XML English Abstract Print


1- گروه اقتصاد سیاسی و سیاستگذاری،دانشکده حقوق و علوم سیاسی،دانشگاه علامه طباطبائی،تهران،ایران. ، daneshmand@atu.ac.ir
2- گروه اقتصاد بازرگانی، دانشکده اقتصاد، دانشگاه علامه طباطبائی،تهران،ایران.
3- دانش آموخته کارشناسی ارشد اقتصاد توسعه و برنامه‌ریزی،دانشکده اقتصاد، دانشگاه علامه طباطبائی،تهران،ایران.
چکیده:   (1007 مشاهده)
بحران‌ها و بلایای طبیعی بزرگ مانند کووید-19 چالش‌های زیادی را برای کشورها در سراسر جهان ایجاد کرده‌اند. یکی از این چالش‌ها ، چگونگی ایجاد تعادل بین به حداقل رساندن آسیب‌ها و خسارت‌ها و حمایت از اقتصاد و معیشت مردم است. این پژوهش با استفاده از روش‌های اقتصادسنجی به بررسی تأثیر سیاست‌های حمایت درآمدی بر مرگ و میر ناشی از کووید-19 در 186 کشور جهان در قالب یک مطالعه بین کشوری در بازه زمانی 1 ژانویه 2020 تا روز شروع تزیق عمومی واکسن می‌پردازد. با استفاده از عملگر گزینش و انقباض کمترین قدرمطلق (لسو)، متغیرهای تأثیرگذار در جهت انتخاب متغیرهای کنترلی مناسب و از تخمین‌گر گروه‌‌های میانگین تقویت شده (AMG) در جهت برآورد مدل و تجزیه‌وتحلیل داده‌ها استفاده شده است. نتایج نشان می‌دهند که سیاست‌های حمایت درآمدی می‌توانند با کاهش اثر نامطلوب فقر و افزایش پیروی از سیاست‌های مهار و تعطیلی، به کاهش مرگ‌ومیر ناشی از کووید-19 کمک کنند. نتایج براهمیت اجرای کمک‌های غیرمشروط به عنوان یک واکنش سیاستی ضروری در زمان همه‌گیری تأکید می‌کند. همچنین یافته‌های پژوهش نشان می‌دهند که تأثیر حمایت‌های درآمدی بر مرگ‌ومیر در طول زمان تغییر می‌کند و در دوره کوتاه‌مدت، حمایت‌های درآمدی تأثیر بیشتری دارند.
 
متن کامل [PDF 1737 kb]   (74 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: اقتصاد بهداشت، آموزش و رفاه
دریافت: 1402/12/20 | پذیرش: 1403/2/26 | انتشار الکترونیک: 1403/4/12

فهرست منابع
1. Ablaza, C., Perales, F., Parsell, C., Middlebrook, N., Robinson, R. N., Kuskoff, E., & Plage, S. (2023). Increases in Income-Support Payments Reduce the Demand for Charity: A Difference-in-Difference Analysis of Charitable-Assistance Data from Australia over the COVID-19 Pandemic. Plos One, 18(7), e0287533. [DOI:10.1371/journal.pone.0287533] [PMID] []
2. Aminjonov, U., Bargain, O., & Bernard, T. (2023). Gimme Shelter. Social Distancing and Income Support in Times of Pandemic. European Economic Review, 157(1), 104507. [DOI:10.1016/j.euroecorev.2023.104507] [PMID] []
3. Arefy, M., Zayandehroudi, M., & Jalaee Esfandabadi, S. A. (2023). Effect of Health Index on Economic Growth (Provincial Approach). Planning and Budgeting, 28(4), 165-194. [http://jpbud.ir/article-1-2239-fa.html]
4. Asfaw, A. A. (2021). The Effect of Income Support Programs on Job Search, Workplace Mobility and COVID-19: International Evidence. Economics & Human Biology, 41(1), 100997. [DOI:10.1016/j.ehb.2021.100997] [PMID] []
5. Bähr, S., Frodermann, C., Kohlruss, J., Patzina, A., Stegmaier, J., & Trappmann, M. (2022). COVID-19, Subjective Well-Being and Basic Income Support in Germany. Zeitschrift für Sozialreform, 68(1), 85-117. [DOI:10.1515/zsr-2022-0005]
6. Brewer, M., & Gardiner, L. (2020). The Initial Impact of COVID-19 and Policy Responses on Household Incomes. Oxford Review of Economic Policy, 36(Supplement_1), S187-S199. [DOI:10.1093/oxrep/graa024] []
7. Bui, D., Dräger, L., Hayo, B., & Nghiem, G. (2022). The Effects of Fiscal Policy on Households During the COVID-19 Pandemic: Evidence from Thailand and Vietnam. World Development, 153(1), 105828. [DOI:10.1016/j.worlddev.2022.105828] [PMID] []
8. Centers for Disease Control and Prevention (CDC) (2023). Principles of Epidemiology in Public Health Practice, Third Edition: An Introduction to Applied Epidemiology and Biostatistics. Retrieved from [https://archive.cdc.gov/www_cdc_gov/csels/dsepd/ss1978/index.html]
9. Cohen, C., & Werker, E. D. (2008). The Political Economy of'Natural Disasters. Journal of Conflict Resolution, 52(6), 795-819. [DOI:10.1177/0022002708322157]
10. Curi-Quinto, K., Sánchez, A., Lago-Berrocal, N., Penny, M. E., Murray, C., Nunes, R., Favara, M., Wijeyesekera, A., Lovegrove, J. A., & Soto-Cáceres, V. (2021). Role of Government Financial Support and Vulnerability Characteristics Associated with Food Insecurity during the COVID-19 Pandemic among Young Peruvians. Nutrients, 13(10), 3546. [DOI:10.3390/nu13103546] [PMID] []
11. Daneshmand, A., & Mazyaki, A. (2023). Optimal Social Assistance Strategies in Response to the COVID-19 Crisis. Available at SSRN 4585895.
12. Eberhardt, M., & Bond, S. (2009). Cross-Section Dependence in Nonstationary Panel Models: A Novel Estimator. MPRA Paper No. 17692. [https://mpra.ub.uni-muenchen.de/17692]
13. Eberhardt, M., & Teal, F. (2011). Econometrics for Grumblers: A New Look at the Literature on Cross‐Country Growth Empirics. Journal of Economic Surveys, 25(1), 109-155. [DOI:10.1111/j.1467-6419.2010.00624.x]
14. Gentilini, U., Almenfi, M., Blomquist, J., Dale, P., De la Flor Giuffra, L., Desai, V., Fontenez, M., Galicia, G., Lopez, V., & Marin, G. (2021). Global Database on Social Protection and Jobs Responses to COVID-19: Version 15 (May 14). World Bank, Washington DC.
15. Hale, T., Angrist, N., Goldszmidt, R., Kira, B., Petherick, A., Phillips, T., Webster, S., Cameron-Blake, E., Hallas, L., & Majumdar, S. (2021). A Global Panel Database of Pandemic Policies (Oxford COVID-19 Government Response Tracker). Nature Human Behaviour, 5(4), 529-538. [DOI:10.1038/s41562-021-01079-8] [PMID]
16. Hastie, T., Tibshirani, R., & Wainwright, M. (2015). Statistical Learning with Sparsity (Vol. 143). CRC Press. [DOI:10.1201/b18401]
17. Hastie, T., Tibshirani, R., Friedman, J. H., & Friedman, J. H. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (Vol. 2). Springer. [DOI:10.1007/978-0-387-84858-7]
18. Pangallo, M., Aleta, A., del Rio-Chanona, R. M., Pichler, A., Martín-Corral, D., Chinazzi, M., Lafond, F., Ajelli, M., Moro, E., & Moreno, Y. (2024). The Unequal Effects of the Health-Economy Trade-Off during the COVID-19 Pandemic. Nature Human Behaviour, 8(2), 264-275. [DOI:10.1038/s41562-023-01747-x] [PMID] []
19. Pourmohammadi, M., & Yousefi, K. (2021). Pandemic in Labor Market: Evidence from Iran. Planning and Budgeting, 25(4), 69-94. [In Farsi] [DOI:10.52547/jpbud.25.4.69]
20. Settele, S., & Shupe, C. (2022). Lives or Livelihoods? Perceived Trade-Offs and Policy Views. The Economic Journal, 132(643), 1150-1178. [DOI:10.1093/ej/ueab077] []
21. Tibshirani, R. (1996). Regression Shrinkage and Selection via the Lasso. Journal of the Royal Statistical Society Series B: Statistical Methodology, 58(1), 267-288. [DOI:10.1111/j.2517-6161.1996.tb02080.x]
22. World Health Organization. (2022). A Healthy Return: Investment Case for a Sustainably Financed WHO. [https://www.who.int/publications/i/item/9789240050006]
23. World Health Organization. (2023). Coronavirus Disease (COVID-19) Weekly Epidemiological Update and Weekly Operational Update. 4 January. [https://www.who.int/publications/m/item/weekly-epidemiological-update-on-covid-19---4-january-2023]

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به فصلنامه برنامه ریزی و بودجه می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Planning and Budgeting

Designed & Developed by : Yektaweb