فعال جو, حمید رضا, ملابهرامی, احمد, امیری, حسین. (1396). بررسی غیرخطی عوامل مختلف اقتصادی مؤثر بر وقوع جرم در ایران. مجلس و راهبرد, 24(90), 101-124.
حمید رضا فعال جو; احمد ملابهرامی; حسین امیری. "بررسی غیرخطی عوامل مختلف اقتصادی مؤثر بر وقوع جرم در ایران". مجلس و راهبرد, 24, 90, 1396, 101-124.
فعال جو, حمید رضا, ملابهرامی, احمد, امیری, حسین. (1396). 'بررسی غیرخطی عوامل مختلف اقتصادی مؤثر بر وقوع جرم در ایران', مجلس و راهبرد, 24(90), pp. 101-124.
فعال جو, حمید رضا, ملابهرامی, احمد, امیری, حسین. بررسی غیرخطی عوامل مختلف اقتصادی مؤثر بر وقوع جرم در ایران. مجلس و راهبرد, 1396; 24(90): 101-124.
بررسی غیرخطی عوامل مختلف اقتصادی مؤثر بر وقوع جرم در ایران
2دانش‌آموخته دوره دکتری تخصصی علوم اقتصادی، دانشکده اقتصاد، دانشگاه ارومیه
3استادیار دانشکده اقتصاد، دانشگاه خوارزمی
چکیده
این مقاله به بررسی تأثیر نرخ بیکاری، نابرابری درآمد، تورم، نسبت شهرنشینی، نرخ رشد سالانه طلاق و نرخ رشد سالانه بودجه دستگاه قضایی بر جرم در ایران در قالب مدل غیرخطی مارکف سوئیچینگ و با استفاده از داده‌های سری زمانی سالانه طی دوره زمانی 1363 تا 1392 می‌پردازد. نتایج نشان می‌دهد رابطه نرخ رشد جرایم با متغیرهای توضیحی مذکور غیرخطی است. همچنین نرخ بیکاری، نابرابری درآمدی، نرخ تورم، نسبت شهرنشینی و نرخ رشد طلاق در هر دو فاز حدی صفر (نرخ رشد پایین جرم) و فاز حدی یک (نرخ رشد بالای جرم) اثر مثبت و منفی بر رشد جرایم در ایران دارند و تنها متغیر رشد بودجه سالانه دستگاه قضایی بر رشد جرایم تأثیر معنادار منفی در هر دو فاز دارد. نسبت شهرنشینی، نرخ بیکاری و تورم در فاز حدی صفر (دوره‌های نرخ رشد پایین وقوع جرایم) به ترتیب بالاترین تأثیر را بر نرخ رشد وقوع جرایم دارند. در فاز حدی یک (دوره‌های نرخ رشد پایین وقوع جرایم)، تورم، نسبت شهرنشینی و نرخ رشد طلاق به‌ترتیب بالاترین تأثیر را بر وقوع جرایم دارند. بر‌اساس نتایج حاصل از تخمین مارکف سوئیچینگ، احتمال ماندگاری در فاز حدی صفر، 50 درصد و احتمال گذر از این فاز به فاز حدی یک، 48 درصد است. بر پایه آزمون‌های نیکویی برازش، مدل مارکف سوئیچینگ از عملکرد مناسب جهت مدل‌سازی ارتباط مذکور است.
An Investigation on Economic Factors’ Nonlinear Impacts on Crime in Iran
نویسندگان [English]
H F1؛ A M2؛ Hossein Amiri3
1U
2R
3U
چکیده [English]
This study examines the effects of “unemployment, income inequality, inflation, urbanization, annual growth rate of divorce, and annual growth rate of budget allocated for judicial system” on crime in Iran, based on a non-linear Markov-Switching model used for annual time series data during 1984 to 2013. The results show that there is a non-linear relationship between growth rate of crimes and the mentioned explanatory variables. In the other hand, results based on a regression estimation show that the rate of unemployment, income inequality, inflation, the extent of urbanization, and the growth rate of divorce, in both zero phase (low crime rate) and one phase (high growth rate of crime), have significant positive effects on growth rate of crimes. The results show that the urbanization, unemployment and inflation at zero phase (low crime rate periods) have the highest impact on growth rates of crime, as every one percent increase in the urbanization, unemployment and inflation lead to 1.46, 0.99 and 0.97 percent increase in growth rate of crime in Iran, respectively.In the phase one (low crime rate periods), inflation, urbanization and the growth rate of divorce have highest impact on crime in Iran, as every one percent increase in the three variables leads to 2.54, 2.30 and 2.15 percent increase in growth rate of crime in Iran. According to the results of an estimation in terms of Markov-Switching Model, probability of the zero phase is equal to 50%, and probability of transition from zero phase to one phase is equal to 48 percent. According to goodness of fit tests, Markov-Switching model is suitable for modeling the mentioned relationships.
کلیدواژه ها [English]
Unemployment Rate؛ Income Inequality؛ Crime, Opportunity Effects؛ Motivation Effects؛ Markov-Switching Model
مراجع
1. بانک مرکزی جمهوری اسلامی ایران، بانک اطلاعات سری‌های زمانی و نشریات ادواری، سال‌های مختلف.
2. صادقی، حسین، وحید شقاقی شهری و حسین اصغرپور (1384). «تحلیل عوامل اقتصادی اثرگذار بر جرم در ایران»، تحقیقات اقتصادی، 6(68).
3. عیسی‌زاده، سعید، جهانبخش مهرانفر و مهدی مهرانفر (1391). «بررسی ارتباط میان جرم و شاخص‌های کلیدی اقتصاد کلان در ایران»، نشریه راهبرد توسعه، 8(29).
4. مداح، مجید (1390). «تحلیل اثر فقر و نابرابری درآمد بر جرم (سرقت) در سطح استان‌های کشور»، پژوهشنامه اقتصادی، 11 (3).
5. مرکز آمار ایران (سال‌های مختلف)، سالنامه‌های آماری.
6. مکی‌پور، ذبیح‌اله و علی ربانی (1392). «بررسی علل اقتصادی آسیب‌های اجتماعی (با تأکید بر رابطه تورم و جرایم در ایران طی سال‌های 1370 تا 1390)»، پژوهش‌های راهبردی امنیت و نظم اجتماعی، 2(6).
7. مهرگان، نادر و سعید گرشاسبی فخر (1390). «نابرابری درآمد و جرم در ایران»، پژوهش‌های اقتصادی، 11(4).
8. Allen, R. (1996). "Socioeconomic Conditions and Property Crime: a Comprehensive Review and Test of the Professional literature", American Journal of Economics and Sociology 55 (3).
9. Blau, J. R. and P. M. Blau (1982). "The Cost of Inequality: Metropolitan Structure and Violent Crime", American Sociological Review, 47 (1).
10. Bourguignon, F., J. Nunez and F. Sanchez (2003). "What Part of the Income Distribution Matters for Explaining Property Crime?", The Case of Colombia, Documento CEDE, 2003-2007.
11. Brock, C. (2008). Introductory Econometrics for Finance, Cambridge University Press.
12. Cantor, D. and K. C. Land (1985). "Unemployment and Crime Rates in the post-World War II United States: A Theoretical and Empirical Analysis", American Sociological Review, 50 (3).
13. Chintarkarn, P. and D. Herzer (2012). "More Inequality, More Crime? A Panel Cointegration Analysis for the United States", Economic Letters, 116.
14. Chiricos, T. (1987). Rates of Crime and Unemployment: an Analysis of Aggregate Research Evidence, Social Problems, 34(2).
15. Choe, J. (2008). "Income Inequality and Crime in the United States", Economic Letters, 101(1).
16. Cook, P. J. and G. A. Zarkin (1985). "Crime and the Business Cycle", The Journal of Legal Studies, 14 (1).
17. Demombynes, G. and B. Ozler (2005). "Crime and Local Inequality in South Africa", Journal of Development Economics, 72(2).
18. Fallahi, F. and G. Rodriguez (2014). "Link Between Unemployment and Crime in the US: A Markov-Switching Approach", Social Science Research, 45.
19. Hamilton, J. D. (1989). "A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle", Econometrica, 57 (2).
20. _____ (1994). Time Series Analysis, Princeton University Press.
21. Kapetanios, G., Y. Shin and A. Snell (2003). "Testing for a Unit Root in the Non-linear STAR Framework", Journal of Econometrics, 112.
22. Neumayer, E. (2005). "Inequality and Violent Crime: Evidence from Data on Robbery and Violent theft", Journal of Peace Research 42 (1).
23. Scorzafave, L. G. and M. K. Soares (2009). "Income Inequality and Pecuniary Crimes", Economic Letters, 104.
24. Shintani, M. (2013). "The INF-t test for a Unit root against Asymmetric ESTAR Models", Japanese Economic Review, 64 (1).
25. Sollis, R. (2009). "A Simple Unit Root Test Against Asymmetric STAR Nonlinearity with an Application to Real Exchange Rates in Nordic Countries", Economic Modelling, 26 (1).
ابتدای صفحه