بررسی اثر بحران کووید-19 بر نابرابری درآمد: شواهدی از کشورهای توسعه یافته و در حال توسعه

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه مازندران

2 دانشیار گروه اقتصاد دانشگاه مازندران

3 استاد تمام گروه اقتصاد دانشگاه مازندران

چکیده

شیوع کرونا ویروس جدید از دسامبر 2019 در ووهان چین، اثرات منفی زیادی بر کشورهای سراسر جهان به وجود آورد. این بحران در ابتدا تنها به عنوان یک تهدید برای سلامت عمومی شناخته می‌شد؛ اما با همه‌گیری آن در اغلب کشور جهان، به یک بحران جدی برای اقتصاد جهانی تبدیل شد. شوک ناشی از بحران کووید-19اثرات مختلفی را بر وضعیت اقتصادی کشورهای جهان برجای گذاشته است. نابرابری درآمد یکی از مهمترین بخش‌هایی است که تحت تاثیر این بحران قرار گرفته است. لذا هدف پژوهش حاضر، بررسی اثر شوک ناشی از این بحران بر نابرابری درآمد برای (22) کشور توسعه یافته و (46) کشور در حال توسعه طی سال های (2020 تا 2022 میلادی) با استفاده از مدل خود رگرسیون برداری پنلی (PVAR)به صورت فصلی است. نتایج حاکی از آن است که بحران کووید-19، هم درکشورهای توسعه یافته و هم در کشورهای درحال توسعه باعث افزایش نابرابری درآمد شده است. آنچه که از نتایج توابع واکنش به ضربه قابل استنباط می باشد؛ این است که با شروع همه‌گیری این بحران اثر شوک مالیات مستقیم، درجه باز بودن تجارت، شاخص سخت گیری و نرخ ابتلا به کووید-19 بر ضریب جینی در هر دو گروه از کشورها منجر به افزایش نابرابری درآمد شده است. همچنین در کشورهای توسعه یافته اثر شوک شاخص توسعه انسانی بر ضریب جینی منفی بوده اما در کشورهای در حال توسعه این اثر مثبت بوده و باعث افزایش نابرابری درآمدی شده است. نتایج تجزیه واریانس خطای پیش‌بینی برای هر دو گروه از کشورها نشان می‌دهد که شاخص سخت‌گیری عامل مسلط در توضیح‌دهندگی تجزیه واریانس خطای پیش‌بینی ضریب جینی است.

کلیدواژه‌ها

موضوعات


رضا قلی‌زاده، مهدیه؛ جعفری، حسین و عبدالحسینی، مرتضی. (1402). «بررسی تاثیر اقتصادی مداخلات غیردارویی دولت‌ها طی دوره شیوع ویروس کووید-19: مقایسه کشورهای توسعه یافته و در حال توسعه». سیاست گذاری اقتصادی. 15(29)،40-79.  https://doi.org/10.22034/epj.2023.20074.2435
سخائی، عمادالدین؛ خورسندی، مرتضی؛ محمّدی، تیمور و ارباب، حمیدرضا. (1399). «بررسی آثار شوک‌ ناشی از ویروس کرونا بر اقتصاد ایران: کاربرد الگوی خودرگرسیون برداری جهانی». اقتصاد و الگو سازی،11(2)، 125-153. https://dorl.net/dor/20.1001.1.24765775.1399.11.2.5.6
Abdel-Latif, M. M. (2020). The enigma of health literacy and COVID-19 pandemic. Public health, 185, 95.‏https://doi.org/10.1016/2.puhe.2020.06.030
Almeida, V., Barrios Cobos, S., Christl, M., De Poli, S., Tumino, A., & Van Der Wielen, W. (2020). Households' income and the cushioning effect of fiscal policy measures during the Great Lockdown (No. 06/2020). JRC Working Papers on Taxation and Structural Reforms.‏ https://hdl.handle.net/10419/248819
Arndt, C., Davies, R., Gabriel, S., Harris, L., Makrelov, K., Robinson, S., ... & Anderson, L. (2020). Covid-19 lockdowns, income distribution, and food security: An analysis for South Africa
Global food security26, 100410 https://doi.org/10.1016/j.gfs.2020.100410
Barro, R. J. (2013). Health and economic growth. Annals of economics and finance14(2), 329-366.http://down.aefweb.net/AefArticles/aef140202Barro.pdf.‏
Bell, C., & Lewis, M. (2005). Economic implications of epidemics old and new. Available at SSRN 997387.‏ https://dx.doi.org/10.2139/ssrn.997387
Blaskó, Z., & Schnepf, S. V. (2020). Educational inequalities in Europe and physical school closures during Covid-19. Fairness Policy Brief Series4, 2020.‏ https://ec.europa.eu/jrc/en/research/crosscutting-activities/fairness
Blaskó, Z., Costa, P. D., & Schnepf, S. V. (2022). Learning losses and educational inequalities in Europe: Mapping the potential consequences of the COVID-19 crisis. Journal of European Social Policy32(4), 361-375.‏ https://doi.org/10.1177/09589287221091687
Blundell, R., Costa Dias, M., Cribb, J., Joyce, R., Waters, T., Wernham, T., & Xu, X. (2022). Inequality and the COVID-19 Crisis in the United Kingdom. Annual review of Economics14, 607-636.‏ https://doi.org/10.1146/annurev-economics-051520-030252
Blundell, R., Costa Dias, M., Joyce, R., & Xu, X. (2020). COVID‐19 and Inequalities. Fiscal studies41(2), 291-319.‏ https://doi.org/10.1111/1475-5890.12232
Bottan, N., Hoffmann, B., & Vera-Cossio, D. (2020). The unequal impact of the coronavirus pandemic: Evidence from seventeen developing countries. PloS one15(10), e0239797.‏ https://doi.org/ 10.1371/journal.pone.0239797
Cattan, S., Farquharson, C., Krutikova, S., Phimister, A., Salisbury, A., & Sevilla, A. (2021). Home learning experiences through the COVID-19 pandemic (No. R195). IFS Report.‏ https://doi.org/10.1920/re.ifs.2021.0195
Chetty, R., Friedman, J. N., Hendren, N., Stepner, M., & The Opportunity Insights Team. (2020). How did COVID-19 and stabilization policies affect spending and employment? A new real-time economic tracker based on private sector data (Vol. 91, pp. 1689-1699). Cambridge, MA: National Bureau of Economic Research.‏ http://www.nber.org/papers/w27431
Crossley, T. F., Fisher, P., & Low, H. (2021). The heterogeneous and regressive consequences of COVID-19: Evidence from high quality panel data. Journal of public economics193, 104334.‏ https://doi.org/10.1016/j.jpubeco.2020.104334
Dang, H. A. H., & Nguyen, C. V. (2021). Gender inequality during the COVID-19 pandemic: Income, expenditure, savings, and job loss. World Development140, 105296.‏ https://doi.org/10.1016/j.worlddev.2020.105296
Dauderstädt, M. (2022). International inequality and the COVID-19 pandemic. Intereconomics57(1), 40-46.‏ https://doi.org/10.1007/s10272-022-1026-9
Delaporte, I., & Pena, W. (2020). Working from home under Covid-19: Who is affected? Evidence from Latin American and Caribbean countries. Evidence From Latin American and Caribbean Countries (April 1, 2020). CEPR COVID Economics14.‏ https://ssrn.com/abstract=3610885
Fang, H., Ge, C., Huang, H., & Li, H. (2020). Pandemics, global supply chains, and local labor demand: evidence from 100 million posted jobs in China (No. w28072). National Bureau of Economic Research.‏ https://doi.org/10.1371/journal.pone.0239797
Huber, S. G., & Helm, C. (2020). COVID-19 and schooling: evaluation, assessment and accountability in times of crises—reacting quickly to explore key issues for policy, practice and research with the school barometer. Educational assessment, evaluation and accountability32(2), 237-270.‏ https://doi.org/10.1007/s11092-020-09322-y
Keogh-Brown, M. R., & Smith, R. D. (2008). The economic impact of SARS: how does the reality match the predictions?. Health policy88(1), 110-120.‏ https://doi.org/10.1016/j.healthpol.2008.03.003
Lee, G., & Warner, M. (2007). The political economy of the SARS epidemic: the impact on human resources in East Asia. Routledge.‏ https://doi.org/10.4324/9780203934814
Lu, L., Peng, J., Wu, J., & Lu, Y. (2021). Perceived impact of the Covid-19 crisis on SMEs in different industry sectors: Evidence from Sichuan, China. International Journal of Disaster Risk Reduction55, 102085.‏ https://doi.org/10.1016/j.ijdrr.2021.102085
Noy, I., Doan, N., Ferrarini, B., & Park, D. (2020). Measuring the economic risk of COVID‐19. Global Policy11(4), 413-423.‏ https://doi.org/10.1111/1758-5899.12851
Preston, S. H. (1975). The changing relation between mortality and level of economic development. Population studies29(2), 231-248.‏ https://doi.org/10.1093/ije/dym075
Ray, D., & Subramanian, S. (2022). India’s lockdown: An interim report. In The impact of COVID-19 on India and the global order: A multidisciplinary approach (pp. 11-61). Singapore: Springer Nature Singapore.‏ https://doi.org/10.1007%2Fs41775-020-00094-2
Rezagholizadeh, M., Jafari, H., & Abdolhosseiny, M. (2023). Investigating the economic impact of non-pharmaceutical interventions by governments during the outbreak of the Covid-19 virus: Comparison of developed and developing countries. The Journal of Economic Policy15(29), 40-79. (In Persian). https://doi.org/10.22034/epj.2023.20074.2435.
Romer, P. M. (1989). Human capital and growth: Theory and evidence.‏ https://doi.org/10.1016/0167-2231(90)90028-J
Sakhaei, E., Khorsandi, M., Mohammadi, T., & Arbab, H. (2020). Investigating the Effects of Shock Caused by Covid-19 Virus on the Iran's Economy: A GVAR Approach. Journal of Economics and Modelling11(2), 125-153. (In Persian). https://dorl.net/dor/20.1001.1.24765775.1399.11.2.5.6
Schult, J., Mahler, N., Fauth, B., & Lindner, M. A. (2022, April). Long-term consequences of repeated school closures during the COVID-19 pandemic for reading and mathematics competencies. In Frontiers in Education (Vol. 13). Frontiers Media SA.‏ https://doi.org/10.3389/feduc.2022.867316
Schultz, T. W. (1964). Changing relevance of agricultural economics. Journal of Farm Econom ics46(5), 1004-1014.‏ http://dx.doi.org/10.3991/ijim.v15i08.21565
Wahyuningsih, S., Qohar, A., Satyananda, D., & Atan, N. A. (2021). The Effect of Online Project-Based Learning Application on Mathematics Students' Visual Thinking Continuum in Covid-19 Pandemic. International Journal of Interactive Mobile Technologies15(8).‏ http://dx.doi.org/10.3991/ijim.v15i08.21565
Wilkinson, R. G. (1997). Socioeconomic determinants of health: Health inequalities: relative or absolute material standards?. Bmj314(7080), 591.‏ https://doi.org/10.1136/bmj.314.7080.591
Zhang, D. (2021). The impact of lockdown policies on labor market outcomes of the Chinese labor force in 2020: Evidence based on an employee tracking survey. China Economic Quarterly International1(4), 344-360.‏ https://doi.org/10.1016/j.ceqi.2021.11.002