دانشگاه خوارزمی تحقیقات مدلسازی اقتصادی 16 60 2026 07 26 Economic Policy Uncertainty and Inflation in Iran with Wavelet Machine Learning Approach and Wavelet Quantile Causality نااطمینانی سیاست اقتصادی و تورم در ایران با رویکرد یادگیری ماشین موجک و علیت کوانتایل موجک 11615 FA علی مریدیان حسن حیدری سیدمهدی حسینی حشمت اله عسگری Journal Article 2026 07 26 Objective: This study examines the effects of economic policy uncertainty, exchange rate, and oil price on inflation in Iran during the period 2008 to 2023. The main objective is to identify the short-term, medium-term, and long-term nature of these effects and analyze inflation dynamics using modern wavelet and machine learning methods. Materials and Methods: Regularized least squares regression with wavelet kernel (WKRLS) and nonparametric wavelet quantile causality (WNQC) are used to analyze nonlinear and scale-dependent relationships between variables. The data include inflation index, economic policy uncertainty (EPU), unofficial exchange rate, and oil price on a monthly basis. The generalized wavelet quantile Dickey-Fuller test (Wavelet-QADF) is also used to examine the stationarity of time series. Results: The results show that key variables of the Iranian economy are stationary in most quantiles and time scales. According to WKRLS estimates, the effect of economic policy uncertainty on inflation is weak in the short run, decreasing but still significant in the medium run, and increasing non-linearly and acceleratingly in the long run. The exchange rate has the greatest impact on inflation, especially in the short run due to the Iranian economy’s heavy dependence on imports. Oil prices also have a significant impact on inflation and its volatility in the long run. WNQC findings show that economic policy uncertainty and exchange rate uncertainty have a stronger effect in the low and middle quantiles of inflation, while oil prices mainly amplify inflation fluctuations in the long run. Conclusion: The findings emphasize the importance of stable economic policies, reducing dependence on oil revenues, and controlling exchange rate fluctuations for managing inflation in Iran. Also, combining wavelet and machine learning methods allows for a more comprehensive analysis of inflation dynamics in different conditions. هدف: این مطالعه به بررسی اثرات نااطمینانی سیاست اقتصادی، نرخ ارز و قیمت نفت بر تورم در ایران طی دوره زمانی 2008 تا 2023 می‌پردازد. هدف اصلی، شناسایی ماهیت کوتاه‌مدت، میان‌مدت و بلندمدت این اثرات و تحلیل پویایی‌های تورم با استفاده از روش‌های نوین موجک و یادگیری ماشین است. روش: برای تحلیل روابط غیرخطی و وابسته به مقیاس میان متغیرها، از رگرسیون حداقل مربعات منظم‌شده با هسته موجک (WKRLS) و علیت کوانتایل ناپارامتریک موجک (WNQC) استفاده شده است. داده‌ها شامل شاخص تورم، نااطمینانی سیاست اقتصادی (EPU)، نرخ ارز غیررسمی و قیمت نفت به صورت ماهانه است. همچنین آزمون دیکی-فولر تعمیم‌یافته کوانتایل موجک (Wavelet-QADF) جهت بررسی مانایی سری‌های زمانی به کار گرفته شده است. یافته‌ها: نتایج نشان می‌دهد متغیرهای کلیدی اقتصاد ایران در بیشتر کوانتایل‌ها و مقیاس‌های زمانی مانا هستند. بر اساس برآوردهای WKRLS، اثر نااطمینانی سیاست اقتصادی بر تورم در کوتاه‌مدت ضعیف، در میان‌مدت کاهنده اما همچنان معنادار، و در بلندمدت به‌صورت غیرخطی و شتاب‌دار افزایشی است. نرخ ارز بیشترین تأثیر را بر تورم دارد، به‌ویژه در کوتاه‌مدت به دلیل وابستگی شدید اقتصاد ایران به واردات. قیمت نفت نیز در بلندمدت اثر قابل‌توجهی بر تورم و نوسانات آن دارد. یافته‌های WNQC نشان می‌دهد که نااطمینانی سیاست اقتصادی و نرخ ارز در کوانتایل‌های پایین و میانی تورم اثر قوی‌تری دارند، در حالی که قیمت نفت عمدتاً در بلندمدت موجب تقویت نوسانات تورم می‌شود. نتیجه‌گیری: یافته‌ها بر اهمیت ثبات سیاست‌های اقتصادی، کاهش وابستگی به درآمدهای نفتی و کنترل نوسانات نرخ ارز برای مدیریت تورم در ایران تأکید دارند. همچنین، ترکیب روش‌های موجک و یادگیری ماشین امکان ارائه تحلیلی جامع‌تر از پویایی‌های تورم را در شرایط مختلف فراهم می‌کند.

https://jemr.khu.ac.ir/article_11615_19f59064291ed0341ae3765060cc4ad7.pdf

دانشگاه خوارزمی تحقیقات مدلسازی اقتصادی 16 60 2026 07 26 The Impact of Government Size on Environmental Quality with an Emphasis on Income Inequality اثر اندازه دولت بر کیفیت محیط زیست با تأکید بر نابرابری درآمد 11616 FA معصومه محمدی فر دانشگاه مازندران سعید کریمی‌پتانلار دانشگاه مازندران سعید راسخی دانشگاه مازندران شهریار زروکی دانشگاه مازندران Journal Article 2026 07 26 Climate change and income inequality are intertwined challenges of sustainable development, yet empirical evidence on the role of government size in environmental quality remains inconclusive. Focusing on three carbon-based indicators, territorial carbon dioxide emissions, consumption-based carbon footprint, and production-based carbon footprint, this study examines the relationship between government size and environmental quality and investigates whether income inequality moderates the magnitude and direction of this relationship. Using panel data for 58 countries over the period 1994–2023, the model is estimated based on five-year averages and diagnostic-based estimators, including FGLS and random effects with country-clustered standard errors; PCSE is also reported as a robustness check for the territorial-emissions group. Income inequality is measured using four complementary indicators: pre-tax and post-tax Gini coefficients, the income ratio of the top 20 percent to the bottom 20 percent, and the tenth-to-first decile ratio. The results show that government size, at the average level of inequality, is associated with higher carbon-based indicators and, consequently, lower environmental quality; however, this relationship depends on the structure of income distribution, the type of carbon indicator, and the inequality measure used. The negative interaction terms indicate that income inequality weakens the positive association between government size and carbon-based indicators. The income-heterogeneity analysis for per capita carbon dioxide emissions further shows that this relationship is stronger in countries below the median income level. In addition, the estimated income coefficients are consistent with the environmental Kuznets curve hypothesis, although most observations remain on the upward-sloping segment of the curve. Overall, the findings suggest that improving environmental quality requires coordinating redistributive policies with a reorientation of public spending toward low-pollution sectors and low-carbon infrastructure. بحران اقلیمی و نابرابری درآمد دو چالش به‌هم‌تنیده توسعه پایدارند، اما شواهد تجربی درباره نقش اندازه دولت در کیفیت محیط‌زیست یکدست نیست. این پژوهش با تمرکز بر سه شاخص کربنی، شامل انتشار سرزمینی دی‌اکسیدکربن، ردپای کربن مصرف‌محور و ردپای کربن تولیدمحور، رابطه اندازه دولت با کیفیت محیط‌زیست را بررسی می‌کند و می‌کوشد نشان دهد آیا نابرابری درآمد شدت و جهت این رابطه را تعدیل می‌کند. بدین منظور، از داده‌های تابلویی ۵۸ کشور طی دوره ۱۹۹۴ تا ۲۰۲۳ استفاده شد و الگوی پژوهش بر پایه میانگین‌های پنج‌ساله و با روش‌های منتخب متناسب با آزمون‌های تشخیصی، شامل حداقل مربعات تعمیم‌یافته امکان‌پذیر و اثرات تصادفی با خطاهای استاندارد خوشه‌ای، برآورد گردید؛ همچنین تصحیح خطای استاندارد به‌عنوان آزمون استحکام برای گروه انتشار دی‌اکسید کربن گزارش شد. نابرابری درآمد با چهار شاخص مکمل شامل ضریب جینی قبل و بعد از مالیات، نسبت درآمد بیست درصد بالایی به بیست درصد پایینی و نسبت درآمد دهک دهم به دهک اول اندازه‌گیری شد. نتایج نشان می‌دهد اندازه دولت، در سطح میانگین نابرابری، با افزایش شاخص‌های کربنی و در نتیجه کاهش کیفیت محیط‌زیست همراه است؛ اما این رابطه به ساختار توزیع درآمد، نوع شاخص کربنی و سنجه نابرابری وابسته است. ضرایب تعاملی منفی نشان می‌دهند که نابرابری درآمد شدت رابطه مثبت اندازه دولت با شاخص‌های کربنی را تضعیف می‌کند. تحلیل ناهمگنی درآمدی برای انتشار سرانه دی‌اکسیدکربن نیز نشان می‌دهد این رابطه در کشورهای پایین‌تر از میانه درآمد سرانه قوی‌تر است. افزون بر این، الگوی برآوردی از نظر علامت ضرایب با فرضیه منحنی کوزنتس زیست‌محیطی سازگار است، هرچند بخش غالب مشاهدات در قسمت صعودی منحنی قرار دارد. یافته‌ها نشان می‌دهد بهبود کیفیت محیط‌زیست مستلزم هماهنگی سیاست‌های بازتوزیعی با جهت‌دهی مخارج عمومی به سوی بخش‌های کم‌آلاینده و زیرساخت‌های کم‌کربن است.

https://jemr.khu.ac.ir/article_11616_1f10c3650a3aa5912dccc5789fd515e8.pdf

دانشگاه خوارزمی تحقیقات مدلسازی اقتصادی 16 60 2026 07 26 Analyzing the Asymmetric Effects of Oil Revenue Shocks and Latent Macroeconomic Factors on Main Groups of Consumer Goods and Services in Iran: A FAVAR Approach تحلیل اثرات نامتقارن شوک‌های درآمدی نفت و عوامل کلان پنهان برتورم گروه های اصلی کالاها وخدمات مصرف کننده در ایران: رویکرد FAVAR 11617 FA وحید رضایی محمد رضا لطفعلی پور سید سعید ملک الساداتی نرگس صالح نیا Journal Article 2026 07 26 The main objective of this study is to analyze the asymmetric effects of oil revenue shocks and the role of latent macroeconomic variables on the inflation of 12 major groups of consumer goods and services in the Iranian economy from 2009 to 2021. To this end, a Generalized Factor Augmented Vector Autoregression (FAVAR) model was employed, which facilitates the integration of extensive economic data and the extraction of latent nominal and real components.The findings indicate that the response of commodity group inflation to oil revenue shocks is inherently asymmetric. Positive oil revenue shocks trigger the Dutch Disease mechanism, leading to a rise in relative prices within non-tradable sectors such as healthcare, housing, and hospitality. Conversely, in the tradable goods sector, the temporary abundance of foreign exchange acts as a curb on price growth in the short term. On the other hand, negative oil revenue shocks exert severe inflationary pressure across all categories particularly import-dependent groups like food and transportation primarily through currency depreciation and structural budget deficits. Furthermore, the extracted latent components show a strong correlation with the nominal and real sectors; the first component (F1), representing the nominal sector, is the primary driver of inflation across most groups, while the second component (F2), representing the real sector (production and employment), plays a moderating role. هدف اصلی این پژوهش، واکاوی اثرات نامتقارن شوک‌های درآمد نفتی و نقش متغیرهای کلان پنهان بر تورم ۱۲ گروه اصلی کالاها و خدمات مصرفی در اقتصاد ایران طی دوره فصلی ۱۳۸۸ تا ۱۴۰۰ است. برای این منظور، از مدل خودرگرسیون برداری عاملی تعمیم‌یافته (FAVAR) استفاده شد که امکان ترکیب حجم گسترده‌ای از اطلاعات اقتصادی و استخراج مؤلفه‌های پنهان اسمی و حقیقی را فراهم می‌کند. یافته‌های تحقیق حاکی از آن است که واکنش تورم گروه‌های کالایی به شوک های درآمد نفتی ماهیتی نامتقارن دارد؛ به طوری که شوک‌های مثبت درآمد نفتی از طریق سازوکار بیماری هلندی، منجر به افزایش قیمت نسبی در بخش کالاها و خدمات غیرقابل مبادله (نظیر بهداشت، مسکن و رستوران) می‌شود، در حالی که در بخش کالاهای قابل مبادله، وفور ارز در کوتاه‌مدت نقشی بازدارنده در رشد قیمت‌ها ایفا می‌کند.

https://jemr.khu.ac.ir/article_11617_17ae6739cdbe8fda7dbf9d8a18bb6de0.pdf

دانشگاه خوارزمی تحقیقات مدلسازی اقتصادی 16 60 2026 07 26 Credit Risk Assessment of Loans Granted by Resalat Charity Bank: Using Machine Learning Models ارزیابی ریسک اعتباری تسهیلات اعطایی در بانک قرض‌الحسنه رسالت: با استفاده از مدل‌های یادگیری ماشین 11618 FA محمود محمودزاده دانشگاه ازاد اسلامی فیروز کوه مسعود صوفی دانشگاه ازاد اسلامی فیروز کوه مرتضی علی پور دانشگاه ازاد اسلامی فیروز کوه Journal Article 2026 07 26 Despite the growing use of machine learning in credit scoring, many domestic studies still rely mainly on traditional statistical models and static borrower characteristics, while limited attention has been paid to the role of real behavioral, transactional, and repayment-performance data in post-disbursement credit risk monitoring. To address this research gap, this study compares the performance of four stepwise logistic regression models and the LightGBM algorithm in predicting credit default, using data from 119,050 loan facilities granted to individual customers of Resalat Qard al-Hasan Bank during the period between 26 March 2022 and 18 March 20240. The target variable was defined based on repayment delays of more than 90 days, and model performance was evaluated using AUC, Accuracy, Recall, F1-Score, and Balanced Accuracy. The knowledge contribution of this study lies in providing empirical evidence on the effectiveness of real banking data, focusing on behavioral and transactional variables, comparing a classical statistical model with a machine learning algorithm, and assessing model performance in identifying the minority class under imbalanced credit data. The results indicate that repayment-related variables, particularly the number of overdue installments and outstanding debt balance, are the most important predictors of default. Although the fourth logistic regression model achieved a high overall AUC of 0.98, it performed poorly in identifying high-risk customers, with a Recall of only 0.12%. In contrast, LightGBM identified 92.2% of high-risk customers and outperformed logistic regression on imbalance-sensitive evaluation metrics. These findings suggest that, in imbalanced credit datasets, relying solely on AUC and Accuracy can be misleading, while Recall, F1-Score, and Balanced Accuracy are more informative for assessing a model’s ability to detect high-risk borrowers. Therefore, in the post-disbursement monitoring scenario, machine learning algorithms based on behavioral and transactional data can provide a more accurate and reliable framework for credit risk management in Iranian banks. با وجود گسترش کاربرد یادگیری ماشین در اعتبارسنجی، بخش مهمی از مطالعات داخلی همچنان بر مدل‌های آماری سنتی و متغیرهای ایستا تکیه داشته‌اند و کمتر به نقش داده‌های واقعی رفتاری، تراکنشی و عملکرد بازپرداخت در پایش ریسک اعتباری پس از اعطای تسهیلات پرداخته‌اند. این پژوهش برای پوشش این خلأ، با استفاده از داده‌های 119,050 تسهیلات اعطایی به مشتریان حقیقی بانک قرض‌الحسنه رسالت طی دوره 06/01/1401 تا 28/12/1402، عملکرد چهار مدل رگرسیون لجستیک تدریجی و الگوریتم LightGBM را در پیش‌بینی نکول اعتباری مقایسه می‌کند. متغیر هدف بر اساس تأخیر بیش از ۹۰ روز در بازپرداخت اقساط تعریف شد و مدل‌ها با معیارهای AUC، Accuracy، Recall، F1-Score و Balanced Accuracy ارزیابی شدند. سهم دانشی پژوهش در ارائه شواهد تجربی از کارایی داده‌های واقعی بانکی، تمرکز بر متغیرهای رفتاری و تراکنشی، مقایسه مدل کلاسیک و یادگیری ماشین، و تحلیل توان مدل‌ها در شناسایی کلاس اقلیت در داده‌های نامتوازن اعتباری است. نتایج نشان داد متغیرهای مرتبط با رفتار بازپرداخت، به‌ویژه تعداد اقساط معوق و مانده بدهی، مهم‌ترین پیش‌بینی‌کننده‌های نکول هستند. اگرچه مدل چهارم رگرسیون لجستیک با AUC برابر 0.98 عملکرد کلی بالایی داشت، اما در شناسایی مشتریان پرریسک بسیار ضعیف عمل کرد؛ به‌گونه‌ای که مقدار Recall آن تنها 0.12 درصد بود. در مقابل، LightGBM توانست 92.2 درصد مشتریان پرریسک را شناسایی کند و در معیارهای حساس به عدم‌توازن داده‌ها عملکرد برتری نشان دهد. این یافته نشان می‌دهد که در داده‌های نامتوازن، اتکای صرف به شاخص‌هایی مانند AUC و Accuracy می‌تواند گمراه‌کننده باشد و معیارهایی مانند Recall، F1-Score و Balanced Accuracy برای ارزیابی توان مدل در شناسایی مشتریان پرریسک اهمیت بیشتری دارند. بنابراین، در سناریوی پایش پس از اعطای تسهیلات، استفاده از الگوریتم‌های یادگیری ماشین مبتنی بر داده‌های رفتاری و تراکنشی می‌تواند چارچوب دقیق‌تر و قابل اتکاتری برای مدیریت ریسک اعتباری در بانک‌های ایرانی فراهم کند.

https://jemr.khu.ac.ir/article_11618_de4994a3a1ec0331d2c59d37631a4776.pdf

دانشگاه خوارزمی تحقیقات مدلسازی اقتصادی 16 60 2026 07 26 Assessing the Impact of Internet Access Satisfaction on Subjective Well-being Using a Discrete Choice Approach رابطه میان استفاده فعال از اینترنت و رفاه ذهنی نسبی بین‌نسلی در عراق با تأکید بر نقش تعدیل‌گر تحصیلات: رویکرد لاجیت رتبه‌ای 11619 FA اکرم اکبری دانشگاه تبریز پرویز محمدزاده دانشگاه تبریز حسین علی شیاع دانشگاه تبریز Journal Article 2026 07 26 Extended Abstract Introduction Subjective well-being has become an increasingly important concept in welfare economics, happiness economics, and social policy analysis. Unlike objective welfare indicators such as income, employment, consumption, or access to public services, subjective well-being reflects how individuals evaluate and experience their own lives. In societies undergoing economic, institutional, and generational transitions, individuals’ assessment of their living conditions relative to their parents can provide a meaningful indicator of perceived progress or decline. Iraq represents an important context for such an analysis because the country has experienced economic uncertainty, institutional challenges, demographic pressures, and rapid digital transformation. In this setting, internet use may influence individuals’ perceived well-being by expanding access to information, learning opportunities, social networks, public services, and economic prospects. However, the relationship between internet use and subjective well-being is unlikely to be direct, linear, or uniform across all individuals. Background and Innovation The literature suggests that the welfare effects of internet use depend not only on access but also on the intensity, quality, and purpose of use. Internet use may improve well-being by reducing information costs, facilitating communication, supporting learning, and creating new opportunities. At the same time, it may generate adverse effects through social comparison, misinformation, excessive use, or passive consumption of digital content. Therefore, recent studies emphasize the importance of human capital and digital capability in shaping the welfare consequences of internet use. The main contribution of this study is threefold. First, it focuses on intergenerational relative subjective well-being, rather than conventional life satisfaction. Second, it distinguishes active internet use from mere access or satisfaction with access. Third, it examines whether education moderates the association between internet use and relative subjective well-being. Aim and Method The main objective of this study is to examine the relationship between active internet use and intergenerational relative subjective well-being in Iraq, with particular emphasis on the moderating role of education. The dependent variable is an ordinal measure of respondents’ evaluation of their current living conditions compared with their parents’ generation. It takes three ordered categories: worse than parents, the same as parents, and better than parents. The empirical analysis uses micro-level data from the eighth wave of the Arab Barometer survey for Iraq. Given the ordinal nature of the dependent variable and the survey design of the data, the baseline specification is estimated using a survey-weighted ordered logit model. The model controls for age, age squared, gender, household size, urban residence, employment status, household income adequacy, evaluation of current economic conditions, expectations about future economic conditions, trust in government, and governorate fixed effects. To assess the robustness of the results, alternative specifications including ordered probit, different measures of internet use, marginal effects, and post-estimation diagnostics are also employed. Findings The results indicate that the direct association between internet use and intergenerational relative subjective well-being is not uniform across the population. In the baseline models, internet use alone does not show a strong and stable direct relationship with higher relative subjective well-being after controlling for individual, economic, institutional, and regional characteristics. However, the interaction between active internet use and higher education provides evidence of heterogeneous effects. Among individuals with higher education, active internet use is associated with a higher probability of reporting a “better than parents” status and a lower probability of reporting a “worse than parents” status. This finding suggests that education may enhance individuals’ ability to transform digital access and internet use into meaningful opportunities. The results also show that household income adequacy, household size, evaluation of current economic conditions, expectations about future economic conditions, trust in government, age, and age squared are important correlates of intergenerational relative subjective well-being. Governorate fixed effects are jointly significant, indicating that regional differences within Iraq play an important role in explaining variations in perceived intergenerational well-being. The robustness checks further suggest that the relationship between digital engagement and subjective well-being should not be interpreted as a simple universal effect. Rather, the welfare implications of internet use depend on individuals’ human capital and their capacity to use digital resources effectively. Overall, the findings imply that digital policy should move beyond expanding physical internet access alone. Policies aimed at improving subjective well-being through digital transformation should also promote digital literacy, purposeful internet use, skill formation, and the integration of educational and digital development strategies. In particular, strengthening human capital may allow individuals to benefit more effectively from online information, learning resources, communication networks, and economic opportunities. چکیده مبسوط مقدمه رفاه ذهنی در سال‌های اخیر به یکی از محورهای مهم اقتصاد رفاه، اقتصاد شادکامی و سیاست‌گذاری اجتماعی تبدیل شده است. برخلاف شاخص‌های عینی رفاه مانند درآمد، اشتغال یا مصرف، رفاه ذهنی نشان می‌دهد افراد چگونه وضعیت زندگی خود را تجربه و ارزیابی می‌کنند. در جوامع در حال گذار، به‌ویژه کشورهایی مانند عراق که با نااطمینانی اقتصادی، تغییرات نهادی و دگرگونی‌های نسلی مواجه‌اند، مقایسه وضعیت زندگی فرد با نسل والدین می‌تواند سنجه‌ای معنادار از ادراک پیشرفت یا پسرفت بین‌نسلی باشد. از سوی دیگر، گسترش اینترنت و فناوری‌های دیجیتال می‌تواند از مسیر دسترسی به اطلاعات، آموزش، ارتباطات، خدمات و فرصت‌های اقتصادی بر رفاه افراد اثرگذار باشد. با این حال، اثر اینترنت بر رفاه ذهنی لزوماً مستقیم، خطی و یکسان برای همه افراد نیست و ممکن است به سطح سرمایه انسانی و توانایی افراد در بهره‌برداری از فرصت‌های دیجیتال وابسته باشد. پیشینه و نوآوری ادبیات نظری نشان می‌دهد اینترنت از مسیرهای مختلفی مانند تغییر الگوی استفاده از زمان، ایجاد فعالیت‌های جدید، تسهیل دسترسی به اطلاعات و گسترش ارتباطات اجتماعی می‌تواند بر رفاه اثر بگذارد. با این حال، مطالعات جدید تأکید می‌کنند که اثرات رفاهی اینترنت به نوع استفاده، کیفیت استفاده، مهارت‌های فردی و زمینه اجتماعی وابسته است. نوآوری اصلی این پژوهش آن است که به‌جای تمرکز صرف بر دسترسی به اینترنت یا رضایت از دسترسی، بر استفاده فعال از اینترنت تمرکز می‌کند و نقش تحصیلات را به‌عنوان متغیر تعدیل‌گر بررسی می‌نماید. همچنین، متغیر وابسته پژوهش نه رضایت کلی از زندگی، بلکه رفاه ذهنی نسبی بین‌نسلی است که نشان می‌دهد فرد وضعیت زندگی خود را نسبت به والدین چگونه ارزیابی می‌کند. هدف و روش هدف پژوهش حاضر بررسی رابطه استفاده فعال از اینترنت با رفاه ذهنی نسبی بین‌نسلی در عراق و آزمون نقش تعدیل‌گر تحصیلات در این رابطه است. داده‌های پژوهش از موج هشتم پیمایش عرب‌بارومتر برای عراق استخراج شده است. متغیر وابسته در سه سطح «بدتر از والدین»، «مشابه والدین» و «بهتر از والدین» تعریف شده و به دلیل ماهیت رتبه‌ای آن، از مدل لاجیت رتبه‌ای پیمایشی استفاده شده است. در مدل، وزن نمونه و خوشه‌های نمونه‌گیری لحاظ شده‌اند. متغیرهای کنترلی شامل سن و مجذور سن، جنسیت، اندازه خانوار، محل سکونت، وضعیت اشتغال، کفایت درآمد خانوار، ارزیابی وضعیت اقتصادی فعلی، انتظار نسبت به آینده اقتصادی، اعتماد به دولت و اثرات ثابت استان است. برای بررسی پایداری نتایج، مدل پروبیت رتبه‌ای، مدل‌های جایگزین استفاده از اینترنت، اثرات نهایی و آزمون‌های پسابرآورد نیز به‌کار گرفته شده‌اند. نتایج تحقیق نتایج نشان می‌دهد که اثر مستقیم استفاده از اینترنت برای همه افراد جامعه به‌صورت یکسان و معنادار ظاهر نمی‌شود. در مدل‌های پایه، استفاده از اینترنت به‌تنهایی رابطه آماری قوی و پایداری با رفاه ذهنی نسبی ندارد؛ اما هنگامی که تعامل استفاده فعال از اینترنت و تحصیلات بالا وارد مدل می‌شود، شواهدی از تفاوت رفتاری گروه‌های تحصیل‌کرده مشاهده می‌شود. به‌ویژه، در میان افراد دارای تحصیلات بالا، استفاده فعال از اینترنت با افزایش احتمال گزارش وضعیت «بهتر از والدین» و کاهش احتمال گزارش وضعیت «بدتر از والدین» همراه است. این یافته نشان می‌دهد اینترنت زمانی می‌تواند با رفاه ذهنی بالاتر پیوند داشته باشد که افراد از سرمایه انسانی کافی برای تبدیل فرصت‌های دیجیتال به منافع واقعی برخوردار باشند. همچنین، نتایج نشان می‌دهد کفایت درآمد خانوار، ارزیابی مثبت‌تر از وضعیت اقتصادی فعلی، انتظار بهتر نسبت به آینده اقتصادی، اعتماد به دولت، سن و اندازه خانوار از عوامل مهم توضیح‌دهنده رفاه ذهنی نسبی بین‌نسلی هستند. اثرات ثابت استان نیز از نظر آماری معنادار بوده و نشان می‌دهد تفاوت‌های منطقه‌ای در عراق نقش مهمی در تبیین رفاه ذهنی نسبی دارند. بنابراین، یافته‌های پژوهش حاکی از آن است که سیاست‌های دیجیتال نباید صرفاً بر گسترش دسترسی فیزیکی به اینترنت متمرکز باشند، بلکه باید ارتقای سواد دیجیتال، مهارت‌آموزی، استفاده هدفمند از اینترنت و پیوند سیاست‌های آموزشی و دیجیتال را نیز دربرگیرند.

https://jemr.khu.ac.ir/article_11619_91e1fea50842570d5b4bd4bc2d23364b.pdf