مدل‌سازی فضایی نرخ بیکاری در شهرستان‌های ایران براساس داده‌های سرشماری نفوس و مسکن

بیکاری یکی از مسائل و موضوعات مهم در همه کشورهای جهان محسوب می‌شود و افزایش تعداد بیکاران در هر جامعه‌ای سبب بروز مشکلات بسیاری خواهد شد. به‌دلیل وجود اهمیت بالای موضوع بیکاری، در بسیاری از پژوهش‌های انجام‌شده نیز به شناخت صحیح و درک عمیق عوامل موثر بر بیکاری در جهت کاهش آن توجه شده است. در پژوهش حاضر، جمعیت فعال اقتصادی و تعداد بیکاران 15 ساله‌ و بالاتر براساس جنسیت و سطوح مختلف تحصیلات، در شهرستان‌های ایران، براساس سرشماری عمومی نفوس و مسکن سال 1395 دسته‌بندی شده‌اند. هدفی که در طول این پژوهش دنبال شده است، مدل‌بندی فضایی تعداد بیکاران در شهرستان‌های ایران، براساس متغیرهای کمکی جنسیت و تحصیلات است. برای رسیدن به این مهم، از رویکرد بیزی و روشی موسوم به «تقریب لاپلاس آشیانه‌ای جمع‌بسته» یا به اختصار inla استفاده شده است. بعد از برازش مدل فضایی مناسب، ضرایب متغیرهای کمکی برآورد شده‌اند. نتایج به‌دست‌آمده نشان می‌دهند بیکاری زنان نسبت به مردان بیشتر است و با بالارفتن مقطع تحصیلی نسبت به بی‌سوادی، بیکاری نیز افزایش یافته است. در انتها اثرات فضایی شهرستان‌ها برآورد شدند و شهرستان‌های با بیشترین و کمترین میزان مخاطره ‌بیکاری و همچنین شهرستان‌هایی که اختلاف معنا‌داری با میانگین بیکاری کشوری ندارد، مشخص شده‌اند.

spatial modeling of unemployment rate in counties of iran based on population and housing census data

unemployment is one of the most important issues in all countries around the world. an increase in the number of unemployed in any society will cause many problems. due to the high importance of the issue of unemployment, in many researches, the correct recognition and deep understanding of the factors affecting unemployment to reduce it has been considered. the current research collects data related to the population and housing census 2016 of the statistical center of iran. in these data, the economically active population and the number of unemployed, aged 15 years old or above are categorized by gender and different levels of education in iran counties. the aim pursued during this research is the spatial modeling of the number of unemployed in counties of iran, based on gender and education as covariates. to achieve this goal, the bayesian approach and a method called “integrated nested laplace approximation” or inla for short, have been used. after fitting the appropriate spatial model, the coefficients of covariates have been estimated. the obtained results show that women’s unemployment is higher than men’s, and unemployment has also increased with the increase of education level compared to illiteracy. finally, the spatial effects of the counties have been estimated and the counties with the highest and the lowest risk of unemployment, as well as the counties that have no significant difference with the average unemployment of the country, have been identified.jel classification: c21، c31، r12