درخت حوزه‌های تخصصی

در این پژوهش، هدف محاسبه نرخ فقر کودکان (افراد زیر 18 سال) در شهر تهران برای سال 1390 و شناسایی مهمترین عوامل مؤثر بر فقر کودک با استفاده از نمونه 24 هزار نفری از کودکان زیر 18 سال استخراج شده از داده های "" طرح سنجش عدالت در شهر "" ، ابتدا نرخ فقر کودکان در ابعاد مسکن و تغذیه محاسبه شده، سپس با تخمین مدل لاجیت، تأثیر متغیرهایی مانند وضعیت تحصیلات، اشتغال، جنسیت و سن سرپرست خانوار، وجود فرد معتاد و معلول در خانوار و تأثیر محل سکونت جغرافیایی بر فقر کودک در هر بعد بررسی براساس نتایج، بیشترین نرخ فقر مسکن کودکان زیر 18 سال مربوط به جنوب تهران با 53 درصد، منطقه 19 با 61 درصد و منطقه 17 با 58 درصد است. سوء تغذیه و ناامنی غذایی در همه نواحی شهر تهران وجود دارد، بیشترین نرخ آن برای جنوب شهر تهران و مناطق 18، 17 و 19 است، 32/25 درصد از کودکان شهر تهران، 12/32 درصد از کودکان جنوب و 62/37 درصد کودکان منطقه 18 تهران خطر شدید ناامنی غذایی دارند. وجود فرد معتاد و معلول در خانوار، محرومیت آموزشی سرپرست و سکونت در جنوب شهر تهران از عوامل مؤثر در ایجاد فقر کودکان هستند. زن سرپرست خانوار نیز عامل مهمی در ایجاد ناامنی غذایی است.

خط فقر متمایز کننده خانوارهای فقیر از غیرفقیر است. برای تعیین خط فقر از یک سبد معین از کالاهای اساسی استفاده می شود. کسانی که مخارج آنها کمتر از خط فقر باشد فقیر و کسانی که کل مخارج آنها بالاتر از خط فقر باشد، غیرفقیر محسوب می شوند. تمایز خانوارهای فقیر از غیرفقیر تنها با مشاهده مخارج کل خانوار می تواند گمراه کننده باشد. خانواده ای که یک عضو با بیماری خاص دارد، می تواند با هزینه های درمان غیرمتعارف رو برو باشد که مخارج کل خانوار را متورم می کند؛ در حالی که ممکن است، این خانوار به دلیل تحمل هزینه بالای مصرفی در گروه خانوارهای غیرفقیر طبقه بندی شود. حال چنانچه این هزینه های نامتعارف از مخارج کل خانوار کسر شود، ممکن است مشاهده شود که این خانوار به زیر خط فقر سقوط کرده است. به این ترتیب، صرف تمرکز بر هزینه کل خانوار بدون توجه به نیازهای اساسی آن، نمی تواند ارزیابی دقیقی از توانایی خانوار در تأمین این نیازها باشد. در بسیاری از موارد، تحمیل هزینه های نامتعارف به بودجه خانوار می تواند موجب کاهش مخارج کالاهای ضروری خانوار شود. در بسیاری از موارد نیز به دلیل حیاتی بودن تأمین هزینه های درمان، خانوارها ممکن است مجبور به تحمل استقراض، استفاده از پس انداز یا فروش دارایی های اساسی شوند. این مطالعه می کوشد تا با کسر مخارج سلامت از مخارج کل خانوارها ارزیابی مجددی از وضعیت فقیر یا غیرفقیر بودن خانوارها ارائه کند. روش کار: این مطالعه با استفاده از ریز داده های هزینه– درآمد خانوار، به بررسی تأثیر هزینه های سلامت بر فقر خانوارها می پردازد. بدین منظور با استفاده از شاخص های فوستر-گریر- توربک (1984) شاخص های فقر را قبل و پس از کسر هزینه های سلامت، محاسبه و آنها را با یکدیگر مقایسه می کند. این مقایسه در سه سناریو انجام می گیرد: نخست، تعیین شاخص های فقر بدون کسر مخارج سلامت، دوم، شاخص های فقر پس از کسر کل مخارج سلامت، و سوم، شاخص های فقر با در نظرگرفتن سهم 30 درصدی خانوار برای هزینه های سلامت مطابق ماده 90 قانون برنامه چهارم توسعه. یافته های تحقیق نشان می دهند که به طور کلی، پرداخت های مستقیم خانوار برای هزینه های سلامتی سبب افزایش نرخ فقر در مناطق شهری و روستایی شده است؛ به طوری که در سال 88 در مناطق روستایی نرخ فقر خانوارها در اثر تحمیل هزینه های سلامت 4 درصد افزایش یافته است که بیشترین میزان در سال های مورد بررسی بوده است. با فرض پرداخت سهم 30 درصدی از مجموع هزینه های سلامت توسط مردم، درصد خانوارهای فقیر از 4 درصد به 2 درصدکاهش می یابد.

هدف این مقاله معرفی نظریه شاخص های عددی با تاکید بر رویکرد اقتصادی و کاربرد آن در اقتصاد رفاه از بعد مصرف کننده می باشد. در این راستا شاخص درست هزینه زندگی با استفاده از سیستم معادلات تقاضای تقریباً ایده آل خطی برای خانوار شهری و روستایی در ایران مورد محاسبه قرارگرفت. نتایج نشان می دهد شاخص درست هزینه زندگی طی دوره 86-1376 برای خانوار متوسط شهری کوچک تر از خانوار متوسط روستایی و در واقع خانوار روستایی طی سال های مورد بررسی رفاه بیشتری به دلیل افزایش هزینه های زندگی نسبت به خانوار شهری از دست داده اند.

یکی از مسائل مهم هنگام بودجه ریزی، دسترسی به درآمدهای قابل تحقق است که این موضوع مستلزم پیش بینی های دقیق از انواع درآمدها در آینده می باشد. یکی از منابع درآمدی پر اهمیت دولت مالیات بوده که در این مقاله، پیش بینی مالیات بر ارزش افزوده ناشی از مصرف بنزین مدنظر قرار گرفته است. هدف اصلی، دستیابی به روشی کارا جهت پیش بینی مصرف بنزین و مالیات بر ارزش افزوده ناشی از آن در ایران می باشد. در این مقاله، برای پیش بینی مصرف بنزین، از یک الگوی ترکیبی روش شبکه عصبی چندلایه (MLP) با الگوی خودتوضیح میانگین متحرک انباشته (ARIMA) استفاده شده است. سپس با تأیید عملکرد مناسب این روش در مقایسه با روش ARIMA، از طریق اعمال نرخ های مالیات بر مصرف پیش بینی شده بنزین، مالیات بر ارزش افزوده ناشی از مصرف بنزین در کشور به دست آمده است. نتایج نشان می دهد که طی سال های 1392 الی 1395، مالیات بر ارزش افزوده از این محل، به طور متوسط در حدود 6/31 درصد رشد خواهد داشت.