چکیده:
هدف این مطالعه بررسی عوامل موثر بر فقر و تعیین نقشهی فقر در مناطق شهری استان فارس با استفاده از رهیافت اقتصادسنجی فضایی است. اطلاعات مورد استفاده در این مطالعه شامل 320 خانوار شهری شرکتکننده در طرح آمارگیری هزینه و درآمد از خانوارهای 22 شهرستان استان فارس در سال 1384 است. آمارهی I موران برای فقر 2125/ 0- به دست آمد، که بیانگر خودهمبستگی فضایی منفی است. نمودار پراکنش موران نشان داد که بیشتر شهرستانها و همسایگان آنها در زیر گروههایی با فقر بالا- پایین و پایین- بالا قرار دارد. نتایج برآورد روشهای OLS، وقفهی فضایی و خطای فضایی نشان داد که متغیرهای میانگین اندازهی خانوار، جنسیت سرپرست خانوار، درصد خانوارهای دارای مسکن، و نوع شغل در سطح کمتر از 1% در شناسایی افراد تنگدست اهمیت آماری دارد، اما کاربرد هر دو روش وقفه و خطای فضایی، نتایج مناسبتری نسبت به روش OLS نشان داد.
The objective of this study was to investigate the factors affecting poverty and to determine poverty map of Fars Province urban areas using spatial econometrics approach. The dataset were obtained throughout 320 urban households participated in household expenditure survey of 2005. Moran’s I value for poverty was -0.2125, indicating negative spatial autocorrelation. Moran’s scattering graph also showed that most of townships and their neighbors may be placed into poverty subgroups of high-low and low-high. Results revealed that variables of family size, household head gender, percentage of household owning housing and type of employment have significant effects on poverty incidence. Results indicated that the spatial lag and error models have considerable improvement over OLS model.
خلاصه ماشینی:
نتایج برآورد روشهای OLS، وقفه ی فضایی و خطای فضایی نشان داد که متغیرهای میانگین اندازه ی خانوار، جنسیت سرپرست خانوار، درصد خانوارهای دارای مسکن ، و نوع شغل در سطح کم تر از ١% در شناسایی افراد تنگ دست اهمیت آماری دارد، اما کاربرد هر دو روش وقفه و خطای فضایی، نتایج مناسب تری نسبت به روش OLS نشان داد.
این مطالعه با هدف بررسی عوامل موثر بر فقر و تعیین نقشه ی فقر در مناطق شهری استان فارس با استفاده از رهیافت اقتصادسنجی فضایی انجام گرفته است .
وقتی که خودهم بستگی فضایی معنیدار وجود دارد، تاثیرات فضایی باید صریحا در تصریح مدل دخالت داده شود، و مدل نیز باید با استفاده از تکنیک های تخمین مناسب (ماکزیمم درست نمایی یا روش تعمیم یافته ی گشتاوری متغیر ابزاری) برآورد شود.
به عبارت دیگر اگر این آماره معنی دار باشد، برآورد OLS دارای اشکال است و باید با یکی از دو مدل فضایی جایگزین شود، اما نمیتواند گزینه ی جایگزین را انتخاب کند (٢٠٠٥,Anselin).
برای دست یابی به این هدف تابع فقر با روش OLS برآورد شد و نتایج آن نشان داد که از میان متغیرهای موجود در مدل، متغیر جنسیت سرپرست خانوار ودرصد خانوارهای دارای مسکن اثر معنیدار و منفی بر نرخ فقر دارد.
آماره ی I موران نشان داد که خودهم بستگی فضایی منفی در دادهها وجود دارد، و این ممکن است ناشی از خصوصیات منطقه یی یا مکانی همسایگان بر فقر یک منطقه باشد.