نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد اقتصاد گروه اقتصاد دانشگاه تبریز

2 دانشیار گروه اقتصاد، دانشکده اقتصاد، مدیریت و بازرگانی

3 دانشجوی دکتری اقتصاد، دانشکده اقتصاد، مدیریت و بازرگانی، دانشگاه تبریز

چکیده

هدف اصلی این تحقیق بررسی پویاییهای توزیع درآمد و یافتن شواهدی از همگرایی یا واگرایی در درآمد سرانه استانهای کشور با استفاده از روشهای توسعهیافته جدید برای تحلیل اکتشافی دادههای فضا-زمان انجام گرفته است. جهت دستیابی به این هدف، داده‌های درآمد سرانه استانها برای دوره 1376 تا 1393 گردآوری شده و سپس با استفاده از روش زنجیره مارکف و زنجیره مارکف فضایی، ماتریس احتمالات انتقال در مقاطع زمانی مختلف برآورد شد. نتایج نشان داد که در یک دوره 18 ساله در اقتصاد ایران، احتمال بسیار اندکی وجود داشته که استانهای محروم (از نظر درآمد سرانه) بتوانند درآمد سرانه خود را ارتقا بخشند. همچنین مقادیر توزیع حدی نشان داد که تمایل به واگرایی در درآمد سرانه استانهای ایران در دوره 1376 تا 1379 بسیار ضعیف بوده و با توجه به مقادیر احتمال بالای 77 درصد برای ماندگاری در هر سطح درآمد سرانه نیز میتوان ادعا کرد که شواهد قوی از همگرایی یا واگرایی در توزیع درآمد سرانه میان استانهای ایران وجود ندارد. همچنین نتایج برآورد ماتریس احتمالات انتقال فضایی حاکی از رد فرضیه استقلال فضایی بوده و نشان داد که انتقال از یک سطح درآمد سرانه نسبی به سطح دیگر درآمد سرانه نسبی برای هر استان به عملکرد و وضعیت استانهای همجوار بستگی دارد.

کلیدواژه‌ها

ابریشمی، حمید، ندا علم‌الهدی و میثم امیری (1386)، «بررسی همگرایی بهره­وری انرژی در کشورهای اسلامی (طی دوره 1980- 2009 به روش اقتصادسنجی فضایی)»، فصلنامه مطالعات اقتصاد انرژی، سال چهارم، شماره 15، صص 7-34.
افشاری، زهرا (1378)، «بررسی همگرایی استان­های ایران (آزمون نظریه سولو و سوان)»، پژوهشنامه بازرگانی، شماره 13، صص 1-18.
توفیق، فیروز (1386)، برنامه­ریزی در ایران و چشم­انداز آینده آن، موسسه عالی آموزش و پژوهش مدیریت و برنامه­ریزی، تهران.
رحمانی، تیمور و ابراهیم حسن‌زاده (1390)، «اثر مهاجرت بر رشد اقتصادی و همگرایی منطقه­ای در ایران»، فصلنامه تحقیقات مدل­سازی اقتصادی، شماره 5، صص 1-19.
رنجپور، رضا، محمدعلی متفکرآزاد، زهرا کریمی تکانلو و لیلا غلامی حیدریانی (1393)، «بررسی همگرایی باشگاهی بین استان­های ایران طی سال­های 1379-1388»، فصلنامه پژوهشهای اقتصادی (رشد و توسعه پایدار)، سال چهاردهم، شماره 3، صص 141-158.
سلامی، فریبا، علی فقه­مجیدی و احمد محمدی (1395)، «بررسی همگرایی درآمدی بین استان‌های ایران با تاکید بر روش تحلیل خوشه‌ای»، پژوهش­ها و سیاست­های اقتصادی، جلد 24، شماره 80، صص 167-194.
شاه­آبادی، ابوالفضل، بهزاد امیری و سارا ساری­گل (1395)، «نهادها و برابری درآمد (مطالعه موردی: کشورهای منتخب عضو جنبش عدم تعهد)»، فصلنامه پژوهشنامه اقتصادی، سال شانزدهم، شماره 61، صص 151-174.
شهبازی، کیومرث، ابراهیم رضایی و داود حمیدی رزی (1394)، «بررسی همگرایی اقتصادی کشورهای عضو سازمان همکاری اقتصادی (اکو): رهیافت اقتصادسنجی فضایی تابلویی»، فصلنامه پژوهشنامه بازرگانی، شماره 74، صص 155-196.
شهبازی، کیومرث، فیروز فلاحی و امیر غلامی (1391)، «همگرایی شاخص قیمت در استان­های ایران»، فصلنامه مدلسازی اقتصادی، سال ششم، شماره 4، صص 111-128.
علمی، زهرا و امید رنجبر (1393)، «آزمون همگرایی باشگاهی بین استان­های ایران: یافته‌های جدید با استفاده از تحلیل ناپارامتریک»، تحقیقات اقتصادی، دوره 49، شماره 1، صص 210-189.
فلاحی، فیروز، بهزاد سلمانی و سیما کیانی (1391)، «بررسی همگرایی نوع بتا بین ایران و کشورهای منتخب اسلامی»، فصلنامه پژوهش­های اقتصادی (رشد و توسعه پایدار)، سال دوازدهم، شماره 4، صص 171-194.
کسرایی، اسرافیل (1385)، »نظریه هم­گرایی، وابستگی فضائی و رشد منطقه­ای (شواهدی از کشورهای عضو سازمان کنفرانس اسلامی به منظور کاربرد)»، مجله تحقیقات اقتصادی، شماره 77، صص 27-64.
گرجی، ابراهیم و شیما مدنی (1388)، «بررسی و ارزیابی سیر تحول مکتب کلاسیک به نئوکلاسیک و سپس به کلاسیک جدید. کلاسیک های جدید، تا چه اندازه جدیدند؟»، مجله تحقیقات اقتصادی، شماره 70، صص 31-67.
Anderson, T.W., and L. A. Goodman (1957), “Statistical Inference about Markov Chains”, Annals of Mathematical Statistics 28: 89-110.
Anselin, L. (1995), “Local Indicators of Spatial Association – LISA”, Geographical Analysis, vol.27, no.2, pp: 93-115.
Bandyopadhyay, S. (2012), “Convergence Clubs in Incomes Across Indian States: Is there Wvidence of a Neighbours’ Effect?”, Economics Letters, 116, 565-570.
Barro, R. J., and Sala-i-Martin, X. (1991), “Convergence Across States and Regions”, Brookings Papers on Economic Activity, pp: 107-182.Basawa, I. Y., and B. L. S. Prakasa Rao. 1980. Statistical Inference for Stochastic Processes. London: Academic Press.
Bartholomew, D. J. (1982), Stochastic Models for Social Processes. 3d ed. Chichester, UK: Wiley.
Bickenbach, F., and Bode, E. (2003), “Evaluating the Markov Property in Studies of Economic Convergence”, International Regional Science Review, 26(3), 363e392.
Billingsley, P. (1961a), Statistical Inference for Markov Processes, Chicago: University of Chicago Press.
Billingsley, P. (1961b), “Statistical Methods in Markov Chains”, Annals of Mathematical Statistics 32: 12-40.
Bode, E., and Rey, S.J. (2006), “The Spatial Dimension of Economic Growth and Convergence”, Papers in Regional Science, Vol.85, No.2, pp: 171–176.
Breau, S. (2015), “Rising Inequality in Canada: A Regional Perspective”, Applied Geography, 61, 58-69.
Cuaresma, J. C., Loichinger, E. and Vincelette, G. (2016), “Aging and Income Convergence in Europe: A Survey of the Literature and Insights from a Demographic Projection Exercise”, Economic Systems, In press, Available online 25 November 2015.
Fingleton, B. (2004), Theoretical Economic Geography and Spatial Econometrics: Bridging the Gap between Theory and Reality, In: Getis A, Mur J, Zoeller H (eds) Spatial Econometrics and Spatial Statistics,Palgrave, Hampshire, pp: 8–27
Gallo, J. L. (2001), Space-time Analysis of GDP Disparities Among European Regions: A Markov Chains Approach, No 2001-06, LATEC - Document de Travail - Economie (1991-2003) from LATEC, Laboratoire d'Analyse et des Techniques EConomiques, CNRS UMR 5118, Université de Bourgogne.
Geppert, K., and Stephan, A. (2008), “Regional Disparities in the European Union: Convergence and Agglomeration”, Papers in Regional Science, vol.87, no.2, pp: 193-217.
Goletsis, Y. and Chletsos, M. (2011), “Measurement of Development and Regional Disparities in Greek periphery: A Multivariate Approach”, Socio-Economic Planning Sciences, 45, 174-183.
Guetat, I., and Serranito, F. (2007), “Income Eonvergence within the MENA Countries: A Panel Unit Root Approach”, Quarterly Review of Economics and Finance, 46(5), pp.685-706.
Haining, R., and Wise, S. (2000), Exploratory Spatial data Analysis, NCGIA Core Curriculum in GIScience, Available at: http://escholarship.org/uc/item/82w9m1rb.
Hamnett, C. (2003), “Contemporary Human Geography: Fiddling while Rome Burns?”, Geoforum, Vol.34, No.1, pp: 1–3.
Krugman, P. (1999), “The Role of Geography in Development”, International Regional Science Review, Vol. 22, No.2, pp: 142–161.
Magrini, S. (2007), Analysing Convergence Through the Distribution Dynamics Approach: Why and how? University Ca'Foscari of Venice, Dept. of Economics, Research Paper Series No, 13.
Páez, A., Gallo, J.L., Buliung, N., and Dall’erba, S. (2010),Progress in Spatial Analysis; Methods and Applications, Springer.
Pfaffermayr, M. (2009), “Conditional β- and σ-convergence in space: A Maximum Likelihood Approach”, Regional Science and Urban Economics, 39, 63-78.
Quah, D. (1993), “Empirical Cross-section Dynamics in Economic Growth”, European Economic Review, vol.37, no.2, pp:426-434.
Rey, S. J. (2004), “Spatial Analysis of Regional Income Inequality”, Spatially Integrated Social Science, vol.1, pp: 280-299.
Rodriguez-Pose, A. and Gill, N. (2006), “How does Trade Affect Regional Disparities?”, World Development, 34(7), 1201–1222.
Roses, Joan R. and Sanchez-Alonso, B. (2004), “Regional Wage Convergence in spain 1850-1930”, Explorations in Economic History, No.41, PP.404-425.
Seya, H., Tsutsumi, M. and Yamagata, Y. (2012), “Income Convergence in Japan: A Bayesian Spatial Durbin Model Approach, Economic Modelling, 29, 60-71.
Tunali, C., and Yilanci, V. (2010), “Are per Capita incomes of MENA Countries Converging or Diverging?”, Physica A Statistical Mechanics and Its Application, No.389, pp.4855-4862.