تحلیل نابرابری های اقتصادی با استفاده از تبدیل زمان کل آزمون دومتغیره و تابع مفصل
محل انتشار: فصلنامه مدلسازی اقتصاد سنجی، دوره: 10، شماره: 2
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 204
فایل این مقاله در 36 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_JEMS-10-2_003
تاریخ نمایه سازی: 11 شهریور 1404
چکیده مقاله:
در این پژوهش، به بررسی ارتباط بین دو شاخص مهم اقتصادی یعنی درآمد و ثروت پرداخته شده است. با وجود شباهت های ظاهری در رفتار این دو متغیر، موارد متعددی وجود دارد که نشان دهنده تفاوت ها و عدم همبستگی کامل بین آنهاست. هدف اصلی مقاله، تحلیل ساختار وابستگی بین درآمد و ثروت افراد جامعه با بهره گیری از ابزارهای آماری پیشرفته است. برای مدل سازی وابستگی بین درآمد و ثروت، از تابع مفصل به عنوان یکی از ابزارهای نوین در نظریه احتمال استفاده شده است. در این راستا، ابتدا توابع مفصل مختلف مورد بررسی قرار گرفته و دو خانواده ی مفصل کلیتون و خانواده مفصلهای فورلی-گامبل-مورگنستن (FGM)به عنوان مناسب ترین گزینه ها برای داده های مورد مطالعه شناسایی شده اند. همچنین، در ادامه پژوهش یک شاخص دو متغیره جدید بر پایه ی تبدیل زمان کل آزمون (TTT) در حالت دومتغیره و با استفاده از توابع مفصل معرفی گردیده است. این شاخص بر روی داده های واقعی مربوط به درآمد و ثروت خانوارهای ایرانی اعمال و نتایج حاصل، ارتباط معنا داری را بین این دو متغیر در سطح جامعه نشان می دهد. بنابراین می توان نتیجه گرفت که استفاده از این شاخص در داده های اقتصادی نشان می دهد که شاخص پیشنهادی زمان کل آزمون دومتغیره می تواند ساختار وابستگی بین داده های درآمد و ثروت را به صورت موثری نمایش دهد. همچنین استفاده از توابع مفصل کلیتون و FGM نیز تطابق مناسب با داده های تجربی را نشان می دهد.
کلیدواژه ها:
نویسندگان
مجتبی اصفهانی
استادیار گروه آمار، دانشکده علوم پایه، دانشگاه ولایت ایرانشهر، ایران
غلامرضا محتشمی برزادران
استاد گروه آمار، دانشکده علوم ریاضی، دانشگاه فردوسی مشهد، ایران
محمد امینی
استاد گروه آمار، دانشکده علوم ریاضی، دانشگاه فردوسی مشهد، ایران
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 :