خوشهبندی شاخصهای توسعه انسانی در کشورهای جهان و تحلیل بیمهای خوشهها
میترا قنبرزاده
1
(
استادیار، گروه پژوهشی بیمه های اشخاص، پژوهشکده بیمه، تهران، ایران
)
اسما حمزه
2
(
استادیار، گروه پژوهشی فناوری های نوین بیمهای، پژوهشکده بیمه، تهران، ایران
)
نسرین حضار مقدم
3
(
استادیار، گروه پژوهشی بیمه های اشخاص، پژوهشکده بیمه، تهران، ایران
)
کلید واژه: شاخص توسعه انسانی, خوشهبندی, دندروگرام, کشورهای توسعه یافته, ضریب نفوذ بیمه.,
چکیده مقاله :
زندگی طولانی و سالم، دسترسی به آموزش و سطح زندگی قابل قبول سه معیار اساسی برای سنجش عملکرد توسعه انسانی هر کشور است که شاخص توسعه انسانی به عنوان یک شاخص ترکیبی، برای ارزیابی توسعه انسانی استفاده میشود. گزارش توسعه انسانی، کشورها را بر اساس سطح توسعه انسانیشان به گروههایی تقسیم کرده که شامل کشورهای با سطح بسیار زیاد، زیاد، متوسط و کم هستند. این تقسیمبندی بر اساس معیاری تحت عنوان شاخص توسعه انسانی به صورت ترکیبی از معیارهای اصلی انجام شده است. با این حال، به نظر میرسد مقایسه کشورها بر اساس شباهتهایشان در زیرمؤلفههای شاخص توسعه انسانی وضعیت متفاوتی ایجاد کرده و همین امر، منجر به تغییر نگرش در بررسی وضعیت توسعه انسانی کشورها شود. لذا هدف از انجام این مقاله، خوشهبندی کشورهای جهان و پس از آن بررسی ضریب نفوذ بیمه تجاری در خوشههای مورد مطالعه بوده است. کشورهای مورد بررسی در این تحقیق، 82 کشور شامل کشورهای ایالات متحده و کانادا، کشورهای آمریکای لاتین و کارائیب، کشورهای اروپای غربی و شمالی توسعه یافته، کشورهای اروپای شرقی، خاورمیانه و آفریقای در حال توسعه، کشورهای آسیا-اقیانوسیه پیشرفته و کشورهای آسیایی در حال توسعه بوده که با روش خوشهبندی سلسلهمراتبی و بر اساس چهار متغیر امید به زندگی در بدو تولد، سالهای مورد انتظار برای تحصیل و میانگین سالهای تحصیل، و درآمد ناخالص ملی سرانه خوشهبندی و بر اساس تحلیلهای آماری میزان اثرگذاری بیمه در خوشهها بررسی شده است. بر اساس نتایج حاصل از تحقیق، کشورهای مورد بررسی در 3 خوشه مشتمل بر 26، 4 و 52 کشور قرار گرفته است. ضمن آنکه در هر سه خوشه همبستگی بین ضریب نفوذ و شاخص توسعه انسانی و همچنین اجزای تعیین کننده آن مستقیم و مثبت بوده؛ چراکه بیمه از طریق مؤلفههای مختلف با توسعه انسانی کشورها ارتباط تنگاتنگی دارد.
چکیده انگلیسی :
A long and healthy life, access to education, and an acceptable standard of living are three fundamental criteria for measuring the performance of human development in any country. This classification of Human Development Report is based on a criterion known as the Human Development Index, which is a composite of the main criteria. However, comparing countries based on their similarities in the subcomponents of the Human Development Index appears to create a different situation, leading to a shift in perspective regarding the assessment of human development status in countries. Therefore, the purpose of this article is clustering of human development indicators in countries around the world and insurance analysis of clusters.
82 countries are clustered using the hierarchical clustering method based on four variables: life expectancy at birth, expected years and average years of education, and gross national income per capita. Based on the results of the research, the countries are placed in 3 clusters consisting of 26, 4, and 52 countries. In addition, in all three clusters, the correlation between the penetration rate and the human development index and its determinants is direct and positive, because insurance is closely related to the human development of countries through various components.
خدادوستی، م.، نادری، ن.، رضایی، ب. (1403). توسعه زیستبوم کارآفرینی در دانشگاهها و مراکز آموزش عالی، فصلنامه علمی کارافن، 21(2)، 183-165.
شمسیگوشکی، س.، صادقی، س.، نامی، ا. (1402). شناسایی و اولویتبندی مؤلفههای چابکی نیروی انسانی در صنعت بیمه استان کرمان، فصلنامه علمی کارافن، 20، 348-325.
صفرزاده، ا.، جعفری، ه. (1392). ارتباط غیرخطی بین ضریب نفوذ بیمه و درآمد سرانه. مدلسازی اقتصادی، ۲۴(۷)، ۷۰-۵۳.
عزتیراد، ه.، اکبری، م.، موسیخانی، م.، و بدیعزاده، ع. (1403). عوامل موثر بر عملکرد بینالمللیسازی کسبوکارهای روستایی. فصلنامه علمی کارافن، 20، 13-34.
مکیان، س. ن.، بیباک، م. (1394). تأثیر حکمرانی خوب بر توسعه انسانی: یک تحلیل بین کشوری. مدلسازی اقتصادی، 30(9)، 147-131.
Refrences (in English) Costa, J. A., Pinto, A., Andrade, J., & Medeiros, M. (2017). Clustering of regional HDI data using self-organizing maps. Proceeding of IEEE Latin American Conference on Computational Intelligence, 1-6.
Ezzatirad H., Akbari M., Mosakhani M., Badizade A. (2024). Factors Affecting the Performance of Internationalization of Rural Businesses, Karafan Journal, 20(Special Issue), pp. 13-34.
Gan, G., Ma, C., & Wu, J. (2020). Data clustering: Theory, algorithms, and applications. Society for Industrial and Applied Mathematics, Second Edition. Society for Industrial and Applied Mathematics.
Kassambara, A. (2017). Practical guide to cluster analysis in R: Unsupervised machine learning. CreateSpace Independent Publishing Platform; 1st edition.
Khodadousti, M., Naderi N., Rezaee B. (2024). The Development of an Entrepreneurial Ecosystem in Universities and Higher Education Centers, Karafan Journal, 21(2), pp. 165-183. doi: 10.48301/kssa.2024.403938.2612
Larasati, S. D. A., Nisa, K., & Herawati, N. (2021). Robust principal component trimmed clustering of indonesian provinces based on human development index indicators. Journal of Physics: Conference Series, 1751(1).
Makiyan, S. N., Bibak, M. (2015). The Effect of Good Governance on Human Development in Islamic and OECD Countries. Economic Modeling, 9(30):131-147.
Muttaqin, M., & Zulkarnain, Z. (2020). Cluster analysis using k-means method to classify Indonesia regency/city based on human development index indicator. In Proceeding of 3rd Asia Pacific Conference on Research in Industrial and Systems Engineering, p. 81-85.
Olarewaju, O., & Msomi, T. (2021). Determinants of Insurance Penetration in West African Countries: A Panel Auto Regressive Distributed Lag Approach. Journal of Risk and Financial Management, 14(8), 350.
Rohmah, D. S., Sari, S. D. R., & Yugi, K. V. (2021). Clustering human development index data with gravitational search algorithm-fuzzy 4-means (gsa-f4m). AIP Conference Proceedings, 2326(1), 020023.
Safarzadeh, E., Jafari, H. (2014). Nonlinear Relationship between Per Capita Income and Insurance Penetration. Economic Modeling, 7(24):53-70.
Santos, C., Pedroso, B., Guimarães, A., Carvalho, D., & Pilatt, L. (2017). Forecasting of human development index of latin American countries through data mining techniques. IEEE Latin America Transactions, 15, 1747-1753.
Shamsi Gooshki S., Sadeghi S., Nami A. (2023). Identifying and Prioritizing the Components of Workforce Agility in the Insurance Industry of Kerman Province, Karafan Journal, 20(Special Issue), pp. 325-348.
Sigma. (2022). World insurance: inflation risks front and centre (Tech. Rep.). Swiss Re Institute.
UNDP. (2022). Human Development Report (UNDP): investment, insurance, innovation and inclusion to tackle uncertainty. United Nations Development Programme.
UNDP. (2025). Human Develoment Report 2025 technical notes. United Nations Development Programme.
Vulandari, R., Siswanti, S., Kusumawijaya, A., & Sandradewi, K. (2019). Classification of human development index using k-means. Indonesian Journal of Applied Statistics, 2(1).
Xie, Y., Zhang, B., Yao, Y., Chen, X. and Wang, X. (2022). Mechanism of human capital influence on household commercial insurance holding behavior—An empirical analysis based on China household finance survey (CHFS) data. Frontiers in Environmental Science. 10:961184.
