تاثیر تکانه قیمت نفت بر قیمت محصولات کشاورزی در ایران
بابک اسماعیلی
1
(
استاد مدعو
)
شهریار نصابیان
2
(
دانشیار و عضو هیات علمی دانشکده اقتصاد وکشاورزی دانشگاه آزاد واحد تهران مرکزی
)
سید نعمت اله موسوی
3
(
معاونت برنامه ریزی واموراقتصاددانش بنیان دانشگاه آزاد مرودشت
)
مرجان دامن کشیده
4
(
استادیار
)
علی اکبر خسروی نژاد
5
(
استادیار
)
کلید واژه: قیمت نفت, نرخ تورم, محصولات کشاورزی, مدل خودرگرسیون برداری (VAR), بحران قیمت غذایی,
چکیده مقاله :
هدف این مقاله بررسی اثرگذاری تکانه قیمت نفت بر قیمت محصولات کشاورزی در ایران با توجه به دوره های بحران قیمت مواد غذایی است. برای این منظور از اطلاعات آماری دوره زمانی 1397-1374 با فراوانی داده های ماهانه و روش خودرگرسیون برداری (VAR) استفاده شد.متغیرهای مورد استفاده در این مطالعه شامل لگاریتم قیمت ذرت، لگاریتم قیمت برنج، لگاریتم قیمت سویا، لگاریتم قیمت گندم، لگاریتم قیمت جو، لگاریتم نرخ ارز حقیقی، لگاریتم قیمت نفت خام، لگاریتم تولید جهانی نفت، لگاریتم فعالیت اقتصادی واقعی جهانی و لگاریتم ذخایر احتیاطی نفت بوده است. در برآورد صورت گرفته مشاهده می شود که قیمت تمامی محصولات کشاورزی به شوک وارد شده از ناحیه قیمت نفت واکنش مثبت نشان داده است. در این بین متغیرهای قیمت سویا، برنج، گندم، ذرت و جو به ترتیب بیشترین واکنش را به شوک وارد شده از ناحیه قیمت نفت نشان داده اند.نتایج حاصل بیانگر این بود که شوک های قیمت نفت منجر به افزایش در قیمت محصولات کشاورزی شده است.
چکیده انگلیسی :
The aim of this paper is to study The Influence of Oil Price Fluctuation on the Price of Agricultural Products Considering Food Crisis Periods. To fulfill such goal, the statistical information of 1374-1397 with the monthly data frequency and with using the VAR Panel approach with considering Food Crisis Periods. The variables used in this study include corn price logarithm, rice price logarithm,soybeans price logarithm, wheat price logarithm, barley price logarithm, real currency rate logarithm, crude oil price logarithm, world oil production logarithm, world real economic activity logarithm and oil safty reserve logarithm.The results show that the price of all agricultural products responds positively to oil price shocks. Among these variables, the price of soybeans, rice, wheat, corn and barley showed the strongest responses to the shocks of oil price respectively.The results indicate that the price oil shocks result in the increase in the price of the agricultural products. The shocks related to the section of oil supply and demand have greater influence on the price increase of agricultural products as the alternative via biofuels
تاثیر تکانه قیمت نفت بر قیمت محصولات کشاورزی در ایران
چکیده
هدف این مقاله بررسی اثرگذاری تکانه قیمت نفت بر قیمت محصولات کشاورزی در ایران با توجه به دوره های بحران قیمت مواد غذایی است. برای این منظور از اطلاعات آماری دوره زمانی 1397-1374 با فراوانی داده های ماهانه و روش خودرگرسیون برداری (VAR) استفاده شد.متغیرهای مورد استفاده در این مطالعه شامل لگاریتم قیمت ذرت، لگاریتم قیمت برنج، لگاریتم قیمت سویا، لگاریتم قیمت گندم، لگاریتم قیمت جو، لگاریتم نرخ ارز حقیقی، لگاریتم قیمت نفت خام، لگاریتم تولید جهانی نفت، لگاریتم فعالیت اقتصادی واقعی جهانی و لگاریتم ذخایر احتیاطی نفت بوده است. در برآورد صورت گرفته مشاهده می شود که قیمت تمامی محصولات کشاورزی به شوک وارد شده از ناحیه قیمت نفت واکنش مثبت نشان داده است. در این بین متغیرهای قیمت سویا، برنج، گندم، ذرت و جو به ترتیب بیشترین واکنش را به شوک وارد شده از ناحیه قیمت نفت نشان داده اند.نتایج حاصل بیانگر این بود که شوک های قیمت نفت منجر به افزایش در قیمت محصولات کشاورزی شده است. شوک های بخش عرضه و تقاضای نفت تاثیر بیشتری بر افزایش در قیمت محصولات کشاورزی به عنوان جایگزین سازی از طریق سوختهای زیستی داشته است. بر این اساس پیشنهاد می شود که با استفاده از عملکرد صندوق توسعه و منابع ارزی اثر شوک های نفتی بر بخش کشاورزی تعدیل شود.
کلیدواژه: قیمت نفت، بحران قیمت غذایی، محصولات کشاورزی، نرخ تورم، مدل خودرگرسیون برداری (VAR)
طبقه بندی JEL: F31، G22، I13، B23.
مقدمه
با گسترش و توسعه بازارهای مالی جهانی بحث ارتباط میان بازارهای مالی، رابطه پویای میان بازدهی‌ها در این بازارها و مکانیزم‌های انتقال نوسانات بین این بازارها هر روز بیش از پیش مورد توجه فعالان بازارهای مالی قرار گرفته است. از آنجا که یکی از مهمترین وظایف مدیران مالی، سیاستگذاران و سرمایه گذاران، مدیریت ریسک پرتفوی دارايي‌هايشان است، این افراد همواره در تلاش هستند که ریسک را به حداقل برسانند (Nowrouzifar et al, 2019).
نوسان قیمت نفت مدتهاست که یکی از عوامل اساسی نوسانات چرخه تجاری به شمار می آید. بر این اساس ادبیات وسیعی بر مکانیسم اثرگذاری تکانه های نفتی بر اقتصاد کلان مانند برآورد تاثیر این تکانه ها روی رشد اقتصادی متمرکز شده اند. علاوه بر این در سالهای اخیر ادبیاتی برای بررسی نقش قیمت جهانی نفت خام روی بازارهای سهام و بازارهای کالایی شکل گرفته است(Nikravesh et al, 2020) . قیمت نفت از یک سو منجر به تغییر در هزینه تولید شده محصولات کشاورزی می شود و از سوی دیگر قیمت محصولات را افزایش میدهد و از طریق غیر مستقیم از کانال نرخ ارز بر قیمت محصولات اثر گذار است.
در طی سال های گذشته روند سرسام آور افزایش قیمت جهانی نفت و افزایش قیمت محصولات کشاورزی، توجه سیاستگذاران را به خود جلب کرده است. ارتباط میان قیمت این دو به خوبی مشخص شده است و موج اخیر این قیمت ها توجه بیش از پیش تحلیل گران دولتی و موسسه های پژوهشی بین المللی و خصوصی را برانگیخته است. از این رو تاثیر قیمت نفت بر قیمت محصولات کشاورزی از دیدگاههای مختلف مورد مطالعه قرار گرفته است (Alom, 2011). الوم در مطالعه خود بیان میکند که به دلیل مصرف گسترده انرژی در بخش کشاورزی، قیمت نفت ارتباط مستقیم با افزایش قیمت کالاهای کشاورزی دارد، زمانی که قیمت نفت افزایش می یابد قیمت نهاده های کشاورزی نیز افزایش می یابد و در نهایت منجر به افزایش قیمت کالاهای کشاورزی میشود. بنابراین با توجه به اهمیت موضوع مطالعات زیادی بر این موضوع تمرکز داشته اند و به اثر تکانه های نفتی بر متغیرهای اقتصادی و از جمله قیمت محصولات کشاورزی پرداخته اند.
تحلیل تاثیر درآمدهای نفتی بر اقتصاد از جنبه های مختلف مورد بررسی قرار می گیرد. به عنوان مثال، یک توضیح به این ترتیب می باشد که افزایش درآمدهای نفتی، سبب انتقالات درآمدی از کشورهای واردکننده به کشورهای صادرکننده نفت می شود و قدرت خرید و تقاضای مصرف کننده را در کشورهای صادرکننده افزایش می دهد. اما افزایش درآمد در کشورهای صادرکننده، خود سبب می شود که تقاضا برای کالاهای کشورهای واردکننده افزایش یابد. شواهد تاریخی نشان می دهد افزایش در تقاضای مصرف کننده در کشورهای صادرکننده نفت کمتر از کاهش در تقاضای مصرف کنندگان در کشورهای واردکننده نفت است بنابراین، تقاضای جهانی برای کالاهای تولیدی در کشورهای واردکننده نفت کاهش می یابد (Brown et al, 2003)1
اما برای کشورهای نفت خیز که اساسا متکی به درآمدهای نفت هستند کانال اصلی تاثیرگذاری تکانه های نفتی از طریق بودجه است. چه زمانی که درآمد نفت کاهش پیدا می کند و چه زمانی که این درآمد رشد می کند، آثار سوء خود را بر شاخص های کلان اقتصاد کشور بر جای می گذارد. تحت شرایطی که درآمد نفت سقوط می کند دولت به علت وابستگی شدید به درآمدهای نفتی با کسر بودجه روبرو می شود و کسری بودجه، افزایش شدید پایه پولی و رشد تورم را به همراه دارد(Ansari and Salami, 2014).
از سوی دیگر کاهش درآمد ارزی به معنای کاهش واردات است و چون بخش عمده ای از واردات کشور ما به شکل مواد اولیه و تجهیزات جهت فرایند تولید است این خود به معنای کاهش تولید خواهد بود و در واقع می توانیم بگوییم کاهش درآمد نفت یک شوک رکود تورمی را به اقتصاد کشور وارد می کند و در مجموع عرضه را کاهش می دهد. ماحصل این وضعیت آن است که در شرایط کاهش درآمدهای نفتی، سطح کمتری از رشد اقتصادی همراه با سطح بالاتری از تورم در اقتصاد ملی تجربه می شود. از سوی دیگر با افزایش درآمدهای نفتی، درآمدهای ارزی افزایش پیدا می کند و با توجه به ظرفیت های اقتصادی کشور که قدرت جذب این مازاد درآمد را ندارند، افزایش قابل توجه درآمد های نفتی، افزایش خالص داراییهای خارجی بانک مرکزی را بدنبال خواهد داشت و رشد این خالص نیز موجب رشد پایه پولی و از این طریق موجب رشد تورم می شود (مهدوی عادلی و همکاران، 1391).
افزایش قیمت انرژی عامل اصلی تبیین پویایی های اخیر قیمت جهانی محصولات کشاورزی است. بازارهای کشاورزی و انرژی از سال 2006 به دلیل افزایش تولید سوخت های زیستی، ارتباط نزدیکی داشته اند. اتانول و بیودیزل جایگزینی برای بنزین و دیزل هستند. در نتیجه افزایش اخیر قیمت محصولات کشاورزی به دلیل افزایش استفاده از این محصولات در تولید سوخت های زیستی است. در واقع ارتباط انرژی و کشاورزی موضوع و چالش جدیدی نمی باشد. از لحاظ تاریخی، کشاورزی یک بخش انرژی بر بوده است. بنابراین می توان ارتباط مستقیمی بین قیمت نفت و قیمت محصولات کشاورزی در نظر گرفت (شفیعی و نادری، 1392).
(2008) Killian نشان داد که شوکهای نفتی از افزایش در تقاضای جهانی کالاهای صنعتی آغاز میشوند و اثر شوکهای نفتی روی کلان اقتصاد بسته به این که از جانب عرضه باشند یا تقاضا، متفاوت است. (2010) Saghian روابط هم انباشتگی بین قیمت نفت خام و ذرت و قیمت گندم و سویا را مورد بررسی قرار داد و همچنین رابطه علیت از قیمت نفت به سمت قیمت کالاهای کشاورزی را پیدا کرد. (2011) Chow and Ba از یک مدل VAR ساختاری با محدودیتهای علامتی استفاده کرده و نشان دادند که افزایش در قیمت نفت خام منجر به افزایش قیمت و تقاضای ذرت می شود. (2012) Nazlioghlou and Soitas رابطه پویای بین قیمتهای جهانی نفت و قیمت 24 کالای کشاورزی را بررسی کردند. آنها با استفاده از روشهای هم انباشتگی پنلی و علیت گرنجری نشان دادند که قیمتهای انرژی میتواند به طور غیرمستقیم و از طریق نرخ ارز قیمت کالاهای کشاورزی را تحت تاثیر قرار دهد. (2014) Bermond and Hash ارتباط میان قیمت جهانی نفت و انواع کالاها شامل انرژی، فلزات گرانبها، فلزات غیرآهنی، محصولات غذایی، روغن و ... را با استفاده از رویکرد Panel VAR مورد بررسی قرار داده و نتیجه گرفتند که فرضیه رابطه بلندمدت بین قیمت نفت و سایر متغیرهای تحقیق معتبر نیست. (2015) Zhang and Qu اثر شوک قیمت جهانی نفت بر محصولات کشاورزی چین را مورد بررسی قرار دادند. در این مطالعه محصولات برنج، ذرت، سویا و پنبه مورد بررسی قرار گرفت. نتایج این مطالعه نشان داد که قیمت نفت، بوسیله نوسانات خوشه ای طبقه بندی می شود. نتایج بیانگر این بود که شوک های قیمت اثرات متفاوتی بر قیمت محصولات کشاورزی دارند. همچنین نتایج بیانگر این بود که تاثیر شوک قیمت نفت بر محصولات کشاورزی نامتقارن است.
Pishbahar (2017) به بررسی اثرات اقتصادی قیمت های جهانی مواد غذایی و نفت بر روی متغیرهای اقتصاد کلان ایران پرداختند. جهت تعیین چگونگی اثرگذاری از روش خودتوضیح برداری ساختاری (SVAR) استفاده شد. داده های مورد نیاز جهت انجام این مطالعه به صورت ماهانه و مربوط به دوره فروردین ۱۳۸۰ تا اسفند ۱۳۹۰ بود. نتایج نشان داد که قیمت جهانی مواد غذایی بر روی تورم و نرخ ارز موثر است اما اثر معنی داری بر روی رشد تولید و بازار سهام ندارد. شوک قیمت نفت نیز اثرات مشابهی را بر روی متغیر های کلان نشان داده و تنها تورم و نرخ ارز را تحت تاثیر قرار داده است. (2017) Paris به بررسی نقش سوخت هاي بیوفویل (سوخت زیستی) پرداخت. در این مطالعه رابطه بین قیمت نفت و قیمت محصولات کشاورزی مورد آزمون قرار گرفت. این مطالعه نشان داد که توسعه بیوفویل (سوخت زیستی) منجر به افزایش در اثر گذاری قیمت نفت بر قیمت محصولات کشاورزی می شود. (2018) Melichar and Atems رابطه بین قیمت جهانی نفت و محصولات کشاورزی را مورد بررسی قرار داد. به منظور برآورد مدل تحقیق از روش خودرگرسیون برداری ساختاری (SVAR) و اطلاعات دوره زمانی 2015-1985 استفاده شد. شوک قیمت نفت در این مطالعه بر اساس روش کیلیان (2009) استخراج شد و مورد ارزیابی قرار گرفت. نتایج این مطالعه نشان داد که یک رابطه غیرخطی بین قیمت نفت و محصولات کشاورزی وجود داشته است. (2019) Ma and Hou رابطه متقابل بین قیمت ذرت در چین را با قیمت نفت WTI مورد بررسی قرار دادند. در این مطالعه از اطلاعات آماری دوره زمانی 2018-2003 و روش علّیت گرنجری و مدل تصحیح خطا (ECM) استفاده شد. نتایج بیانگر این بود که قیمت نفت علّیت گرنجری برای قیمت نفت نبوده است. اما افزایش قیمت نفت در بلندمدت منجر به افزایش در قیمت ذرت در این کشور شده است. (2019) Zafeiriou et al به بررسی رابطه بین قیمت کالاهای کشاورزی و قیمت نفت پرداختند. در این مطالعه رابطه بین قیمت سویا و ذرت با نفت خام در بازه زمانی 2016-2000 با استفاده از روش خودهمبستگی با وقفه های توزیعی (ARDL) مورد بررسی قرار گرفت. نتایج این مطالعه بیانگر وجود یک رابطه بلندمدت بین متغیرها بوده است.
با این حال با توجه به تایید اثر متفاوت تکانه های سمت عرضه و تقاضای نفت بر متغیرهای اقتصادی، پژوهشی که همزمان اثر تغییرات قیمت نفت روی قیمت محصولات کشاورزی (هم به صورت جداگانه و هم گروه های مهم کالاهای کشاورزی) آزمون کند، یافت نشد. در این مقاله مساله اصلی که ذهن محقق را درگیر کرده است بحث نقش بحران غذایی در اثر گذاری قیمت نفت بر روی قیمت محصولات کشاورزی بوده است که با توجه به نوع تکانه وارد شده از ناحیه عرضه و تقاضا واکنش قیمت محصولات کشاورزی متفاوت خواهد بود.
مساله‌ای که در مقاله حاضر مورد توجه است، مساله اثرگذاری تکانه های قیمت نفت بر قیمت محصولات کشاورزی در ایران است. قیمت نفت خام و قیمت کالاهای کشاورزی از سال 2006 تا نیمه 2008 رشد سریعی را تجربه کردند. این همزمانی موجب شد محققین زیادی به اثر افزایش قیمت جهانی نفت خام در جهش قیمت کالاهای کشاورزی که به «بحران قیمت غذا» موسوم شد، مظنون شوند. (Baffes,2007; Du et al., 2011; Harri et al., 2009; Ji and Fan, 2012; Mitchell,2008; Rosegrant et al., 2008).
به نظر می رسد این پدیده را علاوه بر اين كه ميتوان به افزایش هزینه تولید محصولات کشاورزی در اثر افزايش قیمت نفت مرتبط دانست، بتوان با اثر جانشینی بین سوختهای فسیلی و سوختهای زیستی نيز توضیح داد. افزایش قیمت نفت، توسعه انرژی های جایگزین را به دنبال داشته به طوری که اتانول و دیزل زیستی که به ترتیب از ذرت و سویا استحصال می شوند به عنوان جانشین های مناسبی برای نفت خام مورد توجه قرار گرفته اند. بنابراین افزایش قیمت نفت خام می تواند منجر به افزایش قیمت ذرت و سویا شده و نهایتا به دلیل محدود بودن سطح زیرکشت در زمان معین، موجب افزایش قیمت سایر کالاهای کشاورزی شود. همچنین محتمل است عوامل دیگری مانند نرخ ارز رابطه بین قیمتهای نفت خام و کالاهای کشاورزی را توضیح دهند (Nazlioglu and Soytas, 2012).
(2015) Rezitis نشان می دهد از آنجا که دلار آمریکا پول اصلی مورد استفاده برای تجارت جهانی بسیاری از کالاها از جمله کالاهای کشاورزی است، بنابراین قیمت کالاهای کشاورزی که به دلار آمریکا ارزشگذاری می شوند، زمانی که دلار نسبت به دیگر ارزها کاهش ارزش می دهد، افزایش می یابد. به علاوه در چنین شرایطی سرمایه گذاران و سفته بازان که نگران نرخ های تورم بالا هستند به سرمایه گذاری در بازارهای آتی کالاهای کشاورزی رو آورده و با افزایش تقاضا قیمتها بالا می روند.
مواد و روش‌ها
همانطور که بیان شد هدف اصلی این مطالعه بررسی تاثیر تکانه قیمت نفت بر قیمت محصولات کشاورزی در ایران با توجه به دوره های بحران غذایی با رویکرد خودرگرسیون برداری بوده است. برای این منظور از اطلاعات آماری دوره زمانی 1397-1374 بر اساس اطلاعات ماهانه استفاده شد. متغیرهای مورد استفاده در این مطالعه شامل لگاریتم قیمت ذرت، لگاریتم قیمت برنج، لگاریتم قیمت سویا، لگاریتم قیمت گندم، لگاریتم قیمت جو، لگاریتم نرخ ارز حقیقی، لگاریتم قیمت نفت خام، لگاریتم تولید جهانی نفت، لگاریتم فعالیت اقتصادی واقعی جهانی و لگاریتم ذخایر احتیاطی نفت بوده است. همچنین شاخص بحرانهای غذایی برای سالهای 1382 و 1387 به صورت متغیرهای مجازی یا موهومی در مدل لحاظ شده است. مطابق معمول، در مرحله اول باید از مانایی متغیرها اطمینان حاصل نمود. سپس در مرحله بعد تعداد وقفه های بهینه مدل مشخص شده و مدل مورد مطالعه با روش خودرگرسیون برداری (VAR) برآورد شده و جهت تفسیر نتایج از تجزیه و تحلیل واریانس خطای پیش بینی و توابع عکس العمل آنی استفاده شده است.
با توجه به اینکه وجود روندهاي تصادفي در سري هاي زماني مي تواند تفسير نتايج اقتصادسنجي، انتخاب روش تخمين و اعتبار پيش بيني هاي به عمل آمده به كمك الگو (مدل) را با مشكل مواجه كند. به طور مشخص، با وجود روندهاي تصادفي چه بسا آماره هاي تشخيصي به اشتباه بر وجود رابطه ميان متغيرها دلالت كند. همچنين، ممكن است در اين حالت، معادلات اقتصادسنجي با استفاده از فن هايي برآورد شوند كه براي داده هاي مورد نظر مناسب نباشند. به علاوه، پيش بيني هايي كه بر اساس الگو انجام مي شود، مي تواند دچار تورش شود. در سال هاي اخير، متخصصان اقتصادسنجي، به اثرات نامطلوب روندهاي تصادفي در سري هاي زماني بر نتايج تخمين هاي حداقل مربعات معمولي توجه كرده اند و به معرفي روش هاي نويني براي رفع آنها همت گمارده اند. در صورت وجود روندهاي تصادفي، حتي در مواردي كه بين متغيرها هيچ گونه رابطه واقعي وجود ندارد، فن هاي متداول نظير روش حداقل مربعات معمولي چه بسا رابطه معناداري را ميان آن ها نشان دهد چنین رگرسيون هايي به رگرسیون های کاذب معروف هستند.
براي اجتناب از نتايج نادرست برآمده از رگرسيون هاي كاذب، انگل و گرنجر (1987) نظريه هم گرایی بلندمدت را مطرح كردند. يك گروه از متغيرهاي ناپایا، در صورتي رابطه هم گرایی بلندمدت خواهند داشت كه حداقل يك تركيب خطي پایا ميان آن ها وجود داشته باشد. وجود يا نبود رابطه هم گرایی بلندمدت ميان متغيرهاي الگو، پيش بيني هايي را كه توسط آن صورت مي گيرد، به شدت تحت تأثير قرار مي دهد، به طوري كه اگر در يك معادلة رگرسيوني رابطة هم انباشتگی وجود نداشته باشد، پيش بيني هاي ضعيفي توسط الگو صورت خواهد گرفت. براي آزمون وجود روندهاي تصادفي در سري هاي زماني و پسماندهاي رگرسيون، متخصصان اقتصادسنجي سري هاي زماني روش هايي را ابداع كرده اند. همچنين، روش هايي نيز براي برآورد روابط ميان متغيرهاي داراي روند تصادفي ارائه شده است.
به منظور بررسی اثر قیمت نفت خام بر قیمت محصولات کشاورزی با توجه به بحران های غذایی از روش خودرگرسیون برداری استفاده شده است. به دلیل مزایای عمده موجود در روش خودرگرسیون برداری و همچنین محدودیتهای موجود در استفاده از مدلهای سری زمانی در دوره های کوتاه مدت همانند محدودیت های آماری و عدم اطمینان از برونزا بودن یک متغیر، می توان با به کارگیری روش خودرگرسیون برداری این نگرانی را از بین برد. مطابق معمول، در مرحله اول از مانایی متغیرها اطمینان حاصل می نمائیم. سپس در مرحله بعد، تعداد وقفه های بهینه مدل مشخص شده و مدل مورد مطالعه با روش خودرگرسیون برداری (VAR) برآورد می شود و جهت تفسیر نتایج از تجزیه و تحلیل واریانس خطای پیش بینی و توابع عکس العمل آنی استفاده می شود.
فرم ساختاری VAR مشابه معادلات همزمان است که در آن علاوه بر مقادیر زمان‌های گذشته(Yt-j) ، مقادیر جاری متغیرها (Yt) نیز در هر یک از معادلات وارد میشود:
(1) 
از آنجا که در این معادله، مرتبه VAR برابرp است، لذا آن را با VAR(p) نشان می‌دهند. هر یک از اجزای این معادله عبارتند از:
(2) 
(3) 
بنابراین، معادله iام را می‌توان به صورت زیر نوشت:
(4) 
uit میانگین صفر و واریانس ui2σ دارد. علاوه بر این، uit خود همبستگی ندارد و همچنین جمله خطای یک معادله با معادله دیگر، همبستگی ندارد. معمولا آنچه که به عنوان مدلهای VARمعروف شده است، فرم حل شده VAR می‌باشد که طبق آن، مقادیر جاری یک متغیر برحسب مقادیر گذشته آن متغیر و سایر متغیرها نوشته میشود. بدین منظور می‌توان با ضرب طرفین معادله (1) در θ-1، فرم حل شده VAR را به دست آورد.
(5) 
یکی از راه‌های تعیین طول وقفه در مدلهای VAR استفاده از نسبت درستنمایی است. در این روش می‌توان دو مدل VAR با وقفه‌های متفاوت را مقایسه نمود. در واقع، این روش مبتنی بر مقایسه رگرسیون مقید و نامقید است. در اینجا، مدلی که وقفه‌های بیشتری دارد، مدل نامقید و مدلی که وقفه‌های کمتری دارد، مدل مقید می‌باشد. به عنوان مثال اگر مدل نامقید دارای p وقفه و مدل مقید دارای 
وقفه باشد، در این صورت تعداد محدودیتهای اعمال شده برای هر معادله برابر با " تعداد متغیرها ضربدر تفاوت وقفه های دو مدل" است. لذا تعداد محدودیت‌ها برای هر معادله برابر 
و برای کل سیستم برابر با 
می‌باشد. برای مقایسه دو مدل مقید و نامقید می‌توان از نسبت درستنمایی استفاده نمود که به صورت زیر تعریف میشود:
(6) 
Ω ماتریس واریانس – کوواریانس جملات خطا است. 
و 
به ترتیب مربوط به مدل مقید و نامقید می‌باشند. اگر مدل نامقید که وقفه p دارد، تفاوتی با مدل مقید که وقفه دارد، نداشته باشد آنگاه LR کوچک خواهد بود. در این صورت می‌توان از مدلی که وقفه‌های کمتری دارد استفاده نمود، زیرا قدرت توضیح‌دهندگی آن تفاوتی با مدل نامقید که وقفه‌های طولانی دارد، نخواهد داشت. توجه شود کهLR دارای توزیع 2χ است که درجه آزادی آن معادل با تعداد محدودیت‌ها است.
نتایج و بحث
در گام اول، برای جلوگیری از انجام رگرسیونهای کاذب در تحقیق ابتدا پایایی متغیرها مورد بررسی قرار گرفته است. با استفاده از آزمونهای صورت گرفته این موضوع که آیا سری‌هاي زمانی مورد استفاده فرایندی پایا (با مرتبه انباشتگی صفر) و یا ناپایا (با مرتبه انباشتگی غیر صفر) دارند، بررسي شده است. برای این منظور آزمون ریشه واحد بر روی متغیرهای تحقیق مورد بررسی قرار گرفته است. آزمون ریشه واحد در حالت وجود عرض از مبداء و روند انجام شده است نتـايج جدول (1) نشان دهنده این است که تمامی متغیرهای تحقیق به دلیل اینکه مقدار سطح معنی داری گزارش شده برای این متغیرها کمتر از 0.05 است در سطح اطمینان 95 درصد بوده فرضیه صفر مبنی بر وجود ریشه واحد رد شده و این متغیرها در سطح، پایا هستند.
جدول (1): آزمون ریشه واحد متغیرهای تحقیق
متغیرها | آماره آزمون ADF (سطح معنی داری) | آماره آزمون PP (سطح معنی داری) |
لگاریتم قیمت ذرت | 4.76- (0.000) | 4.88- (0.000) |
لگاریتم قیمت برنج | 3.23- (0.001) | 3.72- (0.001) |
لگاریتم قیمت سویا | 3.87- (0.000) | 3.90- (0.001) |
لگاریتم قیمت گندم | 3.12- (0.002) | 4.01- (0.000) |
لگاریتم قیمت جو | 5.45- (0.000) | 4.78- (0.000) |
لگاریتم نرخ ارز حقیقی | 3.12- (0.000) | 3.60- (0.000) |
لگاریتم قیمت نفت خام | 4.35- (0.000) | 3.99- (0.002) |
لگاریتم تولید جهانی نفت | 2.87- (0.019) | 2.10- (0.024) |
لگاریتم فعالیت اقتصادی واقعی جهانی | 3.09- (0.000) | 3.86- (0.001) |
لگاریتم ذخایر احتیاطی نفت | 2.22- (0.022) | 2.87- (0.019) |
برای تخمین مدل لازم است ابتدا مرتبه بهینه مدل با استفاده از ملاکهای تعیین وقفه مدل خود رگرسيون برداری تعیین میشود. تعیین وقفه بهینه باید بر اساس تعداد متغیّرهای مدل و حجم نمونه صورت گیرد. در جدول زیر، وقفه بهینه بر اساس معیارهای مختلف انتخاب وقفه بهینه برای مدل انتخابی نشان داده شده است. به دلیل اینکه استفاده از معيار شوارتز تعدیل یافته باعث از دست دادن درجه آزادي کمتری نسبت به ديگر معيارها میشود، لذا در این تحقیق، وقفه بهینه بر اساس معیار شوارتز -بیزین انتخاب گردیده است.
جدول (2): تعیین تعداد وقفه های بهینه مدل
آماره وقفه | آماره آکائیک | آماره شوارتز- بیزین |
1 | 31.23- * | 34.45- * |
2 | 23.45- | 25.67- |
3 | 17.49- | 22.56- |
4 | 14.23- | 19.94- |
منبع: نتایج حاصل از تحقیق
همانطور که از جدول فوق پیداست، وقفه بهینه در این مدل بر اساس معیار شوارتز وقفه یک است.
جهت بررسی پویایی های موجود میان متغیرهای الگو، از توابع کنش- واکنش استفاده می شود. به عبارت دیگر توابع کنش- واکنش، پاسخ هایی است که متغیر درونی سیستم به تکانه ناشی از خطاها می دهد. این توابع اثر یک واحد تکانه را به اندازه یک انحراف معیار روی مقادیر جاری و آینده متغیر درونزا مشخص می کنند. نمودارهای زیر اثر یک واحد تکانه تصادفی را بر قیمت محصولات کشاورزی را از ناحیه قیمت نفت به میزان یک انحراف معیار را نشان می دهد.
شکل (1): واکنش قیمت محصولات کشاورزی به شوک وارد شده از ناحیه قیمت نفت برای ایران
در برآورد صورت گرفته برای کشور ایران مشاهده می شود که قیمت تمامی محصولات کشاورزی به شوک وارد شده از ناحیه قیمت نفت واکنش مثبت نشان داده است. در این بین متغیرهای قیمت سویا، برنج، گندم، ذرت و جو به ترتیب بیشترین واکنش را به شوک وارد شده از ناحیه قیمت نفت نشان داده اند. همچنین نتایج بدست آمده برای شوک وارد شده از ناحیه تغییرات در ذخایر احتیاطی نفت نیز منجر به افزایش شدیدتر در قیمت محصولات کشاورزی شده است. از طرف دیگر مشاهده میشود که شوکهای وارد شده منجر به افزایش در نرخ ارز و تقاضای جهانی شده و از طرف دیگر منجر به کاهش در تولید شده است. همچنین مشاهده میشود که شوک تغییر در ذخایر احتیاطی نفت منجر به افزایش در قیمت نفت شده است.
در نهایت در بخش انتهایی این مقاله به بررسی تجزیه واریانس پرداخته شد. با استفاده از تجزیه واریانس خطای پیشبینی، سهم متغیرهای موجود در الگو از تغییرات هریک از متغیرها در طول زمان مشخص میشود. روش تجزیه واریانس، خطای پیشبینی قدرت نسبی زنجیره علیت گرنجر یا درجه برونزایی متغیرها در ماورای نمونه را اندازهگیری میکند.
منظور از محاسبه شاخص تجزیه واریانس این است که مشخص شود بهطور نسبی میزان سهم و اهمیت تکانه ناشی از هر متغیر، در تغییرات خود نسبت به تغییرات سایر متغیرها چقدر است. به بیانی دیگر، در روش تجزیه واریانس، سهم شوکهای وارد شده بر متغیرهای مختلف الگو در واریانس خطای پیشبینی یک متغیر مشخص میشود.
جدول (4): نتایج حاصل از تجزیه واریانس شوک تقاضا
دوره زمانی | انحراف معیار | تقاضای نفت | جو | گندم | سویا | ذرت |
1 | 27.75 | 95.27 | 0.00 | 0.00 | 0.00 | 4.73 |
2 | 33.73 | 89.36 | 0.09 | 0.12 | 0.03 | 10.70 |
3 | 40.86 | 87.68 | 0.06 | 0.39 | 0.31 | 11.55 |
4 | 46.15 | 85.16 | 0.05 | 0.74 | 0.80 | 13.25 |
5 | 51.35 | 83.06 | 0.04 | 1.16 | 1.51 | 14.25 |
6 | 56.14 | 80.84 | 0.04 | 1.52 | 2.37 | 15.23 |
7 | 60.79 | 78.74 | 0.05 | 1.92 | 3.30 | 15.99 |
8 | 65.28 | 76.68 | 0.07 | 2.33 | 4.25 | 16.67 |
9 | 69.68 | 74.82 | 0.08 | 2.67 | 5.18 | 17.25 |
10 | 73.96 | 73.18 | 0.12 | 2.59 | 6.14 | 18.01 |
منبع: نتایج حاصل از تحقیق
جدول (5): نتایج حاصل از تجزیه واریانس شوک عرضه
دوره زمانی | انحراف معیار | گندم | عرضه نفت | جو | سویا | ذرت |
1 | 21.47 | 0.00 | 100.00 | 0.00 | 0.00 | 0.00 |
2 | 36.32 | 1.57 | 96.24 | 0.76 | 0.01 | 1.40 |
3 | 49.90 | 3.23 | 89.92 | 2.18 | 0.27 | 4.36 |
4 | 64.59 | 4.87 | 83.07 | 3.58 | 0.66 | 7.79 |
5 | 79.58 | 6.28 | 76.90 | 4.76 | 1.05 | 10.99 |
6 | 94.59 | 7.45 | 71.80 | 5.72 | 1.37 | 13.64 |
7 | 109.10 | 8.39 | 67.79 | 6.50 | 1.62 | 15.68 |
8 | 122.80 | 9.14 | 64.76 | 7.14 | 1.80 | 17.14 |
9 | 135.43 | 9.74 | 62.54 | 7.67 | 1.94 | 18.09 |
10 | 146.83 | 10.22 | 60.95 | 8.12 | 2.04 | 18.48 |
منبع: نتایج حاصل از تحقیق
نتایج بدست آمده از تجزیه شوکهای مربوط به بخش عرضه و تقاضای نفت و تغییرات در ذخایر احتیاطی نفت در ده دوره زمانی بیانگر این موضوع بود که در بخش شوک بخش تقاضای نفت قیمت ذرت، سویا، گندم، جو و برنج به ترتیب در طول دوره زمانی بیشترین تاثیرپذیری را از تکانه نفتی داشته است.
از سوی دیگر در بخش شوک عرضه نفت مشاهده می شود که به ترتیب قیمت های ذرت، گندم، جو، سویا و برنج بیشترین تاثیر پذیری را از تکانه قیمت نفت در بخش عرضه داشته است. در نهایت نتایج حاصل از شوک مربوط به تغییر در ذخایر احتیاطی نفت بیانگر این بود که سهم توضیح دهندگی قیمت ذرت، سویا، گندم، جو و برنج از نوسانات در تغییر ذخایر احتیاطی نفت به ترتیب بالاترین مقدار ممکن بوده است.
نتیجه گیری و پیشنهادها
هدف این مقاله بررسی تاثیر تکانه قیمت نفت بر قیمت محصولات کشاورزی ایران با توجه به دوره های بحران غذایی بود. برای این منظور از اطلاعات آماری دوره زمانی 1397-1374 با فراوانی داده های ماهانه و روش خودرگرسیون برداری (VAR) استفاده شد.
متغیرهای مورد استفاده در این مطالعه شامل لگاریتم قیمت ذرت، لگاریتم قیمت برنج، لگاریتم قیمت سویا، لگاریتم قیمت گندم، لگاریتم قیمت جو، لگاریتم نرخ ارز حقیقی، لگاریتم قیمت نفت خام، لگاریتم تولید جهانی نفت، لگاریتم فعالیت اقتصادی واقعی جهانی و لگاریتم ذخایر احتیاطی نفت بوده است. در برآورد صورت گرفته مشاهده می شود که قیمت تمامی محصولات کشاورزی به شوک وارد شده از ناحیه قیمت نفت واکنش مثبت نشان داده است.
در این بین متغیرهای قیمت سویا، برنج، گندم، ذرت و جو به ترتیب بیشترین واکنش را به شوک وارد شده از ناحیه قیمت نفت نشان داده اند. نتایج حاصل بیانگر این بود که شوک های قیمت نفت منجر به افزایش در قیمت محصولات کشاورزی شده است. شوک های بخش عرضه و تقاضای نفت تاثیر بیشتری بر افزایش در قیمت محصولات کشاورزی به عنوان جایگزین سازی از طریق سوختهای زیستی داشته است.
با توجه به نتایج بدست آمده می توان بیان کرد که به دليل وابستگي اقتصاد کشور به درآمدهاي حاصل از صادرات نفت، تکانههاي قيمت نفت و نرخ ارز به ویژه در شرایط تحریم اقتصادي، اثر قابل توجهي بر اقتصاد کشور به ویژه بخش کشاورزي از منظر امنيت غذایي دارد.
الزام است سياستگذاريها در این خصوص در بلندمدت بر کاهش وابستگي به درآمدهاي نفتي و در کوتاهمدت بر سياستهاي حمایتي جهت افزایش دسترسي اقتصادي به مواد غذایي متمرکز شود. همچنین باتوجه به تاثيرپذیري بالاي قيمت حقيقي محصولات کشاورزي وارداتي از شوکهاي نفتي، لازم است خرید محصولات کشاورزي عمده به ویژه اقلام مورد اشاره در این مقاله براساس پيشبيني از عرضه و تقاضاي نفت خام صورت پذیرد. به طوريکه با پيشبيني مازاد عرضه نفت، خریدها حتي الامکان به آینده موکول شود و برعکس با پيشبيني رشد اقتصادجهاني و رشد تقاضاي نفت، حتيالمقدور در خرید تعجيل شود.
مقایسه نتایج بدست آمده از این مطالعه بیانگر این است که این نتایج با دستاوردهای (2010) Saghian، (2012) Nazlioghlou and Soitas، (2015) Zhang and Qu، Pishbahar (2017)، (2018) Melichar and Atems و (2019) Zafeiriou et al همخوانی و مطابقت داشته است.
بر اساس نتایج بدست آمده پیشنهاد می شود که برای جلوگیری از بروز نوسانات در قیمت محصولات کشاورزی ر واکنش به تکانه های قیمت نفت، جهت کاهش نوسانات قیمت گندم، ذرت، سویا و برنج سامان دهی بازار تقاضای محصولات و سیاست های تثبیت بازار مورد توجه قرار گیرد.
نظارت بیشتر سازمان های بازرسی و مرتبط با محصولات کشاورزی بر سیاست های صادرات و واردات محصولات کشاورزی و قیمتگذاری محصولات در جلوگیری از وقوع شوک های قیمتی در بازار اثربخش و موثر خواهد بود.
[1] . Brown et al
The Impact of Oil Price Fluctuation on the Price of Agricultural Products in Iran Considering the Food Price Crisis Periods
Abstract:
The aim of this paper is to study The Influence of Oil Price Fluctuation on the Price of Agricultural Products Considering Food Crisis Periods. To fulfill such goal, the statistical information of 1374-1397 with the monthly data frequency and with using the VAR Panel approach with considering Food Crisis Periods. The variables used in this study include corn price logarithm, rice price logarithm, soybeans price logarithm, wheat price logarithm, barley price logarithm, real currency rate logarithm, crude oil price logarithm, world oil production logarithm, world real economic activity logarithm and oil safty reserve logarithm. The results show that the price of all agricultural products responds positively to oil price shocks. Among these variables, the price of soybeans, rice, wheat, corn and barley showed the strongest responses to the shocks of oil price respectively. The results indicate that the price oil shocks result in the increase in the price of the agricultural products. The shocks related to the section of oil supply and demand have greater influence on the price increase of agricultural products as the alternative via biofuels. Accordingly, it suggested that the effect of oil shocks on the agricultural sector be adjusted by using the performance of the Development Fund and foreign exchange resources.
JEL Classifications : F31، G22، I13، B23.
Key words: Oil Price, Food Price Crisis, Agricultural Products, Inflation Rate, VAR Approach (VAR)
منابع
1. Alom F. (2011) Economic effect of oil and food price shocks in Asia and Pacific countries: an application of SVAR model. Paper presented at the 2011 NZARES conference, New Zealand, August 25-26.
2. Ansari, V., Salami, H. (2014). Analysis of demand side policies on the growth of Agricultural Products in Iran. Iranian Journal of Agricultural Economics and Development Research, 45(1), 1-22 (In Persian).
3. Baffes, J. (2007). Oil Spills on Other Commodities. Policy Research Working Paper 4333, World Bank.
4. Baltagi, H, Badi (2015), Econometric Analysis of Panel Data, 5th Edition,
5. Brown, S., Yüce, M. (2002), Energy prices and aggregate economic activity: An interpretative survey. The Quarterly Review of Economics and Finance, 42(2), 193-208.
6. Du, X., Yu, C., Hayes, D.J., 2011. Speculation and volatility spillover in the crude oil and agricultural commodity markets: A Bayesian analysis. Energy Economics 33, 497–503.
7. Gabriel L, (2019), Economic growth and manufacturing: An analysis using Panel VAR and intersectoral linkages, Structural Change and Economic Dynamics, 49, 43-61.
8. Hamilton, J., (1983). Oil and the macroeconomy since world-war-II. Journal of Political Economy 91, 228–248.
9. Harri, A., Nalley, L., Hudson, D. (2009), The relationship between oil, exchange rates, and commodity prices. Journal of Agricultural and Applied Economics, 2, 501-510.
10. Ji, Q., Fan, Y., (2012). How does Oil Price Volatility Affect Non-Energy Commodity Markets? Applied Energy 89, 273–280.
Rosegrant, M. W., T. Zhu, S. Msangi, and T. Sulser. (2008). Global Scenarios for Biofuels: Impacts and Implications. Review of Agricultural Economics 30 (3): 495–505.
11. Kilian, L. (2008). Exogenous Oil Supply Shocks: How Big Are They and How Much Do They Matter for the US Economy? Review of Economics and Statistics, 90: 216-240.
12. Kilian, L. (2009). Not All Oil Price Shocks Are Alike: Disentangling Demand and Supply Shocks in the Crude Oil Market, American Economic Review, 99(3), 1053-1069.
13. Kilian, L. and C. Park (2009). The Impact of Oil Price Shocks on the U.S. Stock Market, International Economic Review, 50 (4): 1267-87.
14. Love, I. & Ziccino, L. (2006). Financial Development and Dynamic Investment Behaviour: Evidence from Panel VAR. Quarterly Review of Economics and Finance, 46, 190-210.
15. Ma, Z and Hou, W (2019), The interactions between Chinese local corn and WTI crude oil prices: an empirical analysis, Petroleum Science, 16, 929–938.
16. Mahdavi Adeli, Mohammad Hossein, Ghezelbash, Azam, Daneshnia, Mohammad (2012), The effect of oil price changes on major macroeconomic variables in Iran, Iranian Journal of Energy Economics, 1 (3), 131-170.
17. Melichar, M. and Atems, B. (2019), Global crude oil market shocks and global commodity prices. OPEC Energy Review, 43, 92-105.
18. Mitchell, D. (2008). A Note on Rising Food Prices. World Bank Policy Research Working Paper No. 4682.
19. Mohammadzadeh, Y., Jahangiri, K., Refah-kahriz, A., Valizadeh, E. (2018). The effect of property rights and political risk to attract foreign direct investment using with PVAR approach. Journal of Applied Economics Studies in Iran, 7(26), 115-144 (In Persian).
20. Naderi, Pouya and Shafiei, Farhad (2013), Status and Challenges of Development and Optimization of Microalgae Biofuel Production Technology in Iran and the World, Third Iranian Bioenergy Conference, Tehran.
21. Nazlioglu, S and Soytas, L (2012), World oil and agricultural commodity prices: Evidence from nonlinear causality. Energy Policy, 39(5), 2935-2943.
22. Nikravesh, S., Yazdani, S., Yavari, G., Kazemnejad, M. (2018). The Impact of Macroeconomic Shocks on Agricultural Trade. Iranian Journal of Agricultural Economics and Development Research, 49(4), 573-586 (In Persian).
23. Nowrouzifar, T., fattahi, S., sohaili, K. (2019). The Impact of Economic Sanctions on the Amount of Dependence between Oil and Financial Market (Extremal Dependence Approach). Economic Modeling, 13(45), 1-17 (In Persian).
24. Pishbahar, E. (2017). Investigate the economical effects of world food and oil price on macroeconomic variables in Iran. Iranian Journal of Agricultural Economics and Development Research, 48(2), 197-209 (In Persian).
25. Rezitis, A.N. (2015), The relationship between agricultural commodity prices, crude oil prices, and the US dollar exchange rates: A panel VAR approach and causality analysis. Working Paper, Department of Business Administration of Food and Agricultural Enterprises, University of Patras, Greece.
26. Saikkonen, P. & Lutkepohl, H. (2000). Testing for the Cointegrating Rank of a VAR Process With an Intercept, Econometric Theory, 16: 373-406.
27. Wang, D., Tomek, W.G. (2012), Commodity prices and unit root tests. American Journal of Agricultural Economics Association, 89(4), 873-889.
28. Zafeiriou, Eleni & Garyfallos Arabatzis & Paraskevi Karanikola & Stilianos Tampakis & Stavros Tsiantikoudis, (2018), Agricultural Commodities and Crude Oil Prices: An Empirical Investigation of Their Relationship, Sustainability, MDPI, Open Access Journal, 10(4), 1-11.