اندازه‌گیری فقر چندبعدی در ایران با روش تحلیل تناظر چندگانه

نوع مقاله : علمی-پژوهشی

نویسندگان

1 دانشجوی دکتری دانشگاه شهید بهشتی

2 استادیار دانشگاه شهید بهشتی

10.30465/ce.2022.39520.1736

چکیده

در این مقاله فقر چندبعدیِ سال‌های 1383 الی 1398 ایران مطالعه شده است. ابتدا از 13 نماگر ترتیبی در چهار بعد «رفاه اقتصادی»، «مسکن»، «سلامت» و «آموزش» استفاده و برای تعیین وزن نماگرها روش تحلیل تناظر چندگانه (MCA) به کار گرفته شد. سپس بر پایه این وزن‌ها یک نماگر مرکب فقر محاسبه ‌گردید و با 5 نوع خط فقر شامل ملاک اجتماع، ملاک اشتراک، 60 درصد میانه، 3 دهک اول و خط فقر مطلق شاخص‌های فقر به تفکیک مناطق شهری و روستایی به‌صورت مقطعی و سری زمانی به دست آمد. نتایج نشان داد که فقر چندبعدی مناطق روستایی بیشتر از مناطق شهری است. همچنین قدرت جبران فقر در مناطق شهری بالاتر از مناطق روستایی است، به این معنی که در مناطق شهری خانوارها بهتر می‌توانند محرومیت در یک بعد را در بعد دیگر جبران کنند. روند فقر در 16 سال مورد بررسی به‌صورت نزولیِ محدب است که در سال‌های انتهایی تقریباً افقی شده است. بررسی فقر استان‌ها نیز نشان داد که استان‌های سیستان و بلوچستان و مازندران به ترتیب بیشترین و کمترین نسبت سرشمار فقر را داشتند.

کلیدواژه‌ها


عنوان مقاله [English]

Multidimensional Poverty Measurement in Iran with Multiple Correspondence Analysis Method

نویسندگان [English]

  • Hosein Rabiee 1
  • Seyyed Mohammad Ali Kafaie 2
1 PhD student, Shahid Beheshti University
2 Assistant Professor , Shahid Beheshti University
چکیده [English]

This paper measures multidimensional poverty from 2004 to 2019. 13 ordinal categorical indicators in four dimensions of "economic welfare," "housing," "health," and "education" are used and to determine the weight of the indicators, the method of multiple correspondence analysis (MAC) is used. Based on these weights, a composite poverty indicator is calculated. With five types of poverty lines, including union criterion, intersection criterion, 60% median, first three deciles, and the absolute poverty line, poverty indicators are obtained cross-sectionally and in time series by urban and rural areas. The results show that multidimensional poverty is higher in rural areas than in urban areas. The Compensating power of poverty is also higher in urban areas than in rural areas. This means that urban households can better compensate for deprivation in one dimension by another. In the 16 years under study, the poverty trend is a convex downward trend that has become almost horizontal in the last years. The study of poverty of the provinces also shows that the provinces of Sistan & Baluchestan and Mazandaran have the highest and lowest headcount ratio of the poverty, respectively.

کلیدواژه‌ها [English]

  • Multidimensional Poverty
  • Multiple Correspondence Analysis (MCA)
  • Composite Indicator of Poverty
  • Compensated Poverty
  • Weight of Indicator
  • تاریخ دریافت: 04 دی 1400
  • تاریخ بازنگری: 29 اردیبهشت 1401
  • تاریخ پذیرش: 03 خرداد 1401
  • تاریخ اولین انتشار: 01 تیر 1401