سنجش چندبعدی آسیب پذیری در برابر نفرین منابع با استفاده از شاخص RCVI: شواهدی از همگرایی باشگاهی در ۵۴ کشور (۲۰۱۰-۲۰۲۱)
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 19
فایل این مقاله در 52 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_ECOR-26-3_011
تاریخ نمایه سازی: 18 مهر 1405
چکیده مقاله:
پدیده «نفرین منابع» از مباحث کلیدی اقتصاد انرژی است، زیرا اتکای بیش از حد به منابع طبیعی به جای آنکه موتور توسعه باشد، اغلب به رانت جویی، ضعف نهادی، وابستگی به صادرات خام و نبود تنوع اقتصادی منجر می شود. بسیاری از مطالعات گذشته، تنها بر شاخص های اقتصادی تمرکز داشته اند و ابعاد نهادی و ساختاری را نادیده گرفته اند. بر این اساس، در پژوهش حاضر، با استفاده از شاخص چندبعدی آسیب پذیری در برابر نفرین منابع ( RCVI( که سه بعد اقتصادی، نهادی و ساختاری را دربر می گیرد، وضعیت ۵۴ کشور طی دوره ۲۰۱۰ تا ۲۰۲۱ بررسی، و ابتدا شاخص RCVI برای کشورها محاسبه و سپس با روش همگرایی باشگاهی، مسیرهای پویای آن ها تحلیل شده است. یافته ها نشان می دهد، همگرایی کلی میان همه کشورها وجود ندارد و آن ها در قالب هفت باشگاه با الگوهای همگرا یا واگرا دسته بندی می شوند. کشورهایی با نهادهای کارآمد، شفافیت بالا و سیاست های پایدار توانسته اند منابع طبیعی را به فرصت تبدیل کنند، در حالی که کشورهایی با ضعف نهادی، فساد و وابستگی به رانت منابع، در باشگاه های واگرا باقی مانده اند. در مجموع، نتایج پژوهش بر اهمیت کیفیت نهادها، حکمرانی مطلوب و تنوع بخشی اقتصادی تاکید می کند و نشان می دهد که شاخص های چندبعدی مانندRCVI می تواند تصویری جامع تر از پدیده نفرین منابع ارائه دهند و ابزاری برای سیاست گذاران در کاهش آسیب پذیری و بهره گیری پایدار از منابع طبیعی باشند.
کلیدواژه ها:
نویسندگان
امید عدالتی
دانشجوی کارشناسی ارشد اقتصاد، گروه اقتصاد دانشکده علوم اقتصادی و اداری، دانشگاه فردوسی مشهد، ایران
نرگس صالح نیا
دانشیار اقتصاد، گروه اقتصاد دانشکده علوم اقتصادی و اداری، دانشگاه فردوسی مشهد، ایران
سید محمد سیدی
دانشجوی دکتری اقتصاد، گروه اقتصاد دانشکده علوم اقتصادی و اداری، 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 :