Machine Translated by Google

keberlanjutan

Artikel

Dimensi Spasial Ketimpangan Pendapatan:

Analisis di Tingkat Kota
2
Luigi Mastronardi 1,* dan Aurora Cavallo
1
Jurusan Ekonomi, Universitas Molise, 86100 Campobasso, Italia Fakultas
2
Ekonomi, Universitas Mercatorum, 00186 Roma, Italia; a.cavallo@unimercatorum.it
* Korespondensi: luigi.mastronardi@unimol.it; Telp: +39-087-440-4905

Diterima: 28 Januari 2020; Diterima: 19 Februari 2020; Diterbitkan: 21 Februari 2020

Abstrak: Makalah ini berfokus pada analisis ketimpangan pendapatan di Italia pada tingkat kota di wilayah yang
ditentukan oleh Strategi Nasional untuk Wilayah Dalam. Kami membahas analisis dinamika ekonomi dan spasial dari
fenomena tersebut melalui konstruksi koefisien Gini dan estimasi model regresi untuk evaluasi faktor-faktor penentu
ketimpangan. Kami menyoroti pengaruh dimensi spasial terhadap ketimpangan pendapatan di Italia. Ketimpangan
tampaknya lebih besar terjadi di pusat-pusat perkotaan yang padat penduduknya, dengan tingginya jumlah aktivitas
tersier dan jumlah penduduk muda. Sebaliknya di wilayah pedalaman, distribusi pendapatan lebih seimbang
kemungkinan besar disebabkan oleh lemahnya struktur sosial dan ekonomi yang menyebabkan rendahnya tingkat
pendapatan dan kesempatan kerja terutama di sektor pertanian.

Kata Kunci: pendapatan; ketidaksamaan; area dalam; koefisien Gini; Italia

1. Perkenalan

Makalah ini mengusulkan refleksi ketimpangan pendapatan dalam karakterisasi spasialnya di tingkat kota, dimulai
dari klasifikasi Strategi Nasional Wilayah Dalam (NSIA) yang diusulkan di Italia [1,2]. Kontribusi tersebut memiliki tujuan
ganda. Pertama, hal ini bertujuan untuk menyoroti konsistensi dan penyebaran fenomena yang diselidiki di tingkat kota,
mengikuti pembagian geografis dan klasifikasi NSIA. Tujuan kedua adalah untuk memahami peran wilayah dalam
menganalisis penyebab ketimpangan pendapatan.

Agenda Tujuan Pembangunan Berkelanjutan (SDGs) yang baru-baru ini disahkan dengan suara bulat menyetujui
perlunya fokus pada pembangunan inklusif dan pentingnya mengelola dampak kompleks terhadap kesejahteraan
manusia. Perbedaan dengan kesenjangan berada dalam tujuan 10 Agenda 2030 mengenai pengurangan kesenjangan
di dalam dan antar negara; dalam konteks ini, analisis dimensi teritorialnya merupakan elemen kunci.

Ketimpangan yang saat ini—terkadang secara sintetik—mengacu pada konsentrasi pendapatan di tangan segelintir
orang, mempunyai banyak dimensi [3–9]. Terhadap ketimpangan pendapatan , kita bisa menambahkan tidak hanya
ketimpangan dalam akses terhadap sumber daya ekonomi, sosial, dan lingkungan di wilayah tersebut, namun juga
perbedaan dalam hal hak, kekuasaan politik, dan peluang yang lebih umum, yang pada akhirnya memiliki dimensi
ekonomi. . Dapat dikatakan, sebagaimana disoroti oleh Sen [7] dengan pendekatan kapasitasnya, bahwa ketimpangan
merupakan konsep multidimensi: tidak ada satu faktor pun yang dapat sepenuhnya memahami aspek globalnya.

Namun kesenjangan ekonomi adalah hal yang paling banyak diselidiki. Secara umum, meskipun ketimpangan
pendapatan dunia diperkirakan telah menurun sejak tahun 1980an [10], semua indikator ketimpangan pendapatan di
negara-negara Barat menunjukkan memburuknya [11,12].
Dimensi spasial memainkan peran penting dalam memahami kesenjangan dan dampaknya. Faktanya,
pada tingkat teritorial, berbagai bentuk kesenjangan terkait dengan proses pendefinisian ulang yang berkelanjutan

Keberlanjutan 2020, 12, 1622; doi:10.3390/su12041622 www.mdpi.com/journal/sustainability

Machine Translated by Google

Keberlanjutan 2020, 12, 1622 2 dari 18

perbatasan, terutama yang membatasi entitas fungsional. Kesenjangan antara pedesaan dan perkotaan
serta pinggiran tengah hanyalah sebagian dari kemungkinan penerapan analisis kesenjangan yang
berkaitan dengan periferal dalam dimensi geografis dan sosialnya.
Terlepas dari perspektif sosio-spasial, dimensi teritorial pembangunan tidak selalu mendapat pertimbangan
yang memadai dalam tindakan dan pemikiran politik tradisional [13]. Hal ini juga telah dicatat dalam konteks
beberapa intervensi lembaga internasional yang mendukung gagasan bahwa kesenjangan regional akan
berkurang melalui mobilitas manusia dan penyebaran pertumbuhan [9,14].
Konsolidasi disparitas wilayah, seperti yang diakibatkan oleh integrasi internasional yang kuat [15] dan krisis
keuangan yang terjadi saat ini dan kemudian resesi [16-19], menimbulkan kerugian sosial, ekonomi, dan
kelembagaan politik yang sangat besar yang dapat membahayakan berfungsinya negara-negara demokrasi maju. [20].
Dalam konteks Uni Eropa (UE), peningkatan kesenjangan teritorial dan peran kebijakan kohesi
secara luas didokumentasikan oleh berbagai penelitian [21,22]. Beberapa bidang studi yang muncul
mengenai kontribusi pinggiran dalam telah meneliti penyebabnya [5,23-25], menelusurinya kembali ke
perubahan dalam sistem sosial dan ekonomi [9]. Meluasnya analisis terhadap isu-isu terkait periferal
telah memunculkan perspektif penelitian baru dalam upaya pembangunan daerah. Wójcik dkk. [5] dalam
sebuah proyek besar Eropa baru-baru ini menawarkan beberapa bukti mengenai konsep pinggiran
dalam di Eropa, melalui beberapa studi kasus teritorial.
Mencermati hasil analisis Atkinson [11] dengan mengacu pada kerangka nasional, terlihat bahwa
tren indikator di Italia menunjukkan variasi yang sangat signifikan dibandingkan dengan negara-negara
Eropa. Misalnya, hubungan antara kekayaan pribadi dan pendapatan meningkat tiga kali lipat sejak
tahun 1970an hingga saat ini. Namun angka yang paling signifikan adalah kesenjangan teritorial, yang
terlihat jelas mulai dari paruh kedua tahun 1990an hingga kejadian saat ini.
Italia memiliki perbedaan teritorial yang signifikan [26] yang disebabkan, selain pola ganda pembagian
Utara-Selatan [27,28], karena ketidakseimbangan pembangunan antara kota dan daerah pedesaan [29,30],
antara dataran dan pegunungan [31], antara wilayah pesisir dan wilayah dalam [32], dan antara pusat dan
wilayah dalam [1,33]. Perbedaan wilayah ini kemudian tercermin dalam ketimpangan [34-36], yang mungkin
bergantung pada keberadaan dan perbedaan akses terhadap sumber daya—ekonomi, sosial, dan lingkungan—
dan terhadap jasa yang ditawarkan di wilayah tertentu.
Selama beberapa tahun, wilayah dalam telah menjadi subyek kebijakan khusus yang menjadi rujukan
utamanya di NSIA, yang diterima oleh Uni Eropa pada tahun 2014 dalam kerangka Perjanjian Kemitraan
2014-2020 [1,37].
Klasifikasi wilayah dalam menggunakan indikator deskriptif yang mengacu pada tingkat pinggiran
spasial wilayah tersebut sehubungan dengan aksesibilitas terhadap layanan penting, dengan hipotesis
bahwa hal ini dapat menentukan kualitas hidup warga negara, tingkat inklusi sosial, serta potensi ekonomi
mereka . Oleh karena itu, identifikasi wilayah dalam dimulai dari pembacaan polisentris wilayah Italia ,
yang dicirikan oleh jaringan kotamadya atau kumpulan kotamadya ( pusat penawaran layanan) di mana
terdapat wilayah gravitasi yang dicirikan oleh tingkat pinggiran spasial yang berbeda sehubungan dengan
hak-hak masyarakat. kewarganegaraan.
Metodologi yang diusulkan terdiri dari dua fase utama [1]:

I. Identifikasi hub berdasarkan kriteria kemampuan untuk menawarkan beberapa layanan penting II. Klasifikasi
kotamadya yang tersisa menjadi 4 jenis wilayah: wilayah pinggiran kota, wilayah perantara, wilayah pinggiran,
dan wilayah ultraperiferal, berdasarkan jarak dari pusat kota yang diukur dalam waktu perjalanan

NSIA bermula dari pengamatan bahwa dampak investasi UE sangat berbeda dalam skala teritorial.
Oleh karena itu, keberhasilan intervensi ditentukan oleh karakteristik konteksnya (yaitu spesialisasi
produksi, kualitas perkotaan, atmosfer budaya, dan kualitas institusi lokal). Pendekatan ini bertujuan
untuk menerapkan strategi jangka panjang yang bertujuan mengatasi rendahnya pemanfaatan sumber
daya dan mengurangi pengucilan sosial yang terus-menerus di tempat-tempat tertentu melalui intervensi
eksternal dan tata kelola multi-tingkat.
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 3 dari 18

Menurut penulis, wilayah memainkan peran kunci dalam analisis kesenjangan, khususnya
pada skala geografis, analisis di tingkat kota bersinggungan dengan unit-unit fungsional tertentu.
Pendekatan ini dapat membantu mengatasi beberapa isu penting dalam perdebatan studi regional.
Kontribusi ini menyajikan analisis spasial mengenai kesenjangan pada skala teritorial dan mewakili kemajuan
dibandingkan studi sebelumnya yang dilakukan di tingkat nasional yang terbatas pada perbandingan utara-selatan
[34,38,39] atau pada beberapa wilayah geografis [2,40–42 ].
Hipotesis awal mengasumsikan bahwa, di wilayah yang memiliki lebih banyak peluang, terdapat lebih banyak
kesenjangan karena kemampuan untuk memanfaatkan peluang tersebut berbeda.
Di sisi lain, wilayah dalam Italia memiliki lebih sedikit peluang, dan akibatnya, kesenjangan juga lebih sedikit.

Pada Bagian 2, kami menawarkan ringkasan kerangka literatur mengenai analisis hubungan antara kesenjangan
dan wilayah. Bagian 3 membahas variabel-variabel yang digunakan, statistik deskriptif utama, dan konstruksi model
regresi. Analisis terhadap dinamika ekonomi dan spasial dari fenomena tersebut dilakukan melalui konstruksi koefisien
Gini.
Model regresi digunakan untuk memperkirakan pengaruh faktor-faktor penentu fenomena. Hasilnya dirangkum di Bagian
4 dan dibahas di Bagian 5.

2. Kerangka Teoritis

Upaya evolusioner dalam pengukuran dan analisis kesenjangan ekonomi dan dampak teritorialnya
pada abad ke-20 telah mengalami peningkatan yang signifikan dalam beberapa tahun terakhir, hal ini
juga terkait dengan kebutuhan untuk mempelajari hubungan antara kesenjangan pendapatan dan krisis
ekonomi. Dimulai dari kontribusi perintis Atkinson [11,43–45] dan Piketty [9,46,47], sarjana lain
[18,48,49] mempelajari disparitas konsentrasi pendapatan dan kekayaan dalam skala global. Korpus
teoritis yang bermanfaat ini telah menemukan konsolidasi analitis lebih lanjut dalam International
Inequalities Institute dari London School of Economics dan baru-baru ini di World Inequality Lab, terkait
dengan Paris School of Economics, yang menyelidiki tema-tema dalam skala global dan dalam
perspektif interdisipliner. kesenjangan sosial dan ekonomi.
Permasalahan ini juga mendapat perhatian baru dari lembaga-lembaga multilateral, yang mendeteksi hubungan
antara meningkatnya kesenjangan, distorsi pasar, perubahan teknologi, dan faktor-faktor lainnya, serta peran proses
globalisasi dan kesulitan kebijakan publik dalam mengatasi perubahan-perubahan ini secara memadai.

Kontribusi Atkinson dan Piketty [9,43] dan akademisi lainnya [10,18,19] telah menunjukkan bahwa, sejak periode
pascaperang, pertumbuhan pendapatan tinggi telah menyebar ke seluruh negara Organisasi untuk Kerja Sama dan
Pembangunan Ekonomi (OECD) , namun hal ini merupakan pengecualian dan bukan hal yang lumrah dalam
perekonomian global. Faktanya, tahun 1980-an menandai berakhirnya dinamika ini dengan peningkatan tajam pada
pendapatan tinggi, tren pendapatan rata-rata yang stagnan, dan penurunan progresif pada segmen yang lebih lemah.
Rosés dan Wolf [48,49] telah menyelidiki tren ekonomi kawasan Eropa selama 110 tahun terakhir ,
membangun kumpulan data 173 kawasan untuk memahami evolusi pertumbuhan dalam hal struktur
lapangan kerja, PDB regional, dan PDB per kapita, dengan daya beli yang sama dalam jangka panjang.
Yang pertama-tama muncul adalah bahwa tingkat dan pertumbuhan PDB per kapita dapat dijelaskan
dengan mempertimbangkan faktor geografis dan kelembagaan, berdasarkan hubungan pusat-pinggiran.
Namun, dalam istilah evolusi, data menunjukkan sesuatu yang lebih: dalam jangka panjang, terdapat variasi yang
nyata di setiap negara bagian dan peran perubahan besar yang terjadi sejak tahun 1980. Besarnya variasi dalam PDB
per kapita disebabkan oleh perbedaan tersebut. di masing-masing negara meningkat dari sekitar 30% pada tahun 1900
menjadi lebih dari 50% pada tahun 2010. Sejak tahun 1980 dan seterusnya, telah terjadi keterputusan yang semakin
besar antar wilayah yang bertetangga, yang menyebabkan “pulau” kemakmuran terkonsentrasi di sekitar wilayah
metropolitan dan wilayah lainnya menunjukkan kondisi yang sama. kerapuhan yang nyata. Di sisi lain, beberapa
wilayah metropolitan telah terkena dampak krisis yang paling parah, sementara beberapa wilayah pedesaan dan
wilayah menengah telah menunjukkan ketahanan yang lebih besar [50]. Hasil keseluruhannya terdiri dari kerangka
teritorial yang diartikulasikan dengan kesenjangan pendapatan dan partisipasi angkatan kerja antar negara dan wilayah, di dalam wilayah ter
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 4 dari 18

sendiri, antara wilayah pusat dan pinggiran, dan antara wilayah metropolitan yang makmur dan wilayah yang kurang
makmur—seperti yang didokumentasikan secara luas oleh Iannarino dkk. [22].
Refleksi dan aksi bersama terhadap proses globalisasi, perubahan teknologi, dan arah kebijakan publik telah berkontribusi
pada generasi geografi baru [22,51]. Banyak wilayah pedesaan dan beberapa wilayah metropolitan menengah-kecil yang
memiliki masa lalu yang makmur serta beberapa kota manufaktur telah mengalami penurunan lapangan kerja, partisipasi
angkatan kerja, dan pendapatan per kapita yang sama; wilayah pinggiran kota atau pedesaan di sekitarnya dicirikan oleh
kondisi ekonomi yang stagnan—khususnya pendapatan. Di tempat-tempat yang lapangan kerjanya relatif meningkat,
kualitasnya tidak terlalu tinggi, termasuk pekerjaan dengan keterampilan yang relatif kurang.

Bukti paling relevan dalam perkembangan ini adalah model ketimpangan regional berbentuk U, serupa dengan
tren ketimpangan pendapatan [47]. Setelah tahun 1900, pertumbuhan dan konvergensi antar wilayah meningkat hingga
sekitar tahun 1980, ketika kesenjangan antar wilayah dan konsentrasi spasial kembali meningkat. Terakhir, perlu
diperhatikan bahwa tren berbentuk U antara Eropa dan Amerika Serikat cenderung paralel, sebagai konsekuensi dari
pembalikan kebijakan publik, khususnya kebijakan redistributif akibat kontraksi kekuatan negosiasi tenaga kerja.

Kelompok penelitian Atkinson [11], dimulai dari kontribusi Atkinson dan Morelli [17], telah merekonstruksi evolusi lima
dimensi ketimpangan ekonomi yang berbeda pada abad terakhir (yaitu, pendapatan lebih tinggi dari nilai median, ketimpangan
pendapatan, persentase pendapatan). orang yang tinggal di rumah tangga dengan pendapatan yang dapat dibelanjakan lebih
rendah dari 60% median, bagian dari 1% kekayaan bersih, dan bagian dari 1% dari pendapatan tertinggi) untuk dua puluh lima
negara yang mewakili lebih dari dua pertiga populasi dunia .

Dari perspektif spasial, analisis kesenjangan harus diartikulasikan dengan mempertimbangkan berbagai bentuk
kesenjangan yang tidak hanya terkait dengan kesenjangan ekonomi tetapi juga kesenjangan sosial dan pengakuan.
Kesenjangan ekonomi berkaitan dengan perbedaan pendapatan, kekayaan pribadi, dan kondisi kerja serta kondisi kehidupan
material, perbedaan sosial [52,53], dan perbedaan gender [54].
Selain itu, ketimpangan berdampak pada kesenjangan akses dan kualitas layanan penting; dalam aksesibilitas terhadap
pengetahuan [55], terhadap layanan budaya, dan terhadap tempat-tempat sosialisasi; dan kemungkinan mengakses
dan menikmati barang-barang umum dan sumber daya alam. Hal ini harus mempertimbangkan permasalahan
lingkungan dan berbagai bentuk polusi. Dalam arah ini, beberapa pakar [56] menunjukkan bahwa tidak mungkin lagi
memisahkan dimensi-dimensi tersebut: tidak efektif memikirkan kesenjangan sosial dan ekonomi tanpa
mempertimbangkan implikasi yang terkait dengan kesenjangan negara.
Ketimpangan pengakuan [57,58] adalah hal-hal yang tidak mempertimbangkan peran, kemampuan,
keterampilan, dan aspirasi masyarakat, menghalangi terwujudnya individu secara efektif, merendahkan martabat
mereka, dan menimbulkan rasa perpecahan yang mendalam dalam dimensi kolektif. Bentuk-bentuk ketimpangan
ini, yang masih belum banyak diteliti karena rumitnya pengukurannya, merupakan bentuk deklinasi yang paling
utama dan paling luas dalam bidang ketenagakerjaan.
Dimensi spasial memiliki sentralitas yang nyata dalam kesenjangan sosial dan kesenjangan pengakuan, yang mewakili
pemicu rasa takut dan kemarahan yang kuat, dan, misalnya, terlihat dalam bentuk tindakan memilih dan memilih. Kesenjangan
spasial, misalnya, terjadi di daerah pedesaan, dimana sekitar seperempat dari populasi 28 negara anggota Uni Eropa tinggal
di Eropa dan Amerika Utara: daerah tersebut mempunyai risiko kemiskinan dan pengucilan sosial yang lebih tinggi di daerah
perkotaan [23], meskipun, seperti telah disebutkan, kesenjangan tersebut telah terjadi. menyempit dalam beberapa tahun terakhir.
Daerah-daerah ini, yang lebih tertinggal dalam hal perbedaan sosial, menunjukkan pengaruh yang signifikan dalam hal
politik dan pemilu.
Andrés Rodríguez-Pose [59] dalam esai terbarunya yang berjudul “Pembalasan terhadap tempat-tempat
yang tidak penting” membahas konflik politik dan teritorial terkait dengan pemungutan suara Brexit tahun 2016
di Inggris; pemilu Donald Trump tahun 2016 di Amerika Serikat; pemilihan presiden Austria pada tahun 2016;
dan pemilihan presiden Perancis dan Jerman pada tahun 2017. Rodríguez-Pose menganalisis “balas dendam”
dari “tempat-tempat yang tidak penting” untuk menetapkan sentralitas pada peran dimensi spasial dan peran
yang dimainkan oleh kesenjangan ekonomi dalam memandu pemilu. hasil serta risiko dalam kaitannya dengan
penyimpangan otoriter.
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 5 dari 18

Dalam penafsiran ini, wilayah perkotaan dan pinggiran kota secara geografis dalam skala global menyatu dalam a
representasi umum yang berangkat dari artikulasi kesenjangan sosial dan ekonomi.
Membangun peta ketimpangan pendapatan di Italia dan Eropa merupakan hal yang penting agar
dapat menggambarkan diferensiasi wilayah, yang merupakan tujuan yang sangat relevan di Italia. Di
negara ini, menurut banyak indikator ekonomi, kesenjangan teritorial jauh lebih besar dibandingkan
dengan negara-negara Eropa lainnya [26]. Dalam konteks ini, pilihan pemilahan data di tingkat kota dan
peran klasifikasi NSIA—yang berfokus pada peran hak kewarganegaraan, mengatasi dikotomi tradisional
perkotaan dan pedesaan yang terkait dengan kepadatan dan konsentrasi—dilakukan sebagai sebuah
upaya . untuk menyediakan langkah-langkah dan pemetaan yang memperkaya refleksi kesenjangan
dengan mengintegrasikan sentralitas perspektif spasial.

3. Kumpulan Data dan Metode

Ketimpangan diukur dengan koefisien konsentrasi Gini (G) dalam formulasi tradisionalnya [60]. Karena
distribusi pendapatan secara pasti tidak diketahui.
Indeks ini dibuat berdasarkan kelas-kelas menurut kategori pendapatan kotor progresif, dengan menetapkan
kategori pendapatan rata-rata untuk setiap kelas. Data yang digunakan adalah data yang dilaporkan dalam deklarasi
IRPEF (Imposta sul Reddito delle Persone Fisiche, Pajak Penghasilan Orang Fisik) dan diterbitkan oleh Kementerian
Ekonomi dan Keuangan di tingkat kota. Penggunaan data ini jelas memerlukan kehati-hatian karena tingkat penghindaran
pajak, yang melibatkan perkiraan terlalu rendah terhadap pendapatan riil [61], namun tetap memungkinkan kita untuk
memahami dimensi dari fenomena yang diselidiki.
Bagaimanapun, koefisien merupakan indikator parsial sebagai ukuran kesejahteraan suatu masyarakat yang, misalnya,
menghilangkan pendapatan yang terkait dengan penggunaan barang-barang yang tersedia di alam atau hasil pekerjaan
keluarga.
Koefisien Gini yang dihitung atas pendapatan kotor lebih tinggi dibandingkan koefisien Gini yang diperoleh dengan
memperhitungkan pungutan pajak, yang biasanya mempunyai efek redistributif. Karena harmonisasi parsial sistem
perpajakan yang ada dalam berbagai realitas administrasi Italia, demi kesederhanaan metodologi dan untuk menghindari
distorsi, diputuskan untuk mempertimbangkan pendapatan kotor.
Selain itu, perubahan dalam koefisien Gini dibandingkan dengan tahun 2008 juga dihitung, tahun yang paling
dekat dengan awal resesi dalam skala global (yang juga melibatkan Italia khususnya) yang mana statistik
pendapatannya tersedia di tingkat kota.
Koefisien Gini digunakan untuk mengukur ketimpangan pada tingkat kategori NSIA yang disebutkan di atas dan
pada tingkat kota. Dalam kasus terakhir, nilai indeks yang dinyatakan dalam kuantil direpresentasikan berdasarkan
kartografi melalui penerapan metodologi Sistem Informasi Geografis (GIS).

Analisis autokorelasi spasial (Exploratory Spatial Data Analyis, ESDA) dilakukan untuk mengidentifikasi
lokasi atipikal dan outlier, untuk memverifikasi keberadaan cluster atau hot spot pada lokasi dengan perilaku
serupa, dan oleh karena itu untuk menunjukkan adanya pola spasial. Data tersebut disusun dalam matriks
yang menjelaskan tatanan spasialnya dalam kaitannya dengan kedekatan wilayah: W = [wij], dengan wij = jika
1

dua kota i dan j berdekatan, jika tidak wij = 0, dimana ni adalah bilangan kota tetangga di wilayah tertentu i.
tidak

Selanjutnya, indeks autokorelasi spasial Moran yang terkenal , I [62], pada skala global dan indeks Moran
Lokal (LM) [63] dihitung di tingkat kota untuk menyoroti kota yang berkontribusi secara berarti. terhadap
autokorelasi spasial global.

Dengan bantuan model analisis multivariat, dimungkinkan untuk mencoba memperkirakan dampak dari
setiap penyebab atau variabel spasial pada koefisien Gini, digunakan sebagai ukuran derajat ketimpangan.
Koefisien Gini merupakan variabel terikat dalam analisis regresi, sedangkan variabel penjelas dipilih
dengan mempertimbangkan kemampuannya dalam menjelaskan peran wilayah dalam menganalisis penyebab
ketimpangan. Identifikasi mereka adalah bagian dari pedoman metodologi teoritis yang dikaitkan dengan NSIA
dan jalur investigasi yang terhubung dengan pendekatan berbasis tempat [1,13,22,64]. Variabel-variabel
tersebut dirangkum dalam Tabel 1.
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 6 dari 18

Tabel 1. Variabel yang digunakan dalam model regresi dan sumber terkaitnya.

Variabel Indikator Keterangan Sumber Tahun

Indeks konsentrasi Gini Kementerian Ekonomi dan Keuangan

Bergantung G Koefisien Gini 2015
(dikoreksi dan dinormalisasi) (IRPEF kembali berdasarkan kelas pendapatan)

Y Tingkat pembangunan lokal Rata-rata penghasilan kena pajak per kapita

D Kepadatan penduduk Penduduk penduduk/km2 ISTAT 2015

Komposisi penduduk dan ISTAT 2015

Agustus Indeks Senioritas: inhab. ÿ 65/hunian. ÿ14 × 100
dampak redistributif dari pensiun
Kehadiran layanan dan Kotamadya diklasifikasikan sebagai “hub” berdasarkan Badan Kohesi Teritorial Italia
Pusat 2012
Peluang Kerja NSIA. Kota pusat = 1, yang lain = 0 (Arsip NSIA)

Divisi
Pangsa populasi tanpa tetap dan/atau berpindah Kementerian Perekonomian Italia 2012
Konektivitas digital
broadband (Koneksi ÿ 2 Mbps) Perkembangan

Penjelasan Bukit dataran dan pantai = 0, bukit bagian dalam dan pantai
alternatif
Aksesibilitas berdasarkan area altimetrik ISTAT 2015
gunung = 1, gunung bagian dalam = 2

Kelas jarak dari ibu kota, berdasarkan geografis

Geografis
Jarak dari ibu kota distribusi (tengah = 1, timur laut dan barat laut ISTAT 2015
= 2, selatan dan kepulauan = 0)

Adanya setidaknya satu jalur kereta api “tipe perak”. ISTAT dan NSIA, data Trenitalia
R Karakteristik pelayanan kereta api 2012
stasiun (dikelola dengan staf darat) penjabaran

ISPRA, Inventarisasi Longsor

L Kelas penduduk yang terpapar tanah longsor 2012
Risiko hidrogeologi Fenomena di Italia/ISTAT, Populasi
(jumlah rata-rata penduduk)
dan sensus perumahan tahun 2001

T Ketahanan teritorial Kelas risiko seismik: bahaya, kerentanan 2012

Korps Perlindungan Sipil
bangunan, paparan risiko terhadap orang dan benda
Sumber: penjelasan sendiri.
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 7 dari 18

Mengingat kandungan informasi dalam koefisien Gini, jika kita membandingkan wilayah dengan dimensi
demografi yang sangat berbeda dan nilai ketimpangan yang serupa, maka dapat dimengerti bahwa, secara
keseluruhan, bagian dari individu atau kelas di wilayah yang lebih luas mendominasi. Dalam kasus Italia, jumlah
rata-rata kotamadya kurang dari 5.000 jiwa namun lebih dari separuh penduduknya tinggal di kota yang
berpenduduk sedikitnya 60.000 jiwa [65]. Oleh karena itu, ketika membandingkan data ketimpangan di tingkat
daerah, prosedur OLS yang diberi bobot sebaiknya diterapkan dengan mempertimbangkan bobot demografi
yang berbeda-beda.
Pendapatan Y diidentifikasi sebagai indikator tingkat pembangunan daerah, berikut kontribusinya
yang telah menganalisis ketimpangan pendapatan mulai dari data perpajakan [26,34,35,66].
Seiring dengan pandangan untuk memasukkan aspek multidimensi yang lebih dari sekedar pertimbangan perbedaan
kepadatan penduduk dalam analisis kesenjangan pedesaan-kota [16], kepadatan penduduk diidentifikasi sebagai indikator
tingkat urbanisasi dan pedesaan suatu wilayah dan dipertimbangkan. dalam kerangka analisis ciri-ciri pemukiman wilayah
dalam konteks kekhususan kasus Italia [1,67].

Indeks senioritas digunakan untuk memeriksa komposisi penduduk dan redistributif

dampak pensiun [68,69].
Mengikuti pendekatan analitis yang dikaitkan dengan NSIA, keberadaan kotamadya diklasifikasikan sebagai
“pusat” sesuai dengan strategi itu sendiri sebagai indikator keberadaan layanan dan peluang kerja.

Jumlah penduduk yang memiliki akses terhadap broadband diidentifikasi sebagai indikator untuk
mengendalikan dampak dari apa yang disebut “perubahan teknologi yang berbasis keterampilan” serta untuk
mengukur akses dan konektivitas yang tidak berwujud dan kesenjangan digital. Hal ini dianggap sebagai kondisi
yang berkaitan dengan layanan kewarganegaraan, akses terhadap pengetahuan, dan pertukaran nilai-nilai sosial
dan ekonomi [9,51,70,71]. Spesifikasi ini telah diperluas dengan diperkenalkannya variabel-variabel yang
berkaitan dengan mobilitas [72] seperti aksesibilitas berdasarkan wilayah altimetrik, kelas jarak dari ibu kota, dan
keberadaan stasiun kereta api dengan staf darat.
Akhirnya, diputuskan untuk memperkenalkan variabel yang terkait dengan risiko hidrogeologi, dengan pengukuran
kelas populasi yang terpapar tanah longsor [28,64,73] dan indeks risiko seismik untuk menilai ketahanan wilayah terhadap
bencana alam.
Hipotesis kerja yang akan diuji secara empiris adalah sebagai berikut:

SAYA.
Ketimpangan harus lebih besar di pusat-pusat perkotaan, dimana tingkat pendapatan tinggi dan banyaknya aktivitas
tersier.
II. Ketimpangan harus lebih besar di wilayah yang mudah diakses, dimana penyebaran teknologi baru
lebih tinggi.
AKU AKU AKU. Ketimpangan harus lebih besar di wilayah-wilayah yang berpenduduk padat dan memiliki risiko
lingkungan hidup.

Variabel-variabel tahun 2012 berubah secara perlahan seiring berjalannya waktu, dan akibatnya, variabel-variabel tersebut dapat digunakan untuk

mengadaptasi model untuk analisis lebih lanjut.

Tabel 2 menunjukkan statistik deskriptif utama yang berkaitan dengan variabel-variabel yang ditunjukkan. Perbedaan sensitif
antara nilai rata-rata dan median terutama disebabkan oleh asimetri dalam distribusi data.
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 8 dari 18

Tabel 2. Statistik deskriptif utama variabel-variabel yang digunakan dalam model.

Variabel Mean Median Min Max Koefisien Variasi Standar Deviasi

G 0,0449 0,0231 0,0003 1.0000 0,063 1.414

Y 16.929 17.052 5470 43.737 3600 0,213

D 305.3 108.3 0,7331 12.951 655.3 2.147

Agustus
212.5 180.4 28.5 5100 175.0 0,824

Pusat 0,03 0 0 1 0,163 5.952

Divisi 0,21 0,02 0,00 1,00 0,325 1.553

alternatif 0,93 1 0 2 0,813 0,867

Geografis 0,23 1 ÿ1 1 0,907 3.884

R 0,10 0 0 1 0,298 3.030

L 139 5 0 5000 372.7 2.685

T 5.14 5 0 9 2.906 0,565

Sumber: penjelasan sendiri.

Pendapatan (Y) memiliki variabilitas relatif terendah dalam kumpulan variabel: nilai tertinggi dicatat
di beberapa kota di kota metropolitan Milan, rumah bagi distrik perumahan mewah. Selagi
nilai terendah tercatat di beberapa kota pegunungan di perbatasan dengan Swiss, pada kenyataannya,
sebagian besar penduduknya bekerja dan membayar pajak di wilayah Swiss.
Nilai rata-rata kepadatan penduduk (D, 300 jiwa/km persegi) tergolong padat
negara-negara urban tetapi dengan perbedaan yang cukup besar antara kota-kota pegunungan kecil di mana
permukaannya sebagian besar ditempati oleh kawasan alami dan kota dengan kepadatan penduduk yang sangat tinggi
di kawasan metropolitan Napoli. Yang pertama dapat memiliki tingkat senioritas (Ag) yang sangat tinggi karena
emigrasi keluarga dan akibatnya adalah angka kelahiran yang sangat rendah, sedangkan angka kelahiran yang terakhir sering ditemukan
kota-kota yang lebih muda dengan rasio sekitar dua remaja (di bawah 14 tahun) untuk setiap lansia (di atas 65 tahun).
Sehubungan dengan variabel lainnya, perlu diperhatikan bahwa kotamadya (Pusat) mewakili
hanya 3% dari total, sedangkan rata-rata cakupan broadband dari jaringan tetap dan seluler
(Div) sekitar 20% dan keberadaan stasiun kereta api dengan staf darat (kanan) hanya menyangkut satu hal
kotamadya dalam sepuluh. Dari sudut pandang geografis dan lingkungan, sebagian besar kota
berada di daerah perbukitan bagian dalam (alt, pegunungan pesisir tidak terlalu luas) dan sedikit
lebih banyak jumlahnya di utara (geo positif). Rata-rata jumlah penduduk yang terpapar
tanah longsor (L) bervariasi dari 75 hingga 250 jiwa, sedangkan nilai mediannya adalah 5 jiwa per kota.
Nilai ini patut dijadikan acuan, karena nilai batas 5000 telah diatribusikan secara konvensional
untuk kelas dengan ambang batas lebih dari 3000 jiwa. Kelas menengah risiko seismik (T) adalah a
nilai sintetik representatif yang tentunya cenderung meningkat pada lintasan dari daerah dataran
menuju pegunungan, terutama di sepanjang pegunungan Apennine.
Persamaan model linier yang digunakan untuk estimasi secara eksplisit adalah sebagai berikut:

G = ÿ0 + ÿ1Y + ÿ2D + ÿ3Ag + ÿ4Hub + ÿ5Div + ÿ6Alt + ÿ7Geo + ÿ8R + ÿ9L + ÿ10T (1)

dimana arti singkatan dari variabel-variabel tersebut dilaporkan pada Tabel 1.

Sulitnya pengumpulan data di tingkat kota membuat tidak mungkin dibuatnya kumpulan data panel.
Akibatnya, tidak mungkin menerapkan model yang digunakan dalam studi ketimpangan lainnya [74-78]. Bahkan jika
evolusi variabel-variabel yang dipertimbangkan dapat dianggap stasioner setidaknya dalam jangka pendek hingga menengah,
penerapan model cross-sectional tidak akan memungkinkan untuk menafsirkan hasil dalam bentuk keacakan.
Oleh karena itu, batasan potensial analisis terletak pada kenyataan bahwa hasilnya akan diinterpretasikan
sebagai asosiasi.
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 9 dari 18

4. Hasil

Pendapatan rata-rata dan koefisien Gini menurut wilayah NSIA ditunjukkan pada Tabel 3. Antara pusat dan
Di wilayah dalam, terdapat gradien pada tingkat pendapatan rata-rata dan median. Karakter “perkotaan” dari
pusat-pusat tersebut mengusulkan struktur dikotomis yang sama sepanjang dimensi transversal kota-pedesaan
yang diamati dalam skala nasional antara wilayah utara dan selatan [34].

Tabel 3. Rata-rata pendapatan, median pendapatan, dan koefisien Gini menurut wilayah NSIA (2015).

2015
Var. Begini
Wilayah NSIA Kelas Makro Begini
Rata-rata per median per 2008–2015
Pendapatan Kapita Pendapatan Kapita Koefisien

Pusat 22.002 19.944 0,4804 +0,0041

Hub antar kota Pusat 18.050 17.659 0,4420 +0,0015

Sabuk 19.022 18.865 0,4129 ÿ0,0022

Intermediat 16.479 16.295 0,4241 +0,0004

Periferal Daerah dalam 14.685 13.925 0,4234 +0,0029

Ultraperiferal 14.864 13.638 0,4307 +0,0013

Sumber: penjelasan sendiri.

Distribusi pelayanan yang tidak simetris justru tercermin dari kesenjangan kesempatan kerja
menyebabkan peningkatan indeks ketimpangan terutama di daerah-daerah hub, yaitu di tempat-tempat dimana terjadi perpindahan penduduk
peluangnya paling besar, dengan penurunan hingga tingkat minimum di wilayah kota diikuti oleh a
sedikit peningkatan dan kecenderungan menuju stabilisasi di kota-kota di wilayah internal. Minimal ini
dapat dijelaskan oleh konsentrasi relatif keluarga komuter di kota terdekat
pusat-pusat, dimana biaya sewa atau perumahan lebih rendah dan sesuai dengan tingkat upah rata-rata dan
dengan gaji yang lebih sedikit tersebar dibandingkan antrian distribusi (yaitu, kelas menengah yang terdiri dari para pekerja
dan karyawan mendominasi).
Peta ketimpangan disajikan pada Gambar 1. Peta ini diuraikan mulai dari data kota,
dimana koefisien Gini dilaporkan pada kelas-kelas kuintil. Area merah mengidentifikasi porsinya
wilayah dimana ketimpangan terkonsentrasi, sedangkan wilayah hijau adalah wilayah dimana pendapatan berada
distribusinya lebih homogen. Kota metropolitan Roma sekaligus hub bagian utara
wilayah dan beberapa wilayah Puglia dan Sisilia muncul.
Sedangkan untuk distribusi spasial koefisien Gini, indeks Moran bernilai positif (I = 0,3646) dan
signifikan (p <0,001): hasil ini menunjukkan adanya dampak spasial. Dengan kata lain, kotamadya
dengan nilai koefisien Gini yang tinggi (rendah) cenderung menempatkan diri di dekat kota dengan nilai yang tinggi
nilai (rendah).
Penerapan Moran Lokal (LM) (Gambar 2) menunjukkan adanya daerah yang dibentuk oleh
kota dengan nilai tinggi (AA) terutama di wilayah Italia selatan dan di beberapa wilayah
di Italia tengah dan rendah (BB) di distrik Italia utara; sebaliknya, adanya tinggi-rendah (AB)
dan mode rendah-tinggi (BA) agak berkurang.
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 10 dari 18

Keberlanjutan 2020, 12, x UNTUK TINJAUAN PEER 10 dari 18

LEGENDA

Indeks konsentrasi Gini

Kuantil

339
340 Gambar 1.
Gambar 1. Koefisien
Koefisien Gini
Gini berdasarkan
berdasarkan kelas
kelas ketimpangan
ketimpangan di
di Italia
Italia (2015).
(2015). Sumber:
Sumber: penjelasan
penjelasan sendiri.
sendiri.

Sedangkan
341 Namun, matriks untuk
kedekatan distribusi
spasial spasial
terbentuk koefisien
karena adanyaGini, indeks Moran positif (I = 0,3646) dan signifikan
perbedaan
342 (p <0,001):
ada di Italia
hasilpada
ini menunjukkan
tahun 2015 (7939
adanyaunit)
dampak
dan yang
spasial.
adaDengan
pada tahun
katatersebut
lain, antara jumlah kotamadya yang
343 kota dimana klasifikasi
dengan nilai koefisienNSIA dilakukan
Gini yang (8092 cenderung
tinggi (rendah) unit). Hasilnya, baris dan
menempatkan kolom
dirinya dekatsaling
denganberhubungan
kotamadya 344
dengan nilai
terhadap
yang tinggi
kota-kota
(rendah).
yang tidak lagi hadir pada tahun 2015, dibandingkan dengan kota-kota NSIA, telah dihilangkan.
Penerapan
345 Secara khusus, situasi Local Moran
ini tidak (LM) (Gambar
memungkinkan 2) menunjukkan
penerapan adanya
model regresi spasialwilayah yang dibentuk
(SAR) formal atau oleh 346
kotamadya
kesalahan
dengan spasial
nilai (AA)
(SEM)
yangterhadap
tinggi terutama
data. di wilayah Italia bagian selatan dan di beberapa wilayah model
Oleh
347 Italia tengah dankarena
rendahitu, analisisnya
(BB) di distrik didasarkan
Italia utara; pada model adanya
sebaliknya, regresi linier klasik. Tabel
tinggi-rendah (AB) 4 menunjukkan yang utama
348 danhasil.
mode Histogram
rendah-tinggi
residu
(BA)
ditunjukkan
agak berkurang.
pada Gambar 3.
349 Namun, matriks kedekatan spasial dibuat secara kasar karena adanya perbedaan 350 antara jumlah kota yang ada
di Italia pada tahun 2015 (7939 unit) dan jumlah kota yang ada pada tahun 351 saat klasifikasi NSIA dilakukan (8092
unit). Akibatnya, baris dan kolom 352 yang berkaitan dengan kotamadya yang tidak ada lagi pada tahun 2015,
dibandingkan dengan NSIA, telah dihilangkan 353 . Secara khusus, situasi ini membuat penerapan model regresi spasial
formal 354 (SAR) atau model kesalahan spasial (SEM) tidak mungkin dilakukan pada data.
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 11 dari 18

Keberlanjutan 2020, 12, x UNTUK TINJAUAN PEER 11 dari 18

Peta signifikansi Lisa

Tinggi-Tinggi (928)

Tinggi-Rendah (39)

Rendah-Tinggi (27)

Rendah-Rendah (809)

Keberlanjutan 2020, 12, x UNTUK TINJAUAN PEER 12 dari 18

370 Tabel 4. Hasil estimasi parametrik model regresi.

Memperkirakan Std. Kesalahan t Nilai Pr (>|t|)

(Mencegat) 2.753eÿ01 3.049eÿ03 90.293 <0,001

Y 8.080eÿ06 1.640eÿ07 49.282 <0,001
D 4.686eÿ06 2.540eÿ07 18.446 <0,001

Agustus
ÿ7.412eÿ06 6.985eÿ06 ÿ1.061 0,049
Pusat = 1 1.807eÿ02 1.305eÿ03 13.850 <0,001
Divisi ÿ7.501eÿ03 2.905eÿ03 ÿ2.582 0,010
alternatif = 1 ÿ2.963eÿ03 9.170eÿ04 3.231 0,001
alternatif = 2 ÿ4.369eÿ03 1.325eÿ03 3.297 0,001
Geografis = 1 ÿ3.522eÿ02 1.296eÿ03 ÿ27.182 <0,001
Geografis = 2 ÿ6.083eÿ02 1.272eÿ03 ÿ47.822 <0,001
R=1 2.396eÿ03 1.138eÿ03 2.106 0,035
L ÿ4.630eÿ06 4.464eÿ07 ÿ10.374 <0,281
T 3.188eÿ03 1.805eÿ04 17.661 <0,001

371 Jumlah observasi: 7.937. Kelipatan R-kuadrat: 0,6236; R-kuadrat yang disesuaikan: 0,623. Kesalahan standar sisa: 2,335 pada
355
372 7,924 derajat kebebasan. F-statistik: 1,094 pada 12 dan 7,924 DF, nilai p : < Gambar 2. Peta signifikansi indeks LM terhadap nilai
koefisien Gini. Sumber: milik sendiri
356
373 2.2eÿ16.2.
Gambar Sumber: penjelasan
Peta signifikansi sendiri.
indeks LM terhadap nilai koefisien Gini. Sumber: penjelasan sendiri.
357 elaborasi.

358 Oleh karena itu, analisisnya didasarkan pada model regresi linier klasik. Tabel 4 menunjukkan yang utama
359 hasil. Histogram dari residu ditunjukkan pada Gambar 3. 360 Elemen
refleksi pertama adalah bahwa model tersebut menjelaskan 60% dari variabilitas yang diamati, 361 menegaskan kuatnya
karakterisasi teritorial dari ketimpangan di Italia. Pertimbangan kedua adalah, kecuali L , semua variabel yang dipilih
cukup signifikan. Secara rinci, rasio t antara koefisien dan 363 kesalahan standar melaporkan variasi relatif koefisien
Gini, terkait dengan variasi kesatuan dari 364 variabel penjelas. Kolom terakhir di sebelah kanan menunjukkan nilai p
dan signifikansi relatif 365 berdasarkan hipotesis kesalahan standar yang kuat sehubungan dengan heteroskedastisitas
(yaitu, pada 366 adanya varian yang tidak konstan antara residu atau perbedaan antara nilai yang diamati dan 367
estimasi dari nilai-nilai tersebut. variabel terikat, kemungkinan penyebab estimasi parameter model yang terdistorsi ) .
374 369 375 376

Gambar 3. Histogram
Gambar 3. Histogram residu
residu model modelkurva
(1) versus (1) normal
versus kurva
standar. normal
Sumber: standar.
penjelasan Sumber: milik sendiri
sendiri.
elaborasi.

377 Nilai positif dari koefisien estimasi menunjukkan bahwa kemungkinan variasi dalam variabel acuan akan mempunyai
konsekuensi yang searah dengan variabel terikat. Sebaliknya, 379 nilai negatif pada koefisien menunjukkan perilaku
berbanding terbalik antara variabel bebas dan variabel terikat . 381 Hubungan antara koefisien Gini dan pendapatan Y
jelas signifikan dari
sudut pandang ekonomi
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 12 dari 18

Tabel 4. Hasil estimasi parametrik model regresi.

Memperkirakan Std. Kesalahan t Nilai Pr (>|t|)

(Mencegat) 2,753 × 10ÿ1 3,049 × 10ÿ3 90.293 <0,001

Y 8.080 × 10ÿ6 1,640 × 10ÿ7 49.282 <0,001

D 4,686 × 10ÿ6 2,540 × 10ÿ7 18.446 <0,001

Agustus
ÿ7.412 × 10ÿ6 6,985 × 10ÿ6 ÿ1.061 0,049

Pusat = 1 1,807 × 10ÿ2 1,305 × 10ÿ3 13.850 <0,001

Divisi ÿ7.501 × 10ÿ3 2,905 × 10ÿ3 ÿ2.582 0,010

alternatif = 1 ÿ2,963 × 10ÿ3 9,170 × 10ÿ4 3.231 0,001

alternatif = 2 ÿ4.369 × 10ÿ3 1,325 × 10ÿ3 3.297 0,001

Geografis = 1 ÿ3,522 × 10ÿ2 1,296 × 10ÿ3 ÿ27.182 <0,001

Geografis = 2 ÿ6.083 × 10ÿ2 1,272 × 10ÿ3 ÿ47.822 <0,001

R=1 2,396 × 10ÿ3 1,138 × 10ÿ3 2.106 0,035

L ÿ4.630 × 10ÿ6 4.464 × 10ÿ7 ÿ10.374 <0,281

T 3,188 × 10ÿ3 1,805 × 10ÿ4 17.661 <0,001

Jumlah observasi: 7.937. Kelipatan R-kuadrat: 0,6236; R-kuadrat yang disesuaikan: 0,623. Standar sisa
kesalahan: 2,335 pada 7,924 derajat kebebasan. F-statistik: 1.094 pada 12 dan 7.924 DF, nilai p: <2.2 × 10ÿ16. Sumber:
penjabaran sendiri.

Elemen refleksi pertama adalah model tersebut menjelaskan 60% variabilitas yang diamati, dan mengonfirmasikan
karakterisasi teritorial yang kuat mengenai kesenjangan di Italia. Pertimbangan kedua adalah, kecuali L,
semua variabel yang dipilih cukup signifikan. Secara rinci, rasio t antara koefisien dan standar
kesalahan melaporkan variasi relatif koefisien Gini, terkait dengan variasi kesatuan dari koefisien Gini
variabel penjelas. Kolom terakhir di sebelah kanan menunjukkan nilai p dan signifikansi relatif
di bawah hipotesis kesalahan standar yang kuat sehubungan dengan heteroskedastisitas (yaitu, dengan adanya
varians yang tidak konstan antara residu atau perbedaan antara yang diamati dan yang diestimasi
nilai variabel terikat, kemungkinan penyebab estimasi parameter model terdistorsi).
Nilai positif dari koefisien estimasi menunjukkan kemungkinan adanya variasi dalam referensi
variabel akan mempunyai konsekuensi yang searah dengan variabel terikatnya. Di
sebaliknya, nilai negatif pada koefisien menunjukkan perilaku terbalik antara independen dan
Variabel dependen.
Hubungan antara koefisien Gini dan pendapatan Y jelas signifikan dari sudut pandang ekonomi
Hal ini mungkin disebabkan oleh adanya kesenjangan yang lebih besar di wilayah yang tingkat pendapatannya lebih tinggi
dengan semakin besarnya beban pendapatan modal dan tenaga kerja otonom, yang memperbesar ketimpangan dalam perekonomian
distribusi total pendapatan [18]. Situasi ini memerlukan refleksi terhadap distribusi fungsional
pendapatan antara pekerjaan, keuntungan, dan sewa [9].
Pindah ke variabel demografi, kepadatan penduduk D mempunyai hubungan yang positif, sedangkan
tingkat senioritas (Ag) berkorelasi negatif dengan koefisien Gini. Sehubungan dengan hal ini, ketimpangan semakin besar
Diasumsikan di daerah padat penduduk dengan jumlah penduduk yang relatif muda, sedangkan di wilayah
dimana jumlah penduduk lanjut usia lebih tinggi, distribusi pendapatan tampak lebih seimbang dan hal ini
pada dasarnya terjadi berkat kontribusi sistem pensiun, yang mempunyai efek “menyetarakan”.
Variabel lain yang berhubungan positif dengan peningkatan koefisien Gini adalah Hub dan R. Ketimpangan adalah
relatif lebih besar di pusat-pusat perkotaan yang mudah diakses, dimana layanan dan manajemen terkonsentrasi
pusat lembaga publik dan swasta yang beroperasi di sektor industri dan keuangan berada
daripada di wilayah internal yang lebih jauh dari pusat. Hal ini menyoroti bagaimana, seperti di hub,
Peluang kerja yang lebih besar mungkin tidak selalu memungkinkan masyarakat mencapai kondisi kehidupan yang layak
karena tingkat upah yang rendah dan kondisi yang genting.
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 13 dari 18

Dampak spasial terhadap ketimpangan di Italia juga didukung oleh tanda-tanda variabel alt dan geo, yang keduanya
berkorelasi negatif dengan indeks. Sehubungan dengan hal ini, wajar saja jika kita berasumsi bahwa terdapat kesenjangan
yang lebih besar di wilayah dataran rendah dan wilayah pesisir, serta seperti yang telah dijelaskan pada paragraf sebelumnya,
di wilayah selatan.

Variabel div juga berkorelasi negatif dengan variabel terikat: seiring dengan meningkatnya jumlah penduduk yang tidak
memiliki jangkauan broadband, maka ketimpangan menurun. Infrastruktur digital hadir di Italia khususnya di perkotaan.
Teknologi informasi dikaitkan dengan fenomena perubahan teknologi yang berbasis keterampilan, yang merupakan salah
satu pendorong utama ketimpangan [70,71].
Berdasarkan fenomena ini, pekerja yang memiliki akses lebih besar terhadap teknologi maju akan menikmati peluang karir
dan pertumbuhan pendapatan yang lebih baik dibandingkan pekerja yang kurang terampil, dengan risiko bahwa bidang-
bidang yang paling inovatif akan terkena dampak dari permasalahan baru, yang dapat didefinisikan sebagai “ pengangguran
teknologi”. ” [79]. Hal ini juga dapat diasumsikan bahwa teknologi digital memberikan kesempatan kerja yang lebih tinggi
kepada pekerja lulusan, yang berhubungan dengan korelasi positif dengan kesenjangan [55].
Variabel t berhubungan positif dengan G. Hasil ini dengan jelas menyoroti adanya fenomena risiko seismik dalam
konteks dimana ketimpangan paling besar. Bidang-bidang yang rentan terhadap kerentanan sosial dan lingkungan ini mungkin
memiliki kemampuan yang lebih rendah dalam bereaksi terhadap guncangan alam yang mungkin terjadi—yakni, kapasitas
ketahanan yang lebih rendah. Oleh karena itu, situasi ini memerlukan refleksi mengenai perlunya melakukan intervensi yang
bertujuan mengamankan tempat-tempat yang paling berisiko yaitu yang paling padat penduduknya di wilayah perkotaan di
Italia selatan.
Ringkasnya, penjelasan yang paling masuk akal mengenai karakterisasi ketimpangan wilayah mungkin ditemukan
dalam struktur sosial dan ekonomi yang berbeda yang menjadi ciri khas pusat-pusat perkotaan, di mana terdapat situasi
kesulitan dan potensi konflik. Hal ini kurang kohesif dan lebih terdiversifikasi dan lebih banyak terjadi kegiatan tersier dengan
heterogenitas profesi yang kuat , mulai dari penawaran jasa intelektual yang sangat terspesialisasi, terutama di sektor kredit,
intermediasi keuangan, dan pariwisata, hingga jasa manual berketerampilan rendah (yaitu, layanan kebersihan).

Di pusat-pusat perkotaan, empat “mesin” yang memicu kesenjangan [80], seperti kekuatan modal atas tenaga kerja,
kapitalisme oligarki, individualisasi kondisi ekonomi, dan keterbelakangan politik, mungkin mengembangkan kekuatan
yang lebih besar dibandingkan wilayah Italia lainnya. , daerah dalam dan pegunungan pada khususnya.
Di pusat-pusat, mungkin terdapat transmisi ketidaksetaraan yang terus-menerus dan antargenerasi [81], dan dengan
proses intensifikasi arus migrasi, ketidaksetaraan yang disebabkan oleh kepemilikan kelompok etnis yang berbeda muncul
[53,82,83]. Toleransi terhadap kesenjangan yang lebih besar selalu menyebar di daerah-daerah [84].

Di wilayah pedalaman dan pegunungan yang memiliki kelangkaan produksi yang signifikan, pertanian mempunyai
peran penting dalam hal nilai tambah dan lapangan kerja. Oleh karena itu, di wilayah-wilayah ini, distribusi pendapatan
yang lebih seimbang dibandingkan wilayah-wilayah lain, harus dikaitkan dengan keberadaan pertanian dengan struktur
dan sistem budidaya yang agak homogen serta skema bantuan Kebijakan Pertanian Bersama, khususnya untuk
pembayaran langsung, yang mengurangi konsentrasi pendapatan pertanian [85] dan memiliki efek redistributif.

Di daerah pegunungan dan pedalaman, proses penuaan penduduk juga lebih jelas karena penurunan demografis
yang mempengaruhi daerah-daerah tersebut di masa lalu [65], dan akibatnya, ketimpangan yang lebih rendah harus
dikaitkan dengan prevalensi relatif pendapatan pensiun, Hal ini ditandai, seperti disoroti sebelumnya, dengan tingkat
pendapatan yang lebih besar dibandingkan dengan pendapatan tenaga kerja.
Bahkan kesenjangan digital, yang dapat diukur sebagai perbedaan dalam tingkat aksesibilitas terhadap layanan
telekomunikasi dari jaringan tetap dan seluler, merupakan hambatan yang signifikan terhadap pembentukan struktur dan
layanan dengan konten teknologi tinggi di kota-kota di wilayah dalam dan diterjemahkan menjadi kesenjangan digital.
meluasnya aktivitas tradisional yang mengakibatkan despesialisasi kerja, yang mungkin berdampak pada pengurangan
kesenjangan.
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 14 dari 18

5. Pembahasan dan Kesimpulan

Kontribusi ini menyoroti pengaruh dimensi spasial terhadap ketimpangan pendapatan di Italia. Ketimpangan
tampak lebih besar di pusat-pusat perkotaan yang padat penduduknya dengan tingginya tingkat aktivitas tersier
dan jumlah penduduk muda. Ini adalah pusat-pusat yang mudah diakses, terutama terletak di dataran dan pesisir
Italia tengah-selatan, lebih rentan dari sudut pandang seismik dan hidrogeologi .

Di wilayah pedalaman, ketimpangan lebih rendah karena homogenitas sistem perekonomian; Yang signifikan
adalah peran pertanian dan pensiun yang mempunyai efek redistributif. Faktanya, di wilayah pedalaman, distribusi
pendapatan lebih seimbang mungkin disebabkan oleh rapuhnya struktur sosial dan produktif, yang menyebabkan
tingkat pendapatan sedikit lebih rendah dibandingkan di wilayah pusat dan peluang kerja yang lebih besar,
terutama di sektor pertanian. Namun, di bidang-bidang ini, terdapat ketimpangan sistematis dalam akses terhadap
layanan kesehatan mendasar [86], pendidikan, dan mobilitas, yang melemahkan hak-hak dasar kewarganegaraan;
dalam prasyarat nyata untuk pembangunan berkelanjutan; dan dalam kerangka tujuan Agenda 2030.

Makalah ini berusaha memberikan deskripsi yang mengembalikan elemen “granularitas” [87] dari proses
ekonomi, sosial, dan lingkungan yang sedang berlangsung yang menghasilkan batas-batas spasial yang sangat kecil.
Kontribusi ini bertujuan untuk menjelaskan aspek kesenjangan wilayah, memilih tingkat kota untuk mengembangkan deskripsi
dalam skala yang lebih kecil, mampu memberikan beberapa kunci interpretasi mengenai kerapuhan wilayah yang layak, juga
dalam upaya penelitian di masa depan, mendapatkan wawasan lokal lebih lanjut. .
Peran korelasi antara kesenjangan ekonomi dan regresi sosial merupakan bidang penyelidikan. Misalnya, dalam arah
pemahaman isu-isu anti-Eropa atau pemungutan suara protes, kepentingan penelitian dan pengukuran baru ditempatkan
[59], terkait dengan munculnya penyimpangan otoriter di Eropa dan dalam skala global.

Dalam arah ini, upaya lebih lanjut dapat dilakukan tidak hanya untuk menyelidiki hubungan antara kesenjangan dan
penutupan identitas, namun juga—secara lebih umum—untuk menganalisis bentuk-bentuk kerapuhan wilayah di wilayah
dalam.
Terakhir, mungkin berguna untuk memulihkan beberapa refleksi mengenai hubungan antara dimensi kesenjangan
teritorial dan peran tindakan kebijakan, khususnya berdasarkan sudut pandang berkelanjutan dalam kerangka Agenda 2030.

Kebijakan berbasis tempat [13] yang ditujukan pada produksi barang kolektif dapat berkontribusi
dalam mengurangi kesenjangan; untuk menciptakan lapangan kerja dan peluang pendapatan baru,
terutama di wilayah pedalaman; dan membalikkan tren demografi negatif di wilayah-wilayah tersebut,
khususnya mengurangi eksodus penduduk usia kerja di pusat-pusat perkotaan. Dalam rangka
memulihkan sentralitas ke kekhususan teritorial sebagai elemen khas dari tindakan kebijakan, Agenda
Lisabon dan, selanjutnya, Strategi 2020 memperbarui analisis proses konvergensi pembangunan ekonomi di Eropa.
Namun, seperti yang ditunjukkan oleh beberapa pakar [9,22], penting untuk mengupayakan integrasi antara apa yang disebut
kebijakan berbasis masyarakat, yang berkaitan dengan mobilitas, kesehatan [88], pendidikan, dan apa yang disebut dengan
kebijakan berbasis lokasi. yang berbasis [13] yang terhubung dengan lapangan kerja, khususnya berfokus pada difusi
pengetahuan, inovasi, dan perspektif yang peka terhadap tempat [22], yang menggabungkan perspektif individu dengan
perspektif teritorial untuk menghadapi berbagai lintasan pembangunan [89].
Secara umum, daftar kebijakan yang bertujuan untuk mengurangi kesenjangan cukup luas dan beragam
dan mencakup—selain kebijakan redistributif—kebijakan makroekonomi, kebijakan persaingan, kebijakan
perpajakan, kebijakan kesejahteraan, dan pendidikan. Persoalan kesenjangan spasial mungkin tidak cukup untuk
hanya menggunakan kebijakan redistributif saja dan mendesak penerapan tindakan yang bertujuan mempengaruhi
fungsi pasar, mekanisme tata kelola perusahaan, transmisi keuntungan dan kerugian antargenerasi, dan secara
lebih umum hubungan antara struktural dan ekonomi. kebijakan sektoral [90–92]. Secara rinci, kebijakan yang
ditujukan untuk menghilangkan penyebab kegagalan pasar dapat dianggap lebih efektif dalam mengurangi
ketimpangan, bila hal ini disebabkan oleh faktor-faktor yang mendukung posisi pendapatan modal dan tenaga
kerja, yang mendistorsi fungsi pasar dan menjadikannya tidak efisien.
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 15 dari 18

Sehubungan dengan hal tersebut, intervensi harus ditujukan pada (a) meningkatkan persaingan di sektor oligopolistik; (b)
liberalisasi profesi; (c) mengatur sektor-sektor perekonomian fundamental; (d) peningkatan pelayanan publik khususnya di wilayah
dalam; dan (e) menghapus posisi anuitas. Kebijakan-kebijakan ini juga dapat mengurangi tidak hanya permasalahan efisiensi yang
berkaitan dengan penerapan langkah-langkah kebijakan lainnya, khususnya yang bersifat redistributif, namun juga masalah kepraktisan
yang terkait dengan ketersediaan anggaran, karena kebijakan-kebijakan tersebut dapat diterapkan “tanpa biaya”.

Pengurangan ketimpangan pada sektor-sektor inovatif harus diatasi dengan mempertimbangkan

adanya misalignment antara supply dan demand pada sektor-sektor yang menunjukkan letak geografis yang jelas.
Beberapa teknologi dapat menyebabkan pengurangan lapangan kerja secara drastis dan dapat menciptakan lapangan kerja “baru”
secara perlahan, mungkin karena kesenjangan budaya di bidang digital, yang memungkinkan teknologi tersebut digunakan dengan
baik. Hasilnya adalah sebuah kerangka kerja di mana kebijakan pelatihan dan proses infrastruktur sosial mengambil peran strategis
dalam memungkinkan akses terhadap teknologi bagi semua orang.
Kerangka konseptual yang diambil oleh penulis dan hasil analisis yang dilakukan merupakan bagian dari
refleksi luas yang sedang berlangsung, baik di kalangan akademisi maupun di antara pembuat kebijakan,
mengenai wilayah dalam dan pinggiran Eropa serta lintasan pembangunannya, yang membahas beberapa isu
krusial di kawasan. perdebatan studi. Peran analisis spasial dan skala geografis yang dipadukan dengan unit
administratif dan fungsional spesifik NSIA memberikan elemen penting pada pendekatan berbasis tempat
untuk menyusun kebijakan teritorial di masa depan dan dampaknya terhadap pembangunan lokal yang berkelanjutan.

Kontribusi Penulis: Desain penelitian, LM dan AC; Bagian 1 dan 2, AC; Bagian 3 dan 4 LM; Bagian 5
LM dan AC Semua penulis telah membaca dan menyetujui versi naskah yang diterbitkan.
Pendanaan: Penelitian ini tidak menerima pendanaan eksternal.
Konflik Kepentingan: Penulis menyatakan tidak ada konflik kepentingan.

Referensi
1. Barca, F.; Casavola, P.; Lucatelli, S. Strategia Nazionale untuk Aree Interne. Definisi, Obiettivi dan Instrumen Pemerintahan;
Materiali UVAL: Roma, Italia, 2014.
2. Urso, G.; Modika, M.; Faggian, A. Ketahanan dan perubahan komposisi sektoral wilayah dalam Italia di
respons terhadap resesi besar. Keberlanjutan 2019, 11, 2679. [CrossRef]
3. Atkinson, AB Tentang pengukuran ketimpangan. J.Ekon. Teori 1970, 2, 244–263. [Referensi Silang]
4. Atkinson, AB Keadilan Sosial dan Kebijakan Publik; Harvester dan MIT Press: Cambridge, MA, AS, 1982.
5. Wójcik, M.; Dmochowska-Dudek, K.; Jeziorska-Biel, P.; Tobiasz-Lis, P. Memahami strategi untuk mengatasi periferal: Pengalaman
transisi Polandia. Banteng. geografi. Sosial Ekonomi. Ser. 2018, 40, 173–192. [Referensi Silang]
6. Sen, A. Komoditas dan Kemampuan; Elsevier: Amsterdam, Belanda, 1985.
7. Sen, A. La Diseguaglianza: Un Riesame Critico; Società Editrice il Mulino: Bologna, Italia, 1994.
8. Stiglitz, JE Harga Ketimpangan; Penguin: London, Inggris, 2012.
9. Piketty, T. Le Capital au XXIe Siècle; Edisi du Seuil: Paris, Prancis, 2013.
10. Milanovich, B. Ketimpangan Global. Dalam Pendekatan Baru di Era Globalisasi; Pers Universitas Harvard:
Cambridge, MA, AS, 2016.
11. Atkinson, AB; Hasell, J.; Morelli, S.; Roser, M. Buku Bagan Ketimpangan Ekonomi; Institut Baru
Pemikiran Ekonomi, Universitas Oxford: Oxford, Inggris, 2017.
12. Kopi, C.; Espinoza Revollo, P.; Harvey, R.; Lawson, M.; Parvez Butt, A.; Piaget, K.; Sarosi, D.; Thekkudan, J.
Saatnya Peduli. Dalam Makalah Pengarahan Oxfam; Oxfam Internasional: London, Inggris, 2020. [CrossRef]
13. Barca, F. Agenda Kebijakan Kohesi yang Direformasi; Komunitas Eropa Independen: Brussels, Belgia, 2009; Tersedia online:
https://www.europarl.europa.eu/meetdocs/2009_2014/documents/regi/dv/barca_ laporan_/barca_report_en.pdf (diakses pada
20 Januari 2020).
14. Haughton, J.; Kandkher, SR Buku Panduan tentang Kemiskinan dan Ketimpangan; Pers Bank Dunia: Washington, DC,
Amerika Serikat, 2009.

15. Anderson, E. Keterbukaan dan ketidaksetaraan di negara-negara berkembang: Tinjauan teori dan bukti terkini.
Pengembang Dunia. 2005, 33, 1045–1063. [Referensi Silang]

16.OECD. Memahami Laporan Latar Belakang Kesenjangan Sosial-Ekonomi di Eropa; OECD: Paris, Prancis, 2017.
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 16 dari 18

17. Atkinson, AB; Morelli, S. Krisis Ekonomi dan Ketimpangan; Program Pembangunan PBB: New York,
NY, AS, 2011.
18. Alvaredo, F.; Rektor, T.; Piketty, T.; Saez, E.; Zucman, G. Laporan Ketimpangan Dunia; Lab Ketimpangan Dunia: London, Inggris, 2018; Tersedia online: https://

wir2018.wid.world/files/download/wir2018-full-report-english. pdf (diakses pada 24 Januari 2020).

19. Sakaki, S. Kesetaraan Pendapatan dan Keberlanjutan Pertumbuhan Ekonomi: Simulasi Berbasis Agen pada Data OECD.
Keberlanjutan 2019, 11, 5803. [CrossRef]
20. Stiglitz, JE La Grande Frattura. La Disuguaglianza EI Modi per Sconfiggerla; Einaudi: Torino, Italia, 2016.
21. Bachtler, J.; Berkowitz, P.; Hardy, S.; e Muravska, T. Kebijakan Kohesi UE: Menilai Kembali Kinerja dan Arah;
Routledge: New York, NY, AS, 2017.
22. Iannarino, S.; Pose Rodrígues , A.; Storper, M. Ketimpangan regional di Eropa: Bukti, teori dan kebijakan
implikasi. J.Ekon. geografi. 2018, 19, 273–298. [Referensi Silang]
23. Kopus, A.; Mantino, F.; Noguera, J. Pinggiran dalam: Sebuah oxymoron atau tantangan nyata bagi kohesi teritorial? Italia. J.Rencana.
Praktek. 2017, 7, 24–49.
24. Dymitrow, M. Redux Pedesaan/Perkotaan: Masalah Konseptual dan Dampak Material; Universitas Gothenburg:
Gothenborg, Swedia, 2017.
25. Dymitrow, M.; Biega nska, J.; Grzelak-Kostulska, E. Perampasan dan perangkap pedesaan-perkotaan. Tijdschrift Voor
Economische en Sociale Geografie 2018, 109, 87–108. [Referensi Silang]
26. Acciari, P.; Mocetti, S. Una mappa della disuguaglianza del reddito di Italia. Dalam Pertanyaan tentang Ekonomi e
Pembiayaan; Banca d'Italia: Roma, Italia, 2013.
27. Felice, E. Semangat dan Interpretasi dari Divariasi Regional dalam Periode Panjang: Hasil Utama dan Hasil
jejak di ricerca. Ilmu Pengetahuan Regional Italia. J.Reg. Sains. 2015, 14, 91–120. [Referensi Silang]
28. SVIMEZ. Laporan SVIMEZ 2016 Sull'economia del Mezzogiorno; Il Mulino: Bologna, Italia, 2016.
29. De Benedictis, M. L'agricoltura del Mezzogiorno: La “polpa” e l'”osso”, cinquant'anni dopo. La Pertanyaan
Agraria 2002, 2, 199–237.
30. Fabiani, G. Agricoltura-mondo. Di La Storia Contemporanea dan Gli Scenari Futuri; Donzelli Editor: Roma,
Italia, 2015.
31. Fondazione Montagne Italia. Laporan Montagne Italia 2016; Tipografia Nero Colore: Reggio Emilia, Italia, 2016.
32. MATTM. Verso la Strategia Nazionale per la Gestione Integrata Delle Zone Costiere; Ministero dell'Ambiente e
della Tutela del Territorio e del Mare: Roma, Italia, 2013.
33. De Rossi, A. (Ed.) Riabitare l'Italia; Donzelli Editore: Roma, Italia, 2018.
34. Brandolini, A.; Torrini, R. Disuguaglianza dei redditi dan divari teritorial: l'eccezionalità del caso Italiano.
Rivista delle Politiche Sociali 2010, 3, 37–58.
35. Brandolini, A.; Vecchi, G. Kesejahteraan orang Italia: Pendekatan sejarah komparatif. Di Quaderni di Storia
Economica, edisi ke-19; Banca d'Italia: Roma, Italia, 2011.
36. Morelli, S. (Ed.) Le Disuguaglianze Economico-sociali di Italia; Fondazione Lelio e Lisli Basso Issoco: Roma,
Italia, 2016.
37.DPS . Kesepakatan di Partenariato 2014–2020; Dipartimento per lo Sviluppo dan la Coesione Economica: Roma,
Italia, 2017.
38. Banca d'Italia. Relazione Tahunan; Banca d'Italia: Roma, Italia, 2012.
39. Giarda, E.; Lihat, SG Un'analisi di lungo periodo dei redditi e della disuguaglianza di Italia (1989–2010).
Dalam Rapporto di Previsione (Pandangan Ekonomi); Prometeia Associazione: Roma, Italia, 2012; hal.183–190.
40. Istat. Reddito dan Kondisi Kehidupan 2011; Istat: Roma, Italia, 2012.
41. Istat. Reddito dan Kondisi Kehidupan 2015; Istat: Roma, Italia, 2016.
42. Marton, C.; e Pini, M. Povertà di Italia: Una stima dei divari provinsial nel 2009. Dalam Dossier Tagliacarne;
Istituto Tagliacarne: Roma, Italia, 2011.
43. Atkinson, AB; Piketty, T. (Eds.) Pendapatan Tertinggi Selama Abad Kedua Puluh: Kontras antara Kontinental
Negara-negara Eropa dan Berbahasa Inggris; Oxford University Press: Oxford, Inggris, 2007.
44. Atkinson, AB Disuguaglianza. Apa yang bisa kamu lakukan? Feltrinelli: Milan, Italia, 2015.
45. Atkinson, AB; Morelli, S. Buku Bagan Ketimpangan Ekonomi. Tersedia daring: http://www.ecineq.org/
milano/WP/ECINEQ2014-324.pdf (diakses pada 13 Februari 2020).
46. Piketty, T. Ketimpangan pendapatan di Perancis, 1901–1988. J. Ekon Politik. 2003, 111, 1004–1442. [Referensi Silang]
47. Piketty, T.; Saez, E. Ketimpangan pendapatan di Amerika Serikat, 1913–1998. QJ Ekon. 2003, 118, 1–39. [Referensi Silang]
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 17 dari 18

48. Roses, JR; Wolf, N. Pembangunan Ekonomi Regional di Eropa, 1900–2010: Deskripsi Pola; London
Sekolah Ekonomi dan Ilmu Politik: London, Inggris.

49. Roses, JR; Wolf, N. Perkembangan Ekonomi Kawasan Eropa: Sejarah Kuantitatif sejak tahun 1900; Rute:
London, Inggris, 2018.

50. Dijkstra, L.; Garcilazo, E.; McCann, P. Dampak krisis keuangan global terhadap kawasan dan kota-kota Eropa.
J.Ekon. geografi. 2015, 15, 935–949. [Referensi Silang]
51. Moretti, E. La Nuova Geografia del Lavoro; Mondadori: Milan, Italia, 2012.
52. Dubet, F.; Faraoni, N. Integrazione, coesione dan disuguaglianze sociali. Stato dan Mercato 2010, 30, 33–58.
53. Pierleoni, MR L'analisi delle disuguaglianze: La rivisitazione dell'approccio economico e nuove politiche di
intervensi. Sosiologia dan Ricerca Sociale 2017, 114, 5–28. [Referensi Silang]
54. Glucksberg, L. Gendering the elites: Sebuah pendekatan etnografis terhadap kehidupan perempuan elit dan re-produksi ketidaksetaraan. Dalam
Kertas Kerja n. 7; London School of Economics dan Ilmu Politik: London, Inggris, 2016.
55. Rodríguez-Pose, A.; Tselios, V. Ketimpangan pendidikan dan pendapatan di wilayah Uni Eropa. J.Reg.
Sains. 2009, 49, 411–437.

56. Fredman, S. Kesetaraan substantif ditinjau kembali. Int. J.Konst. Hukum. 2016, 14, 712–738. [Referensi Silang]
57. Honneth, A. Lotta per il Riconoscimento; Il Saggiatore: Milan, Italia, 2002.
58. Fraser, N.; Honneth, A. Redistribuzione atau Riconoscimento? Meltemi: Sesto San Giovanni, Italia, 2007.
59. Rodríguez-Pose, A. Balas dendam terhadap tempat-tempat yang tidak penting (dan apa yang harus dilakukan untuk mengatasinya). kamera. J.Reg.
ekonomi. sosial. 2018, 11, 189–209. [Referensi Silang]

60. Greselin, F.; Zitikis, R. Dari indeks Gini klasik tentang ketimpangan pendapatan hingga ukuran risiko relatif tipe Zenga yang baru: Perspektif seorang
pemodel. Ekonometrika 2018, 6, 4. [CrossRef]
61. Marino, Bpk; Zizza, R. Penghindaran pajak penghasilan pribadi di Italia: Perkiraan berdasarkan jenis wajib pajak. Dalam Penghindaran Pajak dan
Ekonomi Bayangan; Pickhardt, M., Prinz, A., Eds.; Penerbitan Edward Elgar: Cheltenham, Inggris, 2011.
62. Moran, PAP Catatan tentang fenomena stokastik yang berkelanjutan. Biometrika 1950, 37, 17–23. [Referensi Silang] [PubMed]
63. Anselin, L. Indikator Lokal Asosiasi Spasial-LISA. geografi. Dubur. 1995, 27, 93–115. [Referensi Silang]
64. Lucatelli, S.; Mantino, F. Le Aree Interne di Italia. Sebuah Laboratorio untuk Sviluppo Locale. Tersedia online : https://agriregionieuropa.univpm.it/it/
content/article/31/45/le-aree-interne-italia-un-laboratorio-lo-sviluppo-locale (diakses pada 31 Januari 2020).

65. Borghi, E. Piccole Italia. Le aree Interne dan la Questione Territoriale; Donzelli Editore: Roma, Italia, 2017.
66. Istat. Penduduk Popolazione; Istat: Roma, Italia, 2017.
67. Tomarelli, F.; Acciari, P. Ukuran global progresivitas pajak, insiden pajak dan redistribusi yang dilakukan oleh Pajak Penghasilan Pribadi Italia (2001–
2009). Laksamana Pajak CIAT Rev. 2011, 31, 114–129.
68. Storti, D. Tipologie di Aree Rurali di Italia; Inea: Roma, Italia, 2000.
69. Baldissera, A. Il paradosso dell'anzianità. Namun kriteria yang efektif adalah distribusi redditi da
lavaro. Quaderni di Sosiologia 2011, 1, 7–36. [Referensi Silang]
70. Ermano, P.Le Riforme delle Pensioni? Hanno Ridotto la Diseguaglianza; Centro Studi Impresa Lavoro: Roma,
Italia, 2016.
71. Retribusi, F.; Murnane, RJ Tingkat pendapatan AS dan ketimpangan pendapatan: Tinjauan tren terkini dan penjelasan yang diusulkan. J.Ekon.
menyala. 1992, 30, 1333–1381.
72. Penulis, DH; Katz, LF; Kearney, MS Polarisasi pasar tenaga kerja AS. Saya. ekonomi. Wahyu 2006, 96, 189–194. [Referensi Silang]

73. Debernardi, A. Accessibilità, Mobilità dan reti di Servizi. Di Riabitare l'Italia; De Rossi, A., Ed.; Editor Donzelli:
Roma, Italia, 2018.
74. Ispra. Konsumsi di Suolo, Dinamiche Teritorial dan Pelayanan Ekosistem; Sistema Nazionale per la Protezione
dell'Ambiente: Roma, Italia, 2019.
75. Forbes, KJ Penilaian Ulang Hubungan Ketimpangan dan Pertumbuhan. Saya. ekonomi. Wahyu 2000, 90, 869–887. [Referensi Silang]

76. Huang, HC; Chen Linn, Y.; Yeh, C. Penentuan bersama mengenai kesenjangan dan pertumbuhan. ekonomi. Biarkan. 2009,
103, 163–166. [Referensi Silang]

77. Atem, B.; Jones, J. Ketimpangan pendapatan dan pertumbuhan ekonomi: Pendekatan panel VAR. Kekaisaran. ekonomi. 2014,
48, 1541–1561. [Referensi Silang]

78. Castells-Quintana, D.; Royuela, V. Aglomerasi, ketimpangan dan pertumbuhan ekonomi. Ann. Reg. Sains. 2014, 52, 343–366. [Referensi Silang]
Machine Translated by Google

Keberlanjutan 2020, 12, 1622 18 dari 18

79. Royuela, V.; Veneri, P.; Ramos, R. Hubungan jangka pendek antara ketimpangan dan pertumbuhan: Bukti dari kawasan OECD selama
Resesi Hebat. J.Reg. Pejantan. 2019, 53, 574–586. [Referensi Silang]
80. Keynes, JM Kemungkinan Ekonomi untuk Cucu Kita (1930). Dalam Esai dalam Persuasi; Penjepit Harcourt:
New York, NY, AS, 1932; hal.358–373.
81. Franzini, M.; Pianta, M. Disuguaglianze. Di Quante Sono, Ayo Combatterle; Laterza: Bari, Italia, 2016. 82. d'Addio, AC Transmisi
kerugian antargenerasi: Mobilitas atau imobilitas lintas generasi?
Tinjauan bukti untuk Negara-negara OECD. Pekerjaan OECD. Ayah. 2007. [Referensi Silang]
83. Card, D. Imigrasi dan kesenjangan. Saya. ekonomi. Wahyu 2009, 99, 1–21. [Referensi Silang]
84. Dustmann, C.; Frattini, T.; Preston, I. Pengaruh imigrasi sepanjang distribusi upah. Pendeta Ekon.
Pejantan. 2012, 80, 145–173. [Referensi Silang]

85. Franzini, M.; Granaglia, E.; Raitano, M. Ketimpangan Ekstrim dalam Kapitalisme Kontemporer Harus Kita Peduli
Tentang Orang Kaya? Springer: Berlin, Jerman, 2016.
86. Henke, R.; Salvioni, C. (Eds.) I Redditi di Agricoltura: Prosesi di Diversificazione e Politiche di Sostegno; INEA:
Roma, Italia, 2013.
87. Yu, HY; Chen, JJ; Wang, JN; Chiu, YL; Qiu, H.; Wang, LY Identifikasi Pengaruh Diferensial Tingkat Kota terhadap Koefisien Gini Pemberian
Pelayanan Kesehatan pada Komunitas Kesehatan Online. Int. J.Lingkungan.
Res. Kesehatan Masyarakat 2019, 16, 2314. [CrossRef]
88. Barca, F. Kesimpulan: Immagini, Sentimenti dan Strumenti Eterodossi per una Svolta Radicale; De Rossi, A., Ed.;
Donzelli Editore: Roma, Italia, 2018.
89. Visconti, RM; Martiniello, L.; Morea, D.; Gebennini, E. Dapatkah kemitraan publik-swasta mendorong investasi
keberlanjutan di rumah sakit pintar? Keberlanjutan 2019, 11, 1704. [CrossRef]
90.Basili , G.; Cavallo, A. Identitas Pedesaan, Keaslian, dan Keberlanjutan di Wilayah Dalam Italia, Keberlanjutan.
Keberlanjutan 2020, 12, 1272. [CrossRef]
91. Loiero, R.; Meoli, C. Le Sfide Della Coesione Territoriale di Europa dan di Italia: Quale Ridisegno Istituzionale?
Dalam L'impatto Della Politica di Coesione di Europa e di Italia; Dokumen Valutazione Senato della Repubblica; Aisre dan Ifel ANCI:
Roma, Italia, 2018.
92. Anderson, G.; Pittau, MG; Zelli, R.; Thomas, J. Ketimpangan Pendapatan, Kekompakan dan Kesamaan di Kawasan Euro: Analisis Bebas
Batas Semi-Parametrik. Ekonometrika 2018, 6, 15. [CrossRef]

© 2020 oleh penulis. Pemegang Lisensi MDPI, Basel, Swiss. Artikel ini adalah artikel akses terbuka yang
didistribusikan berdasarkan syarat dan ketentuan Atribusi Creative Commons

(CC BY) lisensi (http://creativecommons.org/licenses/by/4.0/).