نوع مقاله : پژوهشی

نویسندگان

• میلاد حاجی بلند ¹
• زهرا کریمی تکانلو ²
• سکینه سجودی ³
• محمد مهدی برقی اسگویی ⁴

¹ کارشناس ارشد توسعه اقتصادی و برنامه ریزی دانشگاه تبریز

² استاد، گروه علوم اقتصادی، دانشکده اقتصاد و مدیریت، دانشگاه تبریز، تبریز، ایران

³ دانشیار، گروه علوم اقتصادی، دانشکده اقتصاد و مدیریت، دانشگاه تبریز، تبریز، ایران

⁴ استاد، گروه علوم اقتصادی، دانشکده اقتصاد و مدیریت، دانشگساه تبریز، تبریز، ایران

چکیده

بدهی عمومی در اقتصاد ایران به عنوان یکی از چالش‌های محوری سیاست‌گذاری مالی تبدیل شده است. هدف این پژوهش، شناسایی عوامل مؤثر بر بدهی عمومی ایران با رویکرد رگرسیون بیزی و الگوریتم‌های یادگیری ماشین است و ۲۷ متغیر توضیحی در قالب شش گروه بین‌المللی، پولی، جمعیت‌شناختی، بخش عمومی، سیاسی و سایر متغیرها طی دوره زمانی ۱۳۵۸ تا ۱۴۰۲ وارد مدل شده‌اند. روش‌شناسی تحقیق مبتنی بر دو الگوریتم بیزی BACE و BAS استوار است و جهت ارزیابی استحکام نتایج، از الگوریتم جنگل تصادفی استفاده گردیده است. یافته‌های BACE و BAS نشان می‌دهند که بدهی عمومی ایران پدیده‌ای چندعاملی بوده و هیچ متغیر منفردی به‌تنهایی قادر به تبیین کامل آن نیست. بر اساس احتمال حضور پسین (PIP)، متغیرهای تعداد کل شاغلان، ارزش صادرات، درآمدهای نفتی، نرخ ارز آزاد، تراز حساب سرمایه، جمعیت کل از قوی‌ترین شواهد برخوردارند. در مقابل، متغیرهای سیاسی و نهادی نظیر شاخص دموکراسی، شاخص ادراک فساد و ضریب جینی، در حضور متغیرهای کلان اقتصادی دیگر، اثر مستقل و پایدار ضعیف‌تری نشان می‌دهند. نتایج جنگل تصادفی نیز این یافته‌ها را تأیید می‌کند و نشان می‌دهد اشتغال، درآمدهای نفتی، ارزش صادرات و نرخ ارز آزاد بیشترین سهم را در پیش‌بینی بدهی عمومی ایران دارند. بدهی عمومی در ایران بیشتر تحت تأثیر تعاملات پیچیده بخش خارجی، بازار کار، درآمدهای نفتی، شرایط پولی و فشارهای جمعیتی شکل می‌گیرد و بر این اساس، سیاست‌گذاران در طراحی راهبردهای مدیریت بدهی عمومی، بایستی راهبردهای چندبعدی و مدیریت توامان چند وجهی تعاملات متغیرها را نظر بگیرند.

کلیدواژه‌ها

• روش رگرسیون بیزی
• حجم بدهی عمومی
• اشتغال
• صادرات
• نرخ ارز

موضوعات

• اقتصاد کلان

عنوان مقاله [English]

Identifying the Determinants of Public Debt in Iran’s Economy Using a Bayesian Regression Approach

نویسندگان [English]

• Milad Hajiboland ¹
• Zahra Karimi Tekanloo ²
• Sakineh Sojoudi ³
• Mohammad Mehdi Barghi Oskouie ⁴

¹ Master of Economic Development and Planning, University of Tabriz

² Professor, Department of Economic Sciences, Faculty of Economics and Management, University of Tabriz, Tabriz, Iran

³ Associate Professor, Department of Economic Sciences, Faculty of Economics and Management, University of Tabriz, Tabriz, Iran

⁴ Professor, Department of Economic Sciences, Faculty of Economics and Management, University of Tabriz, Tabriz, Iran

چکیده [English]

Public debt in Iran’s economy has become one of the central challenges of fiscal policymaking. This study aims to identify the determinants of Iran’s public debt using a Bayesian regression approach and machine-learning algorithms. Twenty-seven explanatory variables, grouped into six categories—international, monetary, demographic, public sector, political, and other variables—were entered into the model for the period 1979–2024 (1358–1402). The methodology relies on two Bayesian algorithms, BACE and BAS, while the random forest algorithm is used to assess the robustness of the results. The findings of BACE and BAS indicate Iran’s public debt is a multifactorial phenomenon and that no single variable can fully explain it. Based on posterior inclusion probability (PIP), total employment, export value, oil revenues, the free-market exchange rate, the capital account balance, and population show the strongest evidence. By contrast, political and institutional variables such as the democracy index, the corruption perceptions index, and the Gini coefficient display weaker independent and persistent effects in the presence of other macroeconomic variables. The random forest results confirm these findings, showing that employment, oil revenues, export value, and the free-market exchange rate make the largest contributions to predicting Iran’s public debt. Public debt in Iran is shaped primarily by complex interactions among the external sector, the labor market, oil revenues, monetary conditions, and demographic pressures. Accordingly, when designing public debt management strategies, policymakers should adopt multidimensional strategies and manage the multifaceted interactions among variables.

کلیدواژه‌ها [English]

• Bayesian regression method
• volume of public debt
• Employment
• Export
• Exchange rate