معرفی طرح شامخ (شاخص مدیران خرید)

از میان شاخص‌های متنوع و گوناگون اقتصادی که توسط کشورها و سازمان‌های بین‌المللی انتشار می‌یابند، شاخص
PMI) Purchasing Manager’s Index)،  که در فارسی به اختصار شامخ نامگذاری شده است، یکی از مهم‌ترین شاخص‌های اقتصادی است که مورد پذیرش اکثر کشورهای توسعه‌یافته قرار دارد. درحال حاضر شاخص شامخ برای حدود  29000 بنگاه بخش خصوصی  در بیش از 40 کشور دنیا  محاسبه و منتشر می‌شود. این شاخص که بر اساس پایش پرسشنامه‌ای به دست می‌آید، بینش آنی و تصویر سریعی از شرایط اقتصاد کلان به‌ویژه وضعیت رونق و رکود در بخش‌های صنعت و خدمات ارائه می‌دهد. ویژگی‌های این شاخص عبارتند از:

 

در طرح شامخ، از پاسخ‌دهندگان خواسته می‌شود به 12پرسش‌ مطرح‌شده در قالب سه معیار وضعیت نسبت به ماه پیش( بهتر شده، بدتر شده ویا تغییری نکرده است)، پاسخ دهند. در صورت انتخاب گزینه بیشتر از ماه قبل: عدد 1، گزینه بدون تغییر: عدد 5/0 و گزینه کمتر ازماه قبل: عدد صفر برای آن پرسش ثبت می‌شود. مجموع حاصل‌ضرب درصد پاسخگویان به هریک از گزینه‌ها در عدد همان گزینه، مبین عدد شامخ در آن پرسش است. درنهایت معیار سنجش این شاخص عددی بین 0 تا 100 است. عدد 0  و 100 به ترتیب به معنای آن است که 100 درصد پاسخگویان گزینه” بدتر شده است” و”بهتر شده است” را انتخاب نموده‌اند، عدد 50 نشان‌دهنده عدم تغییر وضعیت نسبت به ماه قبل، بالای 50 نشانه بهبود وضعیت نسبت به ماه قبل و زیر 50 به معنای بدتر شدن وضعیت نسبت به ماه قبل است. بر این اساس، چنانچه عدد محاسبه‌شده زیر 50 باشد، اما از عدد محاسبه‌شده ماه قبل بیشتر باشد، نشان می‌دهد که سرعت بدتر شدن وضعیت، کاهش یافته است. در مقابل، چنانچه عدد محاسبه‌شده بالای 50 باشد اما از عدد ماه قبل کمتر باشد، نشان می‌دهد که سرعت بهبود وضعیت در مقایسه با ماه قبل، کاهش یافته است.

 

برای طراحی پرسشنامه  و وزن‌دهی به 5 پرسش اصلی در محاسبه عدد شامخ در اتاق ایران، از رویکردهای بین‌المللی با کمی تعدیل به صورت زیر استفاده شده است:

1. مقدار تولید محصولات (پرسش اصلی با ضریب 25% )
2. میزان سفارشات جدید (پرسش اصلی با ضریب 30%)
3. سرعت انجام و تحویل سفارش (پرسش اصلی با ضریب 15%)
4. موجودی مواد اولیه (پرسش اصلی با ضریب 10%)
5. میزان استخدام و بکارگیری نیروی انسانی (پرسش اصلی با ضریب 20%)
6. قیمت خرید مواد اولیه
7. موجودی محصول نهایی در انبار
8. میزان صادرات کالا
9. قیمت محصولات تولیدشده
10. مصرف حامل‌های انرژی
11. میزان فروش محصولات
12. انتظارات تولید در ماه آینده

اهمیت و روش‌ تعدیل فصلی شامخ

تعدیل فصلی یا فصل‌زدایی یک روش آماری برای حذف مولفه فصلی یک سری زمانی است و معمولاً زمانی انجام می‌شود که بخواهیم روند و انحرافات چرخه‌ای از روند یک سری زمانی را مستقل از مؤلفه‌های فصلی آن تحلیل کنیم. مولفه فصلی بخشی از یک سری زمانی است که در آن داده‌ها تغییرات منظم و قابل پیش‌بینی را که منطبق بر فواصل زمانی تقویمی منظم و دارای الگوی تکراری (مانند ماه‌ها یا سال مالی) است، تجربه می‌کنند. به عنوان مثال، میزان تقاضا در ماه اسفند به طور معمول افزایش می یابد و در ماه فروردین کاهش می‌یابد. به عنوان یک مثال دیگر، مصرف گاز طبیعی در تابستان کمتر و در زمستان بسیار بیشتر از سایر فصول است. غیر از الگوی فصلی یک سری زمانی می‌تواند شامل مولفه‌های دیگری مانند روند، سیکل‌ها و یا جز اخلال نیز باشد که می‌توان آنها را نیز توسط روش‌های مربوطه از سری مورد نظر اسخراج کرد.

باید توجه داشت که مؤلفه‌های فصلی، از نظر تئوری، هر سال در یک دوره زمانی مشابه با بزرگی آن اتفاق می‌افتند، بنابراین در هنگام ردیابی آثار یک سیاست‌گذاری خاص و یا بررسی رخدادهای اقتصادی بر یک سری زمانی، بهتر است مولفه فصلی از سری‌زمانی حذف شود. هرچه مولفه فصلی در یک سری‌زمانی قوی‌تر باشد و تغییرات فصلی در آن مشهود باشد، ضرورت تعدیل فصلی آن سری‌زمانی خصوصا برای تحلیل دقیق‌تر نتایج سیاستی بیشتر می‌شود.

شواهد تجربی در ایران حاکی از قوی بودن اثرات فصلی در اغلب سری‌های زمانی متغیرهای اقتصادی است.  به عنوان نمونه بررسی شاخص شامخ^[1] کل اقتصاد و بخش صنعت نشان میدهد که سری‌زمانی آنها به شدت تحت تاثیر مولفه‌های فصلی است به نحوی که اثرات فصلی موجب شکل‌گیری یک الگوی نسبتا ثابت در طول این سری‌های‌زمانی شده ‌است. مطابق شکل زیر، این الگوی تکرار شونده ثابت عموما شامل یک دوره کاهش شدید در ماه فروردین و به دنبال آن یک افزایش معنادار در ماه اردیبهشت است که در ادامه، به یک روند نزولی نسبتا کند که تا ماه پنجم ادامه می‌یابد تبدیل می‌شود. بروز الگوی تکراری و با ثبات در سری‌های‌زمانی شامخ^[2] کل اقتصاد و بخش صنعت و برخی از مولفه‌های آنها، نشان از اهمیت تعدیل فصلی این شاخص‌ها دارد. به گونهای که میتوان چنین نتیجه گرفت که انجام هرگونه تحلیل و مقایسه ماهانه سری ‌های‌زمانی مذکور مستلزم تعدیل فصلی این سری‌های زمانی است. خوشبختانه، در نتیجه استمرار تهیه شامخ و با افزایش طول دوره سری‌های زمانی آن، شناسایی مولفه فصلی این سری‌های زمانی ممکن شده است و بر اساس این امکان، تعدیل فصلی این سری‌های‌زمانی در دستور کار مرکز پژوهش‌های اتاق بازرگانی، صنایع، معادن و کشاورزی ایران، قرار گرفته است.

با توجه به اهمیت مبحث حذف اثرات فصلی، روشهای مختلف آماری توسط گروه‌ها و نهادهای مختلف جهت تعدیل فصلی یک سری‌زمانی ارائه شده است که از آن جمله می‌توان به موارد زیر اشاره کرد:

روش‌های  X-13-ARIMAو X-12-ARIMA که توسط اداره سرشماری آمریکا^[3] توسعه یافته‌اند، روش TRAMO-SEATS که به وسیله بانک مرکزی اسپانیا ارائه شده است؛ روش MoveReg (برای داده‌های هفتگی) که توسط اداره آمار کار آمریکا توسعه یافته است، روش (Seasonal and Trend decomposition using Loess) STL که  توسط  کلیولند و همکاران^[4](1990) ارائه شده است و رهیافت  STAMP  که توسط کوپمن و همکاران^[5] توسعه داده شده است. از میان روش‌های فوق  X-13-ARIMA و  TRAMO-SEATSدر حال حاضر رایج‌ترین روش‌های تعدیل فصلی هستند. با این حال برخی مطالعات مقایسه‌ای نشان داده‌اند که اگر چه این دو روش به لحاظ مبانی تئوریک و فیلترهای بکار گرفته شده دارای مشابهت‌هایی هستند، اما به صورت تجربی در مجموع روش دومی بنا به دلایلی همانند ورودی‌های کمتر و قابلیت اعتماد بیشتر فیلترهای نهایی مربوطه در حالت الگوهای ناپایدارفصلی، دارای عملکرد بهتری برای داده‌های مورد بررسی آنها بوده است که از آن جمله می‌توان به مطالعات فیشر(1995)، پلاناس^[6](1996)، پلاناس(1997) و داسی و پلاناس^[7](1997و1996)، هود و همکاران^[8](2000)، ناجام و بخارا^[9](2009)، برسکا^[10](2014) و … اشاره کرد. بر این اساس، از فروردین سال 1403، سری‌های زمانی شامخ در چارچوب روش TRAMO-SEATS تعدیل فصلی شده و سری‌های زمانی تعدیل شده مبنای تحلیل روندهای شامخ قرار گرفته‌اند.

شامخ در برخی از کشورها در ژوئن 2025

شاخص PMI جهانی بخش صنعت که توسط J.P.Morgan محاسبه می‌شود (PMI جهانی توسط J.P.Morgan و S&P Global در همکاری با ISM و IFPSM تهیه می‌شود)، در ماه ژوئن به ۵۰/۳ رسید. این رقم نسبت به ۴۹/۵ در ماه می افزایش داشته و برای نخستین‌بار در سه ماه اخیر، اندکی بالاتر از محدوده خنثی ۵۰ قرار گرفته است. در همین ماه، سطح تولید جهانی به بالاترین میزان خود در چهار ماه گذشته رسید و رشد آن بیشترین افزایش ماهانه از ژوئن ۲۰۲۲ تاکنون به شمار می‌رود. همچنین، میزان سفارش‌های جدید با بهبود نسبی همراه بود و پس از سه ماه روند کاهشی مجددا افزایش یافت. در مقابل، اشتغال در بخش صنعت برای یازدهمین ماه متوالی کاهش یافت، اما شدت این کاهش نسبت به ماه‌های قبل کمتر بود. افزایش تولید جهانی عمدتا تحت تأثیر بازگشت رشد در اقتصادهای بزرگی مانند چین، ایالات متحده و ژاپن اتفاق افتاد. در منطقه یورو نیز تولید همچنان افزایش داشت، گرچه با شتابی کمتر. هند نیز سریع‌ترین نرخ رشد را در میان اقتصادهای مورد بررسی ثبت کرد. در مقابل، کشورهایی مانند بریتانیا، برزیل، مکزیک و روسیه با کاهش در سطح تولید مواجه بودند.

 

---

 

^[1]. شاخص مدیران خرید (PMI)

^[2]. شاخص مدیران خرید (PMI)

^[3]. United States Census Bureau

^[4]. Cleveland, et al.

^[5]. Koopman, et al.

^[6]. Planas

^[7]. Dosse and Planas

^[8]. Hood, et al.

^[9]. Najam, Bokhari

^[10]. Barska