تاثیر فساد، نااطمینانی، اینترنت و بحران کوید ۱۹ بر شادکامی؛ مورد ایران

.مقدمه افزایش رضایتمندی یا رفاه ذهنی[۱] یا احساس شادکامی[۲] افراد و جوامع از وضعیت زندگی خود، یکی از اهداف اصلی دولت ها محسوب می شود. در ادبیات جدید، برخی شادکامی را به عنوان یک حق برای شهروندان در نظر می گیرند و درنتیجه، دولت ها موظف به تامین آن برای تک تک افراد جامعه هستند. فراتر از آن، برخی معتقدند که شادکامی یک مقوله ملی است و باید در جهت خوشبختی و شادکامی عموم مردم تلاش شود (لی، ۲۰۲۲).  به منظور پر کردن خلا ادبیات مربوط به شادکامی در ایران، این پژوهش به بررسی سهم فساد به عنوان یکی از شاخص های مهم کیفیت نهادی، نااطمینانی، دسترسی به اینترنت، بحران کرونا و همچنین، تحریم در رفاه ذهنی در ایران می پردازد که براساس بررسی های نگارندگان تاکنون در کشور انجام نشده است. دراین راستا، از دیگر متغیرهای کنترل مانند رشد اقتصاد و بیکاری نیز استفاده می شود.   الگو و روش برای بررسی تاثیر متغیرهای کلیدی بر ادراک شادکامی یا احساس رفاه ذهنی در ایران الگوی عمومی زیر معرفی می شود:           ,                                         (۱) که در رابطه (۱) متغیر HAP (شادکامی) [۳]  تابعی از  LGDPP (لگاریتم تولید ناخالص داخلی واقعی سرانه)[۴]، WUI (نااطمینانی جهانی برای ایران) [۵] ،   COR(فساد)[۶]، NET (دسترسی به اینترنت)، UN (نرخ بیکاری)[۷]،  SAN  (تحریم های آمریکا علیه ایران) [۸] و COVID۱۹ (بحران کوید۱۹) [۹]  است. الگو با روش خودرگرسیون با وقفه های توزیعی(ARDL) برآورد می شود. پسران و شین[۱۰] (۱۹۹۵) نشان می دهند که اگر بردار همجمعی از به کارگیری روش ARDL، در صورتی که وقفه ها به درستی تصریح شده باشند، به دست آید، برآوردگر حداقل مربعات در نمونه های کوچک نیز از تورش کمتر و کارایی بیشتری برخوردار است. همچنین، استفاده از روش ARDL این مزیت را دارد که می توان بدون توجه به وجود متغیرهای با درجه جمعی I(۰) یا I(۱) تخمین های سازگاری از ضرایب بلندمدت الگو را به دست آورد. همچنین، این روش حرکت از الگوی کوتاه مدت به بلندمدت را نیز مشخص می کند. الگوی ARDL(p,q۱,q۲,...,qk) زیر را در نظر می گیریم:[۱۱]          (۲)             که در آن  ها و  ها پارامترهای الگو،  نشان دهنده جزء اختلال تصادفی است. با به کارگیری معیارهای اطلاعاتی مانند، آکائیک[۱۲]AIC) (، شوارتز− بیزین[۱۳](SBC)، و حنان‎− کوئین[۱۴] (HQC)لازم است که برای برآورد الگوی کوتاه مدت وقفه های مناسب p) و qها) برای متغیرها انتخاب شود. پس از انتخاب الگوی مناسب ARDL می توان ضرایب الگوی بلندمدت را محاسبه کرد. اگر رابطه تعادلی کوتاه مدت میان متغیرها وجود داشته باشد، می توان الگوی تصحیح خطای[۱۵] زیر را برآورد کرد: A(L)ΔHAPt =B(L)ΔXt + (۱-Π) ECTt-۱+G 'Zt + et                                                     (۳) که در آن A(L)= ۱-a۱L -a۲L۲ -.... -apLp  و B(L)= ۱ - bk۱L - bk۲L۲ - .... - bkj  (k=۱,...,۵), Π =(a۱ +a۲+ .... +ap) L عملگر چند جمله وقفه، G برداری از پارامترها و et جمله اختلال می باشد. در این رابطه X=( ), و Δ نشان دهنده تفاضل مرتبه اول متغیر و ECTt-۱ جمله تصحیح خطا و Zt برداری از متغیرهای قطعی مانند مقدار ثابت و متغیرهای برون زا با وقفه های ثابت مانند COVID۱۹ و SAN می باشد. ضریب جمله تصحیح خطا بیان کننده سرعت حرکت به سوی تعادل بلندمدت است. الگو برای داده های فصلی طی دوره ۱۳۸۴−۱۴۰۱ برآورد و جهت بررسی همجمعی میان متغیرها از آزمون کرانه استفاده شده است.   نتایج قبل از برآورد الگو ایستایی متغیرها بررسی شده است. آزمون ریشه واحد برای تفاضل مرتبه دوم متغیرها با داده های فصلی نشان می دهد که فرضیه صفر وجود ریشه واحد برای همه متغیرها رد می شود. به عبارت دیگر، متغیرهای به کارگرفته شده یا دارای درجه جمعی صفر I(۰) یا یک I(۱) هستند. برای برآورد الگوی کوتاه مدت وقفه های بهینه برای متغیرها با استفاده از معیار آکائیک  انتخاب شده است. چون دراین الگو با ترکیبی از متغیرهای I(۰) و I(۱) روبه رو هستیم، از آزمون کرانه برای بررسی همجمعی استفاده و نشان داده شده که رابطه همجمعی میان متغیرهای وجود دارد.[۱۶] همچنین نتیجه آزمون LM بروش-گادفری نشان می دهد که فرضیه صفر عدم خودهمبستگی سریالی نمی شود. همچنین، عدم رد فرضیه صفر در آزمون هاروی نشان می دهد که مشکل واریانس ناهمسانی در الگو وجود ندارد. نتایج این آزمون ها در جدول (۱) ارائه شده است. جدول (۱) آزمون های خود همبستگی و واریانس ناهمسانی (A)                Breusch-Godfrey Serial Correlation LM Test- Null hypothesis: No serial correlation F-statistic ۱.۷۸۷۵۹۳ Prob. F(۳,۳۴) ۰.۱۶۸۱ Obs R-squared ۸.۷۱۹۳۴۸ Prob. Chi-Square(۳) ۰.۰۳۳۳ (B)                Heteroskedasticity Test: Harvey- Null hypothesis: Homoskedasticity F−statistic ۱.۲۲۱۱۷۶ Prob. F(۲۶,۳۷) ۰.۲۸۳۸ Obs R−squared ۲۹.۵۵۶۶۵ Prob. Chi−Square(۲۶) ۰.۲۸۶۴ Scaled explained SS ۲۰.۹۹۹۵۳ Prob. Chi−Square(۲۶) ۰.۷۴۲۰           منبع: محاسبات نویسندگان نتایج برآورد الگوی بلند مدت در جدول (۲) نشان می دهد که کاهش فساد و دسترسی به اینترنت نقش مهمی در افزایش شادکامی در ایران دارد. همچنین، نااطمینانی جهانی برای ایران، افزایش بیکاری، و تحریم باعث کاهش شادکامی می شود. یافته ها نشان می دهد رشد اقتصادی در ایران ضدشادکامی است که می تواند ناشی از توزیع ناعادلانه آن در زندگی مردم باشد. الگوی کوتاه مدت بیان کننده این است که کرونا و تحریم، شادکامی را کم کرده است. براساس الگوی تصحیح خطا در هر دوره ۸۹ درصد انحراف از تعادل بلندمدت تعدیل می شود.[۱۷]   جدول (۲) برآورد الگوی بلند مدت. متغیر توضیحی شادکامی (HAP)                     متغیر ضرائب خطای معیار آماره  t احتمال                     LGDPP -۴.۷۳۶۲۰۷ ۰.۷۳۳۵۴۹ -۶.۴۵۶۵۶۱ ۰.۰۰۰۰ UN -۰.۰۵۶۱۳۳ ۰.۰۲۳۵۳۷ -۲.۳۸۴۹۱۲ ۰.۰۲۲۳ WUI -۲.۳۲۸۰۸۵ ۰.۴۹۳۰۸۶ -۴.۷۲۱۴۶۰ ۰.۰۰۰۰ NET ۰.۰۱۱۸۳۶ ۰.۰۰۳۱۶۱ ۳.۷۴۴۳۰۷ ۰.۰۰۰۶ COR ۰.۷۶۷۹۸۳ ۰.۱۲۸۳۰۱ ۵.۹۸۵۷۹۲ ۰.۰۰۰۰ C ۴۹.۶۶۱۷۳ ۶.۸۷۰۰۱۸ ۷.۲۲۸۷۶۳ ۰.۰۰۰۰                     منبع: محاسبات نویسندگان             اکنون ثبات ساختاری پارامترهای الگوی تصحیح خطا با استفاده از دو آزمون CUSUM و CUSUMSQ بررسی می شود. نتایج نشان می دهد که بی ثباتی در الگو وجود ندارد. آزمون اول نشان می دهد که آیا تغییر سیستماتیک یا نظام مند در ضرایب برآوردشده وجود دارد. درصورتی که آزمون دوم به بررسی این موضوع می پردازد که آیا پارامتر ثابت یک انحراف ناگهانی و تصادفی داشته است. نتایج این آزمون ها به ترتیب در نمودارهای ۱ و ۲ نشان داده شده است. درصورتی که CUSUM و CUSUMSQ از دو خط مرزی در سطح معناداری ۵ درصد عبور نکند، نشان می دهد که معادله رگرسیونی درست مشخص شده است. نتیجه این آزمون ها نشان دهنده ثبات الگو می باشد.   نمودار ۱: آزمون ثبات CUSUM منبع: محاسبات نویسندگان       نمودار ۲: آزمون ثبات CUSUMSQ منبع: محاسبات نویسندگان   نتیجه گیری نتایج برآوردها نشان می دهد که کاهش فساد باعث افزایش شادکامی در ایران می شود. این نتیجه مشابه یافته های تای و دیگران[۱۸] (۲۰۱۴)، فلین[۱۹] (۲۰۱۹)، لای و آن[۲۰] (۲۰۲۰)، یان و ون[۲۱] (۲۰۲۰) و بهرا و دیگران[۲۲] (۲۰۲۴) است. فساد می تواند هزینه های معاملاتی را برای کسب وکارها افزایش دهد، اعتماد سیاسی را تخریب کند و ازطرق مختلف رفاه ذهنی را کاهش دهد.  نتیجه نشان می دهد رشد اقتصادی در ایران ضدشادکامی است که می تواند ناشی از توزیع ناعادلانه رشد در زندگی مردم باشد. عدم قطعیت ارتباط میان درآمد و شادمانی توسط استرلین (۱۹۷۴) مطرح شده است. براساس برخی شواهد تجربی، افزایش درآمد تحت شرایطی ممکن است باعث افزایش شادمانی نشود؛ به طوری که فری و استوتزر[۲۳] (۲۰۰۲) این رابطه را پیچیده می دانند. یان و ون[۲۴] (۲۰۲۰) نیز بر این نکته تاکید  می کنند که فساد و افزایش شکاف درآمدی دو عامل اثرگذار برای کاهش احساس خوشبختی افراد هستند. همچنین، افزایش بیکاری باعث کاهش شادکامی در ایران می شود. این یافته مشابه نتیجه کلارک و اوسوالد[۲۵] (۱۹۹۴)، لانچفلاور[۲۶] (۲۰۰۷)، آگان، ودیگران[۲۷]  (۲۰۰۹)، ابونوری و عسگری زاده[۲۸] (۲۰۱۳)، و سامیم و بوری[۲۹] (۲۰۱۹) است. تاثیر بیکاری بر رفاه ذهنی از اهمیت برخوردار است؛ به طوری که لای و آن[۳۰] (۲۰۲۰) نشان می دهند که کاهش بیکاری حتی می تواند بخشی از کاهش شادکامی ناشی از فساد را جبران کند. یکی دیگر از یافته ها این است که با زیاد شدن نااطمینانی جهانی برای کشور ایران در حوزه های اقتصادی و سیاسی در کوتاه مدت و بلندمدت، احساس خوشبختی جامعه کاهش می شود. اثر مستقیم و غیرمستقیم نااطمینانی بر شادکامی ازطریق اثر روانی مانند امید به آینده و همچنین، تاثیر آن بر سرمایه گذاری، بیکاری و شرایط رفاهی و اقتصادی جامعه مطابق انتظار است. برآورد الگوی کوتاه مدت نشان می دهد که همه گیری کرونا و تحریم ها باعث کاهش شادکامی شده است. به عنوان توصیه سیاستی، افزون بر توجه به تاثیر دیگر متغیرها مانند اشتغال و رشد، لازم است که به اهمیت مبارزه با فساد، افزایش دسترسی جامعه به اینترنت و همچنین، کاهش نااطمینانی اقتصادی و سیاسی برای بهبود رفاه ذهنی جامعه توجه شود.   [۱]. Subjective well-being [۲]. Happiness تاریخ دریافت: ۰۷/۰۵/۱۴۰۳                           تاریخ پذیرش: ۲۹/۰۵/۱۴۰۳ [۳]. منبع داده:  https://worldhappiness.report [۴]. منبع داده: https://databank.worldbank.org/source/world-development-indicators [۵]. منبع داده:  https://worlduncertaintyindex.com/data/ [۶]. منبع داده: ICRG  که توسط Political Risk Services (PRS) Group منتشر می شود. [۷]. منبع داده های NET و UN:  https://databank.worldbank.org/source/world-development-indicators [۸]. منبع داده: Syropoulos et al. (۲۰۲۲) [۹]. منبع داده: World Health Organization (WHO) [۱۰] . Pesaran & Shin .[۱۱] برای جزئیات به پسران و پسران (۱۹۹۷) مراجعه شود. [۱۲]. Akaike Information Criterion [۱۳]. Schwarz Bayesian Criterion [۱۴]. Hannan-Quinn Criterion [۱۵]. Error Correction Model (ECM) .[۱۶] نتایج مربوط به انتخاب وقفه های بهینه، آزمون های ایستایی، آزمون های تشخیصی، و آزمون کرانه برای همجمعی در مقاله اصلی ارائه شده است. .[۱۷] نتایج برآورد الگوهای کوتاه مدت و تصحیح خطا در پیوست مقاله اصلی ارائه شده است. [۱۸]. Tay et al. [۱۹]. Flavin [۲۰]. Li and An [۲۱]. Yan and Wen [۲۲]. Behera et al. [۲۳]. Frey and Stutzer [۲۴]. Yan and Wen [۲۵]. Clark & Oswald [۲۶]. Blanchflower [۲۷]. Agan et al. [۲۸]. Abounoori & Asgarizadeh [۲۹]. Sameem & Buryi [۳۰]. Li and An