مرتضی بیرانوند

امروز، افزایش فراگیری و سهولت دسترسی به رسانه‌ها، همراه با تکامل مستمر روش‌های استخراج اطلاعات، منجر به ظهور منبع جدیدی از داده‌ها در تحقیقات اقتصادی شده است که به داده‌های رسانه‌بنیان شهرت یافته‌اند. روند فزایندۀ استفاده از این نوع داده‌ها در مطالعات و تحلیل‌های اقتصادی، نشان‌دهندۀ تحولی مهم در شیوه‌های جمع‌آوری و تحلیل اطلاعات در حوزۀ اقتصاد است. این پژوهش با استفاده از متون خبری به‌عنوان یکی از اصلی‌ترین منابع دادۀ رسانه‌بنیان و بهره‌گیری از روش‌های هوش مصنوعی و یادگیری ماشین، یک رویکرد نوآورانه برای تحلیل و پایش وضعیت اقتصادی ایران ارائه می‌دهد. در ابتدا، پیکرۀ متنی شامل 216/50 خبر اقتصادی روزانه به زبان فارسی ایجاد شد. در گام بعد، برای تبدیل اطلاعات کیفی متون خبری به داده‌های کمی، ابتدا با استفاده از روش مدل‌سازی موضوعی، این اخبار به دسته‌های موضوعی مشخصی طبقه‌بندی و سپس جهت‌گیری حسی (منفی، خنثی، مثبت) اخبار ذیل هر موضوع با استفاده از رویکرد تحلیل احساس مبتنی بر واژه‌نامه مشخص شد. در پایان، میزان دقت و قابلیت اتکای داده‌های استخراج‌شده از اخبار در پیش‌بینی شاخص مدیران خرید (شامخ) ـ که یکی از معتبرترین و پرکاربردترین شاخص‌های ارزیابی وضعیت اقتصاد کشور محسوب می‌شود ـ مورد سنجش و ارزیابی قرار گرفت. نتایج نشان داده‌اند که به‌کارگیری داده‌های رسانه‌بنیان می‌تواند خطای پیش‌بینی را نسبت به الگوهای مرسوم اقتصادی کاهش دهد. افزون‌بر این، روش پیشنهادی این پژوهش این امکان را فراهم می‌کند که بلافاصله پس از پایان هر ماه، با استفاده از اخبار منتشرشده در رسانه‌ها، وضعیت اقتصادی را پیش از انتشار آمار رسمی تحلیل و تبیین کرد.

این پژوهش، روشی برای کمّی سازی اطلاعات بدون ساختار اخبار اقتصادی برای به کارگیری در ارزیابی به هنگام شرایط اقتصادی را پیشنهاد می دهد. به همین منظور، اخبار اقتصادی به صورت روزانه از ابتدای سال 1384 تا انتهای آذرماه سال 1402، از پایگاه اینترنتی خبرگزاری فارس استخراج شده است. متون خبری، پس از پیش پردازش اولیه، با استفاده از مدل تخصیص پنهان دیریکله (LDA) در دسته های مختلفی طبقه بندی شدند به نحوی که هر دسته، یک موضوع خبری را نشان می دهد. سپس با استفاده از رویکرد تحلیل احساس مبتنی بر واژه نامه، امتیاز یا نمره حسی هر خبر مشخص شده است. از تجمیع فصلی امتیازات حسی اخبار ذیل هر موضوع، سری های زمانی حسی ایجاد و توانایی این سری های زمانی در پیش بینی تولید ناخالص داخلی فصلی ایران با استفاده از روش های ریج، لسو، الستیک نت و تقویت گرادیان ارزیابی شده اند. نتایج نشان داده اند که به کارگیری داده های حسی می تواند خطای پیش بینی را بین 12 تا 18 درصد نسبت به الگوی سری زمانی تک متغیره کاهش دهد. علاوه بر این، با استفاده از رویکرد پیشنهادی این پژوهش می توان بلافاصله بعد از اتمام هر فصل مرجع و با استفاده از اخبار اقتصادی منتشر شده در همان فصل، برآوردی به هنگام از تولید ناخالص داخلی فصلی ارائه کرد

شواهد تاریخی و تجربه های کشورهای مختلف نشان می دهد بیکاری و تورم در کنار حداقل دستمزد از جمله عوامل اقتصاد کلان مؤثر ب ر سطح نابرابری درآمدی هستند. در این پژوهش بر اساس اطلاعات هزینه ناخالص خانوار برگرفته از طرح آمارگیری از هزینه و درآمد خانوارهای روستایی مرکز آمار ایران در دوره 1380 تا 1395، شاخص های ضریب جینی و نسبت سهم ده درصد ثروتمندترین خانوارها به ده درصد فقیرترین خانوارهای جامعه، به عنوان شاخص های اندازه گیری نابرابری توزیع درآمد مناطق روستایی استان های کشور اندازه گیری شده است. نتایج این پژوهش نشان می دهد در دوره مورد بررسی در مناطق روستایی کشور، نرخ تورم و حداقل دستمزد تاثیری منفی بر ضریب جینی و نسبت سهم ده درصد ثروتمندترین به ده درصد فقیرترین خانوارها داشته درحالی که بیکاری رابطه ای معناداری با این شاخص های نابرابری توزیع درآمد روستایی نداشته است. همچنین از آنجا که مبلغ یارانه سهم بالایی از درآمدهای گروه های پایین درآمدی را تشکیل می دهد، هزینه کرد گروه های پایین درآمدی به شدت افزایش یافت، درحالی که یارانه نقدی در گروه های بالای درآمدی، سهم زیادی در افزایش هزینه ها نداشته است، اجرای قانون هدفمندی یارانه ها، باعث کاهش نابرابری توزیع درآمد بر اساس میزان هزینه در سال های پس از اجرای این قانون شده است.