شناسایی فرضیه های توضیح دهنده ی رشد بخش عمومی در کشورهای عضو OIC
محل انتشار: فصلنامه تحقیقات اقتصادی، دوره: 53، شماره: 3
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 155
فایل این مقاله در 29 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JTET-53-3_008
تاریخ نمایه سازی: 18 آبان 1400
چکیده مقاله:
هدف اصلی مقاله ی حاضر پاسخ به این سوال است که با در نظر گرفتن همزمان فرضیه های مطرح شده در زمینه ی رشد بخش عمومی (دولت)، کدام یک برای توضیح رشد بخش عمومی در کشورهای عضو سازمان کنفرانس اسلامی (OIC) طی دوره ی زمانی ۲۰۱۴-۱۹۹۶ مناسب تر است؟ به این منظور بر روی ۱۲ فرضیه، شامل: فرضیه های واگنر، بامول، جهانی شدن، تمرکززدایی مالی، نابرابری درآمد، کائو و روبین، توهم مالی، اندازه کشور، دموکراسی، متغیرهای جمعیتی، نهادهای سیاسی و درگیری تمرکز شده است. روش مورد استفاده نیز رویکرد میانگین گیری مدل بیزی (BMA)، به دلیل ویژگی های مناسب برای در نظر گرفتن فرض عدم اطمینان مدل است. با برآورد ۱۰۰۰۰۰ رگرسیون و میانگین گیری بیزی از ضرایب، فرضیه های توضیح دهنده ی رشد بخش عمومی تعیین شده اند. بر اساس نتایج به دست آمده، جمعیت (به عنوان شاخص اندازه کشور) و بار تکفل (به عنوان یک متغیر جمعیتی)، به ترتیب با علائم منفی و مثبت دارای اثر حتمی بر اندازه ی بخش عمومی می باشند. تاثیر مساحت کشور (به عنوان شاخص دیگر اندازه کشور) و جهانی شدن اقتصادی نیز بر اندازه ی بخش عمومی با علامت مثبت، به نسبت با اهمیت است. هم چنین، ضرایب منفی و با اهمیت متغیرهای مجازی کشورهای دارای ساختار فدرال (شاخص تمرکززدایی مالی) و کشورهای دارای سیستم ریاست جمهوری (به عنوان یک نهاد سیاسی)، نشان دهنده ی آن است که این کشورها دارای اندازه بخش عمومی کوچک تری نسبت به سایر کشورهای مورد مطالعه می باشند. بر اساس سایر نتایج، فرضیه های دیگر از معناداری و سطح احتمال لازم برای اثرگذاری، برخوردار نیستند. طبقه بندی JEL: C۱۱, F۱, H۵
کلیدواژه ها:
نویسندگان
ابوالقاسم گل خندان
دانشجوی دکتری اقتصاد بخش عمومی دانشگاه لرستان
محمد علیزاده
استادیار گروه اقتصاد دانشگاه لرستان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :