حامد لروند

هدف از این مقاله، بررسی توزیع درآمد خانوارهای استان اصفهان با استفاده از داده های طرح هزینه و درآمد خانوار، طی سال های1391 تا 1400، با استفاده از روش های پارامتریک است. برای این منظور، توزیع های مختلف آماری برای داده ها برازش می شود و با استفاده از روش برآوردیابی ماکسیمم درست نمایی، پارامترهای توزیع تخمین زده می شود. سپس توزیع مناسب با استفاده از نمودارهای تابع توزیع و همچنین معیار آکائیک (AIC) انتخاب شده است. با مقایسه نمودارهای توابع توزیع از سال 1391 تا 1400 برای داده ها، نتایج نشان می دهد که در بین تمام توزیع ها، توزیع داگوم و گاما، نسبت به سایر توزیع ها ازجمله توزیع های لگ نرمال و نمایی، مناسب تر هستند. همچنین میزان AIC از سال 1391 تا 1400 برای توزیع داگوم، نسبت به سایر توزیع ها، کمترین مقادیر را می گیرد که این نیز، نشان دهنده برتری توزیع داگوم نسبت به سایر توزیع ها است. همچنین، بررسی روند و مقایسه ضرایب جینی در حالت ناپارامتری و پارامتری، بیانگر آن است که ضمن روند کاهشی ضریب جینی در استان اصفهان، در طی دوره موردبررسی، مقادیر ضریب جینی به روش پارامتری، با استناد به آماره کلموگروف اسمیرنوف، از اعتبار بالاتری برخوردار است. لذا، پیشنهاد می گردد که متولیان تولید شاخص نابرابری درآمدی، باتوجه به دقت بالای روش های پارامتری، مبنای محاسباتی خود را از روش ناپارامتریک به روش پارامتریک تغییر دهند.

یکی از مسائلی که سازمان های تولیدکننده آمار رسمی در انتشار برخی داده ها با آن مواجهه اند، محرمانگی داده های فردی است. این مسئله باعث شده که ریز داده های مورد نیاز به راحتی در اختیار عموم قرار نگیرند. یکی از راه های حل این مسئله شبیه سازی جمعیت به روش همگذاشتی است که در این مقاله کاربرد آن بررسی می شود. داده های مورد استفاده، داده های طرح نیروی کار مرکز آمار ایران فصل تابستان 1397 می باشد. در این مطالعه، ابتدا ریز داده های جمعیت نیروی کار در سطح ملی به تفکیک استان ها تولید می شود و سپس با استفاده از براورد کارایی نسبی مجانبی، دقت برآوردهای حاصل از نمونه گرفته شده از جمعیت واقعی و جمعیت شبیه سازی شده با هم مقایسه می شوند. نتایج این تحقیق نشان می دهد که ضمن تولید ریز داده های جمعیت نیروی کار در سطح ملی به تفکیک استان ها، دقت برآوردهای حاصل از ریزداده های جمعیت شبیه سازی شده پیشنهادی، بیشتر از برآوردهای حاصل از نمونه گرفته شده از جمعیت واقعی است. همچنین در این مقاله نشان داده می شود که از جمعیت شبیه سازی شده در برآورد پارامترهای نواحی کوچک و جوامعی که حجم نمونه کافی نیست نیز می توان استفاده کرد.