تحليل همگرايي درآمد سرانه بين استان‌هاي ايران: رويكرد داده‌هاي پانلي فضايي پويا

Analyzing Income Per Capita Convergence among the Provinces of Iran Using a Dynamic Spatial Panel Data Approach

در اين تحقيق فرضيه همگرايي درآمد سرانه بين استان هاي جمهوري اسلامي ايران طي دوره 1379-1397 آزمون شده است. فرضيه همگرايي در مقالات فارسي متعددي حتي در سطح استاني مورد آزمون قرار گرفته است. اما پژوهش حاضر از دو جهت با مطالعات قبلي متفاوت است. اول استفاده از داده هاي توليد ناخالص داخلي سرانه واقعي بدون نفت به عنوان معيار درآمد سرانه كه منجر به حذف سوگيري ناشي از متغيرهاي جايگزين خواهد شد. دوم اين كه تمام مطالعات قبلي از برآوردگرهاي داده هاي مقطعي براي تخمين معادله همگرايي بتا استفاده كرده اند كه نتايج آن داراي تورش خواهد بود. اما در اين پژوهش از مدل داده هاي تابلويي فضايي پويا و تخمين زن SYS-GMM استفاده شده است كه اين تورش را حذف خواهد كرد. همچنين براي بررسي تعاملات فضايي بين استان ها دو نوع ماتريس به كار گرفته شد.نتايج حاكي ست كه در دوره مورد بررسي شيب تابع مدل هم گرايي بتاي مطلق منفي است و فرضيه هم گرايي مطلق رد نمي شود و ميزان اين همگرايي مشروط بين استان هاي كشور معادل 10.5 درصد است. يعني طي اين دوره نابرابري منطقه اي در حال كاهش است. به علاوه نتايج نشان دهنده عدم رد فرضيه همگرايي درآمد سرانه و تاييد فرضيه اثرات سرريز ناشي از تعاملات فضايي بين استان هاي كشور است. هر دو نوع اثر سرريز ناشي از همسايگي و مهاجرت از نظر آماري معنادار است اما اثرات سرريز ناشي از مهاجرت تاثير بيشتري نسبت به اثرات سرريز ناشي از همسايگي استان ها دارد. تحليل حساسيت از سه منظر تغيير ماتريس تعامل فضايي، تغيير متغير جايگزين درآمد سرانه واقعي و تغيير برآوردگر نشان دهنده پايداري نتايج و عدم جديت سوگيري نمونه كوچك براي برآوردگر SYS-GMM است.

In this study, the hypothesis of per capita income convergence between the provinces of the Islamic Republic of Iran during the period 2000-2018 has been tested. The convergence hypothesis has been tested in several Persian articles, even at the provincial level. But the present study differs from previous studies in two ways. First, the use of real GDP per capita without oil data as a measure of per capita income that will eliminate the bias caused by alternative variables. Second, all previous studies have used cross-sectional data estimators to estimate the beta convergence equation, the results of which will be biased. However, in this research, the dynamic spatial panel data model and the SYS-GMM estimator have been used, which will eliminate this bias. Also, two types of matrices were used to study the spatial interactions between the provinces. The results show that, the slope of the absolute beta convergence model is negative and the hypothesis of absolute convergence is not rejected and the rate of this conditional convergence between the provinces of the country is equal to 10.5%. That is, regional inequality is declining during this period. In addition, the results show that the hypothesis of per capita income convergence is not rejected and the hypothesis of spillover effects due to spatial interactions between the provinces of the country is confirmed. Both effects of neighborhood overflow and migration are statistically significant, but the effects of migration overflow have a greater effect than the effects of overflow due to neighborhoods in the provinces. Sensitivity analysis from the three perspectives of changing the spatial interaction matrix, changing the alternative variable of real per capita income and changing the estimator shows the stability of the results and the lack of seriousness of the small sample bias for the SYS-GMM estimator.