مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده
۱. مقدمه
۲. مدل ها و روش ها
۳. نتایج

بخشی از ترجمه فارسی مقاله:

۱. مقدمه
فرضیه U معکوس یا وارونه که توسط کوزنتس (۱۹۵۵) معرفی شد اساسا سطح فعالیت اقتصادی را به عنوان عامل تعیین کننده اصلی نابرابری درآمدی مشخص می ‌کند. به طور دقیقتر، این امر تاکید دارد که در مراحل اولیه رشد اقتصادی، نابرابری درآمدی بدتر می ‌شود و فقط در مراحل بعدی بهبود می ‌یابد. حمایت تجربی از این فرضیه، نسبتا آمیخته است، که اغلب فرضیه را رد می ‌کند. با این حال، دسته دیگری از متون بحث می ‌کند که نوسان درآمد یا خروجی به عنوان یک معیار عدم اطمینان می ‌تواند نابرابری درآمدی را بدتر کند.
هاسمن و گیون (۱۹۹۷) شاید اولین مطالعه‌ ای باشد که تاثیرات مضر نوسان درآمد بر توزیع درآمد را به ما اظهار می‌ دارد، با این استدلال که اعضای فقیرتر جامعه به خوبی مجهز به جذب شوک های اقتصادی و یا عدم قطعیت نسبت به اعضای ثروتمند نیستند. با استفاده از داده ‌های مقطعی از ۵۶ کشور آمریکای لاتین و اقتصادهای صنعتی، آنها دریافتند که در حالی که نه رشد تولید ناخالص داخلی و نه تورم، هیچ تاثیر قابل‌ توجهی بر نابرابری درآمدی نداشته است، نوسانات تولید ناخالص داخلی واقعی تاثیر منفی قابل‌ توجهی بر نابرابری درآمد داشته است. همان مورد توسط کارولی و گارسیا-پنالوزا (۲۰۰۱) حمایت می ‌شود، که به تاثیرات نوسان دستمزد ها در تفاوت های دستمزدی بین کارگران دارای مهارت پایین و مهارت بالا نگاه داشته اند. هرچه ریسک تولید بالاتر باشد، نابرابری آموزشی بالاتر خواهد بود. سایر مطالعات مقطعی که از تاثیرات مضر نوسان خروجی بر توزیع درآمد پشتیبانی می‌ کنند عبارتند از برین و گارسیا-پنالوزا (۲۰۰۵) و لارسن و ماهاجان (۲۰۰۵).
در حالی که مطالعات فوق از داده‌ های مقطعی کشورهای مختلف استفاده نموده اند، دو مطالعه از داده ‌های پانلی در سراسر کشورها و در طول زمان استفاده برده اند. کالدرون و ییاتی (۲۰۰۹) از داده ‌های ۷۵ کشور در طول سال ‌های ۱۹۷۰ تا ۲۰۰۵ (مشاهدات دوره ای ۵ ساله) استفاده می نمایند تا نشان دهند که حتی در مدل پانل، نوسان خروجی اثرات زیان آوری بر نابرابری درآمد سنجیده شده توسط ضریب GINI داشته است. به نظر نمی ‌رسد که یافته‌ های آن‌ ها به معیارهای مختلف نوسان، و به معیارهای مختلف نابرابری درآمدی حساس باشد. آنها همچنین اثرات نامتقارن نوسانات خروجی را با تخصیص متغیرهای ساختگی به تنزلات خروجی و جهش‌ های خروجی ارزیابی می ‌کنند تا نشان دهند که نوسان خروجی اثرات نامتقارن در توزیع درآمد دارد.
در نهایت، هوانگ و همکاران (۲۰۱۵) از همه مطالعات فوق برای عدم استفاده از پیشرفتهای اخیر در تکنیکهای مدل سازی تصحیح خطا و استفاده از روش تصحیح خطای پانلی به جای روش مرسوم استفاده از داده ‌های مقطعی انتقاد می‌ کنند. داده‌ های پنلی آنها متفاوت از مورد کالدرون و ییاتی (۲۰۰۹) است که در آن آنها از داده های سالانه ۴۸ ایالت آمریکا از سال ۱۹۴۵ تا ۲۰۰۴ استفاده می کنند که یک مجموعه پانل متوازن با N = 48 و T = 60 را شکل می دهد. یافته ‌های آنها متفاوت از مطالعات قبلی نیست، که در آن آنها دریافتند که نوسان درآمد تاثیری زیان آور بر توزیع درآمد در ایالات متحده دارد و این نتیجه ‌گیری به معیارهای مختلف نابرابری درآمدی یا معیارهای مختلف نوسان حساس نیست.
مطالعات پانلی که در بالا مورد بررسی قرار گرفتند، از سوگیری تجمعی در آن چیزی که در یک واحد مقطعی درست است، رنج می ‌برند، که ممکن است لزوما در یک واحد مقطعی دیگر صادق نباشد. برای حل این مساله، ما فقط به مدل سازی سری ‌های زمانی پایبند هستیم و رابطه بین نوسان درآمد و نابرابری درآمدی در هر ایالت از ایالات ‌متحده را مورد بازنگری قرار می ‌دهیم. اکنون این امکان وجود دارد، از زمانی که فرانک (۲۰۰۹) مجموعه داده‌ های خود را تا سال ۲۰۱۳ گسترش داده ‌است که ۶۸ مشاهده سالانه برای هر ایالت ارائه می‌ دهد. از آنجا که این دو متغیر ممکن است ایستا یا غیر ایستا باشند، رویکرد مناسب رویکرد ARDL خطی پسران و همکاران (۲۰۰۱) خواهد بود. در چارچوب سری‌ های زمانی، ما گام دیگری را انتخاب می‌ کنیم و اثرات نامتقارن نوسانات بر توزیع درآمد را با استفاده از رویکرد ARDL غیر خطی شین و همکاران (۲۰۱۴) ارزیابی می ‌کنیم که به ما این امکان را می ‌دهد تا علیت نامتقارن را شناسایی کنیم. این یک پرسش محتمل است، زیرا نرخی که در آن نابرابری درآمد به افزایش نوسان درآمد پاسخ می ‌دهد می‌ تواند متفاوت از نرخی باشد که در آن به کاهش پاسخ می ‌دهد. در واقع، اگر اعضای فقیرتر جامعه نتوانند شوک های اقتصادی یا عدم قطعیت را به آسانی اعضای غنی تر جذب کنند، هر دو گروه نسبت به افزایش عدم قطعیت در مقایسه با کاهش عدم قطعیت، واکنش متفاوتی نشان می‌ دهند. بقیه مقاله به روش زیر سازماندهی شده ‌است. ما مدل‌ ها و روشهای خود را در بخش ۲ طرح نموده و نتایج تجربی خود را در بخش ۳ ارایه می ‌دهیم. بخش ۴ خلاصه ای را ارایه می دهد و یک ضمیمه، تعریف متغیر ها و منابع داده را نشان می‌ دهد.

بخشی از مقاله انگلیسی:

I. Introduction

The inverted-U hypothesis, introduced by Kuznets (1955), basically identifies the level of economic activity as the main determinant of income inequality. More precisely, it asserts that at the early stages of economic growth, income inequality worsens and it only improves at the later stages. Empirical support for the hypothesis is rather mixed, mostly rejecting the hypothesis.1 Another strand of the literature, however, argues that income or output volatility as a measure of uncertainty can worsen income inequality. Hausmann and Gavin (1997) is perhaps the first study that alludes us to the adverse effects of income volatility on income distribution by arguing that poorer members of society are not well equipped to absorb economic shocks or uncertainties relative to richer members. Using cross-sectional data from 56 countries in Latin America and industrial economies, they found that while neither GDP growth nor inflation had any significant effects on income inequality, the volatility of real GDP had significantly adverse effects on income inequality. The same is supported by Caroli and Garcia-Penalosa (2001), who looked at the effects of volatility of wages on wage differentials between low skilled and high skilled workers. Similar arguments are extended to the distribution of human capital rather than distribution of income by Checchi and Garcia-Penalosa (2004) who develop a theoretical model, showing that aggregate production risk determines the average level of education and its distribution. The higher the production risk, the higher the educational inequality. Other cross-sectional studies that support the adverse impact of output volatility on income distribution are Breen and Garcia-Penalosa (2005) and Laursen and Mahajan (2005). While the above studies have used cross-sectional data from different countries, two studies have used panel data across countries and over time. Calderon and Yeyati (2009) uses data from 75 countries over the 1970-2005 (5-year period observations) to show that even in a panel model, output volatility has adverse effects on income inequality measured by GINI coefficient. Their findings do not seem to be sensitive to different measures of volatility, nor to different measures of income inequality. They also assess asymmetric effects of output fluctuations by assigning dummy variables to output drops and output jumps to show that output volatility has asymmetric effects on income distribution. Finally, Huang et al. (2015) criticize all of the above studies for not using recent advances in error-correction modelling techniques and employ a panel error-correction approach instead of the conventional method of using cross-sectional data. Their panel data is different than that of Calderon and Yeyati (2009) in that they use annual data from the 48 states of the continental U.S. from 1945 to 2004 which forms a balanced panel set with N = 48 and T = 60.2 Their findings are no different than any of the previous studies, in that they also find that volatility of income has an adverse effect on income distribution in the U.S. and this conclusion is not sensitive to different measures of income inequality, nor to different measures of volatility. The panel studies reviewed above do suffer from aggregation bias in that what is true in one cross-sectional unit, may not necessarily be true in another cross-sectional unit. To resolve the issue, we adhere to time-series modelling only and reconsider the relation between income volatility and income inequality in each state of the U.S. This is now possible, since Frank (2009) has extended his data set through 2013, providing 68 annual observations for each state. Since the two variables could be stationary or non-stationary, the appropriate approach will be the linear ARDL approach of Pesaran et al. (2001). Within time-series framework, we will take an additional step and assess the asymmetric effects of volatility on income distribution by using the nonlinear ARDL approach of Shin et al. (2014) which also allows us to detect asymmetric causality. This is a plausible inquiry since the rate at which income inequality responds to an increase in income volatility could be different than the rate at which it responds to a decline. Indeed, if poorer members of the society cannot absorb economic shocks or uncertainties as easily as richer members, both group will react differently to increased uncertainty compared to decreased uncertainty, hence asymmetric response. The rest of the paper is organized in the following manner. We outline our models and methods in Section II and present our empirical results in Section III. Section IV provides a summary and an Appendix reveals definition of variables and sources of the data.

نابرابری و رشد: شواهد غیرخطی از پنل داده های ناهمگون

Inequality and Growth: Nonlinear Evidence from Heterogeneous Panel Data

1 Introduction

Income inequality has been a major concern in development and welfare economics for more than a century. Kuznets (1955) suggests an influential hypothesis that income inequality should follow an inverse-U shape along the development process. Since then, assessing the relationship between economic growth and income inequality has long been an active topic. However, the effects of income inequality on economic growth are still controversial that requires both theoretical and empirical dedication (Aghion et al. (1999), Benabou (1996b), Barro (2000)).

First, Kuznets (1955) and Kaldor (1957) argue that there is a trade-off be- tween reducing income inequality and promoting economic growth. Individual saving rates increase with the level of income. A redistribution of resources from the rich to the poor tends to diminish an aggregate rate of saving in an economy. In this case, a higher level of income inequality would enhance economic growth at least in a transitional sense. In recent studies, Saint-Paul and Verdier (1993), Benabou (1996a), and Galor and Tsiddon (1997a, 1997b) find that income inequality will increase economic growth via human capital strengthening and externality.

Contrary to the argument that supports the positive effects of income inequality, Alesina and Rodrik (1994) and Persson and Tabellini (1994) argue that income inequality could encourage the redistribution through elections, in which redistribution policy could restrict economic growth by reducing an incentive to invest.

These two arguments have been formally tested in many previous studies, but the results are somewhat incoherent. In the early 1990s, the negative relationship between income inequality and economic growth was proven in Alesina and Rodrik (1994) and Persson and Tabellini (1994), which was before the important data collection of Deininger and Squire (1996, 1998). 1 Their data set has a panel structure with several consecutive measures of income inequality for each country. Researchers are able to overcome some biases from country-specific error terms and measurement errors by using a panel data set. For example, Forbes (2000) uses a fixed effects estimation, and provides some interesting findings; in the medium and short-run, an increase in the level of income inequality in a country exhibits a positive and significant relationship with subsequent economic growth rates. 2 In contrast, Barro (2000) uses a three-stage least squares (3SLS) estimator which treats the country-specific error term as a random variable. The results find no relationship between income inequality and economic growth. However, he divides his sample into poor and rich countries, and finds a negative relationship between income inequality and economic growth in a sample of poor countries, but a positive relationship in a sample of rich countries.

Banerjee and Duflo (2003) argue that the lack of consistency in the results is due to the fact that empirical studies estimate a linear model, whereas the true relationship is not linear; the growth rate is an inverted U-shaped function of net changes in income inequality. They further show how this nonlinearity can explain different findings in previous studies. In regard to the nonlinear relationship between income inequality and economic growth, Lin et al. (2009) employ Caner and Hansen (2004)’s instrumental variables threshold regressions approach, and suggest that the effects of income inequality on economic growth are negative and remain strongly significant below the threshold level of development. Above the threshold, the effects of income inequality become highly positive.

This paper explores nonlinear impacts of income inequality on economic growth using a panel smooth transition regression (PSTR) model. Our study is in line with Lin et al. (2009) in a sense that we also estimate the threshold endogenously in the income inequality-economic growth relationship. Contrary to Lin et al. (2009), we control the potential endogeneity problem by employing the panel data structure instead of the cross-sectional data structure, and using lagged explanatory variables as in Forbes (2000). Another distinctive feature is the use of the ‘Standardized World Income Inequality Database (SWIID)’. 3 By using a custom missing-data algorithm, SWIID overcomes the limitations of existing inequality data sets, it thus provides greater coverage across countries and over time. Then we use imputed Gini coefficients for 77 countries in our sample, and for the period 1980-2007. 4

Our results suggest that while income inequality hinders economic growth in most of the countries, it accelerates economic growth only in a country where the level of income inequality is very low. The point above which the estimated time-varying coefficient turns from positive to negative is found to be the Gini index of 24.5. Furthermore, the results reveal that the negative effects of income inequality on economic growth tend to be more severe in developing countries whose inequality is relatively higher.

The rest of the paper is structured as follows. Section 2 introduces the PSTR model. Section 3 describes the data used in this study, and presents the empirical results estimated from the PSTR model. Section 4 supplements the results from the nonlinear model with those of the linear model, considering additional explanatory variables, the possible endogeneity problem, and the Granger causality test. Section 5 concludes.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

اولین کمک توسط جوهانسون و وانگ صورت گرفت که رابطه بین سیاست های بخش مالی و نابرابری را تجزیه و تحلیل کردند. با استفاده از مجموعه داده پانل بزرگ کشور، آن بررسی می کند که آیا انواع سیاست های مالی سرکوبگر به اندازه محرک نابرابری عمل می کند. چنین سیاست هایی ممکن است تخصیص سرمایه را تحریف و فرصت های اقتصادی را محدود کند. با استفاده از یک سری ازکنترل پسرفت ونیرومندی داده های پانل، آنها متوجه شدند که سیاست های مالی سرکوبگر بطور مثبت به نابرابری مربوط می شود. آنها همچنین سیاست های فردی را بررسی و کنترل اعتباری و موانع ورود در بخش بانکی را به عنوان دو سیاست مهم شناسایی کردند که نفوذ نابرابری است. در مورد چین، یافته های تجربی مذکور پیامدهای سیاسی مهمی داشتند، زیرا انواع سیاست های مالی سرکوبگر هنوز هم در جای خود هستند در حالی که کشور افزایش مهم و قابل توجهی در نابرابری در طول دوره اصلاحات تجربه کرده است .
در مقاله دوم، دو و همکاران، دو شبکه اصلی برای اثرات درآمد والدین در نابرابری درآمد کودکان در چین بررسی کردند: اثر ترکیب و اثر ساختار درآمد با در نظر گرفتن پتانسیل اندوختی بالقوه. نویسندگان یک مدل رگرسیون متغیر ابزاری تناوب در داده ها از نظرسنجی توسط بهداشت و تغذیه ی چین (CHNS) به کار گرفتند. یافته های آنها نشان می دهد که اثر ترکیب حساب برای حداقل 80 درصد از تفاوت درآمد در هر تناوب و کلیه تفاوت درآمدها در دهک بالاتر است. یافته های دو و همکاران چندین پیامدهای سیاسی دارد. برای مثال، آنها نشان می دهد که سیاست ها و خط مشی های توزیع مجدد با هدف ارائه فرصت های برابر برای کسب سرمایه انسانی است که می تواند به کودکان کمک کند تا از مشکلات فقر فرار کنند و سطح فعلی نابرابری را کاهش دهند.
مطالعه سوم توسط اریکسون و همکاران انجام شد که موضوع نابرابری بین نسلی را در چین بررسی می کند. شبیه به دو و همکاران، نویسندگان از داده های CHNS استفاده می کنند، اما در عوض در رابطه سلامت بین والدین و فرزندان در مناطق شهری و روستایی تمرکز می کند. متغیرهای مختلف وضعیت اجتماعی و اقتصادی، صفات فردی، عوامل محیطی و مراقبت های بهداشتی، و ناهمگونی خانگی مشاهده نشده کنترل می شود ، آنها یافتند که سلامت کودکان به شدت به سلامت پدر و مادر خود در ارتباط است. آنها همچنین متوجه شدند که نابرابری درآمد موجود بین جمعیت شهری و روستایی در نابرابری بهداشتی بین نسلی منعکس شده است و آنها تخمین می زنند که نابرابری در میان کودکان 15-27٪ پایین تر خواهد بود اگر هیچ نابرابری بین سلامت پدر و مادر شهری و روستایی “وجود نداشته باشد. مفهوم اصلی سیاست از این مطالعه این است که سیاست با هدف کاهش اهمیت منابع والدین بر سلامت فرزندان خود به بهبود سلامت کلی منجر شده است و همچنین به کاهش شکاف بهداشتی و درمانی شهری-روستایی کمک می کند.
در مقاله چهارم، ژانگ و همکاران به پژوهش در مورد سطح فقر در چین با برآورد و سپس مقایسه نرخ شیوع فقر از چهار نظرسنجی در سراسر کشور کمک می کند: مطالعات پنل خانواده چین (CFPS) از سال 2010، نظرسنجی اجتماعی عمومی چینی (CGSS) از سال 2010، نظرسنجی امور مالی خانگی چین (CHFS) سال 2011، و پروژه درآمد خانوار چینی (CHIP) از2007. آنها سطح رایج جامعه فقر در سطوح ملی، روستایی، شهری مقایسه می کند و به این نتیجه رسیدند که سرعت فقر در تمام سطوح بطور قابل توجهی متفاوت است که به منبع داده بستگی دارد، که با سرعت فقر بیشتر می شود زمانیکه استفاده از داده ها از CFPS، CGSS و در با CHFS از بر اساس برآورد رسمی CHIP. مقایسه می شود. نظرسنجی رسمی در نمونه فقیرترین گروه بوده است، و در نتیجه برآورد کمتری برای بروز فقر است. پیامدهای عملی از مطالعه مهم هستند همانطورکه آن بر اهمیت اعتبار برآورد فقر در چین با استفاده از منابع داده مستقل تاکید می کند.

مشابه مقاله توسط جوهانسون و وانگ، مطالعه پنجم توسط هوانگ و همکاران، با استفاده از مجموعه ای از پانل های در سرتاسر کشور انجام شد، این بار به تجزیه و تحلیل رابطه بین سیاست مالی و مشکلات درآمد متوسط پرداخت. یافته های آن نشان می دهد که اثر سیاست های مالی سرکوبگر بر رشد وابسته به سطح توسعه اقتصادی است: رشد در کشورهایی با درآمد کم تاثیر قابل توجهی ندارد، رشد در کشورهای با درآمد متوسط تاثیر منفی می گذارد، و رشد در کشورهای با درآمد بالا بطور مثبت سرکوب مالی را تحت تاثیر قرار می دهد. برای کشورهای با درآمد متوسط مانند چین، مهمترین سیاست ها برای سرکوب رشد یافت می شود. سیاست های سرکوبگرانه است که اعتبار، ورود به بخش بانکی، بازار امنیت، و حساب سرمایه را مورد هدف قرارمی دهد. آنها همچنین متوجه شدند که تقویت نظم و قانون اساسی برای اجتناب از مشکل درآمد متوسط اساسی است. این یافته ها دارای پیامدهای مهمی برای سیاست گذاران چینی است، حتی اگر نویسندگان بر اهمیت شرایط خاص واقعی در چین تاکیید کنند که ممکن است منجر به انحراف تصویر عمومی یافت شده در یک تجزیه و تحلیل کل کشور از این نوع انحراف شود.
در مقاله ششم، دو و همکاران نگاهی دقیقتر به اثرات اصطلاح “استراتژی رشد اول ” در چین داشته اند، که در آن دولت های منطقه ای بر توسعه سرمایه و تکنولوژی صنایع (پیشی گرفتن استراتژی) و بخش املاک و مستغلات در تلاش تاکید کرده اند تا رشد اقتصادی و درآمد مالی منطقه ای را تقویت کنند. تجزیه و تحلیل تجربی در مقاله تایید می کند که استراتژی افزایش و توسعه املاک و مستغلات به تعادل اقتصادی درفرم سرمایه گذاری مازاد و تحت مصرف کمک کرده است. آنها همچنین یافتند که ساختار توزیع درآمد و مخارج دولت به عنوان عمل واسطه کانال برای پیشرفت استراتژی ها از نظر اثر بر عدم تعادل داخلی است. یکی از پیامدهای سیاست اصلی این است که می تواند از کاغذ کشیده شود که استراتژی های توسعه نیاز دارد تا اصلاح شود به منظوراینکه چین قادر از یک مدل رشد سرمایه گذاری به مدل توصیف شده توسط یک توازن بین مصرف و سرمایه گذاری حرکت می کند. پس از این یافته، نویسندگان نیز بر اثرات احتمالی مثبت پیاده سازی سیاست های اخیر، از جمله در افزایش حداقل دستمزد ، بهبود در شرایط بازار کار، بهبود در آموزش و پرورش اجباری، و توسعه امنیت اجتماعی و بیمه خدمات درمانی تاکید می کنند.
در مقاله نهایی و هفتم از این موضوع خاص، دو و همکاران به بحث در مورد اینکه آیا بخش دولتی در هزینه های بخش خصوصی در چین پیشرو است کمک می کنند. بحث اصلی نویسنده این است که به جای تمرکز بر روی اندازه رو به رشد بخش دولتی، آن مفید است تا عقب ماندگی بیشتر بخش خصوصی را در حال حاضر از نظر مالی محدود و تجزیه و تحلیل کند. روش به تازگی برای اندازه گیری بهره وری کل عوامل توسعه یافته، آنها متوجه شدند که تخصیص نامناسب در بخش دولتی و / یا بین دولت و بخش خصوصی است عوامل در طول دوره 1998-2007 افزایش یافته است. این نشان می دهد که منابع ادامه می یابد تا به سمت بخش دولتی کارآمد تر در چین اختصاص داده شود. مفهوم سیاست روشن است که کاهش تخصیص منابع نامناسب به احتمال زیاد منجربه گسترش بیشتری از فعالیت کل در اقتصاد چین می شود.
به طور خلاصه، مطالعات انجام شده در این حجم تمام پیامدهای سیاست مهم برای ادامه کار در برابر نابرابری، فهم فقر، اجتناب از مشکلات درآمد متوسط، و خرید و فروش با عدم تعادل اقتصادی در چین معاصر است. همه این موارد مذکور دلهره آور است و ما امیدواریم که مقالات در این موضوع خاص می تواند به عنوان نقطه شروع برای بحث در مورد سیاست های فعلی و جاری و همچنین گامی برای تحقیق بیشتر در هر یک از این مناطق خدمت می کنند.

بررسی ارتباط بین نابرابری درآمد، فقر و جهانی شدن

The Relationship between Income Inequality, Poverty and Globalisation

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F1920