چکیده:
دادههای تابلویی به عنوان سنگ بنایی برای تحلیلهای پویا و از جمله در مطالعات تحرک فقر، شناخته شده است. در کشورهای در حال توسعه (از جمله ایران)، به دلایل مختلف، دادههای هزینه- درآمد خانوار به صورت مقطعی جمعآوری شده و دسترسی به داده های تابلویی خانوارها امکان¬پذیر نیست. با این وجود، به دلیل اهمیت زیاد و علاقهمندی سیاستگذاران به آگاهی از وضعیت تحرک فقر، محققان روشهای مختلفی را برای مطالعه پویایی فقر در کشورهای با دادههای مقطعی ارائه و بهتدریج توسعه داده اند. گروه مطالعات فقر بانک جهانی در سال ۲۰۱۳ رویکرد دادههای تابلویی ترکیبی را برای تحلیل پویایی فقر معرفی کرد که برآوردهای نقطهای نسبتاً دقیقی از تحرک فقر ارائه میکند. پژوهش حاضر، در ابتدا خط فقر مطلق مناطق شهری کشور را در سالهای ۱۳۹۱، ۱۳۹۴ و ۱۳۹۵ محاسبه و سپس با به کارگیری روش دادههای تابلویی ترکیبی، بررسی وضعیت تحرک فقر در سال های مذکور را محور مطالعه خود قرار داده است. نتایج تحقیق نشان میدهد، نوعی وابستگی حالت در وضعیت فقر مناطق شهری وجود دارد؛ بهطوریکه بیش از ۸۰ درصد خانوارهایی که در سال اول (۱۳۹۱ و یا ۱۳۹۴) فقیر (غیر فقیر) بودند، در سال دوم (۱۳۹۵) نیز فقیر (غیر فقیر) باقی می مانند و تنها با احتمال کمتر از ۲۰ درصد، خانوارهای فقیر (غیر فقیر) در سال اول در دوره بعد، در وضعیت غیر فقیر (فقیر) قرار گرفته اند.
Panel data constitutes a cornerstone for dynamic analysis, especially in poverty mobility studies. In developing countries such as Iran, household income and expenditure data are collected on a cross-sectional basis because of various reasons. As a result, households’ panel data are not available. Due to the concerns of policymakers in understanding the status of mobility of the poor, researchers have developed several approaches to study poverty mobility among countries using cross-sectional data. In 2013, the World Bank's Poverty Studies Group introduced a synthetic panel data method for poverty dynamics analysis, which provides relatively accurate estimates of poverty mobility. First, the present study calculates the absolute poverty line of urban areas of Iran in 2012, 2015 and 2016. Then, it uses the method of synthetic panel data in order to study the status of poverty mobility. The results show that there is a kind of status dependency in the urban poverty, so that the poor (non-poor) households in 2012/ 2015 were also poor (non-poor) in 2016 with a probability of more than 80 percent. Only with a probability of less than 20 percent, the poor (non-poor) households in 2012/2015 were non-poor (poor) in 2016.
خلاصه ماشینی:
اولين تلاش ها براي مطالعات پويايي فقر بر اساس داده هاي شبه تابلويي در سطح خانوار توسط بورگيگنون ، گو و کيم (٢٠٠٤ ,Bourguignon, Goh and Kim) و گوئل و هو (٢٠٠٦ ,Guell and Hu) صورت گرفته است که اين دو شيوه به دليل مفروضات خاص خود به راحتي از داده هاي مقطعي موجود برآورد نميشوند.
نتايج ديگري که با استفاده از داده هاي تابلويي ترکيبي تحليل شده اند شامل عملکرد نيروي کار به اصلاحات مالياتي ( ,Meghir &Blundell, Duncan ١٩٩٨)، بازدهي مدارک دانشگاهي و فن و حرفه اي (٢٠٠٦ ,Mcintosh) و تقاضاي خانوار به بيمه هاي درماني خصوصي (٢٠٠١ ,Propper, Rees, and Green) بوده است .
نکته قابل توجه در داده هاي تابلويي ترکيبي اين است که چون نمونه هاي مقطعي در هر دوره زماني تجديد ميشوند، اين داده ها احتمالاً کمتر در معرض خطاي اندازه گيري و اصطکاکي که اغلب در داده هاي تابلويي واقعي وجود دارد، قرار ميگيرد (٢٠٠٩ ,Kalton ;٢٠٠٠ ,Glewwe and Jacoby).
اين شاخص براي سال ١٣٩١ و ١٣٩٥ بر اساس رويکرد داده هاي تابلويي ترکيبي برابر با ٨١/٥١ درصد است .
The Determinants of Poverty Transitions in Europe and the Role of Duration Dependence, IZA Discussion Paper Series No. 5692, Institute for the Study of Labor, Bonn.
Measuring Poverty Dynamics with Synthetic Panels Based on Cross Sections.
Changes in Poverty in Rural Ethiopia 1989- 1995: Measurement, Robustness Tests and Decomposition, Discussion Paper series 98(19), Center for Economic Studies Duncan, G.