برآورد سهم نابرابری بین گروهی در نابرابری کل (بر اساس گروه های شغلی در ایران)
Publish place: Public sector economics studies، Vol: 1، Issue: 3
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 83
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PSE-1-3_005
تاریخ نمایه سازی: 5 مهر 1402
Abstract:
نابرابری یکی از مشکلات اساسی کشورهاست؛ لذا بررسی توزیع درآمد بسیار مهم است. در این زمینه تا کنون مطالعات بسیاری صورت گرفته است، ولی عموما در پژوهش هایی که از روش های رایج محاسبه نابرابری استفاده شده، نابرابری بین گروه های مختلف در تعیین نابرابری کل نادیده انگاشته شده است و در نتیجه، محققان به لزوم طراحی سیاست های مناسب به منظور کاهش این بخش از نابرابری توجه کمتری کرده اند. در این مطالعه، علاوه بر محاسبه نابرابری در گروه های شغلی با استفاده از شاخص زنگا، نابرابری بین گروه های شغلی نیز با رویکرد ضرایب آنوا بررسی شده است. از آنجا که اندازه گیری نابرابری با این ضرایب نرمال می شود، مقایسه نسبت به تجزیه نابرابری های مرسوم دقیق تر است. بدین منظور از داده های هزینه درآمد خانوار طی سال های ۱۳۹۲ تا ۱۳۹۸در مناطق شهری ایران استفاده شده است. نتایج نشان می دهد طی سال های بررسی شده نابرابری در غالب گروه های شغلی افزایش یافته است، ولی در گروه های شغلی «کارمندان امور اداری و دفتری» و «صنعتگران و کارکنان مشاغل مربوط» تقریبا ثابت بوده است. همچنین گروه شغلی «کارمندان امور اداری و دفتری» بهترین وضعیت توزیع درآمد و گروه شغلی «قانون گذاران مقامات عالی رتبه و مدیران» بالاترین میزان نابرابری را دارند. نتایج تجزیه سهم نابرابری بر اساس ضرایب آنوا دال بر آن است که سهم نابرابری بین گروه های شغلی تقریبا ۵۰% و نزدیک به سهم نابرابری درون گروهی بوده است.
Keywords:
Authors
الهام حشمتی دایاری
دکتری اقتصاد شهری و منطقه ای، گروه اقتصاد، دانشکده علوم اجتماعی، اقتصاد و کارآفرینی، دانشگاه رازی، کرمانشاه، ایران.
شعیب مرادی ده چراغی
کارشناس ارشد توسعه اقتصادی و برنامه ریزی، گروه اقتصاد، دانشکده اقتصاد، دانشگاه علامه طباطبائی، تهران، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :