تحليل عوامل موثر بر افزايش درآمد و اشتغال روستاييان در استان گيلان

Analysis of factors affecting the increase in income and employment for villagers in the Gilan province

اين پژوهش با هدف بررسي و تبيين ميزان تاثير عوامل موثر بر افزايش درآمد و اشتغال روستاييان در استان گيلان انجام گرفته است. روش بررسي در پژوهش فوق توصيفي- تحليلي و كاربردي است. جامعه آماري روستاييان استان گيلان بوده كه ابتدا با روش نمونه گيري مطبق، تعداد 45 روستا از بين كليه روستاها انتخاب و سپس با روش نمونه گيري تصادفي ساده از بين اين روستاها، تعداد 380 كشاورز انتخاب گرديد. جهت عامل سازي و تعيين نقش عوامل اصلي موثر بر افزايش درآمد و اشتغال روستاييان استان گيلان و بر اساس نظر كارشناسان مربوطه، از 74 متغير استفاده شده است كه براي اين كار از مدل تحليل عاملي و مدل رگرسيون خطي استفاده شده است. با استفاده از مدل تحليل عاملي شاخص ها به پنج گروه اقتصادي، اجتماعي، مديريتي، كالبدي و جغرافيايي دسته بندي گرديد كه در مجموع 08/61 درصد از تغييرات واريانس را به خود اختصاص مي دهد. نتايج مدل تحليل رگرسيون خطي با روش مرحله اي، نشان داد كه از 74 متغير مستقل وارد شده به مدل، فقط 13 متغير است كه بيشترين تاثير رگرسيوني را روي متغير وابسته داشته است. نتيجه مدل مذكور در آخرين مرحله از پردازش نشان داد كه متغير «تثبيت قيمت محصولات» با ضريب رگرسيوني 398/0، متغير «توانمندسازي اقشار فاقد مهارت هاي فني» با ضريب 272/0، متغير «اقدامات اشتغال زايي دولت» با ضريب 239/0، بيشترين تاثير رگرسيوني را روي متغير افزايش درآمد و اشتغال روستاييان داشته اند. هم چنين يافته ها حاكي است عوامل مديريتي بيشترين تاثير را روي متغير افزايش درآمد و اشتغال روستاييان استان گيلان داشته است.

The major objective of this paper is to identify and determine the factors responsible for increase in rural incomes and job offers in Gilan province. The research method is based on descriptive-analytical as well as applied approach. Statistical society composed of rural settlers in Gilan. At the beginning of process 45 villages were extracted using stratified sampling technique for extracting 380 farmers. 74 variables were used as main factors responsible for farmer’s income and jobs. This demands application of linear regression model. Principle component analysis led to identification of five factors including economic, social, managerial physical and geographical ones. These were capable of explaining 61.08 % of the variation. According to linear regression analysis out of 74 dependent variables, 13 have high correlation. It is argued that fix price crop policy, the provision of technical improvement, government employment initiatives variables with regression coefficient of 0.394, 0.272 and 0.239 respectively are the most important variables in this regard. It further suggests that a managerial factor is the most influential ones regarding increase in income and employment.