Social Welfare

fa درآمد، نابرابری و شادی در ایران (۲۰۱۱-۲۰۲۴): آزمون فرضیه‌های مادی‌گرایی و توزیع درآمد با روش‌های بیزی و یادگیری ماشین Income, Inequality, and Happiness in Iran (2011-2024): Testing Hypotheses of Materialism and Income Distribution with Bayesian and Machine Learning Methods هزینه و سیاستهای اقتصادی اصیل orginal مقدمه: در راستای اهمیت روزافزون شادی و رفاه ذهنی به عنوان معیار نهایی توسعه و محور «اقتصاد شادی»، این پژوهش با تمرکز بر ایران در دورۀ ۲۰۱۱ تا ۲۰۲۴ (به عنوان نمونۀ یک اقتصاد تحت شوک)، به بررسی رابطۀ بین درآمد و شادی و آزمون نقش تعدیل‌گری نابرابری درآمدی و رشد اقتصادی می‌پردازد. هدف اصلی آن، ارائه و به‌کارگیری یک چارچوب نوآورانه و بومی برای تحلیل این رابطه است که به‌طور بالقوه بتواند به ابزاری مؤثر برای پایش و ارزیابی سیاست‌های عمومی تبدیل شود. روش: این مطالعه با استفاده از داده‌های پانلی استان‌های ایران (۱۳۹۰-۱۴۰۰) و در چارچوب یک نظام تحلیل یکپارچه مبتنی بر پایتون انجام شده است. روش‌شناسی ترکیبی پیشرفته‌ای به‌کار گرفته شده که شامل مدل‌سازی بیزی، الگوریتم‌های یادگیری ماشین و روش‌های ناپارامتریک است. برای افزایش دقت و تفسیرپذیری، از رگرسیون ریج (برای مدیریت همخطی) و روش شیپ (برای تفسیر مدل) نیز استفاده شده است. یافته‌ها: تحلیل داده‌ها نشان می‌دهد در اقتصاد ایران، کاهش قدرت خرید واقعی عامل تأثیرگذار اصلی بر شادی است، نه نابرابری درآمدی. رابطه درآمد و شادی روندی افزایشی و غیرخطی دارد. اثر نابرابری در مدل‌های پیشرفته غیرمعنادار بود و تنها فرضیه مادی‌گرایی مستمر تأیید شد. نتایج با روش‌های پیشرفته بیزی و یادگیری ماشین، قطعی و قابل اتکا هستند. بحث: این پژوهش نشان داد در بستر اقتصادی ایران، حفظ قدرت خرید واقعی و کنترل تورم، تأثیر مستقیم‌تری بر شادی نسبت به کاهش نابرابری دارد. یافته‌ها ضرورت بومی‌سازی نظریه‌های مرسوم شادی و تمرکز سیاستی بر ثبات اقتصادی را نشان می‌دهند. چارچوب ارائه‌شده نیز ابزاری عملی برای پایش تأثیر سیاست‌ها بر رفاه ذهنی فراهم می‌کند.    Introduction: In light of the growing importance of happiness and subjective well-being as the ultimate measure of development and the core of "happiness economics," this study focuses on Iran during the period of 2011–2024 (as an example of a shock-affected economy) to examine the relationship between income and happiness and to test the moderating role of income inequality and economic growth. Its primary objective is to propose and implement an innovative and indigenous framework for analyzing this relationship, which can potentially serve as an effective tool for monitoring and evaluating public policies.  Method: This study utilizes panel data from Iranian provinces (2011–2021) within an integrated Python-based analysis framework. An advanced mixed-methodology is employed, incorporating Bayesian modeling, machine learning algorithms, and non-parametric methods. To enhance accuracy and interpretability, Ridge regression (for managing multicollinearity) and the SHAP method (for model interpretation) are also applied.  Findings: Data analysis reveals that in Iran's economy, the decline in real purchasing power is the primary factor influencing happiness, rather than income inequality. The relationship between income and happiness follows an increasing and nonlinear trend. The effect of inequality was insignificant in advanced models, and only the "persistent materialism" hypothesis was confirmed. The results, derived from advanced Bayesian and machine learning methods, are robust and reliable. Discussion: This research demonstrates that in Iran's economic context, preserving real purchasing power and controlling inflation have a more direct impact on happiness than reducing inequality. The findings highlight the need to localize mainstream happiness theories and prioritize economic stability in policy-making. The proposed framework also provides a practical tool for monitoring the impact of policies on subjective well-being. Top of Form Bottom of Form Top of Form Bottom of Form   درآمد, نابرابری , فرضیه‌های مادی‌گرایی,روش‌های بیزی, یادگیری ماشین Income, inequality, materialist hypotheses, Bayesian methods, machine learning 0 0 http://refahj.uswr.ac.ir/browse.php?a_code=A-10-2474-2&slc_lang=fa&sid=1 SEPIDEH AZIMI سپیده عظیمی s-azimi@tvu.ac.ir No Department of Basic Science, Faculty of Basic and General Studies, Technical and Vocational University (TVU), Tehran, Iran گروه علوم پایه، دانشکدۀ علوم پایه و عمومی، دانشگاه ملی مهارت، تهران، ایران saeed kian poor سعید کیان پور s_kianpoor@pnu.ac.ir Yes Assistant Professor, Department of Economics, Payame Noor University (PNU), Tehran, Iran عضو هیات علمی گروه اقتصاد دانشگاه پیام نور MARYAM BAKHSHESH مریم بخشش bakhshesh@pnu.ac.ir No Assistant Professor, Department of Educational Sciences, Pianour University, Tehran, Iran. استادیار،گروه علوم تربیتی،دانشگاه پیانور،تهران،ایران.