فهرست متغیرهای مستقل فوق را نمی توان جامع و مانع دانست ولی عوامل اصلی تاثیرگذار بر شاخصهای فقر را در بر می گیرد. هدف این مدل آن است که نشان دهیم بلاخیزی را می توان به عنوان متغیری مستقل در کنار سایر متغیرهای کلان موثر از عوامل فقر دانست.
مدل فوق برای ۷۷ کشور در حال توسعه از جمله ایران آزمون شده است. شرح متغیرهای ملحوظ در مدل در زیر آمده است:
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

نرخ فقر سرشمار:
در اینجا ۴ مدل مختلف بر اساس ۴ متغیر وابسته متفاوت ارائه شده است. متغیرهای مزبور عبارتند از نرخهای فقر سرشمار^[۶۹] ۲۵/۱ دلار و ۵۰/۲ دلار و رشد آنها. نرخ فقر سرشمار را می توان متداول ترین شاخص در ادبیات فقر دانست. علی رغم کاستی های این شاخص مانند نادیده گرفتن شدت فقر برای افراد زیر خط فقر، این شاخص از قابلیت بالایی در انعکاس آثار سیاستهای مداخله ای دولتها بر استانداردهای زندگی افراد فقیر برخوردار است.
شاخص بلاخیزی:
این شاخص نیز با بهره گرفتن از داده های مختلف مربوط به تلفات انسانی و مالی بلایای طبیعی مانند زلزله، سیل، طوفان و رانش زمین برای کشور های مختلف دنیا از سوی شرکت میپل کرافت ارائه شده و بین صفر تا ۱۰ تعریف شده است. بنگلادش با میزان ۰۶/۰ بلاخیزترین کشور و استونی با میزان ۸۶/۹ ایمن ترین کشور در این فهرست هستند. این شاخص در سال ۲۰۱۰ بر اساس داده های بلایا در دوره ۳۰ ساله ۲۰۱۰-۱۹۸۰ انتشار یافته است.
نرخ رشد درآمد:
این شاخص متوسط نرخ رشد سالیانه درآمد را در سال ۲۰۰۸ نشان می دهد و به صورت تفاوت لگاریتم درآمد سال انتهایی و سال ابتدایی (آخرین داده موجود در فاصله ۹۶-۱۹۹۰) تقسیم بر تعداد سالها با بهره گرفتن از بانک داده های بانک جهانی (۲۰۰۹) محاسبه شده است.
نرخ رشد نابرابری:
نرخ رشد ضریب جینی به همان روش نرخ رشد درآمد با بهره گرفتن از بانک داده های بانک جهانی (۲۰۰۹) برای سال ۲۰۰۸ محاسبه شده است.
متغیر مجازی کشورهای جنوب افریقا:
بسیاری از عواملی که در تحقیقات تجربی، فقر را توضیح می دهند در واقع تنها به دلیل گنجاندن کشورهای افریقایی جنوب صحرا معنادار هستند. از آنجا که این شبهه ممکن است ایجاد شود که دلیل معنا دار بودن شاخص بلاخیزی در کنار سایر متغیرهای کنترل، پوشش کشورهای افریقایی جنوب صحرا در مدل است، متغیری مجازی تعریف شده است که برای این گروه از کشورها عدد یک و برای سایر کشورها عدد صفر را می گیرد. معنا دار بودن این متغیر از خصوصیات منحصر به فرد کشورهای افریقایی در رابطه با فقر حکایت می کند و به مدل امکان می دهد اثر بلاخیزی را جدای از این ویژگی های منطقه ای بررسی می کند.
منابع و اطلاعات
در پایگاه اطلاعاتی استفاده شده در این تحقیق، داده های ۷۷ کشور در حال توسعه ذیل برای شاخص های فقر، بلاخیزی، درآمد و نابرابری وجود دارند:
آلبانی، آرژانتین، ارمنستان، آذربایجان، بنگلادش، روسیه سفید، بولیوی، برزیل، بورکینافاسو، بروندی، کامبوج، کامرون، افریقای مرکزی، شیلی، چین، کلمبیا، کاستاریکا، ساحل عاج، جیبوتی، جمهوری دومینکن، اکوادور، مصر، الساروادور، استونی، اتیوپی، گرجستان، غنا، گینه، گینه بیسائو، هندوراس، هند، اندونزی، ایران، جامائیکا، اردن، قزاقستان، کنیا، قرقیزستان، لائوس، لاتویا، لسوتو، ماداگاسکار، مالزی، مالی، موریتانی، مکزیک، مولّداوی، مغولستان، مراکش، موزامبیک، نپال، نیکاراگوا، نیجر، نیجریه، پاکستان پاناما، پاراگوئه، پرو، فیلیپین، لهستان، رومانی، روسیه، سنگال، افریقای جنوبی، سریلانکا، سوازیلند، تانزانیا، تایلند، تونس، ترکیه، اوگاندا، اوکراین، ونزوئلا، ویتنام، یمن و زامبیا.
این داده ها از مقاله فوسو (۲۰۱۱) استخراج شده اند. او آخرین داده های منتشر شده از سوی بانک جهانی در سالهای ۲۰۰۰ تا ۲۰۰۷ را برای برآورد نرخهای فقر سرشمار ۲۵/۱ دلار و ۵۰/۲ دلار بکار گرفته است. در این تحقیق داده های فقر برای سه کشور چین، اندونزی و هند بطور مجزا برای مناطق شهری و روستایی محاسبه شده که ما نیز دادهای این سه کشور را برای مناطق شهری و روستایی تفکیک شده در نظر گرفته ایم. با این حال سایر شاخصها نظیر شاخص بلاخیزی برای مناطق شهری و روستایی یکسان است.
رابطه بلایای طبیعی و شاخصهای فقر چندوجهی و میپل کرافت در بخش ۵-۴ نیز آزمون شده است، در حالی که در اینجا به نرخ سرشمار فقر توجه شده است. همچنین در آن مقاله ۸۱ کشور توسعه یافته و در حال توسعه بررسی شده که تنها ۳۸ کشور در حال توسعه با فهرست این بخش مشترک است. از سوی دیگر در مدل حاضر علاوه بر متغیرهای سطح، متغیرهای رشد نیز آزمون شده اند. با توجه به تفاوتهای فوق، در برخی موارد نتایج همسو و در سایر موارد نتایج متناقضی در این دو تحقیق دیده می شود. در واقع نتایج این دو پژوهش مکمل یکدیگرند.
الگوی تصریحی رابطه بلایای طبیعی و فقر
فوسو (۲۰۱۱) تلاش کرده از حداکثر اطلاعات در دسترس استفاده نماید. با وجود این، به دلیل کمبود داده ها خصوصاً شاخص های سالیانه نابرابری، هنوز امکان استفاده از مدلهای تابلویی مقدور نیست. بنابراین در تحقیق پیش رو از مدلهای مقطعی بهره گرفته شده است. با وجود این، استفاده از نرخهای رشد درآمد و نابرابری در کنار نرخ رشد فقر گامی به جلو است. آنچه در مدلهای مقطع زمانی می بایست مورد توجه ویژه قرار گیرد، مشکلات مربوط به «واریانس ناهمسانی» و توزیع غیر نرمال جملات پسماند است. بدین دلیل برخی از مدل ها علاوه بر روش حداقل مربعات معمولی (OLS) به روش حداقل مربعات وزنی (WLS) نیز آزمون شده و نتایج مقایسه گردیده اند.
در ابتدا مدل تصریحی زیر مورد آزمون قرار می گیرد:
نتایج حاصل از آزمون مدل با بهره گرفتن از روش «حداقل مربعات معمولی» و با قرار دادن نرخ های فقر سرشمار ۲۵/۱ دلار و ۵۰/۲ دلار به عنوان متغیر مستقل در جدول (۵-۴) آمده است. در این رابطه نتایج زیر قابل تعمق اند:
جدول (۵-۴) نشان می دهد که تاثیر بلاخیزی بر شاخص فقر معنی دار بوده و علامت آن مطابق با پیش بینی ما (منفی) است.^[۷۰] متغیرهای توضیحی بلاخیزی، نرخ رشد درآمد و مجازی افریقایی جنوب صحرا در مدل اول با آماره های t به ترتیب برابر با ۰۲/۴-، ۱۱/۲- و ۰۵/۱۱ در سطوح اطمینان ۹۹، ۹۵ و ۹۹ درصد، و در مدل دوم با آماره های t به ترتیب برابر با ۴۰/۵-، ۱۷/۳- و ۳۳/۹ در سطوح اطمینان ۹۹ درصد معنادار هستند ولی متغیر نرخ رشد نابرابری معنادار نیست.
حضور معنادار متغیرهای کنترلی نرخ رشد درآمد و مجازی افریقایی جنوب صحرا با توجه به علامت آنها موجب استحکام مدل شده است. با این حال در این دو مدل نرخ رشد نابرابری معنادار نیست که با مدل های بخش ۵-۳ تطابق دارد.
تفسیر معناداری متغیرهای کنترل این است که نرخ رشد درآمد، از نرخ فقر می کاهد. این نتیجه با پژوهش های باقری و کاوند (۱۳۸۷)، صادقی و همکاران (الف ۱۳۸۸)، ابونوری و عباسی قادی (۱۳۸۶) سازگار و در تقابل با نتایج تحقیق صادقی و همکاران (ب ۱۳۸۸) است.
با توجه به آنکه مدلهای مقطع زمانی معمولاً قدرت توضیح دهی کمتری نسبت به مدلهای سری زمانی دارند، ضرایب تعیین مدلها ۶۵ و ۵۴ درصد، مناسب ارزیابی می شود.
پارامترهای مدل اول (دوم) پایدار بوده و تست نرمال بودن پسماندها با آماره جارک-برا برابر با ۲۰/۵ (۲۰/۳) رد نشده است. همچنین تست وایت با آمارهF ۶۶/۱ (۸۰/۰) در سطح اطمینان ۱۰ درصد (۵ درصد) واریانس همسانی را رد نمی کند.
جدول (۵-۴): رابطه بلاخیزی و فقر- متغیر وابسته: نرخ سرشمار فقر- روش: حداقل مربعات معمولی ((OLS

مدل

α

بلاخیزی

نرخ رشد درآمد

نرخ رشد نابرابری

مجازی
جنوب صحرای افریقا

R²

تعداد مشاهدات

P₀
دلار ۲۵/۱

۶۷/۲۷
(۷۰/۶)

۴۷/۲-
(۰۲/۴-)

۱۱/۱-
(۱۱/۲-)