نوع مقاله : زبان انگلیسی

نویسنده

دانشیار اقتصاد، گروه اقتصاد، دانشکده‌ی اقتصاد و علوم اجتماعی، دانشگاه شهید چمران اهواز، اهواز ایران

چکیده

چکیده گسترده
معرفی:
یکی از چالش های بزرگ کشور که در سال های اخیر به صورت چشمگیری افزایش داشته است، تعداد جرایم آشکار شده­ی ناشی از فساد است. براساس گزارشات رسمی، اگرچه در دهه های 70 و 80 شمسی، از لحاظ تعداد اختلاس های بزرگ تنها تعداد دو پرونده با مجموع رقمی بالغ بر 800 میلیون دلار اعلام گردید، اما در دهه ی 90 فساد اداری با تعداد 13 پرونده ی بزرگ فساد و رقمی بالغ بر 14 میلیارد دلار و رشدی فراتر از 1500 درصد نسبت به دهه های 70 و 80 شمسی افزایش چشمگیری داشته است. (خبرگزاری ایسنا[1]، 1396). گسترش این حجم از فساد در سیستم اداری و دیوان سالاری کشور می تواند تبعات اقتصادی و اجتماعی جبران ناپذیری داشته باشد. بررسی های آماری نشان می­دهد که در دهه­ی 90 شمسی، شاخص­های کلان اقتصادی شامل رشد اقتصادی، اشتغال، بیکاری، فقر، تورم و توزیع درآمد نسبت به دهه های قبل نامطلوب تر شده است (مرکز آمار ایران، سالنامه کشور، 1395). بر این اساس یکی از سئوالاتی که ممکن مطرح شود این است که آیا بین فساد و شاخص های توزیع درآمد و فقر در کشور رابطه وجود دارد؟ با توجه جدید بودن مطالعه ی موضوعات مربوط فساد در ایران، به نظر می رسد بررسی ارتباط بین فقر، توزیع درآمد و فساد می تواند زوایای جدیدی در این رابطه به روی محققین و دست اندرکاران ذیربط باز نماید.
 
متدولوژی:
بر این اساس هدف این تحقیق بررسی ارتباط بین فساد، نابرابری درآمد و فقر در ایران در دوره 1399- 1363 است. برای این منظور، با محاسبه شاخص های درآمد سرانه، خط فقر، شاخص اتکینسون[2]، شاخص ضریب جینی،[3] فساد اداری و کنترل فساد[4]، روابط متقابل آن ها با استفاده از آزمون علیت تودا و یاماموتو[5] و آزمون همجمعی VECM مورد بررسی قرار می گیرد. این مقاله از بخش های زیر تشکیل شده است. پس از مقدمه، مبانی نظری مرور شده است و سپس پیشینه‌ی مطالعات ذیربط ارائه شده است. در بخش روش تحقیق، داده‌ها و متغیرها ابتدا تعریف شده و سپس مدل مورد استفاده در این تحقیق معرفی ‌شده است. در بخش آخر برآورد مدل انجام شده و آزمون های علیت بررسی می‌شود و در نهایت نتایج این تحقیق مورد تجزیه و تحلیل قرار گرفته اند.
 
یافته­ها:
یافته های تحقیق نشان می دهد که:

تحریمها بر علیت درآمد سرانهبر فساداداریتاثیرگذاشتهاست
تحریمها بر علیت کنترل فسادبر درآمدسرانهتاثیرگذاشتهاست
تحریمها بر علیت توزیع درآمدبر درآمدسرانهتاثیرگذاشتهاست
تحریمها هیچ تاثیری بر علیت درآمد سرانه، بر شاخص اتکینسون و برعکس نداشت.
تحریمها هیچ تاثیری بر علیت بین خط فقر، فساد اداری و برعکس نداشت.
تحریمها بر علیت بین خط فقر، کنترل فساد و برعکس تاثیرگذاشت.
تحریم ها تاثیر مثبت قابل توجهی بر خط فقر داشتند، اما هیچ تاثیر قابل توجهی بر شاخص جینی نداشتند.
تحریمها هیچ تاثیری بر علیت خط فقر، بر شاخص اتکینسون و برعکس نداشت.
تحریمها هیچ تاثیری بر علیت بودن شاخص جینی، فساد اداری و بالعکس نداشت.
تحریمها هیچ تاثیری بر علیت بودن شاخص جینی، کنترل فساد و برعکس نداشت.
تحریمها تاثیرمثبتقابل توجهیبر فساداداریداشتند، اما هیچ تاثیر قابل توجهی بر شاخص اتکینسون نداشتند. به عبارت دیگر، تحریمها بر علیت توزیع درآمدبر فساداداریتأثیرگذاشتهاست.
تحریمها تاثیر مثبت قابل توجهی بر شاخص اتکینسون داشتند، اما هیچ تاثیر قابل توجهی بر کنترل فساد نداشتند. به عبارت دیگر، تحریمها بر علیت کنترل فساد بر توزیع درآمد تأثیرگذاشتهاست.

 
نتیجه گیری:
نتایج مدل برآوردی نشان داد که با افزایش یک ‌درصدی ضریب شاخص اتکینسون تعداد پرونده‌های مختومه به میزان 2/3 افزایش می‌یابد. به عبارت دیگر، نابرابری توزیع درآمد اثر مثبت و معناداری بر فساد دارد یعنی با افزایش نابرابری بر میزان فساد اداری افزوده خواهد شد. از طرفی افزایش فساد تأثیر منفی بر توزیع عادلانه درآمد داشته است. به عبارتی فساد منجر به افزایش توزیع ناعادلانه درآمد شده است. همچنین فقر رابطه مثبت و معناداری با فساد دارد. نتایج آزمون علیت تودا و یاماموتو حاکی از علی نبودن متغیرها است ولی با اعمال متغیر دامی، نتیجه­ی علیت از سمت خط فقر (PL) به سمت کنترل فساد (CC) تائید می‌گردد. به عبارت دیگر، افزایش فقر تأثیر معناداری بر افزایش فساد دارد. از طرفی با اعمال متغیر دامی در مدل نتیجه­ی علیت از AC به سمت PL در سطح اطمینان 90 درصد نیز تائید می‌گردد. یعنی با افزایش فساد اداری فقر افزایش می یابد. ضریب ECM مدل کوتاه‌مدت نیز حاکی از این است که در هر دوره 47% درصد از عدم تعادل در توزیع نابرابری درآمد تعدیل‌ شده و به سمت روند بلندمدت خود نزدیک می‌شود. همچنین از دیگر نتایج تحقیق علیت فساد اداری (AC)به سمت درآمد سرانه IP)) است که بیانگر این است درآمد سرانه از فساد تأثیر بسزایی می پذیرد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Investigating the Effect of Sanctions on Casual Relationship between Corruption, Income Inequality and Poverty in Iran

نویسنده [English]

  • Sayed Amin Mansouri

Associate Professor of Economics, Faculty of Economics and Social Sciences, Shahid Chamran University of Ahvaz, Ahvaz, Iran.

چکیده [English]

EXTENDED ABSTRACT
INTRODUCTION
The number of revealed corruption-related crimes is one of the major challenges of Iran which has been significantly increased in recent years. According to official reports, although only two cases of embezzlement were reported in 1990s and 2000s with a total value up to $ 800 million, administrative corruption has significantly increased in 2010s with 13 large corruption cases and a total value up to $ 14 billion and a growth of over 1500% compared to 1990s and 2000s (The Iranian Students News Agency[1] (ISNA), 2017). The spread of such amount of corruption in administrative and bureaucratic system of the country can have irreparable economic and social consequences. The statistic investigations have shown that macroeconomic indicators including economic growth, employment, unemployment, poverty, inflation and income distribution have become less favorable in 2010 compared to previous decades (Statistical Center of Iran, Iran Statistical Yearbook, 2017). In this regard, the following questions can be raised: is there a relationship between corruption and the indicators of income distribution and poverty in the country? Since the volume of international and unilateral sanctions on Iran has increased in the 2010s, does such a widespread growth in the volume and value of corruption cases in Iran have a relationship with sanctions?
 
METHODOLOGY
Therefore, the purpose of the present study is to investigate the effect of sanctions on causal relationship between corruption, income inequality and poverty in Iran during 1984 to 2020. For this purpose, the indices of per capita income, poverty line, administrative corruption and control of corruption, Atkinson and Gini have been utilized to investigate their interactions through Toda-Yamamoto Causality Test.
 
FINDINGS
Findings of research show that:
 
sanctions have affected the causality of per capita income on administrative corruption.
sanctions have affected the causality of corruption control on per capita income.
sanctions have affected the causality of income distribution on per capita income.
sanctions had no effect on causality of per capita income, on Atkinson Index and vice versa.
sanctions had no effect on causality of per between poverty line, on administrative corruption and vice versa.
sanctions had an effect on causality of per between poverty line, on corruption control and vice versa.
sanctions had a significant positive effect on poverty line, but had no significant effect on GINI index. In other words, sanctions have affected the causality of income distribution on poverty line.
sanctions had no effect on causality of poverty line, on Atkinson Index and vice versa.
sanctions had no effect on causality of GINI index, on administrative corruption and vice versa.
sanctions had no effect on causality of GINI index, on corruption control and vice versa.
sanctions had a significant positive effect on administrative corruption, but had no significant effect on Atkinson index. In other words, sanctions have affected the causality of income distribution on administrative corruption.
sanctions had a significant positive effect on Atkinson index, but had no significant effect on corruption control. In other words, sanctions have affected the causality of corruption control on income distribution.
 
 
CONCLUSION
The purpose of the present study was to investigate the effect of sanctions on causal relationship between corruption, income inequality and poverty in Iran during1984 to 2020. For this purpose, the indices of per capita income p, poverty line, Atkinson, GINI, administrative corruption and corruption control were investigated. In general, the following results were obtained from the present study:
 
Income distribution is not an effective variable for poverty in Iran.
Corruption is an effective variable for causality of poverty in Iran and its significance level is higher under sanctions condition.
Corruption and poverty cannot properly explain the income distribution in Iran. However, the corruption control can be the cause of income distribution and poverty line is a proper representative for the cause of income distribution under sanctions conditions.
Income distribution is a strong variable for causality of corruption in Iran.
Poverty can properly explain the causality of corruption in Iran under sanctions condition, but is not the cause of corruption under normal condition.
 
According to the obtained results, it seems that sanctions condition is an effective variable for the relationship between variables of income distribution, corruption and poverty. However, the effective factors of income distribution need further investigations in future.
 

کلیدواژه‌ها [English]

  • sanctions
  • corruption
  • causality
  • poverty line
  • Gini coefficient
  • Atkinson index
Afghah, S. M., & Mansouri, S. A. (2015). The impact and relationship between moral and economic crimes on the size of the underground economy by MIMIC Method. Quarterly Journal of Quantitative Economics(JQE), 12(2), 57-86. doi:10.22055/jqe.2015.11884 [In Persian]
Becker, G. S. (1968). Crime and Punishment: An Economic Approach. Journal of political economy, 76(2), 169-217. Retrieved from www.jstor.org/stable/1830482
Chetwynd, E., Chetwynd, F., & Spector, B. (2003). Corruption and poverty: A review of recent literature. Management Systems International, 600, 5-16.
Chong, A., & Calderón, C. (2000). Institutional quality and poverty measures in a cross-section of countries. Economics of Governance, 1(2), 123-135.
Dincer, O. C., & Gunalp, B. (2008). Corruption, income inequality, and poverty in the United States.
Dobson, S., & Ramlogan-Dobson, C. (2012). Why is corruption less harmful to income inequality in Latin America? World Development, 40(8), 1534-1545.
Easterly, W., & Levine, R. (1997). Africa's growth tragedy: policies and ethnic divisions. The quarterly journal of economics, 112(4), 1203-1250.
Ehrlich, L. (1973). Participation in illegal activities: a theoretical and empirical investigation.
Ershadi Zadh, H., Afghah, S. M., & Mansouri, S. A. (2022). Study of Education Index and Two Dimensional Index of Development Based on the Principal Component Analysis Method in Iran Provinces. Educational Development of Judishapur, 13(0), 60-74. doi:10.22118/edc.2022.317728.1953 [In Persian]
Fleisher, B. M. (1963). The effect of unemployment on juvenile delinquency. Journal of Political Economy, 71(6), 543-555.
Godinez, J. R., & Liu, L. (2015). Corruption distance and FDI flows into Latin America. International Business Review, 24(1), 33-42.
Goel, R. K., & Nelson, M. A. (1998). Corruption and government size: A disaggregated analysis. Public Choice, 97(1-2), 107-120.
Grossman, G., & Helpman, E. (1997). Quality Ladders in the Theory of Growth', Review of Economic Studies, 58 (1), No. 193, January, 43-61. INTERNATIONAL LIBRARY OF CRITICAL WRITINGS IN ECONOMICS, 77, 299-320.
Gupta, S., Davoodi, H., & Alonso-Terme, R. (2002). Does corruption affect income inequality and poverty? Economics of governance, 3(1), 23-45.
Hart, O., Shleifer, A., & Vishny, R. W. (1997). The proper scope of government: theory and an application to prisons. The quarterly journal of economics, 112(4), 1127-1161.
Huntington, S. P., & Fukuyama, F. (1968). Political Order in Changing Societies: Yale University Press.
Johnston, M. (1989). Corruption, inequality, and change. Corruption, Development and Inequality. London and New York: Routledge, 13-37.
Jong-Sung, Y., & Khagram, S. (2005). A comparative study of inequality and corruption. American sociological review, 70(1), 136-157.
Justice, S. S. (2014). The Effects of Corruption on Poverty in the Developing World, Case Studies: Kenya and Botswana.
Karstedt, S. (2003). Legacies of a culture of inequality: The Janus face of crime in post-communist countries. Crime, Law and Social Change, 40(2-3), 295-320.
Li, H., Xu, L. C., & Zou, H. f. (2000). Corruption, income distribution, and growth. Economics & Politics, 12(2), 155-182.
Mansouri, S. A., & Afghah, S. M. (2018). The Dynamic Estimating Poverty line of Urban Income groups by Using Extended Linear Expenditure System (ELES) (Panel data Approach). Quarterly Journal of Quantitative Economics(JQE), 15(1), 63-85. doi:10.22055/jqe.2017.20460.1540 [In Persian]
Mansouri, S. A., Afghah, S. M., Aghaei Jannat-Makan, H., & sharifzadeh ahvazi, s. (2022). Simulation of human development index in Khuzestan province with emphasis on healthy living and access to knowledge and comparison with Iran. Quarterly Journal of Quantitative Economics(JQE), 19(1), 101-126. doi:10.22055/jqe.2022.37537.2376 [In Persian]
Mauro, P. (1995). Corruption and growth. The quarterly journal of economics, 110(3), 681-712.
Mauro, P. (1998). Corruption and the composition of government expenditure. Journal of Public Economics, 69(2), 263-279.
Mauro, P. (2002). The effects of corruption on growth and public expenditure. Political corruption: Concepts and contexts, 339-352.
Moradi, F., Jafari, M., & Fatahi, S. (2023). The impact of good governance on income inequality in selected developing and developed countries with an emphasis on control of corruption. Quarterly Journal of Quantitative Economics(JQE), 20(3), 110-135. doi:10.22055/jqe.2021.37420.2374 [In Persian]
Nwala, K., Oriaku, E., & Ogwu, A. (2005). Does Corruption in Developing Economies Result from Poverty or Poverty Results from Corruption. Editorial Advisory Board e, 683.
Pellegrini, L., & Gerlagh, R. (2004). Corruption's effect on growth and its transmission channels. Kyklos, 57(3), 429-456.
Scott, J. C. (1972). Comparative political corruption: Prentice Hall.
Tanzi, V. (1998). Corruption around the world: Causes, consequences, scope, and cures. Staff Papers, 45(4), 559-594.
Toda, H. Y., & Yamamoto, T. (1995). Statistical inference in vector autoregressions with possibly integrated processes. Journal of econometrics, 66(1-2), 225-250.
Wu, Y., & Zhu, J. (2011). Corruption, anti-corruption, and inter-county income disparity in China. The Social Science Journal, 48(3), 435-448.
Zapata, H. O., & Rambaldi, A. N. (1997). Monte Carlo evidence on cointegration and causation. Oxford Bulletin of Economics and statistics, 59(2), 285-298.