تاثیر عوامل اقتصادی-اجتماعی و محیطی بر واردات آب مجازی گندم در ایران
علی علی صوفی
1
(
دانشجوی دکترا اقتصاد کشاورزی دانشگاه سیستان و بلوچستان
)
محسن علیپور
2
(
دانشجوی دکترا اقتصاد کشاورزی دانشگاه سیستان و بلوچستان
)
کلید واژه: آب مجازی, مدل جاذبه, واردات, برآوردگر درستنمایی شبه بیشینه پوآسن,
چکیده مقاله :
گندم یک محصولات استراتژیک به شمار میرود که امنیت غذایی کشورها به آن وابسته است و با توجه تخصیص بالای منابع آب به این محصول و وضعیت بحرانی منابع آب کشور، تحلیل عوامل موثر بر واردات آب مجازی این محصول ضروری به نظر می رسد. در این پژوهش، تأثیر هر یک از عوامل اقتصادی- اجتماعی و محیطی بر واردات آب مجازی گندم کشور با استفاده از روش درستنمایی شبه بیشینه پوآسن (PPML) در دوره زمانی 2008 تا 2019بررسی شده است. نتایج نشان میدهد که تولید ناخالص داخلی سرانه کشور ایران اثر مثبت و معناداری بر واردات آب مجازی گندم داشته است و همچنین افزایش جمعیت کشورهای منتخب (آلمان، قزاقستان، روسیه، امارات و استرالیا) و ایران بر واردات آب مجازی گندم اثر منفی و معناداری داشته است. با توجه به مدل جاذبه، فاصله جغرافیایی بر واردات آب مجازی گندم تأثیر منفی و معناداری داشته است و در نهایت میزان بارش سالیانه کشورهای منتخب و ایران به ترتیب تأثیر مثبت و منفی بر واردات آب مجازی گندم به ایران دارد.
چکیده انگلیسی :
Wheat is considered to be a strategic product on which the food security of countries depends, and due to the high water consumption of this product and the critical state of the country's water resources, the import of wheat virtual water can be a suitable solution to solve this problem. In this research, the effect of each economic-social and environmental factor on the virtual water import of wheat in the country has been investigated using the Poisson maximum likelihood method (PPML) in the period from 2008 to 2019. The results show that the GDP per capita of Iran had a positive and significant effect on the import of virtual wheat water and also the increase in the population of the selected countries (Germany, Kazakhstan, Russia, UAE and Australia) and Iran had a negative effect on the import of virtual wheat water. has been significant. According to the gravity model, geographical distance had a negative and significant effect on the import of virtual wheat water, and finally,
Journal of Agricultural Economics Research Summer 2024. Vol 16. Issue 2
ISSN(Print): 2008-6407 ISSN (Online): 2423-7248
Research Paper | |
| |
Received: Accepted: PP: | Abstract Objective: Wheat is considered as a strategic product on which the food security of countries depends, and due to the high allocation of water resources to this product and the critical situation of the country's water resources, it seems necessary to analyze the factors affecting the virtual water import of this product.With 1600 cubic meters of water per capita, Iran is considered one of the dry and semi-arid countries in the world and is always facing limited water resources. The increase in population and the need for more water and food have caused some water-scarce countries, including Iran, to over-pump underground water and desalinate sea water in order to provide part of this water by ignoring natural capacities. Research method: In this research, the effect of each of the economic-social and environmental factors on the virtual water import of wheat in the country has been investigated using the Poisson maximum likelihood method (PPML) in the period from 2008 to 2019. Findings: The results show that the GDP per capita of Iran had a positive and significant effect on the import of virtual wheat water and also the increase in the population of the selected countries (Germany, Kazakhstan, Russia, UAE and Australia) and Iran on the import of virtual wheat water. It has had a negative and significant effect. According to the gravity model, geographical distance has a negative and significant effect on the virtual water import of wheat, and finally, the annual rainfall of the selected countries and Iran has a positive and negative effect on the virtual water import of wheat to Iran, respectively. Discussion and conclusion: Considering the economic sanctions and the self-sufficiency policy that has been undertaken in the production of this product, which causes pressure on the country's water resources, it is suggested to use drought-resistant species in the cultivation of this product. to be. |
Use your device to scan and read the article online
DOI:
| |
Keywords: wheat, virtual water, Poisson maximum likelihood estimator, gravity model, import | |
Citation: Investigation of socioeconomic and Environmental Factors Affecting Virtual Water Trade in wheat production in Iran: Journal of Agricultural Economics Research. 2023; 18 (4):27-42 | |
* Corresponding Author: Address: Tell: Email: | |
Extended Abstract
Introduction
Water, as a natural resource, plays an essential role in providing food security for human societies (20).
With 1600 cubic meters of water per capita, Iran is considered one of the dry and semi-arid countries in the world and is always facing limited water resources (13). The increase in population and the need for more water and food have caused some water-scarce countries, including Iran, to over-pump underground water and desalinate sea water in order to provide part of this water by ignoring natural capacities (19).
The research results of the researchers show that the production of products in such conditions is costly (21). In such a situation, considering the management of water resources and the use of new solutions, the concept of virtual water trade has gained special importance.
Virtual water was presented for the first time by Allan (Allan) in the concept of the volume of water consumed by the product in the entire process of growth and production (Allan) (1997). In fact, virtual water is the total water consumed in the stages Different product production chain from the moment of production to the end
This word links water, food and exchange together (32). Therefore, according to what has been said, virtual water and its import can be an important policy for countries located in arid and semi-arid regions;
The importance of virtual water trade and the identification of factors affecting virtual water trade have led to researches on the global and national level about it, among which the following studies can be mentioned.
Shirzadi et al. (2018), investigated the factors affecting the virtual water trade of wheat product using linear gravity model and ordinary least squares method in the time period of 2013-1994. Their results show that the price of water has no effect on virtual water trade and the total amount of virtual water export and import of wheat product is 235.7 and 44.1 million cubic meters, respectively.
According to the purpose of this research, before any planning and in line with the self-sufficiency and environmental policies of wheat, identifying and the degree of influence of each of the effective factors on wheat virtual water import is considered an important step and in this research, in addition to Economic and social variables have been paid attention to climatic variables, including the amount of annual rainfall on the virtual water import of wheat, which is the innovation of the work in terms of climatic variables.
Materials and methods
The experimental model used in this article to achieve the goal of the research is the gravity model. The gravity model was first used by Tinbergen and based on Newton's theory of gravity to analyze international trade flows (23).
This model allows considering influential variables such as income, population, geographic distance, and institutional and environmental factors (9). Panel data technique is used in this study. This technique increases the efficiency of the estimators and reduces the problems related to the elimination of the relevant variables in the model (17). Before estimating the gravity model, the mean of the variables using the Levin, Lin and Chu test (Levin, Lin and Chu)) (2002) has been investigated and in the next step, according to the criticisms made to the use of the gravity model based on the logarithmic-logarithmic function and the estimation of this model using the nonlinear least squares method, the model presented in the form of a linear-logarithmic function and it is estimated using the Poissen Maximum Likelihood (PPML) method. This method is an optimal method for estimating trade attraction models due to the absence of statistical sample observations and sensitivity to large data (Silva and Teneriro). (Tenreyro) (2006). Also, the estimation of the coefficients from this method is reliable (Silva and Tenreyro, 2006). In addition, based on the results of experimental studies carried out using this method, the coefficients are estimated The geographical distance is less than other methods used in other studies (non-linear least squares method, gamma pseudo-maximum likelihood, etc.) (31).
Results and discussion
To check the validity of the model, regression was estimated first, and then Levin, Lin and Chu's unit root test (Levin, Lin and Chu) (2002) was performed on the residual component and its results were reported in Table (2), which The results show that according to the obtained probability, the null hypothesis, which indicates the lack of reliability or the existence of a single root in the regression residuals, was not confirmed and the residuals are stable; Therefore, the variables of the model are also stable and the regression obtained from the estimation of the model will not be false. The results of the reliability test of the regression residuals are consistent with the results of Maalemi (2017). Moalemi (2017) showed that if the residuals of the regression are stable, the regression resulting from the estimation of the model will not be false.
With the increase in Iran's population, although the demand for wheat virtual water imports should increase, but due to the wheat self-sufficiency policy and due to economic sanctions, policymakers have preferred to increase wheat production in the country so that the country's dependence on this strategic product decrease and the country relies on domestic production to meet its wheat needs.
The gross domestic product per capita of Iran has a positive and significant effect on the virtual water import of wheat; In other words, with a one percent increase in the country's gross domestic product, the demand for virtual wheat water imports will grow by 2.27 units. This variable has the most effect on wheat virtual water import. Moalemi (2017) showed that based on Maslow's pyramid of needs, the growth of per capita income in countries with low per capita income initially leads to more food consumption (water-based products), which results in an increase in water consumption and, as a result, virtual water. And finally, it leads to an increase in imports from other countries. This variable is not significant for the selected countries. This result is consistent with the research results of Doart et al. (2019).
The amount of annual rainfall of the selected countries has a positive effect on the virtual water import of wheat to Iran. In other words, with a one percent increase in annual rainfall in the selected countries, the amount of virtual wheat water imported into Iran will increase by 0.28 units.
Conclusion and suggestions
The aim of this research is to investigate the economic, social and environmental factors affecting the import of wheat virtual water. For this purpose, firstly, the amount of virtual water import of wheat product to Iran from selected countries (Germany, Kazakhstan, Russia, UAE and Australia) for the time period of 2008-2019 was calculated by the researchers and then the reliability of the variables was examined and finally, the factors The effect on virtual water import of wheat crop was analyzed using the gravity approach and panel data and the Poisson maximum likelihood (PPML) estimator method.
With the increase in domestic production and income, the demand for wheat products has increased inside the country, and as a result, the import of virtual wheat water has increased, and the population of selected countries has had a negative effect on the import of virtual wheat water to Iran.
Also, the geographical distance has had a negative effect on the import of virtual water of wheat to Iran, the reason being that with the increase in the distance, the transportation costs have increased, and also due to the bulkiness of this product and the way it is transported, countries have been encouraged to trade. It makes it closer to the countries and finally the amount of annual rainfall of the selected countries has a positive effect on the import of virtual water of wheat to Iran and also the amount of annual rainfall in Iran has a negative effect on the import of virtual water of wheat.
It is suggested to use drought-resistant species in the cultivation of this product, and also in the form of attraction model and in line with the mutual relationship between neighboring countries, it is possible to encourage the neighboring countries to produce wheat in the form of trans-territorial cultivation.
| |
تاثیر عوامل اقتصادی-اجتماعی و محیطی بر واردات آب مجازی گندم در ایران | |
| |
تاریخ دریافت: تاریخ پذیرش: شماره صفحات: | چکیده هدف: گندم یک محصولات استراتژیک به شمار میرود که امنیت غذایی کشورها به آن وابسته است و با توجه تخصیص بالای منابع آب به این محصول و وضعیت بحرانی منابع آب کشور، تحلیل عوامل موثر بر واردات آب مجازی این محصول ضروری به نظر می رسد. روش پژوهش: در این پژوهش، تأثیر هر یک از عوامل اقتصادی- اجتماعی و محیطی بر واردات آب مجازی گندم کشور با استفاده از روش درستنمایی شبه بیشینه پوآسن (PPML) در دوره زمانی 2008 تا 2019 بررسی شده است. یافته ها: نتایج نشان میدهد که تولید ناخالص داخلی سرانه کشور ایران اثر مثبت و معناداری بر واردات آب مجازی گندم داشته است و همچنین افزایش جمعیت کشورهای منتخب (آلمان، قزاقستان، روسیه، امارات و استرالیا) و ایران بر واردات آب مجازی گندم اثر منفی و معناداری داشته است. با توجه به مدل جاذبه، فاصله جغرافیایی بر واردات آب مجازی گندم تأثیر منفی و معناداری داشته است و در نهایت میزان بارش سالیانه کشورهای منتخب و ایران به ترتیب تأثیر مثبت و منفی بر واردات آب مجازی گندم به ایران دارد. بحث و نتیجه گیری: با توجه به تحریم های اقتصادی و سیاست خودکفایی که در تولید این محصول در پیش گرفته شده است، که این سیاست باعث فشار بر منابع آب کشور می‌شود، در نتیجه پیشنهاد می‌شود در کشت این محصول از گونه‌های مقاوم به کم‌آبی استفاده شود.
|
از دستگاه خود برای اسکن و خواندن مقاله به صورت آنلاین استفاده کنید
DOI:
| |
واژههای کلیدی: گندم، آب مجازی، برآوردگر درستنمایی شبه بیشینه پوآسن، مدل جاذبه، واردات.
| |
* نویسنده مسئول: نشانی: تلفن: پست الکترونیکی: | |
مقدمه
آب به عنوان یک منبع طبیعی، نقش اساسی در تأمین امنیت غذایی جوامع بشری دارد (20). رشد روزافزون جمعیت و تغییر اقلیم، این منبع طبیعی را تحت تاثیر قرار داده است و سبب بحران جهانی آب شده است و یکی از بزرگ‌ترین چالش های قرن حاضر را رقم زده است (8). بر اساس گزارش سازمان بهداشت جهانی، بیش از 2 میلیارد نفر در سراسر جهان دسترسی کافی به آب آشامیدنی سالم ندارند. از مجموع کل آب‌های جهان، 5/97 درصد آن را آب شور دریاها و اقیانوس‌ها تشکیل میدهد که به علت شوری قابل استفاده نیستند و 5/2 درصد باقی‌مانده را ذخایر آب شیرین تشکیل میدهد که به دلیل اینکه بیش‌تر این آب‌ها به صورت یخ در قطب‌های کره‌ی زمین و یخچال‌های طبیعی و آب‌های زیرزمینی وجود دارد نمی‌تواند مورد استفاده قرار گیرد. در بین مصرفکنندگان آب، بخش کشاورزی مصرفکننده اصلی آب شیرین بوده و در حدود 85 درصد از آب زیرزمینی و سطحی جهان را به خود اختصاص میدهد (22)؛ که در کشور ما، این بخش بیش از 90 درصد از مصرف آب را به خود اختصاص میدهد (6). یکی از مهم‌ترین محصولات استراتژیک این بخش، گندم بوده که با تولید 765 میلیون تن در سال 2019، بیش از 13 درصد تولیدات زراعی جهان را به خود اختصاص داده و غذای بیش از سه چهارم جمعیت جهان را تشکیل میدهد (10).
ایران با برخورداری از سرانه آب 1600 متر مکعب جزء کشورهای خشک و نیمه‌خشک جهان بشمار آمده و همواره با محدودیت منابع آبی روبرو است (13). افزایش جمعیت و نیاز به آب و غذای بیش‌تر، سبب شده که برخی کشورهای کم آب از جمله ایران برای تأمین بخشی از این آب با نادیده گرفتن ظرفیت‌های طبیعی به پمپاژ بیش‌ازحد آب‌های زیرزمینی و نمک‌زدایی آب دریا بپردازند (19). نتایج پژوهشی پژوهشگران نشان میدهد که تولید محصولات در چنین شرایطی هزینه بر است (21). در چنین شرایطی با توجه به مدیریت منابع آب و استفاده از راهکارهای جدید، مفهوم تجارت آب مجازی اهمیتی ویژه یافته است. به گونه‌ای‌که بر اساس این مفهوم کشورهای کم آب می‌توانند با دخالت‌دادن تجارت آب مجازی در سیاستهای آبی، مقدار دسترسی خود را به منابع آب جهانی افزایش داده و از افزایش فشار بر منابع محدود خود بکاهند و به صرفه‌جویی و مصرف بهینه آب کمک کنند (2).
آب مجازی برای نخستین‌بار به وسیله آلن1 و به مفهوم مقدار حجم آبی که به وسیله کالا در کل فرآیند رشد و تولید مصرف می‌شود، ارائه شده است (5). در واقع، آب مجازی، کل آب مصرفی در مراحل گوناگون زنجیره تولید محصول از لحظه تولید تا پایان میباشد.این واژه، آب، غذا و مبادله را به یکدیگر پیوند میدهد (32). از این‌رو، با توجه به آنچه که بیان شد، آب مجازی و واردات آن برای کشورهای واقع شده در مناطق خشک و نیمه‌خشک می‌تواند یک سیاست مهم باشد، اما ارزیابی کمی واردات آب مجازی، سایر عوامل مؤثر بر واردات آب مجازی مانند عوامل اقتصادی، اجتماعی و محیطی را نادیده می‌گیرد (9)؛ بنابراین، نمی‌توان از آن برای بررسی مزیت نسبی استفاده کرد (30). در حالی که آب مجازی تحت تأثیر عوامل گوناگون مانند آب‌وهوا و اقتصاد قرار دارد (16).
اهمیت تجارت آب مجازی و شناسایی عوامل مؤثر بر تجارت آب مجازی موجب شده تا پژوهشهای در سطح جهانی و ملی در خصوص آن انجام شود که از آن جمله میتوان به پژوهشهای زیر اشاره کرد.
شیرزادی و همکاران (1398)(24)، به بررسی عوامل مؤثر بر تجارت آب مجازی محصول گندم با استفاده از مدل جاذبه خطی و روش حداقل مربعات معمولی در دوره زمانی 2013-1994 پرداختند. نتایج آنها نشان میدهد که قیمت آب بر تجارت آب مجازی بی‌اثر است و مقدار کل صادرات و واردات آب مجازی محصول گندم به ترتیب 7/235 و 1/44 میلیون متر مکعب میباشد.
حجابی و آخوند زاده یوسفی (1399)(12)، رابطه بین صادرات آب مجازی محصولات کشاورزی و موجودی منابع آب کشور را با استفاده از روش گشتاورهاي تعمیم‌یافته (GMM) در دوره زمانی 2006-2013 بررسی کردند. نتایج آنها نشان داد که صادرات آب مجازی محصولات کشاورزی با موجودی منابع آب، تولید ناخالص داخلی و جمعیت رابطه مثبت و معناداری دارد.
حکمت نیا و همکاران (1399)(13)، به تعیین و ارزیابی ردّ پای آب‌های سبز، آبی و خاکستری در تجارت بین‌المللی محصولات کشاورزی ایران در دوره زمانی 2018 – 2016 پرداختند. نتایج آنها نشان میدهد که کل مقدار صادرات و واردات آب مجازی ایران به ترتیب 232/6 و 838/18 میلیارد متر مکعب در سال بوده که از این مقدار، 21/75 درصد از واردات آب مجازی ایران آب سبز و 36/65 درصد از صادرات آب مجازی ایران آب آبی میباشد.
حکمت نیا و همکاران (1400)(14)، به بررسی عوامل موثر بر تجارت آب مجازی محصولات کشاورزی ایران با استفاده از مدل خودرگرسیون برداری پانل در دوره زمانی 2018-2001 پرداختند. نتایج آن ها نشان می دهد که قیمت نسبی صادراتی بیش‌ترین تأثیر را بر صادرات آب مجازی محصولات کشاورزی ایران دارد. در خصوص تابع واردات مشخص شد که قیمت‌های نسبی وارداتی و درآمد داخلی بیش‌ترین تأثیر را بر واردات آب مجازی محصولات کشاورزی ایران دارد.
العمری و رید (2019)(3) در پژوهشی مقدار تجارت آب مجازی محصولات زراعی در کشور عربستان صعودی را بین سال‌های 2016 – 2000 مورد محاسبه قرار دادند. نتایج آنها نشان دادند که متوسط تجارت آب مجازی در کشور عربستان صعودی 6/12 میلیارد متر مکعب در سال است
دوآرت و همکاران (2019)(9)، به بررسی عوامل مؤثر بر تجارت جهانی آب مجازی با استفاده از رویکرد جاذبه و روش برآوردگر درستنمایی شبه بیشینه پوآسن (PPML) در دوره زمانی 2010-1965 پرداخته و آنها نشان دادند که عوامل اقتصادی، نهادی و جغرافیایی نقش کلیدی را به عنوان محرک‌های جریان تجارت آب مجازی بین سال‌های 1965 تا 2010 ایفا کرده‌اند.
العمری و همکاران (2020)(4)، اشاره کرد که به بررسی عوامل مؤثر بر واردات آب مجازی محصولات زراعی در کشور عربستان سعودی با استفاده از رویکرد جاذبه و روش برآوردگر درستنمایی شبه بیشینه پوآسن (PPML) در دوره زمانی 2016 – 2000 پرداخته و نتایج آنها نشان میدهد که عوامل اقتصادی و متغیرهای مربوط به آب، مقدار واردات آب مجازی محصولات زراعی را تحت تأثیر قرار میدهد.
تیان و همکاران (2023)، به بررسی الگوها و عوامل محرک واردات آب مجازی کشاورزی در چین با استفاده از رویکرد جاذبه و رگرسیون کوانتایل در دوره زمانی 2018–1998 پرداختند. نتایج آنها نشان میدهد که واردات آب مجازی کشاورزی در چین با میانگین نرخ رشد سالانه 09/13 درصد روند صعودی قوی را نشان می دهد.
با توجه به هدف این پژوهش، پیش از هرگونه برنامه‌ریزی و در راستای سیاستهای خودکفایی و زیست محیطی گندم، شناسایی و مقدار تأثیرگذاری هر یک از عوامل مؤثر بر واردات آب مجازی گندم، یک مرحله مهم بشمار آمده و در این پژوهش، افزون بر متغیرهای اقتصادی و اجتماعی به متغیرهای اقلیمی از جمله مقدار بارش سالیانه بر واردات آب مجازی گندم توجه شده است که نوآوری کار در لحاظ متغیرهای اقلیمی میباشد.
مواد و روشها
الگوی تجربی مورد استفاده در این مقاله برای دستیابی به هدف پژوهش، الگوی جاذبه است. مدل جاذبه نخستین بار به وسیله تینبرگن2 و بنا بر نظریه جاذبه نیوتون برای تحلیل جریان‌های تجاری بین‌المللی به کار برده شد (23). به دلیل توانمندی بالای این مدل در روابط تجاری بین دو کشور ، امروزه پژوهشگران به طور گسترده از این مدل استفاده می‌کنند. این مدل امکان در نظر گرفتن متغیرهای تأثیرگذار مانند درآمد، جمعیت، فاصله جغرافیایی و عوامل نهادی و محیطی را فراهم میکند (9). در این مطالعه از تکنیک داده‌های پانل استفاده شده است. این تکنیک باعث افزایش کارایی برآوردگرها و کاهش مشکلات مرتبط با حذف متغیرهای مربوطه در مدل می‌شود (17). پیش از انجام تخمین مدل جاذبه، مانایی متغیرها با استفاده از آزمون لوین، لین و چو (2002) بررسی شده است و در مرحله بعد، با توجه به نقدهای وارد شده به استفاده از الگوی جاذبه بر اساس تابع لگاریتمی- لگاریتمی و تخمین این الگو با استفاده از روش حداقل مربعات غیرخطی، الگوی ارائه شده به صورت تابع خطی-لگاریتمی و با استفاده از روش برآوردگر درستنمایی شبه بیشینه پوآسن (PPML) برآورد شده است. این روش به دلیل عدم حذف مشاهدات نمونه‌ی آماری و حساسیت نسبت به بزرگ بودن داده‌ها، یک روش بهینه برای تخمین مدل‌های جاذبه تجارت است (25). همچنین، برآورد ضرایب حاصل از این روش بدون تورش و قابل اطمینان است (25). افزون بر این، بر اساس نتایج مطالعات تجربی که با استفاده از این روش بر الگوی جاذبه صورت گرفته، ضرایب برآورد شده‌ی فاصله‌ی جغرافیایی نسبت به سایر روش‌های استفاده شده در دیگر مطالعات (روش حداقل مربعات غیرخطی، شبه حداکثر درستنمایی گاما و...) کم‌تر است (31).
این روش برگرفته از مقالات سانتوس سیلوا و تنریرو (2006) بوده که با استفاده از الگوی دوآرت و همکاران (2019) به صورت رابطه (1) تصریح شده است.
(1)
|
|
که در رابطه (1)، متغیرهای 
و 
به ترتیب لگاریتم ﺗﻮﻟﯿﺪ ﻧﺎﺧﺎﻟﺺ داﺧﻠﯽ ﺳﺮاﻧﻪ کشور ایران و کشورهای منتخب (آلمان، قزاقستان، روسیه، امارات و استرالیا) به قیمت ثابت سال 2010 برحسب دلار بوده که این دو متغیر بیانگر اندازه اقتصادی کشورها و ظرفیت تولید آنهاست. متغیرهای 
و
به ترتیب لگاریتم جمعیت ایران و کشورهای منتخب برحسب نفر بوده که نشاندهنده، اندازهی بازار میباشد و متغیرهای 
و
به ترتیب لگاریتم مقدار بارش سالیانه ایران و کشورهای منتخب بر حسب میلیمتر است. با توجه به اینکه مقدار صادرات و واردات محصولات کشاورزی تابع شرایط تولید در داخل است و از آنجا که مقدار تولید محصولات کشاورزی تابعی از شرایط جوی و مقدار بارشهای میباشد، ازاین‌رو، متغیر بارش به عنوان متغیر کنترلی در مدل وارد شده است و در نهایت، متغیر
لگاریتم متغیر فاصله جغرافیایی بین کشورها بوده که به دلیل اینکه کشورها فاقد مرز مشترک با هم هستند بنابراین از آوردن متغیر مجازی مرز مشترک خودداری شده است.
(
) مقدار واردات آب مجازی محصول گندم به ایران از کشورهای منتخب (آلمان، قزاقستان، روسیه، امارات و استرالیا) است. لازم به ذکر است که کشورهای مورد نظر در الگوی تجارت بر اساس حجم واردات آن ها به ایران طی سال های مورد بررسی انتخاب شده اند. به طوری که بر اساس آمارهای منتشر شده سایت مرکز تجارت جهانی 70 درصد واردات گندم ایران در طی دوره ی مورد بررسی از این کشورها صورت گرفته است. این پژوهش، فقط بر واردات محصول گندم متمرکز شده است زیرا ایران کشور کم آبی میباشد و افزون بر این، مقدار واردات آب مجازی محصول گندم بیش‌تر از صادرات آن میباشد. جهت محاسبه مقدار واردات آب مجازی محصول گندم به کشور ()، ابتدا حجم آب مجازی برای محصول گندم بر اساس آمار ((موسسه ردپای آب))3 و پایگاه داده CWASI استخراج گردیده است و سپس از حاصل‌ضرب حجم آب مجازی در مقدار واردات آن از کشورهای منتخب، حجم مبادلات آب مجازی میان کشورها مشخص گردیده است (16). بر این اساس مقدار واردات آب مجازی محصول گندم به ایران از کشورهای منتخب با استفاده از رابطه (2) محاسبه شد:
(2) |
|
که در رابطه 2، مقدار واردات آب مجازی محصول گندم به ایران از کشورهای منتخب (m3)، 
حجم آب مجازی برای محصول گندم (m3/ton)، 
وزن محصول گندم وارد شده به ایران از کشور k بر حسب تن بوده است.
داده‌های پژوهش
در این پژوهش، با توجه نبود آمار و اطلاعات برای برخی از سال‌ها، حجم واردات گندم برای دوره زمانی 2008 - 2019 در نظر گرفته شد، که از مرکز تجارت جهانی4 جمعآوری شده و حجم آب مجازی گندم بر اساس آمار موسسه ردپای آب و پایگاه داده CWASI استخراج شده است. داده‌های اقتصادی، اجتماعی و محیطی شامل ﺗﻮﻟﯿﺪ ﻧﺎﺧﺎﻟﺺ داﺧﻠﯽ ﺳﺮاﻧﻪ، جمعیت و مقدار بارش سالیانه از بانک جهانی5 و داده‌های فاصله جغرافیایی بین کشورها از مرکز مطالعات و داده‌های بین‌المللی 6 استخراج شدهاند. برای برآورد نتایج الگوی جاذبه، از بسته نرم افزاری Stata14 استفاده شده است.
نتایج و بحث
پیش از برآورد مدل، برای اینکه در تخمین مدل دچار رگرسیون کاذب نشد، باید ابتدا از پایا بودن متغیرها اطمینان حاصل کرد. برای این منظور پایایی متغیرهای مدل به وسیله آزمون ایستایی لوین، لین و چو (2002) بررسی شده است. بر اساس نتایج جدول (1)، همه متغیرها به جز متغیر تولید ناخالص داخلی سرانه ایران و مقدار بارش سالیانه ایران در سطح پایا هستند و همچنین، متغیر فاصله جغرافیایی به دلیل ثابت بودن واریانس، کوواریانس و ضریب تغییرات در طول زمان، در سطح پایا است. با توجه به اینکه بعضی متغیرها در سطح پایا نیستند، برای جلوگیری از برآورد رگرسیون کاذب باید از آزمون همجمعی استفاده شود.
[1] Allan
[2] Tinbergen
[3] Water Footprint Network WFN
[4] International Trade Centre
[5] World Bank
[6] CEPII
جدول 1- آزمون پایایی متغیرهای مدل
منبع: یافته های پژوهش
Variable | Description | Statistics | Prob | |
| واردات آب مجازی گندم | 22/3- | 00/0 | |
| جمعیت ایران | 95/1- | 02/0 | |
| جمعیت کشورهای منتخب | 86/5- | 00/0 | |
| تولید ناخالص داخلی سرانه ایران | 85/0 | 80/0 | |
| تولید ناخالص داخلی سرانه کشورهای منتخب | 25/6- | 00/0 | |
| مقدار بارش سالیانه ایران | 36/0- | 39/0 | |
| مقدار بارش سالیانه کشورهای منتخب | 46/4- | 00/0 | |
با بررسی پایایی باقی‌ماندههای رگرسیون میتوان رگرسیونی را بدون هراس از کاذب بودن آن، بر اساس سطح متغیرهای سری زمانی برآورد کرد. بدین صورت که اگر باقی‌ماندههای حاصل از رگرسیون پایا باشند رگرسیون حاصل نیز مورد اعتماد بوده و متغیرها پایا میباشند گجراتی1 (1393)؛ بنابراین، برای بررسی اعتبار مدل،در ابتدا رگرسیون تخمین زده شد، و سپس آزمون ریشه واحد لوین، لین و چو (Levin, Lin and Chu) (2002) بر روی جزء پسماند انجام گرفت و نتایج آن در جدول (2) گزارش شد، که نتایج نشان میدهد که با توجه به احتمال به دست آمده، فرضیه صفر که دلالت بر عدم پایایی یا وجود ریشه واحد در باقی‌ماندههای رگرسیون دارد، تائید نشده و باقی‌ماندهها پایا هستند؛ بنابراین، متغیرهای مدل هم پایا بوده و رگرسیون حاصل از تخمین مدل، کاذب نخواهد بود. نتایج آزمون پایایی پسماندهای رگرسیون با نتایج معلمی (1397) همخوانی دارد. معلمی (1397) نشان داد اگر پسماندهای رگرسیون پایا باشند، رگرسیون حاصل از تخمین مدل، کاذب نخواهد بود.
[1] Gujarati
جدول 2- آزمون پایایی اجزاء خطای مدل
منبع: یافته های پژوهش
Variable | Statistics | Prob | |
Residual Component | 35/3- | 00/0 | |
حال که از همجمعی متغیرهای مدل اطمینان حاصل شد، برای انتخاب بین روش های داده های تابلویی و داده های تلفیقی، از آماره f لیمر باید استفاده شود. فرضیه H0 این آزمون بیانگر یکسان بودن عرض از مبداها( داده های تلفیقی) و فرضیه H1 نشان دهنده ناهمسانی عرض از مبداها (داده های تبلویی) میباشد. اگر مقدار خطای احتمال محاسبه شده بیش‌تر از سطح خطای 5 درصد باشد فرض صفر رد نمی‌شود و باید از روش داده های تلفیقی استفاده شود، در غیر اینصورت از روش های داده های تابلویی باید استفاده کرد. با توجه به اینکه مقدار آماره 56/25 و خطای احتمال 00/0 میباشد بنابراین روش داده های تابلویی پذیرفته می‌شود. در مرحله بعد برای انتخاب بین اثرات ثابت و تصادفی از آزمون هاسمن استفاده شده است. در آزمون هاسمن فرضیه H0 بیانگر اثرات تصادفی و فرضیه H1 نشان دهنده اثرات ثابت میباشد. بر اساس نتایج آزمون با توجه به اینکه مقدار آماره26/60 و خطای احتمال آن نیز برابر 00/0 میباشد بنابراین، روش اثرات ثابت پدیرفته شده است.
جدول 3- نتایج آزمون هاسمن وF لیمر
Test | Statistics | Prob |
F-limer | 56/25 | 000/0 |
Hausman | 26/60 | 000/0 |
در این قسمت با استفاده از نرم افزار STATA به تخمین الگو پرداخته شده است. در تخمین این رگرسیون از روش برآوردگر درستنمایی شبه بیشینه پوآسن که مربوط به الگوهای جاذبه است، استفاده شده است. با انتخاب مناسب ترین الگو، خروجی نهایی نرم افزار با استفاده از الگوی داده های تابلویی و روش اثرات ثابت، در جدول 4 آورده شده است. نتایج به طور کلی حاکی از آن است که همه ضرایب برآورد شده متغیرهای مدل به جز متغیر تولید ناخالص داخلی سرانه کشورهای منتخب (آلمان، قزاقستان، روسیه، امارات و استرالیا) معنادار شدهاند. تأثیر جمعیت کشورهای منتخب که به عنوان جایگزینی برای اندازه بازار به کار رفته بر واردات آب مجازی گندم منفی و معنادار بوده است به گونهای که با افزایش یک درصدی جمعیت کشورهای منتخب، واردات آب مجازی گندم به اندازه 09/0 واحد کاهش یافته است. این امر نشان میدهد با افزایش جمعیت کشورهای منتخب، تقاضای برای گندم در این کشورها افزایش یافته و در نتیجه در جهت تأمین نیازهای داخلی، حجم صادرات گندم از این کشورها به ایران کاهش یافته است و این نتیجه با کار پژوهشی العمری و همکاران (2020) همخوانی و سازگاری دارد و همچنین، تأثیر جمعیت ایران بر واردات آب مجازی گندم منفی و معنادار بوده به‌گونه‌ای که با افزایش یک درصدی جمعیت کشور، مقدار واردات آب مجازی به اندازه 2/3 واحد کاهش مییابد. این امر نشان میدهد با افزایش جمعیت ایران هر چند بایستی تقاضا برای واردات آب مجازی گندم افزایش یابد، ولی به دلیل سیاست خودکفایی گندم و با توجه به تحریمهای اقتصادی، سیاستگذاران ترجیح دادهاند تولید گندم در کشور افزایش یابد تا وابستگی کشور به این محصول استراتژیک کاهش یابد و کشور برای تأمین نیاز گندم خود به تولید داخلی متکی باشد.
تولید ناخالص داخلی سرانه کشور ایران اثری مثبت و معنادار بر واردات آب مجازی گندم دارد؛ به بیان دیگر، با افزایش یک درصدی تولید ناخالص داخلی کشور، تقاضای واردات آب مجازی گندم به اندازه 27/2 واحد رشد خواهد کرد. این متغیر بیش‌ترین اثر را بر واردات آب مجازی گندم دارد. معلمی (1397) نشان داد بر اساس هرم نیازهای مازلو، رشد درآمد سرانه در کشورهای با درآمد سرانه پایین در ابتدا به مصرف بیش‌تر مواد غذایی (محصولات آب بر) منجر می‌شود که در نتیجه آن مقدار مصرف آب و به تبع آن آب مجازی افزایش یافته و در نهایت، منجر به افزایش واردات از کشورهای دیگر می‌شود. این متغیر برای کشورهای منتخب معنادار نشده است. این نتیجه با نتایج کار پژوهشی دوآرت و همکاران (2019) همخوانی دارد. دوآرت و همکاران (2019) نشان دادند تولید ناخالص داخلی سرانه کشورهای وارد کننده اثر مثبت بر تجارت آب مجازی محصولات کشاورزی دارد. فاصله بر واردات آب مجازی گندم تأثیر منفی دارد. به این معنی که با افزایش یک درصدی فاصله بین کشورها واردات آب مجازی گندم به اندازه 49/0 واحد کاهش مییابد. دلیل آن این است که با افزایش فاصله، هزینههای حمل و نقل افزایش یافته و همچنین، با توجه به حجیم بودن گندم امکان حمل آن دشوارتر بوده و هزینههای بیش‌تری را تحمیل میکند و کشورها را ترغیب به تجارت با کشورهای نزدیک میکند که با نتیجه پژوهش العمری و همکاران (2020) همسو و سازگار است.
مقدار بارش سالیانه کشورهای منتخب تأثیر مثبت بر واردات آب مجازی گندم به ایران دارد. به این معنا که با افزایش یک درصدی مقدار بارش سالیانه در کشورهای منتخب، مقدار واردات آب مجازی گندم به ایران به اندازه 28/0 واحد افزایش خواهد یافت. بدین ترتیب که در دورههای پر بارش این کشورها از شرایط مناسب جوی برخوردار شده و با افزایش تولید محصولات‌شان، توان صادراتی آنها افزایش خواهد یافت و همچنین، مقدار بارش سالیانه کشور ایران تأثیر منفی بر واردات آب مجازی گندم دارد. به این معنا که با افزایش یک درصدی مقدار بارش سالیانه کشور، مقدار واردات آب مجازی گندم به ایران به اندازه 51/0 واحد کاهش خواهد یافت که علت آن بخاطر این است که ایران در کمربند خشک و نیمه‌خشک جهانی قرارگرفته و اینکه به طور متوسط 30 درصد از تولید گندم در دوره مورد بررسی در کشور ایران وابسته به تولیدات دیم بوده است، بنابراین، در دورههای پر بارش و تحت شرایط مناسب جوی با افزایش تولید گندم و تا حدودی خودکفایی در تولید گندم، نیاز کم‌تری به واردات محصول گندم میباشد و این نتیجه با کار پژوهشی دوآرت و همکاران (2019)، همسو و سازگار است. دوآرت و همکاران (2019) نشان دادند مقدار بارش سالیانه کشورهای وارد کننده اثر منفی بر تجارت آب مجازی محصولات کشاورزی دارد.
جدول 4- برآورد به روش حداکثر درستنمایی پوآسون نما
منبع: یافته های پژوهش
Variable | Description | Coefficient | Statistics z | Prob | |
| جمعیت ایران | 2/3- | 10/3- | 02/0 | |
| جمعیت کشورهای منتخب | 09/0- | 72/1- | 08/0 | |
| تولید ناخالص داخلی سرانه ایران | 27/2 | 74/2 | 00/0 | |
| تولید ناخالص داخلی سرانه کشورهای منتخب | 08/0 | 57/1 | 11/0 | |
| فاصله بین کشورها | 49/0- | 80/5- | 00/0 | |
| مقدار بارش سالیانه ایران | 51/0- | 82/2- | 00/0 | |
| مقدار بارش سالیانه کشورهای منتخب | 28/0 | 83/3 | 00/0 | |
Constant | عرض از مبدأ | 13/47 | 44/2 | 01/0 | |
نتیجهگیری و پیشنهادها
هدف این پژوهش بررسی عوامل اقتصادی- اجتماعی و محیطی مؤثر بر واردات آب مجازی گندم میباشد. برای این منظور ابتدا مقدار واردات آب مجازی محصول گندم به ایران از کشورهای منتخب (آلمان، قزاقستان، روسیه، امارات و استرالیا) برای دوره زمانی 2019-2008 به وسیله پژوهشگران محاسبه شد و سپس پایایی متغیرها مورد بررسی قرار گرفت و در نهایت، عوامل مؤثر بر واردات آب مجازی محصول گندم با استفاده از رویکرد جاذبه و داده‌های پانل و روش برآوردگر درستنمایی شبه بیشینه پوآسن (PPML)، مورد تجزیه و تحلیل قرار گرفت. نتایج نشان میدهد که تولید ناخالص داخلی سرانه کشور ایران اثر مثبت بر واردات آب مجازی محصول گندم داشته است، یعنی به بیان دیگر، با افزایش تولید و درآمد داخلی، تقاضا برای محصول گندم در داخل کشور افزایش یافته است و در نتیجه آن واردات آب مجازی گندم افزایش یافته است و جمعیت برای کشورهای منتخب اثر منفی بر واردات آب مجازی گندم به ایران داشته است، یعنی با افزایش جمعیت کشورهای منتخب، این کشورها ترجیح دادهاند گندم کم‌تری را صادر کرده و تأمینکننده امنیت غذایی خودشان باشند. در حالی که در کشور ما با افزایش جمعیت به دلیل تاکید بر سیاست خودکفایی گندم و با وجود تحریمهای اقتصادی، واردات آب مجازی گندم کاهش یافته است و همچنین، فاصله جغرافیایی بر واردات آب مجازی گندم به ایران تأثیر منفی داشته است که دلیل آن این است که با افزایش فاصله هزینههای حمل و نقل افزایش یافته و همچنین، با توجه به حجیم بودن این محصول و نحوه جابهجایی آن، کشورها را ترغیب به تجارت با کشورهای نزدیکتر میکند و در نهایت، مقدار بارش سالیانه کشورهای منتخب تأثیر مثبت بر واردات آب مجازی گندم به ایران دارد و همچنین، مقدار بارش سالیانه در ایران اثر منفی بر واردات آب مجازی گندم داشته است. با توجه به اینکه مقدار بارش سالیانه در ایران اثر منفی بر واردات آب مجازی گندم داشته است و نزولات جوی در طی سال‌های اخیر روند کاهشی داشته است و همچنین، با توجه به اینکه مقدار واردات آب مجازی گندم در فاصله سال‌های 2019-2008 کاهش یافته است و ایران با توجه به تحریمهای اقتصادی، سیاست خودکفایی این محصول را در پیش گرفته است این سیاست باعث فشار بر منابع آب کشور می‌شود. در نتیجه پیشنهاد می‌شود در کشت این محصول از گونه‌های مقاوم به کم‌آبی استفاده شود و همچنین، در قالب مدل جاذبه و در راستای ارتباط متقابل بین کشورهای همسایه میتوان در قالب کشت فرا سرزمینی کشورهای همسایه را ترغیب به تولید گندم نمود؛ که در این راستا منافع دو جانبه با کشورهای همسایه ارتقاء خواهد یافت.
Refrences
1- Ababaei B, & Etedali, H R. Water footprint assessment of main cereals in Iran. Agricultural water management, 2017, 179, 401-411[In Persian].
2- Abedi S, Tahamipour M. Measuring and analyzing the commercial balance of virtual water in the agricultural sector of Zanjan province. Economic research and agricultural development of Iran. 2015, 47(4), 805-814. doi: 10.22059/ijaedr.2016.61310
3- Alamri Y, Reed M R. Estimating Virtual Water Trade in Crops for Saudi Arabia. American Journal of Water Resources, 2019, 7(1), 16-22.
4- Alamri Y, Reed M, Saghaian S. DETERMINANTS OF VIRTUAL WATER TRADE OF CEREAL CROPS IN SAUDI ARABIA. IRAQI JOURNAL OF AGRICULTURAL SCIENCES, 2020, 51(4), 1118-1127.
5- Allan J A. 'Virtual water': a long term solution for water short Middle Eastern economies? (pp. 24-29). London: School of Oriental and African Studies, University of London. 1997.
6- Bagheri A, Babaeian F. Assessing water security of Rafsanjan Plain, Iran–Adopting the SEEA framework of water accounting. Ecological Indicators, 2020, 111, 105959.
7- CWASI database. (https://zenodo.org/record/3987468).
8- Dalstein F, Naqvi A. 21st Century water withdrawal decoupling: A pathway to a more water-wise world?. Water Resources and Economics, 2022, 38, 100197.
9- Duarte R, Pinilla V, Serrano A. Long term drivers of global virtual water trade: a trade gravity approach for 1965–2010. Ecological Economics, 2019, 156, 318-326.
10- FAO Statistics. 2019.
11- Gujarati D. The basics of econometrics, translated by Hamid Abrahimami, eighth edition, Tehran University Publication, Tehran, 2012. [In Persian].
12- Hejabi S, Akhoondzadeh Yousefi T. The Relationship between Virtual Water Exports and the Country’s Water Resources Inventory. Iranian Economic Review, 2019, 23(3), 693-713.
doi: 10.22059/ier.2019.71794[In Persian].
13- Hekmatnia M, Hosseini S M, Safdari M. Determining and evaluating green, blue and gray water footprints in the international trade of Iran's agricultural products. Iran Irrigation and Drainage Journal. 2019, 14(2), 446-463.
14- Hekmatnia M, Safdari M, Hosseini S M, Daders Moghadam A. Factors affecting the virtual water trade of Iranian agricultural products (application of panel vector autoregression model). Environment and water engineering. 2021, 7(2), 344-355. doi: 10.22034/jewe.2020.249815.1429
15- Hoekstra AY. Water footprint assessment: evolvement of a new research field. Water Resources Management, 2017, 31(10), 3061-3081.
16- Hoekstra A Y, Mekonnen M M. The water footprint of humanity. Proceedings of the national academy of sciences, 2012, 109(9), 3232-3237.
17- Hsiao C. Analysis of Panel Data, 2nd edn. Cambridge University Press, Cambridge. 2003. https://www.intracen.org/.
18- MekonnenM M, Hoekstra A Y. A global and high-resolution assessment of the green, blue and grey water footprint of wheat. Hydrology and earth system sciences, 2010, 14(7), 1259-1276.
19- Moalemi M. Investigating the impact of per capita income growth on the net growth of virtual water imports in selected countries. Scientific Quarterly Journal of Applied Economic Theories. 2017, 5(1), 133-158.
20- Mojtaba G, Shah M U H, Hai A, Daud M, Hayat M. A holistic approach to embracing the United Nation's Sustainable Development Goal (SDG-6) towards water security in Pakistan. Journal of Water Process Engineering, 2024, 57, 104691.
21- Najafi Alamdarlou H, Riahi F, Vakilpour M H. the effects of banning the entry of wheat on the flow of virtual water trade. Quarterly Journal of Applied Economic Studies of Iran. 2015, 5(20), 63-79.doi: 10.22084/aes.2016.1666
22- Sefiani S, El Mandour A, Laftouhi N, Khalil N, Chehbouni A, Jarlan L, Nassah H. Evaluation of Groundwater Quality and Agricultural use Under a Semi‐arid Environment: Case of Agafay, Western Haouz, Morocco. Irrigation and Drainage, 2019, 68(4), 778-796.
23- Shahriar S, Qian L, Kea S, Abdullahi N M. The gravity model of trade: A theoretical perspective. Review of Innovation and Competitiveness: A Journal of Economic and Social Research, 2019, 5(1), 21-42.
24- Shirzadi E, Sayeh Miri A, Asgari H A. Investigating the factors affecting the wheat product virtual water trade using the gravity model. Economic research and agricultural development of Iran. 2018, 50(3), 501-513. doi: 10.22059/ijaedr.2019.260123.668616
25- Silva J S, Tenreyro S. The log of gravity. The Review of Economics and statistics, 2006, 88(4), 641-658.
26- Singh V. Water Resources. In Textbook of Environment and Ecology (pp. 107-122). Singapore: Springer Nature Singapore. 2024.
27- The World Bank (www.worldbank.org).
28- Tian, Q., Yu, Y., Xu, Y., Li, C., & Liu, N. (2023). Patterns and driving factors of agricultural virtual water imports in China. Agricultural Water Management, 281, 108262
29- Water Footprint Network (www.waterfootprint.org).
30- Wichelns D. An Economic Analysis of the Virtual Water Concept in relation to the Agri-food Sector. In: Sustainable Management of Water Resources in Agriculture. OECD Publishing, 2010. Paris.https://doi.org/10.1787/9789264083578-8-en.
31- Yazdani M, Pirpour H. Determinants of intra-industry trade in the energy sector between Iran and its top trading partners. Economic modeling research. 2016, 8(30), 43-78.
32- Zhang Y, Zhang J H, Tian Q, Liu Z H, Zhang H L. Virtual water trade of agricultural products: A new perspective to explore the Belt and Road. Science of the Total Environment, 2018, 622, 988-996.