرمافزارهای ساده و تجاری مثل Eviews را آموختهاند، پس از آنکه مدتی از این نرمافزارها استفاده کردند، ممکن است دچار استفاده نادرست مبتنی بر فهم نادرست از معادلات اقتصادسنجی شوند. به نظر شما چقدر چنین چیزی صحت دارد و چقدر فرق میکند که یک اقتصاددان بخواهد از ابزارهای اقتصادسنجی استفاده کند، با اینکه یک اپراتور عادی نرمافزار بخواهد از ابزارهای اقتصادسنجی استفاده کند؟
چیزی که به آن اشاره کردید، اهمیت زیادی دارد. من از تجربه شخصی خودم در این باره صحبت میکنم. یک اقتصاددان، بدون هدف به سراغ این نمیرود که مثلاً عمل رگرسیون را بر روی هزار معادله اقتصادسنجی با استفاده از نرمافزارهایی مثل Stata یا Eviews یا Microfit یا MATLAB یا هر نرمافزار دیگری انجام دهد. ما دنبال این نیستیم که یک چیزی را هزار بار تکرار کنیم و ببینیم از این کار ما چه پیامدی حاصل میشود. ما به عنوان یک اقتصاددان، معلوماتی داریم. درست است که به دادهها رجوع میکنیم و
نمودارها را رسم میکنیم و مثلاً رابطه میان بدهی دولت و رشد اقتصادی یا میان تورم و رشد اقتصادی را هم در کوتاهمدت و هم در بلندمدت بررسی میکنیم و رابطه میان آنها را از لحاظ دادهها و رسم نمودارها بررسی میکنیم، ولی قسمت مهم ماجرا تازه زمانی است که به نوع روابط پی بردیم. در آن زمان یک اقتصاددان باید در مورد نوع مدل مورد نظرش تصمیمگیری کند. در حقیقت مدلهای مورد نظر اقتصاددانان با انجام یک رگرسیون ساده حاصل نمیشوند. اقتصاددان، پس از انجام عمل رگرسیون، بررسی میکند که مدل حاصله از لحاظ تئوریک درست است یا خیر. مثلاً بررسی میکنیم که در مورد همین بدهی دولت و رشد اقتصادی، مدلهایی نظیر Random Effect یا Mean Effect برای کار مورد نظر ما درست هستند یا خیر. مثلاً گاهی به این نتیجه میرسیم که باید به صورت Pooling دادهها را بررسی کنیم. گاهی نیز به این نتیجه میرسیم که همه اینها اشتباه است. مساله مهم دیگر همین کاری است که دکتر پسران و همکارانش در مورد آثار همبستگی میان متغیرها (Common Correlated Effects) انجام میدهند. اگر ببینیم که خطاهای ما با یکدیگر همبستگی
دارند، نباید از آنها در Mean Group استفاده کنیم. بلکه باید در Common Correlated Effect Mean Group استفاده کنیم. اگر در نظر گرفتن پویاییها نیز مهم باشد، باید از Dynamic Common Correlated Effect استفاده کنیم. در حقیقت ما اقتصاددانان مثل روبات نیستیم. وقتی میخواهیم به سوالی جواب بدهیم، ابتدا باید ببینیم از لحاظ اقتصادسنجی چگونه میتوانیم به آن پاسخ بدهیم. یعنی این خیلی اهمیت دارد که مثلاً به طور خودکار و بدون هیچگونه پیشزمینهای به سراغ Eviews یا Stata نرویم و مثلاً هزار رگرسیون اجرا نکنیم تا در نهایت جواب مورد نظرمان حاصل شود. یعنی باید بدانیم که از چه نوع دادههایی استفاده میکنیم. البته من فکر میکنم کارهای محمدهاشم پسران و همچنین رویکرد موجود در مجله اقتصادسنجی کاربردی - که خود دکتر پسران آن را ترویج داده - در این جهت است که ما متوجه شویم هم فهم دادهها مهم است و هم مدلی که میخواهیم برای آنها استفاده کنیم. در این صورت میتوانیم به جواب سوال مورد نظرمان دست یابیم. از لحاظ اقتصادی نیز بسیار اهمیت دارد که دادههای مورد استفادهمان را از طریق
اینترنت یا راههای دیگر، در اختیار همه بگذاریم که بتوانند از آنها استفاده کنند و حتی استفاده از آن را تکرار کنند. این نیز به نوعی به فلسفه علم اقتصاد مربوط است. بنابراین کافی نیست که یک نفر تنها با دانش رایانهای و مثلاً فشردن کلید Enter به نتیجه مطلوب دست یابد.
اگر روز 14 اکتبر سال جاری، کمیته نوبل اسم پروفسور پسران را به عنوان برنده اعلام کند و شما بخواهید پیشاپیش به او پیامی بدهید، این پیام چیست؟
من به عنوان یک ایرانی و به عنوان یک اقتصاددان خوشحال میشوم و افتخار میکنم و به او تبریک میگویم. حتی فکر میکنم همه متخصصان سریهای زمانی و اقتصادسنجی کاربردی نیز خوشحال شوند. اگر این اتفاق رخ دهد و پروفسور پسران برنده جایزه نوبل شود، این افتخار بزرگی برای همه ایرانیان محسوب میشود. زیرا او یک اقتصاددان بسیار خبره است و این برای ما اهمیت زیادی دارد. همین ارجاعات فراوانی که به کارهای پروفسور پسران میشود، به نظر من نشان میدهد که افراد زیادی با GVAR، PANEL VAR و روشهای ARDL که پروفسور پسران آنها را تالیف کرده، آشنا هستند. باقی افراد نیز که از این مدلها و روشها در جاهایی مثل بانکهای مرکزی یا صندوق بینالمللی پول یا وزارتخانههای اقتصاد استفاده میکنند، نشاندهنده اهمیت کارهای پروفسور پسران است. با این اوصاف کار بزرگی که پروفسور پسران برای حل مشکلات اقتصادی انجام داد، اهمیت فوقالعادهای دارد. اگر حتی
جایزه نوبل امسال به آقای پسران نرسد، باز هم چیزی از ارزشهای او کم نمیشود.
به عنوان سوال بعد، از نظر شما بهترین کاری که میتوان برای آشنایی هرچه بیشتر اقتصاددانان ایرانی با کارهای آقای پسران و علاقهمند کردن آنها به اقتصادسنجی انجام داد، چیست؟
خیلی راحت است. به نظر من اقتصاددانان زیادی هستند که در دانشگاههای خارج از کشور بودهاند و اکنون به ایران برگشتهاند و در حال حاضر در دانشگاه ایران مشغول تدریس هستند. خیلیهای دیگری نیز هستند که در ایران درس خواندهاند و اکنون نیز در دانشگاههای ایران تدریس میکنند. به هر حال اگر رشته کسی اقتصادسنجی یا اقتصاد کلان کاربردی باشد، فکر میکنم با مدلهای GVAR یا PANEL VAR یا ARDL آشنایی داشته باشد و حتی در کارهای خودش نیز از آنها استفاده کرده باشد.
به نظر من مشکل اینجاست که با وجود اینکه این مدلها تدریس میشوند، اما چندان به اسم پروفسور پسران اشارهای نمیشود. مثلاً در مورد همین مدلهای ARDL چنین چیزی وجود دارد و چندان اشارهای به نام طراح آنها نمیشود. از نظر شما بردن نام پروفسور پسران، تاثیری در شناخته شدن او دارد؟
امکان دارد که چنین کاری تاثیر داشته باشد. به هر حال محمدهاشم پسران یکی از اقتصاددانان بزرگ ایرانی است و از لحاظ اقتصادسنجی و اقتصاد کلان کاربردی و فاینانس، بسطها و توسعههای علمی زیادی در سطح جهان داشته است. البته واقعاً نمیدانم اینکه مثلاً سر کلاسها گفته شود «محمدهاشم پسران مدل GVAR را راهاندازی کرد» تاثیری داشته باشد یا خیر. اگر این کار اثر مثبتی داشته باشد، باید این کار انجام شود. هر وقت کسی از مدلی استفاده میکند که شخص دیگری آن را اثبات یا اختراع کرده، اسم آن فرد نیز باید برده شود.
به عنوان سوال پایانی، آیا شما قصد دارید در آینده برای کارهای علمی یا پژوهشی به ایران سفر کنید؟
حتماً قصد دارم. به هر حال ایران وطن من است و خیلی دوست دارم که به آنجا سفر کنم و با اقتصاددانان ایرانی رابطه برقرار کنم و کارهای مشترکی انجام دهم. بنابراین، صدر در صد علاقه دارم که در آینده به ایران سفر کنم. بگذارید این خبر را نیز بدهم که از من و چندین اقتصاددان دیگر، برای شرکت در همایش بینالمللی صندوق توسعه ملی، که قرار است در تاریخ 27 و 28 اکتبر (5 و 6 آبان) سال جاری در جزیره کیش برگزار شود، دعوت شده است. موضوع سخنرانی من، به عنوان یکی از سخنرانان اصلی همایش، مربوط به نفت و اقتصاد ایران است. عنوان دقیق سخنرانی نیز «100 سال درآمد نفتی و اقتصاد ایران: نعمت یا نقمت؟» است.
دیدگاه تان را بنویسید