اندازه‌گيري فقر (نسبي) در ايران با استفاده از منطق فازي

Measuring Relative Poverty in Iran Using Fuzzy Logic

براي اندازه‌گيري فقر و تمايز فقير از غير فقير، معمولاً از شاخص‌هاي سن، خط فقر، نسبت فقرا و شكاف فقر استفاده مي­شود. اگر چه اين شاخص‌ها مفيد مي­باشند اما با به كارگيري منطق فازي و تركيب آن با روش‌هاي فوق مي­توان به دقت اندازه‌گيري شاخص‌ها افزود. براي مثال، براساس روش خط فقر، اگر درآمد فردي كمي بالاتر از خط فقر باشد، غير فقير و كمي پايين­تر از خط فقر باشد، فقير محسوب مي‌شود. در مورد ساير شاخص­ها نيز وضعيت مشابه­اي وجود دارد. استفاده از روش منطق فازي مي­تواند باعث رفع اين مشكل گردد. در اين مقاله با معرفي شاخص­ هاي مختلف و با بازتعريف اين شاخص­ ها در چارچوب منطق فازي، اندازه‌گيري فقر در ايران در سال­­هاي 76، 82 و 1388 انجام شده است. نتايج با حالت متداول نيز مقايسه شده است. اين مقايسه نشان مي­دهد، روش‌هاي اندازه‌گيري فقر با استفاده از چارچوب منطق فازي، نشان از تعريف دقيق­تر و همچنين گسترده­ تر فقر نسبت به روش­هاي متداول دارد. نتايج حاصل ازدو ديدگاه متداول و منطق فازي حكايت از آن دارد شاخص‌هاي فقر در سال 1376 نسبت به سال 1382 بالاتر هستند و فقر در سال 1382 نسبت به 1376 كاهش يافته است، ولي شاخص‌هاي مذكور (هم به روش متداول و هم روش فازي) در سال 1388مجدداً افزايش داشته ­اند. فقر در مناطق روستايي با استفاده از هر دو ديدگاه در تمامي سال­هاي مورد بررسي، بيشتر از مناطق شهري است.

For measuring poverty and distinguishing the poor from the non-poor, poverty line, Head- Count Ratio, Income – Gap Ratio, Sen index are used. Although these are useful, using fuzzy logic and combining it with given methods can increase the exactness of the indices measuring. For example, based on the method of poverty line, if a person ̛ s income is a little above the line he/she is non-poor and a little below the line will be considered poor. The same situation is true of other conditions. Using fuzzy logic can solve the problem. Here, introducing different indices based on fuzzy logic the measuring of poverty in Iran in 1376, 1382, 1388 has been done. Findings have been compared with classical ones. This comparison shows that methods for measuring poverty based on fuzzy logic define poverty meticulously and significantly compared to other methods. Results in two approaches show that poverty indices of 1376 is higher than1382 and poverty in 1382 has been decreased compared to 1376. But the above mentioned indices in 1988 had increase in 1988 again. Poverty in rural areas is more than urban areas by two approaches in all of the investigated years.