سیاست‌های مالی و توزیع درآمد در ایران: رهیافت FAVAR

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار اقتصاد دانشگاه تبریز

2 استاد اقتصاد دانشگاه تبریز

3 دانشجوی دکتری اقتصاد مدیریت و بازرگانی دانشگاه تبریز

چکیده

هدف این مقاله بررسی تاثیر سیاست­های مالی دولت بر توزیع درآمد است. برای این منظور از روش نوین خودرگرسیون برداری عامل ­افزوده (FAVAR) و داده­های فصلی طی دوره 1393-1369 برای 99 متغیر اقتصاد کلان استفاده شده است. توابع واکنش آنی حاصل از برآورد مدل نشان می­دهد یک شوک مثبت به اندازه یک انحراف معیار در مخارج جاری دولت ضریب جینی را افزایش داده و موجب بدتر شدن توزیع درآمد می­شود؛ در حالی که شوک مخارج عمرانی دولت، شوک مالیات­های مستقیم و شوک مالیات­های غیرمستقیم با کاهش ضریب جینی باعث بهبود توزیع درآمد می­­گردند. با توجه به نتایج، دولت می­تواند با کاهش هزینه­های جاری غیرمولد، افزایش هزینه­های عمرانی هدفمند و نیز تقویت سیستم مالیاتی، الگوی توزیع درآمد جامعه را به سمت برابری بیشتر سوق دهد. 

کلیدواژه‌ها


1. مقدمه

در سال­های اخیر حضور دولت چه از نظر کمی (حجم فعالیت) و چه از نظر کیفی (عمق و پیچیدگی وظایف) در زمینه مسائل اجتماعی و اقتصادی به­ صورت مداوم افزایش یافته است. نقش توزیعی دولت به ­دلیل گستردگی آن و ارتباط مستقیم با آحاد مردم از اهمیت خاصی برخوردار است[1]؛ به طوری ­که توزیع عادلانه درآمد یکی از اهداف مهم برنامه‌ریزی‌های اقتصادی کشورها بشمار می‌‌رود (دی­ملو و تیانگسون[2]، 2003: 3). نابرابری می­تواند انسجام اجتماعی را تضعیف کند، موجب کاهش تحرک درآمدی بین نسلی شود و چالش­هایی مانند نارضایتی­های اجتماعی و بی­ثباتی سیاسی را ایجاد کند (شالتگر و ودر[3]، 2014: 1).

وجود نابرابری­های گسترده در توزیع درآمد به بروز فقر و افزایش داخلی آن و ایجاد شکاف بیشتر در طبقات جامعه منجر می­شود. از بعد اقتصادی، افزایش فقر با تاثیری که بر سطح سلامت، بهداشت، تغذیه و آموزش افراد جامعه دارد، باعث کاهش بهره‌وری اقتصادی و کاهش رشد اقتصادی و تولید و درآمد ملی شده و در یک دور باطل مجددا منجر به تشدید فقر می‌شود.

در ایران علی­رغم تدوین و اجرای سیاست­های مختلف[4] به نظر می­رسد عواملی نظیر رکود اقتصادی، تورم بالا، بیکاری شدید، تغییرات جمعیتی و یارانه‌های عام و غیرهدفمند سبب گردیده تا همچنان با معضل فقر و عواقب ناشی از آن در سطح کشور درگیر باشیم؛ بنابراین شناخت عوامل موثر بر توزیع درآمد و طراحی و اجرای سیاست­های اقتصادی مناسب جهت کاهش نابرابری درآمد ضروری به نظر می‌رسد.

این مطالعه می­کوشد با استفاده از داده­های فصلی طی دوره زمانی 1393-1369، تاثیر سیاست­های مالی بر توزیع درآمد در ایران را به طور تجربی و با به کارگیری روش خودرگرسیون برداری عامل افزوده[5] مورد بررسی قرار دهد. در ادامه، این مقاله به صورت زیر سازمان­دهی می­شود: در بخش ادبیات موضوع، ابتدا مبانی نظری بیان شده و روند برخی متغیرهای مهم بررسی و سپس به برخی مطالعات انجام شده در این زمینه اشاره می­شود. مدل و داده­های مورد استفاده در بخش بعدی معرفی و نتایج تجربی استخراج می­شوند. در نهایت، نتایج مورد تجزیه و تحلیل قرار گرفته و پیشنهادها سیاستی ارائه می­شوند.

 

2. مروری بر ادبیات

دولت با اعمال سیاست مالی مناسب می‌تواند بستر لازم برای نیل به سمت برابری درآمدی دهک‌های مختلف جمعیتی را ایجاد کرده و به توزیع مجدد درآمد‌ها دست بزند. سیاست مالی بخشی از سیاست‌های مدیریت تقاضا است که از سوی دولت اجرا می‌شود. جریان پرداخت‌ها و دریافت‌های دولت که در قالب بودجه‌ دولت آشکار می‌شود، متغیرهای اصلی سیاست مالی دولت را تشکیل می‌دهند (ابونوری و همکاران، 1389: 118). به کارگیری درست ابزار سیاست مالی، به ­عنوان بازوی اقتصادی دولت، می­تواند نقش مهمی در تشکیل سرمایه، تجهیز منابع، رشد و ثبات اقتصادی، ایجاد اشتغال، ایجاد عدالت در توزیع و تخصیص منابع داشته باشد.

ترکیب مخارج دولت به صورت مستقیم و غیرمستقیم بر نابرابری درآمدی تاثیر دارد. در حالی­ که یارانه­ها و مالیات­ها به صورت مستقیم نابرابری را متاثر می­سازند، مخارج صورت گرفته جهت خدمات عمومی مانند آموزش و بهداشت از کانال تقویت توانایی­های افراد می‌تواند به صورت غیرمستقیم بر توزیع درآمد موثر باشد (ویگاس و ریبیرو[6]، 2013: 146).

هزینه­های دولت از طریق بهبود توانمندی نیروی کار و ایجاد زیرساخت­های اجتماعی و اقتصادی می­تواند اثرات تعیین­کننده­ای بر الگوی توزیع درآمد داشته باشد (لوستیگ و همکاران[7] ، 2014: 292). با افزایش مخارج عمرانی دولت، سازوکارهای فزاینده درآمد فعال و قدرت خرید جامعه افزایش می­­یابد. در نتیجه، با افزایش تقاضا برای کالا و خدمات ایجاد شده، سرمایه­گذاری مجددا بیشتر خواهد شد. تداوم این چرخه منجر به ایجاد اشتغال و درآمد پایدار و بنابراین، بهبود توزیع درآمد جامعه خواهد شد. اما مخارج جاری دولت که اثر غیرتولیدی دارد معمولا متوجه گروه­های پردرآمد جامعه می­شود و امکان بهره­مند شدن اقشار کم­درآمد را فراهم نمی­کند (اکبری و همکاران، 1390: 2).

مالیات به عنوان منبع دائمی و قابل پیش‌بینی، همواره مورد توجه دولت‌مردان بوده است. اعمال مالیات چه به‌ جهت کسب درآمد و چه به منظور ابزاری جهت سیاست‌گذاری، آثار متفاوتی را بر اقتصاد، تحمیل می‌کند. مالیات‌ها از یک‌سو، با توجه به اصابت مالیاتی بر شرایط توزیعی جامعه تأثیرگذار هستند و از سوی دیگر با جابجایی منابع از بازاری به بازار دیگر، آثار تخصیصی را به همراه دارند. از طریق سیستم مالیاتی است که دولت می‌تواند بخشی از درآمد افراد را برای انجام خدمات عمومی، کمک به گروه‌های با درآمد پایین یا پرداخت مستقیم به فقیران، دریافت کند. در واقع، تاثیر مالیات بر درآمد از طریق انتقال درآمد از بازار به دولت و از دولت به کل جامعه اعمال می‌شود. از طریق مالیات، دولت می‌تواند در بازار دخالت کرده، هزینه‌های خود را تامین نموده و توزیع درآمد را متاثر سازد.

2-1. روند ابزارهای سیاست مالی و توزیع درآمد در ایران

نمودار (1) نسبت مخارج دولت به تولید ناخالص داخلی را طی سال­های اخیر نشان می‌دهد.

 

 

نمودار 1. نسبت مخارج دولت به تولید ناخالص داخلی

        منبع : نماگرهای اقتصادی بانک مرکزی

 

همان طور که مشاهده می­شود مخارج دولت سهمی حدود 20 درصد از تولید ناخالص داخلی را به خود اختصاص می­دهد؛ در حالی ­که مخارج جاری دولت بخش بیشتر مخارج دولت را تشکیل می­دهد، سهم مخارج عمرانی دولت، در این مدت، تقریبا مقدار ثابتی بوده است. از این‌رو، در این بازه ­زمانی، هزینه­های دولت در بخش جاری غیرمولد صورت گرفته و بنابراین، نمی­توان اثرات حقیقی ملموسی از مخارج دولتی انتظار داشت.

در نمودار (2) نسبت درآمد مالیاتی به تولید ناخالص داخلی (نسبت مالیاتی) طی دوره 1368 تا 1393 برای ایران ارائه شده است. این نسبت در کشورهای توسعه یافته به دلایلی مانند بالابودن کارایی سیستم مالیاتی و فرهنگ مالیاتی بیشتر از سایر کشورهاست. نسبت مالیاتی در دهه اول هزاره جدید در کشورهای اتحادیه اروپا به طور متوسط، حدود 20 درصد، در کشورهای با درآمد بالا حدود 15 درصد و متوسط جهانی آن نیز حدود 14 درصد است (بانک جهانی[8]، 2016)؛ در حالی که این نسبت برای ایران در این دوره زمانی معمولا کمتر از 8 درصد بوده که فاصله زیادی حتی با متوسط جهانی داشته و تناسبی با افزایش هزینه­های دولتی ندارد.

 

 

 نمودار 2. نسبت مالیاتی

         منبع : نماگرهای اقتصادی بانک مرکزی

 

ضریب جینی مشهورترین شاخص نابرابری توزیع درآمد و متداول‌ترین آن‌ها از نظر استفاده در بررسی­های توزیع درآمد است. به‌ لحاظ آماری، ضریب جینی نسبت اندازه نابرابری توزیع درآمد در جامعه به حداکثر نابرابری درآمدی ممکن در یک توزیع کاملا ناعادلانه است. ضریب جینی یک عدد مطلق است و در مقایسه با سایر سال­ها، امکان بررسی آن وجود دارد. این شاخص به واحد اندازه­گیری داده­ها بستگی ندارد، همچنین قابلیت به کارگیری برای داده­های منفی را دارد. مقدار ضریب جینی در محدوده (0 و 1) قرار دارد که صفر بیانگر برابری کامل و یک نشان­دهنده نابرابری کامل در توزیع درآمد است (اصل بهنجارسازی). ضریب جینی به تغییر تمام درآمدها به یک اندازه مشخص حساسیت نشان می­دهد (اصل حساسیت به تغییر برابر کلیه درآمدها) به این معنا ­که با اضافه یا کم شدن مقدار معینی از درآمدها، اندازه شاخص جینی کاهش یا افزایش می­یابد؛ اما در صورتی که درآمد تمامی افراد جامعه به یک نسبت تغییر کند، ضریب جینی هیچ­گونه تغییری نمی­کند (اصل عدم حساسیت به تغییر متناسب همه درآمدها). از طرفی ضریب جینی مستقل از میانگین بوده و متقارن می­باشد؛ به این معنا که اگر افراد درآمدهای خودشان را دو به دو معاوضه کنند، تغییری در ضریب جینی حاصل نمی­شود (ابونوری و اسناوندی، 1384: 185). روند شاخص ضریب جینی طی سال­های 1380- 1393 در نمودار (3) ارائه شده است.

 

 

نمودار 3. ضریب جینی

منبع: مرکز آمار ایران

 

ضریب جینی در دوره زمانی یاد شده در مناطق شهری و روستایی نوساناتی داشته است. ولی کاهش آن طی دوره موردنظر کاملا ملموس است؛ به طوری­ که کمترین مقدار ضریب جینی در هر دو جامعه مربوط به سال 1392 به ترتیب با مقدار 3512/0 برای مناطق شهری و 3243/0 برای مناطق روستایی است. داده­ها نشان می­دهد در هر دو منطقه شهری و روستایی ضریب جینی سال 1393 افزایش داشته است که می­تواند یکی از پیامدهای تورم بالا، رکود عمیق و افزایش نرخ ارز و تحریم­های ظالمانه علیه کشور که از سال­های قبل آغاز شده بود، باشد.

جهت بررسی تغییرات رفاه اجتماعی می­توان از شاخص­های اندازه­گیری مربوط به آن استفاده کرد. یکی از توابع پرکاربرد در این زمینه تابع رفاه اجتماعی سن[9] می­باشد (جمشیدی و سلیمی­فر، 1392: 256) که روند تغییرات آن در  نمودار (4) مشاهده می­شود.

در محاسبه این شاخص به­جای متغیر درآمد سرانه از متوسط هزینه ناخالص سرانه (به قیمت ثابت 1390) استفاده شده است[10]. با توجه به کمتر بودن هزینه سرانه در مناطق روستایی نسبت به مناطق شهری، شاخص رفاه اجتماعی در این مناطق همواره کمتر از مناطق شهری است. این شاخص در مناطق شهری تا سال 1386 روند صعودی داشته و در این سال به بیشترین مقدار خود رسیده است. در مناطق روستایی نیز بیشترین مقدار در سال 1383 به وقوع پیوسته است.

 

 

نمودار 4. شاخص رفاه سن

         منبع: یافته‌های تحقیق

از سال 1386 به بعد هم در مناطق شهری و هم در مناطق روستایی با وجود کاهش ضریب جینی (نمودار 3)، شاخص رفاه اجتماعی با کاهش قابل توجهی مواجه شده است. مقدار این شاخص در سال 1392 کمتر از رقم شاخص در سال 1381 است. این نتایج نشان­ می­دهد، در این دوره به دلیل تغییرات شاخص، بهای کالا و خدمات شهری و روستایی و رشد منفی متوسط هزینه­های خانوار[11]، توزیع برابرتر درآمد منجر به افزایش رفاه نشده است. لذا شاخص‌های نابرابری بدلیل فقیرتر شدن طبقه متوسط و ملحق شدن این طبقه به گروه‌های با درآمد کم، عدد پایینی را نشان می­دهند.

2-2. مطالعات تجربی

فطرس و معبودی (1395) با استفاده از الگوی تعادل عمومی پویای تصادفی نتیجه گرفتند که تکانه­های مثبت، پایه پولی و مخارج دولت، نابرابری درآمدی را افزایش داده­ است. رضاقلی‌زاده و آقایی(1394) نشان دادند اعمال مالیات بر درآمد اشخاص موجب بهبود توزیع درآمد و کاهش نابرابری دهک‌های مختلف درآمدی شده است.

رضایی و همکاران (1392) با استفاده از الگوی خودرگرسیون برداری نتیجه گرفتند که افزایش اندازه دولت، نرخ تورم و نرخ رشد اقتصادی باعث بدتر شدن توزیع درآمد در ایران  می‌شود. اکبری و همکاران (1390) دریافتند افزایش مخارج جاری سرانه با افزایش نابرابری و افزایش مخارج عمرانی سرانه با بهبود توزیع درآمد همراه بوده است.

صادقی­ شاهدانی و همکاران (1388) نشان دادند افزایش اندازه دولت در بعد تصدی­گری باعث بدتر شدن توزیع درآمد و افزایش اندازه دولت در بعد حاکمیتی منجر به بهبود برابری درآمدی شده است. صمدی و همکاران (1387) نتیجه گرفتند که در ایران بیشتر درآمدهای دولت از افراد کم‌درآمد جامعه تامین شده و بیشتر هزینه‌های دولت برای افراد ثروتمند جامعه بوده است که این امر، باعث نابرابری اجتماعی طی دوره مورد بررسی شده است.

نتایج مطالعه کابرا و همکاران[12] (2015) نشان می­دهد سیاست­های مالی تاثیر ناچیزی بر نابرابری و فقر در نمونه مورد بررسی دارد. باتی و همکاران[13] (2015) نتیجه گرفتند که ابزارهای سیاست مالی تاثیر معناداری بر بهبود توزیع درآمد پاکستان داشته است؛ به طوری­ که ترکیبی از مالیات بر فروش، مالیات بر درآمد و هزینه­های دولتی می­تواند بدون بدتر کردن کسری بوجه دولت، نابرابری درآمدی را کاهش دهد.

 مارتینز وازکوئز و همکاران[14] (2012) دریافتند که مالیات تصاعدی بر درآمد شخصی و مالیات بر درآمد شرکت‌ها نابرابری را کاهش می‌دهد. همچنین مالیات‌های غیرمستقیم مانند مالیات بر مصرف و تعرفه­های گمرکی تاثیر منفی بر توزیع درآمد دارد. علاوه بر آن، سهم بالای مخارج عمومی ازGDP  مانند سهم آموزش و بهداشت، تاثیر مثبت بر توزیع درآمد دارد.

نتایج مطالعه سانگ و پارک[15] (2011) نشان می­دهد مالیات­های مستقیم و تامین اجتماعی ضریب جینی را کاهش می­دهد. همچنین، مصرف درآمدهای مالیاتی در زیرساخت­های آموزشی و بهبود زندگی گروه­های هدف، اثرات بازتوزیعی معناداری در کره جنوبی به­ همراه دارد. آفونسو و همکاران[16] (2010) نتیجه گرفتند که مخارج عمومی هدفمند و دسترسی به امکانات آموزشی بهتر منجر به برابری بیشتر درآمدی برای کشورهای OECD طی دوره 1980- 2000 شده است. دفینا و تاناوالا[17] (2004) دریافتند که مالیات و پرداخت انتقالی مستقیم، شدت فقر را در کشورهای بلژیک، دانمارک، فنلاند، فرانسه و ایرلند 90 درصد و در امریکا 48 درصد کاهش داده است.

 

3. روش تحقیق

3-1.  معرفی الگو

یکی از اصلی‌ترین نقاط ضعف مدل‌هایVAR  این است که نمی‌توان تعداد زیادی از متغیرها را در آن به کار گرفت، زیرا افزایش تعداد متغیرها به سرعت از درجه آزادی آن می­کاهد (بلیز[18]، 2009: 2). این مسئله پژوهش‌گر را به سمت گزینش از بین متغیرهای مختلف بر اساس سلیقه محققان سوق می‌دهد که پیامد آن، استفاده ناکارآمد از اطلاعات موجود و دست نیافتن به یک ارزیابی جامع و کامل از اثر شوک‌ها بر اقتصاد است. همچنین در مدل‌های استاندارد VAR توابع واکنش آنی صرفا برای متغیرهای محدود موجود در مدل قابل ارائه است؛ در حالی که برای بررسی دقیق‌تر اثر شوک‌های اقتصادی نیاز است که اثر این شوک‌ها بر سایر متغیرهای موثر اقتصادی مدل‌سازی شود. نقاط ضعف مدل­های خودرگرسیون سنتی، توجه محققان را برای ابداع روش‌هایی که ساختار و محتوای آن‌ها دربرگیرنده اطلاعات وسیعی از شرایط اقتصادی باشد معطوف داشت.

برنانکی و همکاران[19] (2005) با استفاده از یک یا چند عامل[20] که اطلاعات متغیرهای سری‌زمانی متعددی را به ‌طور بهینه در خود جای داده‌اند، مدل خودرگرسیونی برداری عامل افزوده (FAVAR) [21]را معرفی کردند. ایشان بر اساس کاربرد الگوهای عامل پویا در اقتصاد، به ارائه یک روش اقتصادسنجی برای رفع کاستی‌های الگوی VAR پرداختند. الگوی FAVAR این امکان را فراهم می‌آورد تا همه سری‌های زمانی اقتصاد کلان مرتبط، در الگو وارد شوند. هدف استفاده از این روش ایجاد تطابق میان مجموعه اطلاعات به‌کار رفته در تحلیل‌های تجربی و اطلاعات در دسترس سیاست‌گذاران اقتصادی است. افزون بر آن، مشکل انتخاب اینکه چه متغیری بایستی در الگو لحاظ شود را مرتفع می‌کند.

فرض می‌شود کهYtیک بردار  از متغیرهای ایستای مشاهده‌ شده‌ای[22] است که تاثیر فراگیری بر شرایط اقتصادی دارند، که می‌تواند شامل ابزارهای سیاست مالی نیز باشد. بر خلاف مدل‌های سنتی VAR که اطلاعات اضافی را وارد مدل نمی‌کنند، در این الگو یک بردار   از عامل‌های مشاهده نشده[23] ، Ft،  وارد مدل می‌شود که K کوچک است. این عامل‌های مشاهده نشده، شرایط عمومی اقتصادی را منعکس می‌کنند که به‌راحتی توسط یک یا دو سری‌زمانی قابل ارائه نیست ولی می‌تواند توسط طیف وسیعی از متغیرهای اقتصادی توضیح داده شود. پویایی‌های میان (Ytو Ft) به وسیله رابطه (1) بیان می‌شود: 

(1)

 

که در آن  عمل‌گر وقفه[24] با مرتبه محدود است. جزء خطا  نوفه سفید با میانگین صفر و ماتریس کوواریانس  است. اگر هیچ عاملی در الگو نباشد یا به‌عبارتی اگر همه اجزای  که Ytرا به Ft-1 مرتبط می‌سازند، صفر باشد، الگوی تصریح شده به مدل VAR سنتی که صرفا شامل متغیرهای مشاهده شده است تبدیل می‌شود. حال اگر مدل صحیح FAVAR باشد ولی الگو اقتصادی به‌ روش VAR سنتی و صرفا مبتنی بر Ytبرآورد شود، نتایج به دست آمده به دلیل حذف اطلاعات دچار تورش شده و قابل اتکا نخواهد بود.

اگر Xt یک بردار  از سری‌های زمانی ایستای مشاهده شده که حاوی اطلاعات است[25]، {در حالی که N بزرگ است ( N >> K+M )} باشد و بیشتر اطلاعات موجود در Xt  بتواند به ‌صورت موثری در تعداد اندکی عوامل غیرقابل مشاهده خلاصه شود، رابطه میان Xt  و بردارهای Yt و Ft به صورت رابطه (2) تصریح می‌شود: 

(2)

 

در این رابطه  یک بردار  و  یک بردار   از بارهای عاملی[26] و  بردار  جزء خطا با نوفه سفید می‌باشد. برنانکی و همکاران (2005) معادله (1) را به‌ عنوان الگوی FAVAR معرفی می‌کنند.

به ‌دلیل این‌ که Ft قابل مشاهده نیست، برآورد معادله (1) به ‌طور مستقیم غیرممکن است. از این‌رو، برای برآورد مدلFAVAR  از یک رویکرد ناپارامتریک دو مرحله‌ای تحلیل عامل اصلی[27] (PCA) استفاده می­شود. تحلیل عامل اصلی یکی از انواع روش‌های تحلیل داده‌های چند متغیره است که برای ترکیب متغیرهای با همبستگی بالا به‌کار می‌رود و هدف اصلی آن تقلیل بعد مساله مورد مطالعه است. با استفاده از تحلیل عامل اصلی می‌توان تعداد زیادی متغیر توضیحی (متغیر مستقل) همبسته را با تعداد محدودی متغیر توضیحی جدید که مولفه‌های اصلی نامیده می‌شوند و ناهمبسته‌اند، جایگزین نمود. بدین ترتیب نه‌تنها بعد مساله تقلیل می‌یابد بلکه مساله چند همخطی نیز پیش نمی‌آید.

3-2. داده­ها

همان گونه که گفته شد، الگوی  FAVARاین امکان را فراهم می‌کند تا همه سری‌های زمانی اقتصاد کلان مرتبط، وارد مدل شوند. ازاین‌رو، 99 متغیر اقتصاد کلان به کار رفته در این تحقیق در 7 گروه طبقه‌بندی می‌شوند. گروه‌ها شامل وضعیت مالی دولت؛ انرژی؛ تولید و صنعت؛ بخش خارجی؛ امور اجتماعی و خانوار؛ شاخص‌های قیمت؛ متغیرهای پولی و اعتباری می‌باشد. هرگروه خود شامل چندین سری زمانی است[28] که از بانک اطلاعات بانک مرکزی جمهوری اسلامی ایران، مرکز آمار ایران و سایر بانک‌های اطلاعاتی برای دوره فصل اول 1369 تا فصل آخر 1393[29] استخراج می‌شوند. این متغیرها حاوی اطلاعات مفیدی در رابطه با وضعیت اقتصاد هستند و در تشخیص بهتر اثر شوک‌های مالی ما را یاری می‌کنند.

 

4. برآورد مدل

در مرحله اول با توجه به در دسترس نبودن داده­های فصلی برای همه متغیرهای سری ­زمانی، از روش دنتون تناسبی[30] برای تبدیل داده­های سالانه به داده­های فصلی استفاده می­شود. از طرفی، لازمه تخمین عوامل با استفاده از مولفه‌های اصلی، ایستا بودن متغیرهاست؛ لذا بعد از تعدیل فصلی سری­های زمانی[31] و انجام آزمون ریشه ‌واحد[32]، در صورت لزوم تعدیلاتی مانند تفاضل‌گیری یا تبدیل لگاریتمی جهت ایستایی متغیرها صورت می‌گیرد. از آنجا که تحلیل مولفه‌های اصلی به مقیاس متغیرها حساس است، لذا برای حل موضوع متفاوت بودن مقیاس متغیرهای استفاده شده، همه متغیرها به‌ فرم استاندارد با میانگین صفر و واریانس یک تبدیل می‌شوند. در ادامه با استفاده از تحلیل مولفه اصلی (PCA) و با استفاده از متغیرهای بردار Xt  عامل[33]‌های مشترک را استخراج کرده (  ) و در مرحله بعدی این عوامل تخمین زده شده را درالگوی VAR استاندارد وارد می‌کنیم. سپس اثر سیاست­های مالی بر توزیع درآمد ایران توسط توابع واکنش آنی بررسی می‌شود. به کارگیری این روش، فروض توزیعی کمی به‌ دنبال دارد و اجازه درجه همبستگی مقطعی در جمله اخلال  را می‌دهد.  برای بررسی اثر سیاست‌های مالی بر توزیع درآمد، چهار مدل به صورت زیر برآورد می­شود: 1- اثر مخارج جاری دولت بر توزیع درآمد؛ 2- اثر مخارج عمرانی دولت بر توزیع درآمد؛ 3- اثر مالیات­های مستقیم بر توزیع درآمد؛ 4- اثر مالیات­های غیرمستقیم بر توزیع درآمد. این تقسیم­بندی جهت تفکیک و ارزیابی دقیق­تر اثرات ابزارهای سیاست مالی بر چگونگی توزیع درآمد صورت گرفته است.

4-1. برآورد عامل­ها

ابتدا لازم است از مناسب بودن داده‌ها از نظر تعداد و انسجام برای انجام تحلیل عاملی اطمینان حاصل شود. برای این منظور از آماره آزمون KMO [34] برای اطمینان از کفایت تعداد داده‌ها و از آزمون بارتلت[35] برای اطمینان از مناسب بودن داده‌ها برای تحلیل عاملی استفاده می‌شود. مقدار آماره KMO همواره بین 0 و 1 است؛ در صورتی که مقدار آن بزرگ‌تر از 7/0 باشد، داده‌ها از نظر تعداد برای تحلیل عاملی مناسب خواهند بود. مقصود از اجرای آزمون بارتلت، رد فرضیه صفر مبنی بر برابری ماتریس ضرایب همبستگی با ماتریس واحد است. برای آن که یک الگوی تحلیل عاملی مفید و دارای معنا باشد، لازم است متغیرها همبسته باشند. در غیر این‌ صورت، دلیلی برای تحلیل عاملی وجود ندارد. این آزمون با توزیع کای دو قضاوت می‌شود. در جدول (1) مقادیر آماره آزمون KMO و بارتلت برای هر چهار مدل معرفی شده نشان می­دهد که داده‌ها از نظر تعداد برای تحلیل عاملی مناسب هستند.

جهت بررسی قدرت توضیح­دهندگی عامل­های به دست آمده، در جدول (2) تعداد 5 مولفه اصلی با مقادیر ویژه بزرگ­تر از یک[36]، به­همراه درصد تجمعی واریانس کل که توسط این مولفه­ها توضیح داده می­شود آورده شده است.

جدول1. مقادیر آزمون تحلیل عاملی

آماره

مدل اول

مدل دوم

مدل سوم

مدل چهارم

بارتلت

46/19927 (000/0)

21/20104

(000/0)

13/19012

(000/0)

75/19139

(000/0)

KMO

879/0

876/0

876/0

879/0

منبع: محاسبات تحقیق

 

جدول 2. قدرت توضیح­دهندگی عامل­ها

عامل­ها

5

4

3

2

1

 

99/45

89/40

37/35

33/26

78/13

مدل اول

26/45

11/40

90/34

98/25

88/13

مدل دوم

10/46

87/40

50/35

28/26

40/14

مدل سوم

64/46

31/41

79/35

52/26

39/14

مدل چهارم

منبع: یافته‌های تحقیق

 

معمولا توضیح چهل درصد از واریانس کل توسط عامل­ها به­ عنوان یک برازش قابل قبول در نظر گرفته می­شود (بریتانگ و ایکمیر[37]،2005 :5). لذا با توجه به نتایج جدول (2) حداکثر تعداد 4 عامل برای برآورد مدل FAVAR درنظر گرفته می­شود.

بای و ان­جی[38] (2002) معیارهایی را جهت تعیین تعداد عامل­­ها از متغیرهای Xt پیشنهاد داده­اند. دو معیاری که به طور وسیع در شبیه­سازهای چنین الگویی­هایی مورد استفاده قرار می‌گیرد از روابط زیر به دست می­آیند:

(3)

 

(4)

 
     

به‌ طوری‌ که در معادلات فوق N، T، k به‌­ ترتیب تعداد متغیرها، تعداد مشاهدات و تعداد عامل‌ها می­باشد.  میانگین مجذور خطا را نشان می­دهد. در معیار دوم min{N,T} =  می‌باشد. در جدول (3) تعداد عامل­های بهینه بر اساس آماره­های بای و ان­جی برای چهار مدل مورد نظر آورده شده است. بنابراین، بر اساس نتایج، جدل (2) و جدول (3) در نهایت برای هر چهار مدل موردنظر، 4 عامل جهت برآورد مدل FAVAR  وارد پروسه تخمین خواهند شد.

 

جدول 3. آماره بای و ان­جی

 

ICp1

ICp2

مدل اول

4

3

مدل دوم

4

3

مدل سوم

4

3

مدل چهارم

4

4

منبع: یافته‌های تحقیق

 

4-2. تخمین مدل FAVAR

الگوی FAVAR انتخاب شده در این مقاله شامل ابزار سیاست مالی، درآمدهای نفتی[39] و تعداد 4 عامل مشترک است. بر اساس معیار شوارتز[40] یک وقفه، به­ عنوان وقفه بهینه برای هر چهار مدل انتخاب می­شود. برای شناسایی شوک­های مالی از تجزیه چولسکی استفاده می­شود. به ­این ­صورت که فرض می­شود عامل­های مشترک و متغیرهای الگوی ­VAR استاندارد نمی‌‌توانند به ­طور همزمان به ­شوک غیرمنتظره مالی پاسخ دهند؛ درحالی که متغیرهای سیاست مالی می­تواند به­ هر تغییری در عامل­ها و متغیرها پاسخ دهند. البته در هر حال، در دوره­های بعد از شوک مالی، قیدی بر واکنش عامل­ها و متغیرهای هدف وضع نمی­شود. مانایی متغیرهای به کار رفته در مدل FAVAR  در جدول (4) بررسی شده است.

 

جدول 4. نتایج آزمون ریشه واحد

 نام متغیر

آزمون ADF

آزمون ADFبا شکست ساختاری

نتیجه آزمون

درآمدهای نفتی

03/3-

(12/0)

52/8-

(01/0 >)

I(0)

هزینه­های جاری دولت

37/11-

(000/0)

-

I(0)

هزینه­های عمرانی دولت

26/2-

(18/0)

35/10-

(01/0 >)

I(0)

مالیات­های مستقیم

72/8-

(000/0)

-

I(0)

مالیات­های غیرمستقیم

69/12-

(000/0)

-

I(0)

منبع: یافته‌های تحقیق. مقادیر داخل پارانتز p-value هستند.

 

نتایج آزمون ریشه واحد نشان می­دهد که همه متغیرهای به کار رفته در مدل FAVAR  مانا می­باشند. با توجه به وجود ریشه واحد در متغیرهای درآمدهای نفتی و هزینه­های عمرانی دولت، مجددا آزمون ریشه واحد با شکست ساختاری در مورد این متغیرها اعمال شد که نتایج حاکی از مانا بودن این متغیرها با لحاظ کردن شکست ساختاری است[41].

4-2-1. توابع واکنش آنی[42]

توابع واکنش آنی رفتار پویای متغیرهای دستگاه را در طول زمان به ­هنگام بروز یک شوک به اندازه یک انحراف معیار نشان می­دهند. بر همین اساس، در این مرحله جهت تحلیل آثار سیاست مالی بر ضریب جینی و توزیع درآمد از توابع واکنش آنی حاصل از مدل برآوردی استفاده می­شود.

 

شکل 1. ریشه­های مشخصه

  منبع: یافته‌های تحقیق

 

قبل از آن باید از پایداری سیستم اطمینان حاصل شود. در شکل (1) مشاهده می­شود که تمامی ریشه­های مشخصه داخل دایره واحد قرار گرفته­اند که نشان از ثبات سیستم برآوردی دارد و لذا می­توان به نتایج ناشی از عکس­العمل تکانه­ها اعتماد کرد (پیش­بهار و همکاران 1394: 33). نمودار (5) عکس­العمل شاخص ضریب جینی را به شوک ابزارهای سیاست مالی نشان می‌دهد. محورهای عمودی در این نمودارها نشان­دهنده میزان واکنش متغیر شاخص جینی نسبت به شوک ناشی از ابزار سیاست مالی دولت و محور افقی نشان­دهنده تعداد فصولی است که طی می­شود تا تاثیر شوک وارده بر ضریب جینی اعمال شود.

 

 

 

نمودار 5. توابع واکنش آنی

      منبع: یافته‌های تحقیق

 

همان طور که مشاهده می­شود شوک مثبت به اندازه یک انحراف معیار در مخارج جاری دولت (cgov) ضریب جینی را افزایش می­دهد و موجب بدتر شدن توزیع درآمد در جامعه می­شود. این تاثیر در دوره دوم به حداکثر خود رسیده و از آن به بعد تضعیف شده و بعد از دوره بیستم شاخص ضریب جینی به مقدار بلندمدت خود تمایل پیدا می­کند. در توجیه این فرایند می­توان گفت چون مخارج جاری دولت معمولا اثر غیرتولیدی دارد بیشتر متوجه گروه‌های پردرآمد جامعه شده و امکان بهره­مند شدن اقشار کم­درآمد را فراهم نمی­کند. این نتیجه­گیری با یافته­های مطالعاتی نظیر اکبری و همکاران (1390)، علی و احمد (2010) و مونلو گالو و ساگالس (2014) مطابقت دارد.

شوک مخارج عمرانی دولت (gov) از فصل دوم به بعد ضریب جینی را کاهش و موجب بهبود پایدار توزیع درآمد می­شود. افزایش مخارج عمرانی دولت با ایجاد فرصت های تولیدی و اشتغال برای افراد که افزایش درآمد آنها را به همراه دارد و نیز بهبود دسترسی به امکانات بهداشتی و آموزشی که به نفع اقشار کم­درآمد است، موجب کاهش ضریب جینی و افزایش برابری درآمدی می­­شود. این تاثیرگذاری تا فصل هشتم معنادار است. نتیجه به دست آمده با یافته­های مطالعاتی نظیر آفونسو و همکاران (2010)، لوستیگ و همکاران، (2014) و ابونوری و همکاران (1387) سازگار است.

شوک مثبت به اندازه یک انحراف معیار در مالیات‌های مستقیم[43] ضریب جینی را کاهش داده و موجب بهبود پایدار توزیع درآمد می­شود. این تاثیر مثبت بر الگوی توزیع درآمد که برای سه فصل معنادار است، طی زمان به ­تدریج تضعیف شده و از حدود فصل بیستم به بعد اثرات آن از میان رفته و شاخص ضریب جینی به مقدار بلندمدت خود گرایش پیدا می‌کند. این نتیجه با یافته­های مطالعات مهرآرا و اصفهانی (1394)، هیگینز و پریرا[44] (2014) و همچنین کرودو[45] (2015) سازگار است. پرداخت­کنندگان مالیات­های مستقیم نمی­توانند آن ­را به دیگران منتقل کنند؛ لذا اثرات توزیعی این نوع مالیات­ها مانع از تمرکز ثروت خواهد بود و به ­همین جهت می­تواند به صورت پایداری فاصله طبقاتی را ترمیم و توزیع درآمد را بهبود بخشد.

شوک مالیات­های غیرمستقیم[46] نیز موجب کاهش ضریب جینی و بهبود توزیع درآمد می‌شود. هرچند که این تاثیر صرفا برای یک دوره به لحاظ آماری معنادار است. این نتیجه‌گیری با مطالعه سپهردوست و زمانی (1394) سازگار است. مالیات­های غیرمستقیم (مالیات بر واردات و مالیات بر کالا) بیشتر بر نوع انتخاب و نوع مصرف تاثیر می­گذارد و کمتر منجر به کاهش مصرف می­شود. یعنی مصرف­کننده از دوره­ای به بعد از کالایی که بر آن مالیات وضع شده کمتر مصرف نموده و در مقابل، مصرف خود از کالای جانشین را افزایش می­دهد. از طرفی این نوع مالیات بیشتر بر کالاهای لوکس که مورد مصرف گروه­های پردرآمد است وضع می­شود و نه بر کالاهای اساسی. لذا می­توان از منافع حاصل از آن جهت بهبود الگوی توزیع درآمد به نفع گروه­های کم­درآمد استفاده کرد.

4-2-2. تجزیه واریانس خطای پیش­بینی[47]

برای تعیین اهمیت هریک از متغیرهای مدل بر شاخص ضریب جینی، از تجزیه واریانس استفاده می­کنیم. در این روش، واریانس خطای پیش­بینی، به عناصری که شوک­های هریک از متغیرها را در بردارند تجزیه می­گردد. نتایج تجزیه واریانس شاخص ضریب جینی برای هر 4 مدل در جدول (5) مشاهده می­شود. علاوه بر ضریب جینی که بیشترین تغییرات مربوط به خود را توضیح می­دهد[48]، نتایج نشان می­دهد که مالیات­های مستقیم و مخارج عمرانی دولت بیشترین سهم از تغییرات مربوط به ضریب جینی را دارا هستند که این امر اهمیت این دو متغیر در تعیین الگوی توزیع درآمد جامعه را نشان می­دهد.

 

جدول 5. تجزیه واریانس

مالیات­های غیرمستقیم

مالیات­های مستقیم

هزینه­های عمرانی دولت

هزینه­های جاری دولت

دوره

55/0

44/0

66/0

14/1

1

44/0

93/2

62/3

05/2

4

25/0

76/4

37/4

8/1

8

27/0

59/5

81/4

67/1

12

38/0

01/6

18/5

59/1

16

51/0

19/6

48/5

53/1

20

منبع: یافته‌های تحقیق

 

5. نتیجه­گیری و پیشنهادها

در این مقاله با به کارگیری داده­های سری­ زمانی برای فصل اول سال 1369 تا فصل آخر 1393 و نیز روش جدید خودرگرسیون برداری عامل افزوده (FAVAR)، به بررسی تاثیر  ابزارهای سیاست مالی بر متغیر ضریب جینی به ­عنوان متداول­ترین شاخص توزیع درآمد در ایران پرداخته شده است. از مخارج جاری و عمرانی دولت و نیز مالیات­های مستقیم و غیرمستقیم به­عنوان چهار ابزار سیاست مالی استفاده شده است.

نتایج توابع واکنش آنی نشان می­دهد شوک مثبت به اندازه یک انحراف معیار در مخارج جاری دولت ضریب جینی را افزایش و موجب بدتر شدن توزیع درآمد در جامعه می­شود. مخارج جاری دولت به طور مستقیم اثری بر قدرت تولید جامعه ندارد؛ بلکه صرفا برای عده­ای درآمد ایجاد کرده و و امکان بهره­مند شدن اقشار کم­درآمد را فراهم نمی­کند. شوک مخارج عمرانی دولت موجب بهبود پایدار توزیع درآمد می­شود. افزایش مخارج عمرانی دولت با ایجاد فرصت‌های تولیدی و اشتغال و با افزایش درآمد افراد و نیز بهبود دسترسی به امکانات بهداشتی و آموزشی باعث افزایش برابری درآمدی می­­شود.

شوک مثبت مالیات های مستقیم ضریب جینی را کاهش می­دهد. مالیات بر درآمد امکان بیشتری برای توزیع مجدد دارد، زیرا افراد با درآمدهای بالاتر باید مالیات بیشتری پرداخت کنند. همچنین افرادی که ثروت بیشتری دارند، با بالا رفتن نرخ­های مالیات بخش بیشتری از ثروت و سرمایه آن­ها در فرآیند تولید جامعه قرار می­گیرد و با رشد اقتصادی منافع حاصل از آن در جامعه توزیع خواهد شد. نیز مالیات بر سود شرکت­ها، اگر شرکت­ها فرصت فرار مالیاتی و انتقال آن به مصرف­کننده را نداشته باشند، با توزیع مجدد آن در دهک­های پایین­تر درآمدی، می­تواند منجر به بهبود وضع معیشتی گروه­های هدف شود. لذا نوع مالیات­ها اثرات توزیعی بهتری دارند و در کاهش نابرابری موثرند.

از آنجا که مالیات­های غیرمستقیم (مالیات بر واردات و مالیات بر کالا) بیشتر بر نوع انتخاب و نوع مصرف تاثیر می­گذارد و کمتر منجر به کاهش مصرف می­شود این نوع مالیات بیشتر بر کالاهای لوکس که مورد مصرف گروه­های پردرآمد است، وضع می­شود و نه بر کالاهای اساسی؛ لذا می­توان از منافع حاصل از آن جهت بهبود الگوی توزیع درآمد به نفع گروه­های کم­درآمد استفاده کرد. لذا شوک مالیات­های غیرمستقیم  نیز موجب کاهش ضریب جینی و بهبود توزیع درآمد می­شود.

دولت می­تواند با کاهش هزینه­های جاری از طریق چابک­سازی و انضباط مالی بیشتر و افزایش هزینه­های عمرانی هدفمند در زمینه فراهم نمودن بسترهای ساختاری افزایش تولید و اشتغال و زیرساخت­های بهداشتی و آموزشی، توزیع درآمد در کشور را بهبود بخشد. همچنین تقویت سیستم مالیاتی از طریق ایجاد بانک شفاف اطلاعاتی برای شناسایی مودیان، شناسایی فعالیت­های اقتصاد زیرزمینی و قاچاق و اعمال مالیات بالاتر برای کالاهای لوکس و هزینه­کرد درآمدهای حاصل از آن­ها در امور اجتماعی می­تواند به نفع گروه­های کم­درآمد جامعه باشد.



[1] اقتصاد بخش عمومی به طور معمول 5 وظیفه – قانون‌گذاری، ثبات بخشی، تخصیصی، توزیعی و هدایت‌گری – را برای دولت قایل می‌شود (توکلی، 1392: 61).

[2] De Mello and Tiongson

[3] Schaltegger and  Weder

[4]  مانند طرح سهمیه‌بندی و کوپن، مسکن مهر،  سبد کالا، کمیته ‌امداد، پرداخت‌های مستقیم دولت.

[5] Factor-Augmented Vector Auto Regression (FAVAR)

[6] Viegas and Ribeiro

[7] Lustig  et al.

[8] Word Development Indicator (WDI)

[9] Sen, 1977: 1548

[10] از آنجا که آمارهای مربوط به درآمد معمولاً دچار فروبرآوردی است، در محاسبه شاخص­ها از آمار هزینه به­جای آن استفاده می­شود (کفائی و نصیری، 1388: 107).

 

[11]  طرح هزینه درآمد خانوار سال­های مختلف، مرکز آمار ایران

[12] Cabrera, et al.

[13] Bhatti, et al.

[14] Martínez-Vázquez, et al.

[15] Sung and Park

[16] Afonso, et al.

[17] DeFina and Thanawala

[18] Blaes

[19] Bernanke, et al.

[20] Factor

[21] Factor-Augmented VAR

[22] Observable Variables

[23] Unobserved Factors

[24] Lag Operator

[25]  Y زیر مجموعه‌ای از X است.

[26] Factor Loadings

بار عاملی بیان‌گر میزان همبستگی بین متغیرهای مشاهده شده و عامل‌هاست. به عبارت دیگر، بار عاملی ترکیب وزن یافته متغیرهایی است که به بهترین صورت واریانس را تبیین می‌کند. بنابراین، هر بار عاملی در یک متغیر نشان می‌دهد که آن متغیر چقدر با عامل مربوطه همبستگی دارد.

[27] Principal Component Analysis

[28] به دلیل حجم زیاد داده­ها (99 متغیر به صورت فصلی) از گزارش اسامی آن­ها خودداری شده است. در صورت درخواست قابل ارائه است.

[29]  دوره زمانی بر اساس در دسترس بودن حداکثری داده­ها انتخاب شده است.

[30] Proportional Denton

[31] برای تعدیل فصلی از روش ARIMA X-12  استفاده شده است.

[32] از آزمون­های دیکی- فولر تعمیم یافته و آزمون ریشه واحد با لحاظ شکست ساختاری استقاده شده است. به دلیل حجم زیاد داده­ها از ارائه گزارش نتایج مربوط به آزمون ریشه واحد خودداری می­شود.

[33] Component

[34] Kaiser-Meyer- Olkin  Test

[35] Bartlett's Test

[36] مقدار ویژه (Eigenvalue) اندازه­ای است که تعیین می­کند چه مقدار واریانس در کل داده­ها به وسیله یک عامل تبیین می‌شود. طبق معیار کیزر (۱۹۶۰) تنها عامل­های دارای مقدار ویژه بیشتر از ۱ از اهمیت آماری برخوردارند.

[37] Breitung and Eickmeier

[38] Bai and Ng

[39] با توجه به اینکه درآمدهای نفتی تاثیر فراگیری بر اقتصاد ایران دارد، لذا به طور مجزا وارد مدل می­شود (با توجه به ویژگی مدل FAVAR).

[40] ایوانو و کیلیان (2005) نشان دادند برای الگوهای VAR فصلی با حجم نمونه کمتر از 120 مناسب­ترین معیار انتخاب وقفه بهینه، معیار اطلاعات شوارتز (SIC) است.

[41] از آنجا که عامل­ها در هر 4 مدل از متغیرهای ایستای بردار Xt  به دست می­آیند لذا خود آن­ها نیز ایستا بوده و نیازی به بررسی مانایی آن­ها نیست. از این‌رو، جهت پرهیز از اطاله کلام نتایج مربوط به آن­ها گزارش نشده است.

[42] Impulse Response Function (IRF)

[43]Direct Tax

[44]Higgins and Pereira

[45]Crudu

[46] Indirect Tax

[47]Forecast Error Variance Decomposition

[48] به دلیل رعایت اختصار، نتایج مربوط به آن گزارش نشده است.

منابع

-    ابونوری، اسماعیل، کریمی ­پتانلار، سعید، محمدرضا مردانی (1389). اثر سیاست مالی بر متغیرهای کلان اقتصاد ایران: رهیافتی از روش خود رگرسیون برداری. پژوهشنامه اقتصادی،10(3):143- 117.

-    ابونوری، اسماعیل، خوشکار، آرش و پدرام داوودی (1387). شاخص‌های اقتصادی و توزیع درآمد در میان کشورهای اسلامی. همایش اقتصاد سلامی و توسعه، تهران.

-    ابونوری، اسماعیل، اسناوندی، اسماعیل (1384). برآورد و ارزیابی سازگاری شاخص­های نابرابری اقتصادی با استفاده از ریزداده­ها در ایران. مجله تحقیقات اقتصادی، (71):210-171.

-    اکبری، نعمت‌الله، فرهمند، شکوفه، سمیه جمالی(1390). تحلیل فضایی تاثیر سیاست‌های مالی دولت بر نابرابری درآمد در ایران با رهیافت رگرسیون وزنی جغرافیایی. فصلنامه اقتصاد مقداری،  8 (3):25- 1.

-    پیش­بهار، اسماعیل، قهرمان­زاده، محمد، علی فرهادی (1394). بررسی اثرات تورم بر تولید و رشد بخش­های اقتصاد ایران با تاکید بر بخش کشاورزی. اقتصاد کشاورزی، 9(1):41-19.

-       توکلی، احمد(1392). مالیه عمومی. انتشارات سمت، چاپ هجدهم، تهران.

-    جمشیدی، رضا، سلیمی­فر، مصطفی (1392). بررسی و مقایسه توزیع درآمد خانوارهای شهری و روستایی استان خراسان رضوی و کشور طی سال­های 1385-90. اقتصاد و توسعه کشاورزی، 27 (3):266-253.

-       رضاقلی‌زاده، مهدیه و آقایی، مجید(1394). بررسی تأثیر مالیات‌های مستقیم بر توزیع درآمد در ایران. فصلنامه مجلس و راهبرد، 22(84):156-129.

-    رضایی، اسعداله، حسین‌زاده، جواد، فرامرزی، ایوب، منصوره یزدان‌خواه(1392). تاثیر اندازه دولت بر توزیع درآمد در ایران. فصلنامه سیاست‌های راهبردی و کلان، 1(4):36-21.

-       سپهردوست، حمید و زمانی، صابر(1394). بهبود پارتویی توزیع درآمد و سیاست گذاری مالیاتی. سیاست‌هایراهبردیوکلان،3(10):127- 107.

-    صادقی­شاهدانی، مهدی، ندری، کامران، وهاب قلیچ(1388). اثرات نقش حاکمیتی و تصدی­گری دولت در اقتصاد بر توزیع درآمد به روش ARDL : مطالعه موردی ایران. فصلنامه اقتصاد مقداری،6(4):100-73.

-    صمدی، سعید، زاهدمهر، امین، ایوب فرامرزی(1387). بررسی اثرسیاست‌های مالی دولت بر توزیع درآمد و رشد اقتصادی در ایران. پژوهشنامه بازرگانی، (49):119-99.

-    فطرس، محمدحسن، معبودی، رضا(1395). اثر تکانه­های پولی و مالی بر رشد اقتصادی و توزیع درآمد در ایران: رویکرد تعادل عمومی تصادفی پویا. فصلنامه مطالعات اقتصادی کاربردی ایران، 5(19):82-59.

-    کفائی، سیدمحمدعلی، نصیری، حسین(1388). معرفی و برآورد دو شاخص جدید نابرابری توزیع درآمد برای ایران: جینی تک پارامتری و آتکینسون- جینی. پژوهشنامه اقتصادی،10(4):138- 105.

-       مهرآرا، محسن، اصفهانی، پویا(1394). بررسی رابطه بین توزیع درآمد و ساختار مالیاتی کشورهای منتخب. پژوهشنامه مالیات، (28):228-209.

-       Afonso, A., Schuknecht., L., Tanazi, V. (2010). Income distribution determinants and public spending efficiency. Journal of Economic Inequality, 8: 367–389.

-       Bai, J., Ng, S .(2002). Determining the number of factor in approximate factor models. Economica, 70(1): 191-221.

-       Bernanke, B., Boivin, J., Eliasz, P. (2005). Measuring the effects of monetary policy: A Factor-Augmented Vector Autoregressive (FAVAR) approach. The Quarterly Journal of Economics, 120(1): 387–422.

-       Bhatti, A.A., Batool, Z., Naqvi, H.A. (2015). Fiscal policy and its role in reducing income inequality: A CGE analysis for Pakistan. The Pakistan Development Review, 54(4): 843-864.

-       Blaes, B. (2009). Money and monetary policy transmission in the Euro Area: Evidence from FAVAR and VAR approaches. Deutsche Bundesbank Discussion Paper, No. 18.

-       Breitung, J., Eickmeier, S. (2005). Dynamic factor model. Deutsche Bundes bank Discussion paper, Economic Studies, No 38.

-       Cabrera, M., Lustig, N., Moran, H. (2015). Fiscal policy, inequality, and the ethnic divide in Guatemala. World Development, 76: 263–279.

-       Cevik, S,. Correa-Caro, C. (2015). Growing (un)equal: fiscal policy and income inequality in China and BRIC+. IMF Working Paper, No. 15/68.

-       Crudu, R .(2015). The influence of fiscal policy on income inequality in European Union’s states. Business Systems and Economics, 5(1): 46-60.

-       DeFina, R., Kishor Thanawala, K. (2004). International evidence on the impact of  transfers and taxes on alternative poverty indexes. Social Science Research, 33(1): 322–338.

-       De Mello. L., Tiongson. E. (2003). Income inequality and redistributive rovernment spending. IMF Working Paper, No. 03/14.

-       Higgins, S.,  Pereira,C. (2014). The effects of Brazil’s taxation and social spending on the distribution of household income. Public Finance Review, 42(3): 346-367.

-       Ivanov, V., Kilian, L. (2005). A Practitioner’s Guide to Lag Order Selection for VAR Impulse Response Analysis. Studies in Nonlinear Dynamics & Econometrics, 9(1): 1-34.

-       Kaiser. H.F. (1960). The application of electronic computers to factor analysis. Educational and Psychological Measurement, 20: 141-151.

-       Konow,J. (2003). Which is fairest one of all? A positive analysis of justice theories. Journal of Economic Literature, 41(1): 1188-1238.

-       Lustig, N., Pessino, C., Scott, J. (2014). The impact of taxes and social spending on inequality and poverty in Argentina, Bolivia, Brazil, Mexico, Peru, and Uruguay: Introduction to the special Issue. Public Finance Review, 42(3): 287-303.

-       Martínez-Vázquez, J., Vulovic, V., Moreno-Dodson, B. (2012). The impact of tax and expenditure policies on income distribution: evidence from a large panel of countries, Hacienda Publica Espanola, 200(1): 95- 130.

-       Schaltegger, C., Weder, M. (2014). Austerity, inequality and politics. European Journal of Political Economy, 5: 1-22.

-       Sen, A. (1977). On weights and measures: In formation constraints in social welfare analysis. Econometrical Journal, 7: 1539 -1572.

-       Sung, M.J., Park, K.B. (2011). Effects of taxes and benefits on income distribution in Korea. Review of Income and Wealth, 57(2): 345-363.

-       Viegas, M., Ribeiro, A.P. (2013). Welfare-improving government behavior and inequality in a heterogeneous agent’s model. Journal of Macroeconomics, 37: 146-16.