چكيده فارسي :
مقدمه: قانون هدفمندكردن يارانه ها در سال 1387 به صورت لايحه از سوي دولت نهم جمهوري اسلامي ايران ارائه شد و سرانجام با اعمال تغييراتي به تصويب مجلس شوراي اسلامي رسيد. قانوني كه قرار بود از محل درآمدهاي آن رونق توليد و رشد اقتصادي صورت بگيرد با اجراي نادرست عملاً به معضل جدي دولت تبديل شد. در اجراي فاز دوم اين قانون، حذف يارانه بگيران پردرآمد مباحث زيادي را به خود اختصاص داد كه سرانجام مجلس در حين بررسي لايحه بودجه سال 95 كل كشور تصويب كرد كه 24 ميليون يارانه بگير از فهرست دولت حذف شوند. به منظور اجراي صحيح اين مصوبه مي بايست خانوارهاي پردرآمد به درستي شناسايي شوند. بر اين اساس 4 معيار «شرايط اقليمي»، «بعد خانوار»، «محل سكونت» و «ميزان درآمد» براي شناسايي اين خانوارها پيشنهاد شد. در صورت معني داري اين متغيرها در مدل هاي رياضي و آماري مي توان ميزان تاثير اين متغيرها را بر خانوارهاي پردرآمد مشخص نمود.
روش: در مطالعات كاربردي معمولا براي تحليل داده هايي كه مرتبط با مجموعه اي از متغيرهاي تبيني هستند، مدل هاي رگرسيوني استفاده مي شود. برازش اين مدل ها با فرض نرمال بودن متغير پاسخ يا تبديلي از آن همراه با ثابت بودن واريانس متغير پاسخ و ناهمبسته بودن مولفه هاي خطا انجام مي شود. در مواردي ممكن است متغير پاسخ به بازه (1و0) محدود شود و با برازش مدل رگرسيوني، پيش گويي هايي خارج از بازه تعريف شده به دست آيد. در اين حالت به كار گيري مدل هاي رگرسيوني معمول مناسب نيست و استفاده از مدل رگرسيون بتا پيشنهاد شده است. اين مدل مبتني بر اين فرض است كه متغير پاسخ داراي توزيع بتا است و ميانگين متغير پاسخ از طريق يك پيشگوي خطي با ضرايب نامعلوم و يك تابع پيوند به مجموعه اي از متغيرهاي تبييني مرتبط مي شود. در صورتي كه متغير پاسخ مقادير صفر و يك را نيز اختيار كند، استفاده از مدل بتاي افزوده كه از آميختن توزيع بتا روي بازه (1و0) و دو توزيع تباهيده در صفر و يك ايجاد مي شود، پيشنهاد شده است. از آنجايي كه در اين مطالعه متغير پاسخ مورد بررسي يعني سهم درآمد خانوار از يارانه مي تواند مقاديري در بازه بسته [1،0] اختيار كند، براي بررسي متغيرهاي موثر بر آن مدل رگرسيون بتاي افزوده استفاده شده است.
داده هاي مورد استفاده اطلاعات اخذ شده از آمارگيري هزينه و درآمد خانوار ايران مي باشد كه توسط مركز آمار ايران اجرا شده است. هدف اصلي آمارگيري از هزينه و درآمد خانوار اندازه گيري متوسط هزينه خوراك، غير خوراك و كل هزينه هاي خانوارهاي شهري و روستايي در ايران است. اطلاعات به دست آمده از اين آمارگيري براي محاسبه خط فقر و مطالعه عدم همگوني در تسهيلات و درآمد خانوار به كار مي رود. جامعهٔ آماري در اين آمارگيري، تمام خانوارهايي است كه ساكن نقاط شهري و روستايي هستند. مدل رگرسيون ارائه شده به منظور شناسايي متغيرهاي موثر بر نرخ پاسخ با استفاده از داده هاي سال 1390 در شهر تهران به كار گرفته شده است. معيار انحراف اطلاع براي ارزيابي مدل استفاده شده است.
يافته ها: اين مقاله به منظور شناسايي خانوارهاي پردرآمد، مدل بندي سهم درآمد خانوار از يارانه در شهر تهران را با استفاده از نتايج آمارگيري از هزينه و درآمد خانوار مركز آمار ايران در سال 1390 ارايه مي نمايد. پس از بررسي متغيرهاي كمكي مختلف، متغيرهاي تبييني دهك وزني درآمد و بعد خانوار به ترتيب با ضرايب منفي و مثبت به مدل رگرسيوني بتاي افزوده وارد شدند. نقشه فضايي سهم درآمد خانوار از يارانه ناهمگني بين مناطق شهرداري تهران را نشان مي داد، كه اين اثر با ضريب مثبت در مدل اماري رگرسيون بتاي افزوده با لحاظ اثرات فضايي معني دار شد. بنابراين در اين مدل بندي نيز دهك وزني درآمد، بعد خانوار، و محل سكونت خانوارها به عنوان متغيرهاي معني دار بر سهم درآمد خانوار از يارانه شناسايي شدند.
بحث: يافته هاي اين پژوهش معيارهاي پيشنهاد شده توسط كارشناسان اقتصادي براي شناسايي خانوارهاي پردرآمد را تاييد مي كند. اطلاعات محل سكونت خانوار در مقايسه با دو متغير ديگر يعني ميزان درآمد و بعد خانوار قابل حصول تر است، پيشنهاد مي شود محل سكونت خانوار به لحاظ جغرافيايي، در گروه بندي خانوارها به منظور تصميم گيري در خصوص دريافت يارانه مورد توجه قرار بگيرد.
براي دست يابي به اطلاعات محل سكونت خانوار، پيشنهاد مي شود از پايگاه اطلاعات ثبتي سازمان اسناد و املاك كشور كمك گرفته شود. از آن جا كه دهك درآمدي به عنوان متغير موثر بر سهم درآمد خانوار از يارانه معني دار شد، مي توان اطلاعات وضعيت تملك و متراژ واحد مسكوني را نيز از پايگاه اطلاعات ثبتي سازمان اسناد و املاك كشور به دست آورد وبراي شناسايي خانوارهاي پردرآمد از آن استفاده كرد. همچنين متغيرهاي ديگري مانند تعداد و قيمت خودروي خانوار يا دارابودن جواز كسب نيز براي اين منظور قابل استفاده است.
يكي ديگر از متغيرهاي موثر بر سهم درآمد خانوار از يارانه، بعد خانوار (تعداد اعضاي خانوار) است كه از طريق سرشماري به هنگام مي شود. به منظور برنامه ريزي درخصوص تخصيص يارانه نقدي به خانوارها، ضرورت دارد كه اين متغيرها همزمان با دهك درآمدي و محل سكونت خانوار مورد توجه قرار بگيرد تا سرانه درآمد خانوار از يارانه ملاك تصميم گيري قرار بگيرد. با اتصال اين پايگاه هاي مذكور و به كارگيري مدل پيشنهادي در اين مطالعه، شناسايي خانوارهاي پردرآمد امكان پذير است.
چكيده لاتين :
The law on targeted subsidies was presented as a bill by the ninth government of the Islamic Republic of Iran in 2008 and eventually with amendments was passed by the Islamic Consultative Assembly.
The law that was supposed to be the revenues to increase productivity and economic growth, became a serious problem for the government due to false implementation. In the second phase of implementing this law, the removal of the wealthy people who receive direct subsidy led to a lot of discussions that, at the end of the parliament's review of the budget bill for the year 2016, the removal of 24 million people ,who receive subsidies, from the government's list was approved. . For a proper implementation of this directive, high-income households should be identified correctly. Therefore, the four criteria of "climatic conditions", "household size", "area of living" and "level of income" were proposed to identify these households. If these variables are significant in mathematical and statistical models, the impact of these variables on high-income households can be determined.
Method:
In applied studies, regression models are usually used to analyze data that are related to a set of explanatory variables. The fitting of these models is done by assuming the normality of the response variable or its transformation, along with the constant of the variance of the response variable and the incompatibility of the error components.. In some cases, the response variable may be limited in the interval (1 and 0) and, by fitting the regression model, predictions are obtained outside the defined interval.
In these cases the use of normal regression models are not appropriate and beta regression model is suggested. This model is based on the assumption that response variable has Beta distribution, and the mean of the response variable is linked by a linear predictor with unknown coefficients and a link function to a set of explanatory variables. If the response variable gets the values of zero and one, an augmented Beta model that is mixture of a Beta distribution with two degenerated distributions at 0 and 1 has been suggested. Since in this study the variable of the response, that is the share of household income from the subsidy, can take values in the closed interval [1.0], to examine the effective variables on that additional beta regression model has been used. The data used in this study were collected from Iran's household income and household expenditure survey (HIES) which has been implemented by the Statistical Center of Iran.. The main objective of the household income and expenditure survey is to measure the average of food-expenditure, non-food expenditure, and total expenditure of the urban and rural households in Iran. Information provided by HIES has been applied to calculate poverty line, study the impurity in household income and facilities. Statistical population in this survey is all of the households which are settled in urban and rural areas. The presented regression model to understand the effective covariates on response rate is applied by the data set of Tehran city. Deviance Information Criterion (DIC) is used for model evaluation.
Finding:
To distinguish high-income households, this paper presented modeling of the share of household income from subsidies in Tehran city using the results of Household Income and Expenditure survey conducted by the Statistical Center of Iran in 1390. After checking different covariates, deciles of household income and household size were entered into the augmented beta regression model with negative and positive coefficients respectively. Spatial map of Tehran city shows heterogeneity among different districts of Tehran municipality, which is significant in the spatial augmented beta regression model with a positive coefficient. Hence, decile of income, household size, and area of living were identified as significant variables on the proportion of household income from subsidies.
Discussion:
. The findings of this study confirm the criteria proposed by economic experts to identify high-income households. Since information about area of living is more accessible in comparison to other covariates, level of income and household size, it is suggested to imply an area of living geographically for grouping households in order to make a decision about getting the direct subsidies.
To access the information about the area of household living, it is suggested to use Instruments and Landed Property Registration Organization data base. Since decile of income is a significant variable on share of household income from subsidies, information about status of ownership and area of housing unit which are available in Instruments and Landed Property Registration Organization data base can be used as an indicator to identify wealthy people. Moreover,, Numbers and prices of automobiles, which belong to a household and having a business license can also be used for this purpose.
Another effective variable on share of household income from subsidies is household size, which is updated through population and housing census. In order to plan for the allocation of subsidies to households it is necessary to consider household size, decile on income and area of household living simultaneously, for a decision to be taken in regard to per capita household income from subsidies criterion. Identification of wealthy households is being possible by linking these data bases.
