اثر جرم بر هم‌گرایی توسعه استان‌های ایران: کاربرد اقتصادسنجی فضایی

مدلسازی اقتصادی

مقاله 4، دوره 11، شماره 38، شهریور 1396، صفحه 85-109   

نوع مقاله: پژوهشی

نویسندگان

سید عزیز آرمن¹؛ وحید کفیلی^{* 2}؛ حسن فرازمند³؛ حسین ملتفت⁴

¹دانشگاه شهید چمران اهواز

²دکتدی اقتصاد

³دانشیار گروه اقتصاد دانشگاه شهید چمران اهواز

⁴استادیار گروه جامعه شناسی دانشگاه شهید چمران اهواز

چکیده

هدف این مقاله بررسی بازدارندگی جرم (امنیت داخلی) بر هم‌گرایی توسعه بین استان‌های ایران طی دوره زمانی 1375–1390 است. برآورد معادله هم‌گرایی با الهام از نظریه رشد نئوکلاسیک سولو- سوان و با استفاده از اقتصاد­سنجی فضائی نشان داد هم‌گرایی توسعه بین استان‌های ایران برقرار است و شاخص جرم تأثیر بازدارنده معناداری بر سرعت توسعه ندارد. وجود هم­گرایی بین استان­ها، نشان‌دهنده موفقیت سیاست­های توسعه منطقه­ای در کاهش نابرابری منطقه­ای است. عدم معناداری جرم در فرایند توسعه می­تواند ناشی از نقش بالای دولت در فرایند توسعه و عدم گذر از حد آستانه­ای تراکم جرم برای استان­های ایران باشد. توصیه می­شود سیاست­های توسعه منطقه­ای مانند گذشته بدون توجه به تراکم جرم در استان­ها ادامه داشته باشد و این عدم معناداری، عدم جدیت سیاست‌مداران را در کنترل جرم و دلایل ایجاد جرم به دنبال نداشته باشد.

کلیدواژه‌ها

طبقه‌بندی JEL: 010؛ O47؛ K19 واژگان کلیدی: توسعه، هم‌گرایی، جرم، اقتصادسنجی فضائی

اصل مقاله

1. مقدمه

مهم‌ترین هدف از سازمان‌دهی سیاسی فضا در هر کشور، در درجه اول، ارائه بهینه خدمات به حداکثر شهروندان و در درجه دوم، اداره و کنترل افرادی است که در چارچوب مرزهای سرزمینی زندگی می‌کنند. در کشورهایی که نواحی دارای عدم تجانس فرهنگی هستند و این فرهنگ­های متفاوت خواسته­های متفاوتی دارند، سعی می­شود در حد امکان، مرزهای نواحی کارکردی را بر مرزهای نواحی فرهنگی منطبق سازند (پور موسوی و همکاران،1387).

حفظ هم­بستگی بین مناطق در کشورهایی که دارای تنوع فرهنگی، مذهبی و قومیتی هستند، امری لازم برای حفظ انسجام ملی است. بی­شک، نابرابری سطح برخورداری مناطق از امکانات می­تواند این همبستگی را دچار اخلال کند. بر همین اساس، رفع نابرابری و کاهش تفاوت مناطق بایستی در قالب سیاست­های کلان اقتصادی اجتماعی قرار گیرد. سنجش میزان موفقیت این سیاست­ها را می­توان با سنجش میزان هم‌گرایی و یا واگرایی بین مناطق یک کشور مورد آزمون قرار داد.

مفهوم هم‌گرایی با طرح مدل رشد نئوکلاسیکی سولو- سوان[1] وارد ادبیات اقتصادی شد. یکی از دلالت­های مدل رشد سولو- سوان، هم‌گرایی تولید سرانه بین مناطق درگذر زمان بوده است؛ به ‌طوری ‌که انتظار می­رود یک رابطه منفی بین رشد تولید سرانه مناطق در طی یک دوره زمانی معین و موقعیت اول دوره وجود داشته باشد. عدم برقراری هم‌گرایی در برخی از مطالعات، اعتبار این فرضیه و نظریه‌های رشد نئوکلاسیک را مورد تردید قرار داده است؛ اما دلایل دیگری به‌جز آزمون اعتبار نظریه‌های رشد برای مطالعات تجربی هم‌گرایی وجود دارد (سالای مارتین[2]، 1996).

ارزیابی هم‌گرایی یک موضوع مقدماتی برای سیاست‌گذاران است (اسلام[3]،2003) و وجود هم‌گرایی می­تواند نگرانی آن‌ها از نتایج سیاست­های بهبود توزیع درآمد بین مناطق یک کشور را به‌مراتب کاهش دهد و عدم‌ هم‌گرایی لزوم تغییر رویه را مطرح ­کند. بررسی این فرضیه اغلب با استفاده از رگرسیون هم‌گرایی بتا انجام می­شود. چنانچه فرض بر برابری تمامی شرایط مؤثر بر رشد باشد، هم‌گرایی از نوع مطلق خواهد بود؛ اما هم‌گرایی شرطی قائل به تفاوت پارامترهای رشد بین مناطق است که با توجه به واقعیت­های آشکار منطقی­تر می­نماید. امنیت داخلی و جرم­خیزی می­تواند یکی از تفاوت­های مهم بین مناطق در مسیر رشد و هم‌چنین توسعه باشد. انتظار بر این است که در مناطقی که بسترهای ارتکاب جرم و انحرافات فراهم باشد و میزان آن در حال رشد باشد، توسـعه آهنگ آهسته­تری را تجربه کند.

در این مقاله، با الهام از فرضیه هم‌گرایی الگوی رشد سولو- سوان، هم‌گرایی توسعه استان‌های ایران با تأکید بر بازدارندگی متغیر جرم طی دوره زمانی 1375 - 1390 بررسی شده است. سؤال اصلی تحقیق این است که آیا جرم­خیزی عاملی بازدارنده در مسیر هم‌گرایی توسعه بین استان‌های ایران بوده است؟ برای پاسخ به این سؤال از برآورد معادله رگرسیون هم‌گرایی شرطی استفاده شده است. در ادامه مبانی نظری و تجربی بیان شده است و سپس با معرفی الگوی تحقیق و تبیین روش تحقیق متناسب با اهداف و متغیرهای تحقیق، نتایج بررسی هم‌گرایی توسعه استان‌های ایران با محوریت تأثیر جرم بررسی شده است. بخش پایانی به اختصاص یافته است.

 

2. مبانی نظری

برنامه­­ریزی توسعه باید به دنبال ارتقاء سطح زندگی باشد. این ارتقاء محدود به افزایش قدرت خرید نبوده و برخورداری از تمامی امکانات آموزشی، بهداشتی، رفاهی و زیربنائی را           دربر می‌گیرد. در این‌ بین، توزیع امکانات بین افراد و مناطق نیز از اهمیت بالایی برخوردار است.

محرومیت برخی مناطق از امکانات رفاهی باعث ایجاد نابرابری منطقه­ای می‌شود. نابرابری منطقه­ای مزمن هم علت و هم معلول عدم توسعه شناخته شده است (سن و علی[4]،2009).

از اوایل دهه 1990 میلادی با پیشرفت­های به‌دست‌آمده در جغرافیای اقتصادی و نظریه‌های رشد اقتصادی، مباحث نابرابری منطقه‌ای به‌عنوان یک حوزه بین‌رشته‌ای توجهات زیادی را جلب کرده است (لیائو و وی[5]،2015). نابرابری منطقه‌ای هم‌چنین توجهات سیاست‌مداران و دولت‌مردان را به خود معطوف کرده است؛ زیرا نابرابری منطقه‌ای می‌تواند تهدیدی برای وحدت ملی و انسجام اجتماعی باشد (کانبور و نابلس[6]،2005). به‌طور خلاصه، نابرابری یک مسئله اساسی برای جامعه بشری، یک موضوع اصلی برای تحقیق علمی و یک نگرانی عمده برای دولت است. همین امر باعث شده است که یک بحث طولانی‌مدت در مورد میزان، ابعاد، مسیر، مکانیسم‌ها و پیامدهای نابرابری و همچنین سیاست‌هایی برای رفع نابرابری ایجاد شود.

پلورالیسم نظریات و مباحث، مشخصه نابرابری منطقه­ای است. عدم توافق محققان در نظریه‌های نابرابری‌های منطقه­ای و یافته‌های تجربی نشان‌دهنده بحث‌برانگیزی، پیچیدگی و پویایی نابرابری است. این مباحث در سلطه دو مکتب هم‌گرایی (مانند اقتصاد نئوکلاسیک) و واگرایی (مانند نئومارکسیستی) قرار دارد (وِی[7]، 2015)؛ اما کوزنتس[8] (1955) و ویلیامسون[9] (1965) معتقدند با توسعه کشور از ساختار کشاورزی به صنعتی، ابتدا نابرابری افزایش و از یک سطحی به بعد شروع به کاهش می‌کند (لِسمن[10]، 2013 و 2014). در قالب نظریه­ نئوکلاسیک، عامل تحرک و انتشار باعث ایجاد برابری در بلندمدت می­شود و نابرابری یک پدیده گذراست.

فرضیه همگرایی پیش‌بینی می‌کند که هر چه سطح اولیه توسعه پایین‌تر باشد، سرعت توسعه جامعه بیشتر خواهد بود؛ اما ویژگی‌های خاص منطقه‌ای نیز می‌تواند در فرایند توسعه مؤثر باشد. یکی از ویژگی­های خاص منطقه‌ای، میزان جرم واقع شده در مناطق است. میزان تراکم جرم، منابعی را که می­توانستند در بخش­های مولد مورد استفاده قرار گیرند، منحرف می‌کند، نااطمینانی و هزینه­های امنیت کسب ‌و کار افزایش (پاول و همکاران[11]،2010) و سطح سلامتی را کاهش می­دهد.

هم­چنین، جرم نشان‌دهنده میزان تهدید علیه مالکیت خصوصی بوده و باعث ایجاد فضای نامناسب برای سرمایه‌گذاری خارجی و داخلی می­شود (انامورادو و همکاران[12]، 2014). جرم باعث کاهش اعتماد اجتماعی، کاهش مشارکت و تعامل اجتماعی، افزایش فردمحوری و در نتیجه، سرمایه اجتماعی می­شود. حد مطلوبی از اعتماد اجتماعی موجب مشارکت بیشتر در دست‌یابی به امکانات رفاهی، بهداشتی و آموزشی می­شود (صادقی و همکاران،1392).

از آنجا که امنیت از جمله وظایف اصلی دولت بوده و وظیفه پیشگیری و مبارزه با جرم در قالب قوانین بر عهده دولت است، کاهش اعتماد افراد به دولت و قوانین از اثرات دیگر گسترش جرم در جامعه است.

اعتماد شهروندان به دولت لازمه پیشبرد فرایند توسعه است؛ زیرا این فرایند نیازمند مشارکت هر دو بخش خصوصی و عمومی است. بر همین اساس، توجه به کاهش جرم، امری ضروری برای توسعه است؛ زیرا تا وقتی‌ که امکان رسیدن خطر برای زندگی و اموال به سطح قابل‌توجهی برسد، کشورهای در حال‌ توسعه‌ای که با مشکلات جدی مرتبط با جرم مواجه هستند، در کسب اعتماد عمومی- که نیاز اساسی برای پیشرفت است - با چالش روبه­رو خواهند بود (رایجیان اصل و صادقی،1394).

به‌طور خلاصه، نتیجه نهایی اثرات مستقیم و غیرمستقیم جرم در جامعه، تحدید رشد و توسعه خواهد بود. به عبارتی، تراکم بیشتر جرم باعث تحمیل هزینه­هایی می­شود که عامل بازدارنده در فرایند انباشت ثروت و توسعه است (بکر[13]، 1968).

 

3. مطالعات تجربی

مطالعات تجربی دو حوزه هم‌گرایی و تأثیر جرم بر عملکرد اقتصادی را شامل می­شود. مطالعات پیشین اغلب از هم‌گرایی شرطی بتا برای تحلیل هم‌گرایی متغیرهای اقتصادی و غیراقتصادی استفاده کرده­اند.[14] در بین متغیرهای اقتصادی نیز، اغلب هم‌گرایی برای تولید سرانه بررسی شده است.

اولین‌بار بامول[15] (1986) با داده­های 16 کشور صنعتی فرضیه هم‌گرایی را آزمون کرد که نتایج حاکی از همگرایی کامل داشت. دی لانگ[16] (1988) با طرح برخی ایرادات به داده­های استفاده ‌شده توسط بامول، سطح ضعیف­تری از برقراری این فرض را به دست آورد.

در مطالعات داخلی برای استان‌های ایران می‌توان به مطالعه رحمانی (1383)، اکبری و مؤیدفر (1383) و رحمانی و حسن­زاده (1390) اشاره کرد که اغلب وجود هم‌گرایی تولید سرانه (هرچند با سطوح مختلف) را با استفاده از رگرسیون هم­گرایی تائید می­کنند.

از مطالعات بین کشوری برای هم‌گرایی تولید سرانه می­توان به مطالعه فروغی‌پور (1385) برای یازده کشور عضو اوپک (هم‌گرایی بتا و سیگما)، خلیلی عراقی و مسعودی (1385) برای کل کشورها (هم‌گرایی سیگما) و فلاحی و همکاران (1391) برای کشورهای منتخب اسلامی اشاره کرد.

در مطالعات خارجی و در قالب مطالعات بین استانی (ایالتی)، ری و مونتوری[17] (1999) با لحاظ اثرات فضایی، وجود همگرایی تولید سرانه برای ایالت­های آمریکا (1929 - 1994) را تائید می­کنند. نتایج مطالعه نیبور[18] (2000) برای آلمان با لحاظ اثرات فضایی نشان از هم‌گرایی بین مناطق دارد. درگر و همکاران[19] (2011 و 2007) هم‌گرایی را برای استان­های ایران تأیید می­کنند.

مطالعه ایالت­های هندوستان توسط غوش و همکاران[20] (2013) واگرایی در بین ایالات این کشور به‌ صورت کلی و بخشی (کشاورزی، صنعت و خدمات) تائید می‌کند. در قالب مطالعات بین کشوری، کونادو[21] (2011) برای کشورهای عضو اوپک (با استفاده از آزمون­های ریشه واحد پانلی و هم‌گرایی بتا)، آندرینو و دیگران[22] (2013) برای کشورهای حوزه منا و دِورکووا[23] (2014) برای 28 کشور اروپایی (هم‌گرایی سیگما و بتا) به بررسی هم‌گرایی تولید سرانه پرداخته­اند. نتایج به ‌دست‌ آمده متفاوت بوده و در برخی از مطالعات هم‌گرایی مورد تائید و در برخی دیگر مورد تردید قرار گرفته است.

با الهام از فرضیه هم‌گرایی الگوی رشد سولو- سوان، بررسی هم‌گرایی برای سایر متغیرهای اقتصادی و غیراقتصادی نیز انجام شده است که از آن جمله می­توان به مطالعه کارنامه حقیقی و اکبری (1383) برای آموزش عالی استان­های ایران، شهبازی و همکاران (1391) برای شاخص قیمت استان­های ایران، شهبازی و حمیدی رزی (1393) برای شدت انرژی کشورهای عضو اوپک با استفاده از هم‌گرایی سیگما و آزمون هم‌گرایی دوجانبه پسران (2007)، فلاحی و وویا[24] (2015) برای مصرف سرانه انرژی کشورهای OECD با استفاده از آزمون ریشه واحد و پان و همکاران[25] (2015) بهره­وری انرژی در استان‌های چین برای انرژی ایالت­های آمریکا، هآاو و همکاران[26] (2015) برای مصرف سرانه انرژی استان‌های چین، اشاره کرد.

از جمله مطالعاتی که به بررسی تأثیر وقوع جرم بر عملکرد اقتصادی پرداخته­اند، می­توان به بورنهام و همکاران[27] (2004)، مآاورو و کارماسی[28] (2007)، گِیبولو و ساندلر[29] (2008)، چن[30] (2009)، چاترجی و رِی[31] (2009)، دتوتو واوترنتو[32] (2010 و 2012)، دتوتو و پولینا[33] (2013) و گولاس و زِرویانی[34] (2013) اشاره کرد. اغلب تأثیر منفی جرم بر عملکرد اقتصادی را تائید کرده­اند؛ اما برخی از مطالعات، نتایج غیرواضح (بورنهام و همکاران، 2004؛ گولاس و زِرویانی،2013) و حتی غیرمعناداری (ماآورو و کامرسی، 2007؛ چاترجی و ری، 2009) را به دست آورده­اند. اِنامورادو و همکاران (2014)، نقش بازدارندگی جرم را در هم‌گرایی رشد مناطق مکزیک بررسی کرده­اند که نتایج نشان می­دهد جرائم مرتبط با مواد مخدر عامل بازدارندگی در مسیر هم‌گرایی رشد است.

مرور مطالعات پیشین نشان می­دهد اغلب از هم‌گرایی غیرشرطی بتا برای بررسی هم‌گرایی استفاده شده است. این روش با توجه به پایه نظری (بر اساس الگوی رشد سولو- سوان)، امکان وارد کردن ویژگی­های خاص مناطق و امکان محاسبه متوسط سرعت هم‌گرایی، از کاربری بیشتری برخوردار است. هم‌چنین در بین مطالعات انجام شده، هم‌گرایی توسعه مشاهده نشده است.

 

4. تصریح مدل

یکی از نتایج الگوی سولو، فرضیه هم­گرایی است. بر اساس این فرضیه وجود یک رابطه منفی بین سرعت رشد و تولید سرانه اولیه مورد انتظار است که منجر به کاهش تفاوت تولید سرانه مناطق یا هم­گرایی می‌شود. تابع تولید الگوی رشد سولو بر اساس تابع تولید () سه عاملی نیروی کار ()، سرمایه ()، تکنولوژی () و فرض کار فزاینده بودن پیشرفت تکنولوژی (بی‌طرف هارود) به ‌صورت زیر بیان می­شود:

(1)

با فرض بازدهی ثابت نسبت به مقیاس می­توان تابع تولید سرانه () را به‌ صورت زیر نوشت:

(2)

که در آن تابع تولید با شرایط اینادا و سرمایه سرانه نیروی کار مؤثر است. تعادل در الگوی سولو به ‌صورت زیر است:

(3)

با دیفرانسیل‌گیری از تابع تولید خواهیم داشت:

(4)

با بسط مرتبه اول تیلور از رابطه تعادلی خواهیم داشت:

(5)

جزء اول سمت راست معادله در تعادل بلندمدت برابر صفر است؛ بنابراین:

(6)

با جای‌گذاری رابطه فوق در دیفرانسیل تابع تولید (رابطه (3)) داریم:

(7)

با جای‌گذاریدر معادله فوق داریم:

(8)

معادله فوق نشان می­دهد که دو منبع رشد در الگوی سولو وجود دارد: رشد تکنولوژی (g) و هم‌گرایی (عجم اوغلو[35]، 2009). هم‌گرایی، حرکت به سمت حالت پایدار[36] است و سرعت هم‌گرایی با اندازه‌گیری می­شود. با یک تقریب گسسته (به لحاظ زمانی) می­توان رابطه زیر را نوشت:

(9)

که رابطه بین رشد () و مقدار اولیه از تولید سرانه() را نشان می­دهد[37]. معادله فوق، هم‌گرایی غیرشرطی را نشان می­دهد. در این نوع از هم‌گرایی، تفاوت در ویژگی­ مناطق در نظر گرفته نشده است و حالت پایدار، یکسان است[38]. اگر ویژگی­های مناطق را در لحاظ کنیم، معادله به‌صورت زیر تبدیل می­شود:

(10)

تفاوت می­تواند در شیب رگرسیون نیز لحاظ شود که با توجه به هدف مقاله[39]، ثابت در نظر گرفته شده است و در کارهای تجربی نیز برای سادگی ثابت در نظر گرفته می­شود (عجم‌ اوغلو، 82:2009). معادله فوق به «معادله هم‌گرایی شرطی» معروف است. هم‌گرایی مطلق یا غیرشرطی دال بر آن است که مناطق از لحاظ پارامترهای رشد یکسان هستند و تنها دلیل تفاوت رشد آن‌ها تفاوت در مقدار اولیه تولید سرانه است که این تفاوت نیز ناشی از تفاوت در موجودی سرمایه فیزیکی است. تا اواسط دهه 1990 بررسی هم­گرایی بر اساس هم‌گرایی شرطی انجام می‌شد (نیبور، 2000)؛ اما هم‌گرایی شرطی قائل به تفاوت پارامترهای رشد بین مناطق است. لحاظ ویژگی­ مناطق معادله هم‌گرایی شرطی را به فرم زیر حاصل می­کند:

(11)

که در آن  بردار سایر متغیرها مانند سرمایه انسانی، تورم، درجه باز بودن اقتصادی، امنیت و متغیرهای نهادی است.

یکی از ایرادات وارد بر رابطه (11) این است که اغلب (نه همه) متغیرهای بردار و  درون‌زا هستند. به بیانی دیگر، عواملی که باعث شده­اند  پائین باشد، بر نرخ رشد نیز مؤثر هستند و هم­چنین عواملی که باعث شرایط نامناسب در بردار  شده‌اند، بر رشد نیز مؤثر هستند (عجم­اوغلو،2009). این درون‌زایی باعث تورش به پائین ضرایب رگرسیون می­شود. هم­چنین خطای اندازه­گیری و تغییرات موقتی تولید سرانه نیز باعث تورش ضرایب رگرسیون می­شود. برای مثال فرض می­کنیم میزان برآورد شده تولید سرانه  قابل‌ مشاهده است و این مقدار با مقدار واقعی به‌صورت  رابطه دارد. ( تصادفی و بدون همبستگی سریالی است). اگر از شکل لگاریتمی تولید سرانه استفاده کنیم،  در هر دو طرف معادله رگرسیون هم‌گرایی ظاهر می­شود و مشکل یاد شده را مرتفع می­سازد:

(12)

رابطه فوق برای دو سال متوالی برقرار است و برای بررسی هم‌گرایی طی یک دوره زمانی، از رابطه (13) استفاده می­شود:

(13)

معادله (13) برای متغیرهای مختلف اقتصادی و غیراقتصادی به کار برده شده است. در این مقاله، معادله فوق برای همگرایی توسعه بین مناطق مورد برآورد قرار خواهد گرفت:

(14)

که در آن  نشان‌دهنده شاخص توسعه محاسبه شده است (محاسبه‌شده توسط محققان) و  بردار نشان‌دهنده ویژگی­های خاص استان­هاست که در این مقاله از متغیرهای نشان‌دهنده سطح جرم­خیزی استفاده شده است. برای برآورد معادله فوق، شاخص توسعه و شاخص جرم محاسبه شدند که در زیر تشریح شده‌اند:

محاسبه شاخص توسعه: بیش از شش دهه است که کفایت تولید سرانه به عنوان شاخص توسعه جامعه مورد شک قرار گرفته است. به عبارتی، این اطمینان وجود ندارد که افزایش تولید سرانه بتواند همه مشکلات پیش روی یک شرایط زندگی مناسب را کاهش یا رفع کند؛ بنابراین، توسعه فرایندی فراتر از تغییرات تولید سرانه است. سن[40] (1997: 497) فرایند توسعه را فرایند ایجاد شرایط برای افزایش قابلیت‌های افراد و سیرز[41] (1972) فرایند ایجاد شرایط تحقق استعدادهای افراد می­داند. سن (1988) معتقد است که تأکید صرف روی تولید سرانه نمی­تواند تمامی جوانب کیفیت زندگی جامعه را نمایان کند و لازم است برای بررسی کیفیت زندگی به چیزی بیش از رشد اقتصادی توجه شود. هم‌چنین وی بیان می­کند که چنانچه رشد اقتصادی منجر به بهبود شرایط زندگی افراد شود (و به ‌نوعی باعث افزایش امید به زندگی شود) باز هم متغیرهای دیگری نیز وجود دارند که شرایط زندگی را تحت تأثیر قرار می­دهند و مفهوم توسعه نمی­تواند این متغیرها را نادیده بگیرد (سن، 1988: 13)؛ به ‌طوری‌ که در حال حاضر در کنار معیارهای اقتصادی، معیارهای سیاسی، فرهنگی و اجتماعی نیز لحاظ شده است و توسعه جریانی چندبعدی تلقی می‌‌شود که مستلزم تغییر در ساخت اجتماعی، طرز تلقی عامه مردم و نهادهای ملی، تسریع رشد اقتصادی، کاهش نابرابری و ریشه‌کن کردن فقراست (تودارو و اسمیت،[42]14:2011).

یکی از روش­های اندازه­گیری سطح توسعه، استفاده از مجموعه­ای از متغیرهای مختلف اقتصادی، اجتماعی و حتی سیاسی است. آدلمن و موریس[43] (1973) پیشتاز این روش بوده و 48 معیار را در قالب سه گروه اقتصادی، اجتماعی- فرهنگی و سیاسی برای اندازه‌گیری میزان توسعه‌یافتگی کشورها معرفی و مورد استفاده قرار داده­اند.

موریس[44] (1978) در مطالعه­ای دیگر متغیرهای مرگ ‌و میر اطفال، نرخ باسوادی، امید به زندگی، شاخص فیزیکی کیفیت زندگی و تولید سرانه را برای سنجش سطح توسعه به کار برده است. شاخص­های ترکیبی می­تواند تصویر دقیقی را از سطح توسعه فراهم کند (سیورامکریشنا و پانیگراهی[45]، 2003)؛ اما لازم است از تکنیک­ها و روش­هایی استفاده شود که شاخص­هـای ترکیبی توسعه بر مبنای تجمیع بهینه­ای از شاخص­های منفرد و ابعاد مختلف آن فراهم کند (عبدالله زاده و شریف­زاده، 1391).

در این مقاله برای محاسبه شاخص توسعه از 30 شاخص اقتصادی و اجتماعی و روش تاپسیس[46] استفاده شده است. با توجه به این که هدف مقاله، بررسی سرعت توسعه در تقابل با نقطه اولیه است، بایستی شاخص توسعه به نحوی محاسبه شود که امکان مقایسه شاخص توسعه در دو مقطع متفاوت وجود داشته باشد. برای این منظور یک تغییر کاربری در روش تاپسیس انجام شده است؛ به ‌طوری‌ که مقدار حداقل و حداکثر از بین تمامی استان‌ها برای هر دو مقطع زمانی انتخاب شده است. متغیرهای مورد استفاده شامل موارد زیر هستند:

-         متغیرهای جمعیتی: تراکم جمعیت- معکوس بعد خانوار- ضریب شهرنشینی.

-         متغیرهای بهداشتی: تعداد پزشکان متخصص به ازای هزار نفر- دندان‌پزشکان به ازای هزار نفر - تخت بیمارستانی به ازای هزار نفر - آزمایشگاه تشخیص پزشکی به ازای هزار نفر - داروخانه به ازای هزار نفر[47] - بیمه‌شدگان به ازای هزار نفر - بیمه درمانی اصلی و فرعی به ازای هزار نفر - تعداد پزشکان عمومی به ازای هزار نفر- خانه بهداشت به ازای هزار نفر جمعیت روستایی.

-         متغیرهای زیربنایی: درصد دارای برق- درصد دارای آب- درصد دارای گاز- درصد دارای تلفن- درصد برخورداری از مسکن دوام (بتونی و فلزی)- طول راه‌ها (مجموع آزاد راه، بزرگ‌راه، راه اصلی، راه فرعی و راه درون­ شهری) به مساحت- معکوس تراکم نفر در مسکن.

-         متغیرهای اقتصادی: نسبت شاغلان کارگاه­های ده نفر کارکن و به شتر بیشتر- درآمد سرانه واقعی (داده­های مربوط به متوسط درآمد خانوار شهری و روستایی از نتایج آمارگیری هزینه و درآمد خانوار شهری و روستایی)- معکوس نرخ بیکاری –معکوس بار تکفل- تعداد کارگاه صنعتی به ازای هزار نفر - درصد شاغلان عالی به کل شاغلان.

-         متغیرهای آموزشی و فرهنگی: نرخ باسوادی زنان- نرخ باسوادی مردان- صندلی سینما به ازای هزار نفر - تعداد کتابخانه به ازای هزار نفر - تعداد دانشجویان به ازای هزار نفر.

-         داده­های استفاده ‌شده برای محاسبه شاخص توسعه استان‌ها در دو مقطع زمانی 1375 و 1390، از سرشماری نفوس و مسکن و سالنامه­های آماری استخراج شده است.[48]

شاخص جرم: شاخص جرم با استفاده از 9 نوع جرم[49] گزارش‌ شده توسط مرکز آمار (به نقل از نیروی انتظامی جمهوری اسلامی ایران، معاونت طرح و برنامه ‌و بودجه، اداره‌ آمار) محاسبه شده است. با توجه به اینکه جرم یک متغیر منفی است، در محاسبه شاخص، از تقسیم فاصله اقلیدسی از مقدار حداکثر هر جرم به مجموع فاصله اقلیدسی از حداکثر و حداقل استفاده شده است. بر همین اساس، مقدار بیشتر این شاخص به معنای امنیت بیشتر و جرم کمتر است.

 

5. روش تحقیق

5-1. اقتصادسنجی فضایی

با وجود جزء جغرافیایی، نقش اثرات فضایی در مطالعات منطقه‌ای نادیده گرفته شده است (ری و مونتوری، 1999، ری و جانیکاس[50]،2005). در سال­های اخیر بعد جغرافیایی در تحلیل‌های اقتصادی وارد شده است (گیبسون و اوورمن[51]، 2012) و محققان به لحاظ اثرات فضایی در تحلیل­های رگرسیونی پرداخته­اند (لوپز- بازو و همکاران[52]، 2004).

عدم لحاظ موقعیت فضایی منجر به برآوردهای تورش‌دار و نتایج گمراه‌کننده می‌شود (فینگلتون و لوپز- بازو[53]، 2006). این موضوع در بررسی هم‌گرایی بین مناطق اهمیت بالایی دارد؛ زیرا در بررسی هم‌گرایی، نتایج تحت تأثیر جدی جزئیات مدل است (بروکر[54]،1997).

در این مقاله برای لحاظ اثرات فضایی از اقتصادسنجی فضایی استفاده شده است. برای لحاظ کمیت مقداری هم­بستگی فضایی در معادلات رگرسیونی از دو روش استفاده می­شود: روش اول، استفاده از طول و عرض جغرافیایی و روش دوم، استفاده از ماتریس مجاورت است.

برای تعیین مجاورت از مجاورت رخ مانند استفاده شده است. برای استان‌های همسایه عدد یک و غیرهمسایه عدد صفر لحاظ شده است. سپس ماتریس مجاورت نرمال شده است؛ به ‌طوری‌ که مجموع درایه‌های هر سطر واحد است. این ماتریس سطری- تصادفی[55] نامیده می­شود (لسیچ[56]، 32:1392). به‌جز موارد استثنایی، ماتریس مجاورت متقارن است (الهورست[57]، 2014). نحوه لحاظ هم­بستگی فضایی در معادله رگرسیون از طریق متغیر وابسته، متغیرهای مستقل، خطا و یا ترکیبی از آن‌ها انجام می‌شود. حالتی که هر سه مورد را شامل می­شود به صورت زیر است:

(15)

که در آن  متغیر وابسته،  بردار متغیرهای توضیحی، ماتریس همسایگی، جزء اخلال رگرسیونی و ضرائب رگرسیون هستند. حالت­های مختلف مشتق از حالت کلی در جدول زیر نشان داده شده است:

 

جدول 1. انواع حالت­های تصریح رگرسیون فضایی برای داده‌های مقطعی

منبع: وگا و الهورست (2013)

 

برای تشخیص نحوه لحاظ روابط فضایی، بایستی آزمون­­های مقتضی انجام و حالت متناسب با داده­های تحقیق انتخاب شود. برای این منظور، وجود هم‌بستگی فضایی بین متغیر وابسته و متغیرهای توضیحی با استفاده از آزمون موران[58] انجام شده است و تصریح درست با توجه به نتایج این آزمون تعیین شده است. تخمین معادلات به روش حداکثر راست نمائی انجام خواهد شد. تخمین مدل‌هایی فضایی به روش حداقل مربعات منجر به تخمین­های ناسازگاری از پارامترهای رگرسیون می­شود؛ اما تخمین حداکثر درست‌نمایی برای این مدل­ها سازگار است (لی،[59]2004).

5-2. ضریب موران

رایج‌ترین روش برای بررسی وجود هم­بستگی فضایی، آزمون ضریب موران است (ویتون[60]، 2010) که به شرح زیر محاسبه می­شود (تسا،[61]2005):

(16)

که در آن  تعداد استان‌ها،  مقدار متغیر برای مناطق،  میانگین متغیر و  ضریب همسایگی دو منطقه است. این ضریب برای دو استان همسایه یک و غیر همسایه صفر است. این ضریب اغلب بین 1- تا 1+ قرار دارد؛ هرچند ممکن است در حالت­های حدی خارج از این بازه قرار گیرد (آربیا[62]،2:2014). واریانس ضریب موران نیز به شرح زیر است:

(17)

که در آن داریم:

 

 

(18)

در آزمون معناداری ضریب موران تحت فرضیه صفر، امید ریاضی ضریب موران خواهد بود. آماره محاسباتی نیز به صورت  محاسبه می­شود. مقایسه مقدار محاسباتی با کمیت بحرانی، می­تواند وجود هم‌بستگی فضایی را مشخص کند.

5-3. تاپسیس

شاخص جرم­خیزی و توسعه با استفاده از روش تاپسیس محاسبه شده است. این روش توسط چن و هوانگ (1992) ارائه (وو و همکاران[63]،2010) و توسط هووانگ و یون[64] در سال 1981 بسط و گسترش پیدا کرد (وو و همکاران،2010؛ جهانشاهلو و همکاران، 2006). در این روش هرچه داده‌ها و اطلاعات مربوط به یک گزینه به مقدار ایده‌آل مثبت نزدیک‌تر و از ایده­آل منفی دورتر باشد، گزینه برتری است. به عبارتی کمترین فاصله تا بهترین عملکرد و بیشترین فاصله تا بدترین عملکرد منجر با حداقل شدن هزینه و حداکثر شدن منافع می‌شود (اوپرکوویچ و زنگ[65]،2004). این روش، روشی منطقی، قابل‌فهم با محاسبات ساده ریاضی (وو و همکاران، 2010؛ اولسون[66]،2004) و کمترین تغییر رتبه نسبت به سایر روش‌های تصمیم‌گیر چند معیاره (زاناکیس و همکاران[67]،1998) را داراست. ویژگی‌های فوق باعث می‌شود که این روش مهم‌ترین و پرکاربردترین روش تصمیم‌گیری چند معیاره باشد (شیح و همکاران[68]،2007).

 

6. نتایج تحلیل آماری

برای بررسی نقش بازدارندگی جرم () در روند توسعه معادلات زیر برآورد خواهد شد:

(19)
(20)

آزمون موران برای متغیر وابسته و متغیرهای توضیحی برای تشخیص نحوه اعمال هم‌بستگی فضایی انجام شده است:

 

جدول 2. آزمون موران

متغیر	ضریب موران	انحراف معیار	آماره
	01979/0	10964/0	304429/0
	05454/0-	11074/0	13129/0-
	11191/0-	09077/0	7922/0-

منبع: محاسبات تحقیق

 

آماره محاسبه‌شده برای هر سه متغیر در ناحیه عدم رد قرار می­گیرد؛ بنابراین از بین حالت‌های مختلف، حالت هم­بستگی فضایی در خطاها انتخاب می­شود. مقایسه نتایج رگرسیون­های فضایی با رگرسیون غیرفضایی (OLS) با استفاده از آزمون LR برتری نتایج رگرسیون فضایی را نشان می­دهد:

 

جدول 3. مقایسه رگرسیون فضایی با تخمین غیرفضایی

OLS	SEM
04/112	65/121	لگاریتم درستنمایی	معادله (19)
-	22/19	LR stat.
-	635/6	[69] مقدار بحرانی ()
3/112	77/121	لگاریتم درستنمایی	معادله (20)
-	94/18	LR stat.
-	635/6	مقدار بحرانی ()

منبع: یافته­های تحقیق

به عبارتی هم‌بستگی بین استان­ها در عوامل غیرقابل مشاهده وجود دارد. نتایج برآورد معادله هم‌گرایی توسعه با وجود هم‌بستگی فضایی در خطاها به شرح جدول (4) است:

 

جدول 4. تخمین معادلات هم‌گرایی شرطی و غیرشرطی

احتمال	آماره tمجانی	ضریب	احتمال	آماره tمجانی	ضریب
031/0	15/2-	01/0-	008/0	62/2-	0088/0-
000/0	96/6-	0346/0-	000/0	12/7-	0351/0-
64/0	47/0	0019/0		-	-
1/0	63/1	375/0	086/0	71/1	389/0

منبع: یافته­های تحقیق

 

معناداری ضریب سطح توسعه اولیه نشان از هم‌گرایی بین استان‌ها دارد. اضافه کردن متغیر شاخص جرم به معادله هم‌گرایی باعث افزایش ضریب توضیح دهندگی و لگاریتم درست‌نمایی شده است. ضریب شاخص جرم مثبت به دست آمده است اما این تأثیر به لحاظ آماری معنادار نبوده است. به عبارتی، تراکم جرم تأثیر معنادار بر روند توسعه استان‌ها طی دوره مورد بررسی نداشته است؛ بنابراین، فرضیه تحقیق مبنی بر بازدارندگی جرم در مسیر توسعه برای ایران از نظر آماری معنادار نیست که در ادامه دلایل احتمالی آن مورد اشاره قرار می‌گیرد.

 

7. نتیجه‌گیری

در این تحقیق هم‌گرایی توسعه استان‌های ایران برای بازه زمانی 1375 - 1390 با تأکید بر بازدارندگی جرم بررسی شده است. با توجه به وجود ‌جزء جغرافیایی داده‌های تحقیق از اقتصادسنجی فضایی استفاده شد. انتظار نظری در قالب مباحث جرم این است که وقوع جرم عملکرد اقتصادی و اجتماعی جامعه را تحت تأثیر قرار می‌دهد.

در برخی مطالعات، این فرضیه تایید و در برخی دیگر این فرضیه پذیرفته نشده است. نتایج تحقیق حاضر در زمره تحقیقاتی قرار دارد که معناداری این تأثیر را بر توسعه استان‌های ایران رد می‌کند. رد این فرضیه برای جامعه ایران می‌تواند دلایل متعددی داشته باشد که به برخی از آن‌ها اشاره می‌شود:

-         با نگاهی به متغیرهای مورد استفاده برای محاسبه شاخص توسعه می‌توان دریافت که بسیاری از آن‌ها تحت تأثیر سیاست‌های دولت و میزان مخارج دولت در استان‌ها دارد.

-         به ‌طور معمول دولت به دنبال حداکثرسازی رفاه جامعه است و میزان تراکم جرم نباید تخصیص منابع را در بین مناطق تحت تأثیر قرار دهد. حتی ممکن است دولت برای کاهش تراکم جرم در مناطق جرم‌خیز، سیاست‌های آموزشی و بهداشتی به‌مراتب وسیع‌تری را اجرا کند. بر همین اساس، می‌توان یکی از دلایل عدم معناداری تأثیر سرعت توسعه از تراکم جرم در بین استان‌ها را ناشی از سیاست‌های دولت دانست. گفتنی است سیاست‌های دولت محدود به ابعاد بهداشتی و آموزشی توسعه نیست. سهم بالای بخش دولت در اقتصاد ایران باعث شده است متغیرهای اقتصادی توسعه نیز تحت تأثیر سیاست‌های دولت باشد.

-         اینکه وقوع جرم هزینه‌هایی را برای جامعه به دنبال دارد، جای شک نیست؛ اما معناداری این پدیده در مسیر توسعه مستلزم حد بالایی از تراکم جرم است. عدم معناداری تأثیر تراکم جرم نشان می‌دهد این پدیده در سطح بحرانی قرار ندارد. با توجه به وجود مشکلات اقتصادی مانند تورم، بیکاری و نابرابری درآمدی در اقتصاد ایران، دلایل این موضوع می‌تواند ناشی از اقدامات کنترلی و حاکمیت فضای دینی بر جامعه باشد. ناگفته پیداست که نبایستی این عدم معناداری عدم جدیت سیاست‌مداران را در کنترل جرم و دلایل ایجاد جرم به دنبال داشته باشد.

-         باید توجه داشت که محدوده موردنظر از جرم در این تحقیق شامل 9 مورد از اشکال جرم است که توسط مرکز آمار ایران گزارش می‌شود؛ بنابراین نتایج تحقیق نیز در قالب این محدودیت قابل تفسیر است. این امکان وجود دارد که با تغییر گستره داده‌های مربوط به جرم نتایج تغییر کند. هرچند داده‌های در دسترس در سطح استانی امکانی بیش از آنچه در این تحقیق انجام شده است را فراهم نمی‌کند.

---

[1]  Solow-Swan

[2] Sala-i-Martin

^[3] Islam

^[4]  Sen and Ali

^[5]  Liao and Wei

[6]  Kanbur & Venables,

^[7] Wei

[8]  Kuznets

[9]  Williamson

[10]  Lessmann

[11]  Powell and et al

[12]  Enamorado and et al

[13] Becker

[14] با توجه به غالب بودن کاربرد روش همگرایی بتا، در مطالعاتی که روش­هایی غیر از روش بتا را به کار برده­اند، روش ذکر شده است.

[15] Bamol

[16] De Long

[17]  Rey & Montouri

[18]  Niebuhr

^[19]  Dreger

^[20]  Ghosh and et al

^[21]  Cunado

^[22]  Andreano and et al

^[23]  Dvorokova

^[24]  Fallahi and Voia

^[25]  Pan and et al

^[26]  Hao and et al

^[27]  Burnham & et al

^[28] Mauro and Carmeci

^[29]  Gaibulloev & Sandler

^[30] Chen

^[31] Chatterjee & Ray

^[32]  Detotto and Otranto

^[33] Detotto and Pulina

^[34] Goulas & Zervoyianni

[35] Acemoglu

[36] Steady-State

[37] قابل ذکر است که اعداد صفر و یک در و نشان دهنده توان نیست.

[38] Club Convergence

[39]در معادله (10) یک معادله رگرسیون پانلی مطرح است که امکان در نظر گرفتن ضریب شیب متفاوت وجود دارد؛ اما با توجه به ماهیت تحقیق این ضریب ثابت در نظر گرفته می­شود کما اینکه در مطالعات قبلی نیز به این صورت مورد استفاده قرار گرفته است. به عبارتی میزان واکنش رشد کشور به تولید سرانه دوره قبل مد نظر نیست بلکه وجود یا عدم وجود همگرایی طی دوره زمانی معین مورد بحث است.

[40] Sen

[41] Seers

[42] Todaro and Smith

[43]  Adelman & Morris

[44]  Morris

[45]  Sivramkrishna, & Panigrah

[46]  TOPSIS(Technique for Order of Preference by Similarity to Ideal Solution)

[47] سهم داروخانه‌ها و آزمایشگاه­های تشخیص پژشکی استان قم در سال 1377 به عنوان تخمین نقطه‌ای از سهم این استان در سال 1375 مورد استفاده قرارگرفته و تعداد داروخانه‌ها و آزمایشگاه‌های به دست آمده برای استان قم از تعداد این متغیرها برای استان تهران کم شده است.

[48] با توجه به اینکه برای محاسبه شاخص توسعه نیاز به داد­ها و اطلاعاتی است که اغلب آن­ها در سال­های سرشماری نفوس و مسکن در دسترس است، سال‌های 1375 و 1390 برای تحلیل انتخاب شده است

[49]پرونده­های تشکیل شده برای قتل عمد و غیر عمد، خودکشی، مجموع سرقت از اموال عمومی و دولتی، ضرب و جرح و صدمه، تهدید، اجبار و اکراه، تظاهر به چاقوکشی و مسموم کردن عمدی به صورت نسبتی از جمعیت.

^[50]  Rey & Janikas

^[51]  Gibbons & Overman

[52]  López‐Bazo and et al

^[53]  Fingleton & López‐Bazo

^[54]  Bröcker

^[55]  Row-Stochastic

^[56]  LeSage

^[57]  Elhorst

^[58]  Moran

[59]  Lee

[60]  Viton

^[61]  Tsai

^[62]  Arabia

[63]  Wu and et al

[64]  Hwang and Yoon

[65]  Opricovic

^[66]  Olson

^[67] ­ Zanakis

^[68]  Shih

[69] مقادیر بحرانی برابر تعداد قیدی است که لازم است بر معادله فضایی اعمال شود تا به صورت غیرفضایی تبدیل شود.

مراجع

منابع

-      اکبری، نعمت‌الله، مؤیدفر، رزیتا (1383). بررسی همگرایی درآمد سرانه بین استان‌های کشور  (یک رهیافت اقتصادسنجی فضایی). پژوهش‌های رشد و توسعه پایدار، 4(13): 14-1.

-      پورموسوی، سید موسی، میرزاده کوه‌شاهی، مهدی، رهنما قره خانبگلو، جهانبخش (1387). سازمان‌دهی سیاسی فضا و نواحی فرهنگی و کارکردی در ایران. فصلنامه ژئوپلیتیک، 4(3(پیاپی 13)): 101-75.

-      خلیلی عراقی، سید منصور، مسعودی، ناهید (1385). تئوری همگرایی و جایگاه ایران. جستارهای اقتصادی، 3(6): 110-81.

-      رایجیان اصلی، مهرداد، صادقی، ولی‌الله (1394). تقابل جرم و توسعه. مطالعات حقوقی، 7(3): 107-83.

-      رحمانی، تیمور (1383). رشد اقتصادی و همگرایی منطقه­ای در ایران. مجله تحقیقات اقتصادی، 39(3): 180-155.

-      رحمانی، تیمور، حسن‌زاده، ابراهیم (1390). اثر مهاجرت بر رشد اقتصادی و همگرایی منطقه‌ای در ایران. تحقیقات مدل‌سازی اقتصادی، 2(5): 19-1.

-      شهبازی، کیومرث، فلاحی، فیروز، غلامی، امیر(1391). همگرایی شاخص قیمت در استان‌های ایران. مدلسازی اقتصادی، 6(20)، 111-128         .

-      شهبازی، کیومرث، حمیدی رزی، داوود (1393). همگرایی شدت انرژی بین کشورهای عضو اوپک (یک رویکرد دوجانبه). پژوهش‌ها و سیاست‌های اقتصادی، 22(71): 198-173.

-      صادقی، حسین، ملکی، بهروز، عصار، عباس، محمودی، وحید (1392). تحلیل فازی رابطه اعتماد اجتماعی با توسعه انسانی. پژوهش‌های رشد و توسعه اقتصادی، 3(12): 20-9.

-      عبدالله‌زاده، غلامحسین، شریف‌زاده، ابوالقاسم (1391). سطح‌بندی توسعه منطقه­ای در ایران (کاربرد رهیافت شاخص ترکیبی). مطالعات و پژوهش‌های شهری منطقه­ای، 4(13): 62-41.

-      فروغی‌پور، الهام (1385). بررسی همگرایی سیگما و بتا (مطلق) بین کشورهای عضو اوپک (آزمون فرضیه سولو و سوان) 2004-1970. پژوهشنامه بازرگانی، 10(39): 156-135.

-      فلاحی، فیروز، سلمانی، بهزاد، کیانی، سیمین (1391). بررسی همگرایی نوع بتا بین ایران و کشورهای منتخب اسلامی. پژوهش‌های رشد و توسعه پایدار، 12(4): 194-171.

-      کارنامه حقیقی، حسن، اکبری، نعمت‌الله (1383). بررسی همگرایی تقاضای اجتماعی آموزش عالی در ایران (1362-1380). پژوهش‌های اقتصادی ایران، 6(20): 20-115.

-      لیسیج، جیمز (1392). مقدمه­ای بر اقتصادسنجی فضائی. ترجمه سید مجید جلائی اسفند آبادی و آرش جمشید نژاد. تهران، انتشارات نور علم.

-        Acemoglu, D. (2009). Introduction to modern economic growth. New Jersey, Princeton University Press.

-        Adelman, I., & Morris, C. T. (1973). Economic growth and social equity in developing countries. Stanford University Press.

-        Andreano. M. S., Laureti, L., Postiglione, P. (2013). Economic growth in MENA countries: Is there convergence of per-capita GDPs? Journal of Policy Modeling, 35: 669–683.

-        Arbia, G., 2014. A Primer for Spatial Econometrics with Applications in R. Palgrave Macmillan, New York.

-        Baumol, William J. (1986). Productivity Growth, Convergence, and Welfare: What the Long-Run Data Show. The American Economic Review, 76(5): 1072-1085.

-        Becker, G. (1968). Crime and punishment: An economic approach. The Journal of Political Economy, 76(2): 169–217.

-        Bröcker, J. (1997). Economic integration and the space economy: Lessons from new theory. In Regional Growth and Regional Policy within the Framework of European Integration (pp. 20-35). Physica-Verlag HD.

-        Chatterjee, I., & Ray, R. (2009). Crime, corruption and institutions. Monash University, Department of Economics Discussion Paper, 20(09).

-        Chen, S. W. (2009). Investigating causality among unemployment, income and crime in Taiwan: Evidence from the bounds test approach. Journal of Chinese Economics and Business Studies, 7: 115–125.

-        Cunado, J. (2011). Structural breaks and real convergence in OPEC countries. Journal of Applied Economics, 14(1): 101-117.

-        De Long, B(1988).Productivity Growth, Convergence, and Welfare: Comment. The American Economic Review, 78(5): 1138-1154.

-        Detotto, C., & Otranto, E. (2010). Does crime affect economic growth?. Kyklos, 63(3): 330-345.

-        Detotto, C., & Otranto, E. (2012). Cycles in crime and economy: leading, lagging and coincident behaviors. Journal of Quantitative Criminology, 28(2): 295-317.

-        Detotto, C., & M. Pulina (2013).. Does more crime mean fewer jobs and less economic growth? European Journal of Law and Economics, 36: 183–207.

-        Dreger, C., & Rahmani, T. (2011). Income convergence in Iranian regions. In Empirische Regional forschung heute (pp. 179-194). Gabler.

-        Dreger, C., Rahmani, T., & Eckey, H. F. (2007). Economic convergence and Rent-seeking in Iran (No. 741). DIW Berlin, German Institute for Economic Research.

-        Dvorokova, K. (2014).Sigma Versus Beta-Convergence in EU28: Do They Lead to Different Results?. WSEAS Transactions on Business and Economics, 11,: 314-321.

-        Ehrlich, I. (1973). Participation in illegitimate activities: A theoretical and empirical investigation. Journal of political Economy, 81(3): 521-565.

-        Elhorst, J. P. (2014). Linear Spatial Dependence Models for Cross-Section Data. In Spatial Econometrics (pp. 5-36). Springer Berlin Heidelberg.

-        Enamorado, T., López-Calva, L. F., & Rodríguez-Castelán, C. (2014). Crime and growth convergence: Evidence from Mexico. Economics Letters, 125(1): 9-13.

-        Fallahi, F., & Voia, M. C. (2015). Convergence and persistence in per capita energy use among OECD countries: Revisited using confidence intervals. Energy Economics, 52: 246-253.

-        Fingleton, B., & López‐Bazo, E. (2006). Empirical growth models with spatial effects. Papers in regional science, 85(2): 177-198.

-        Gaibulloev, K., & Sandler, T. (2008). Growth consequences of terrorism in Western Europe. Kyklos, 61(3): 411-424.

-        Ghosh, M., Ghoshray, A., Malki, I(2013). Regional divergence and club convergence in India. Economic Modelling, 30: 733–742.

-        Gibbons, S., & Overman, H. G. (2012). Mostly pointless spatial econometrics?. Journal of Regional Science, 52(2): 172-191.

-        Goulas, E., & Zervoyianni, A. (2013). Economic growth and crime: does uncertainty matter?. Applied Economics Letters, 20(5): 420-427.

-        Hao, Y., Wang, S., & Zhang, Z. Y. (2015). Examine the Convergence in Per Capita Energy Consumption in China with Breakpoints. Energy Procedia, 75: 2617-2625.

-        Islam, N. (2003). What have we learnt from the convergence debate? Journal of Economic Surveys, 17: 309–362.

-        Jahanshahloo, G. R., Lotfi, F. H., & Izadikhah, M. (2006). Extension of the TOPSIS method for decision-making problems with fuzzy data. Applied Mathematics and Computation, 181(2): 1544-1551.

-        Kanbur, R., & Venables, A. J. (2005). Rising spatial disparities and development Helsinki. Number 3 in United Nations University Policy Brief.

-        Lee, L. F. (2004). Asymptotic Distributions of Quasi‐Maximum Likelihood Estimators for Spatial Autoregressive Models. Econometrica, 72(6): 1899-1925.

-        Lessmann, C. (2013). Foreign direct investment and regional inequality: a panel data analysis. China Economic Review, 24(C): 129e149.

-        Lessmann, C. (2014). Spatial inequality and development—Is there an inverted-U relationship?. Journal of Development Economics, 106: 35-51.

-        Liao, F. H., & Wei, Y. D. (2015). Space, scale, and regional inequality in provincial China: A spatial filtering approach. Applied Geography, 61: 94-104.

-        Mauro, L., & Carmeci, G. (2007). A poverty trap of crime and unemployment. Review of Development Economics, 11(3): 450-462.

-        Niebuhr, A (2000) : Convergence and the effects of spatial interaction, HWWA Discussion Paper, No. 110.

-        Olson, D. L. (2004). Comparison of weights in TOPSIS models. Mathematical and Computer Modelling, 40(7): 721-727.

-        Opricovic, S., & Tzeng, G. H. (2004). Compromise solution by MCDM methods: A comparative analysis of VIKOR and TOPSIS. European Journal of Operational Research, 156(2): 445-455

-        Pan, X., Liu, Q., & Peng, X. (2015). Spatial club convergence of regional energy efficiency in China. Ecological Indicators, 51: 25-30.

-        Powell, B., Manish, G. P., & Nair, M. (2010). 13 Corruption, crime and economic growth. Handbook on the Economics of Crime, 328.

-        Rey, S. J., & Janikas, M. V. (2005). Regional convergence, inequality, and space. Journal of Economic Geography, 5(2): 155-176.

-        Rey, S. J., & Montouri, B. D. (1999). US regional income convergence: a spatial econometric perspective. Regional studies, 33(2): 143-156.

-        Sala-i-Martin, X. X. (1996). Regional cohesion: evidence and theories of regional growth and convergence. European Economic Review, 40(6): 1325-1352.

-        Seers, D. (1972). What are we trying to measure?. The Journal of Development Studies, 8(3): 21-36.

-        Sen, A. (1988). The concept of development. Handbook of development economics, 1: 9-26.

-        Sen, A. (1997). Resources, values and development. Harvard University Press.

-        Sen, B., & Ali, Z. (2009). Spatial inequality in social progress in Bangladesh. The Bangladesh Development Studies: 53-78.

-        Shih, H. S., Shyur, H. J., & Lee, E. S. (2007). An extension of TOPSIS for group decision making. Mathematical and Computer Modelling, 45(7): 801-813.

-        Sivramkrishna, S., & Panigrahi, R. (2003). Articulating Uneven Regional Development: artificial intelligence as a tool in development planning. Journal of Human Development, 4(3): 437-456.

-        Todaro, Michael P. and Stephen C. Smith(2011). Economic Development. Pearson Press. United States of America.

-        Tsai, Y. H. (2005). Quantifying urban form: compactness versus' sprawl'.Urban studies, 42(1): 141-161.

-        Vega, S. H., & Elhorst, J. P. (2013, August). On spatial econometric models, spillover effects, and W. In 53rd ERSA conference, Palermo (Vol. 4).

-        Viton, P. A. (2010). Notes on spatial econometric models. City and regional planning, 870(03): 9-10.

-        Wei, Y. D. (2015). Spatiality of regional inequality. Applied Geography, 61: 1-10.

-        Wu, C. S., Lin, C. T., & Lee, C. (2010). Optimal marketing strategy: A decision-making with ANP and TOPSIS. International Journal of Production Economics, 127(1): 190-196.

-        Zanakis, S. H., Solomon, A., Wishart, N., & Dublish, S. (1998). Multi-attribute decision making: A simulation comparison of select methods. European journal of operational research, 107(3): 507-529.