تأثیر نوسان‌های سیاستی بر شاخص‌های انرژی در بخش کشاورزی ایران
محورهای موضوعی : فناوری های تولید پایدارویدا آقامحسنی فشمی 1 , رضا مقدسی 2 * , امیر محمدی نژاد 3 , حسین باخدا 4
1 - دانشجوی دکتری گروه اقتصاد، ترویج و آموزش کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 - دانشیار، گروه اقتصاد، ترویج و آموزش کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
3 - استادیار، گروه اقتصاد، ترویج و آموزش کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
4 - استادیار، گروه مکانیزاسیون کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
کلید واژه: نوسان‌های سیاستی, بهرهوری انرژی, مصرف انرژی, کشاورزی, ایران.,
چکیده مقاله :
انرژی ازجمله اصلی‌ترین عوامل تولید و درعین‌حال اصلی‌ترین محصولات عرضه‌شده برای مصرف‌کننده می‌باشد. در سال‌های اخیر اهمیت برنامه‌ریزی در مصرف بهینه انرژی دوچندان شده است. بامطالعه شاخص‌های انرژی و تأثیر سیاست‌های اقتصادی مختلف بر آن‌ها می‌توان به درکی از شرایط گذشته و حال و تصویری از آینده در بخش‌های مختلف انرژی رسید. این مقاله با استفاده از داده‌های مابین سال‌های 1401-1360 و به‌کارگیری الگوی خود توضیح با وقفه‌های گسترده غیرخطی به بررسی اثر غیرخطی نوسانات سیاستی بر شاخص‌های انرژی در بخش کشاورزی ایران می‌پردازد. نتایج حاکی از وجود ارتباط میان متغیرهاست؛ یعنی تکانه‌های مثبت در ارزش‌افزوده کشاورزی با ضریب 0/13 و در مقابل تکانه منفی با ضریب 09/0- بر مصرف انرژی در بلندمدت مؤثر خواهد بود اگرچه ضریب دوم ازلحاظ آماری معنیدار نیست. همچنین وجود عدم تقارن در اثر سایر متغیرها بر مصرف و بهرهوری انرژی کشاورزی مورد تائید قرار گرفت.
Energy is one of the primary factors in production and simultaneously one of the principal commodities. In recent years, the significance of strategic planning in optimizing energy consumption has increased. By examining energy indicators and the impact of various economic policies on them, it is possible to attain a comprehension of past conditions and a picture of the future in different energy sectors. The data spanning from 1947 to 2019 were used through a Non-Linear Autoregressive Distributed Lag (NARDL) for analyzing non-linear effects of policy instability on energy indicators in the agricultural sector of Iran. The results indicated an association among the variables, wherein positive fluctuations in agricultural value-added, with a coefficient of 0.13, and conversely negative fluctuations with a coefficient of -0.09, significantly affected long-term energy consumption. It is notable that the second coefficient lacked statistical significance. Additionally, the asymmetrical effects of other variables on energy consumption and productivity in agricultural practices was confirmed.
Al-Mulali, U., Fereidouni, H. G., Lee, J. Y., & Sab, C. N. B. C. (2013). Examining the bi-directional long run relationship between renewable energy consumption and GDP growth. Renewable and sustainable energy reviews, 22: 209-222. https://doi.org/210.1016/j.rser.2013.1002.1005.
Ang, J. B. (2008). Economic development, pollutant emissions and energy consumption in Malaysia. Journal of Policy Modeling, 30(2): 271-278. https://doi.org/210.1016/j.jpolmod.2007.1004.1010.
Armen, S. A., Kamali Dehkordi, P., & Hibti, R. (2010). Investigating the relationship between the consumption of energy carriers and industrial production in Iran. Energy Economy Studies, 7(27): 19-46 (in Farsi).
Asadi, A., Esmaeili, M., Bakhshvar, F., & Sadeghpour, A. (2018). Investigation of factors affecting energy consumption in Iran (with an emphasis on the financial development variable). Financial and Economic Policy Quarterly, 6(21): 81-107 (in Farsi).
Baker, S. R., Bloom, N., & Davis, S. J. (2016). Measuring economic policy uncertainty. The quarterly journal of economics, 131(4): 1593-1636. https://doi.org/1510.1093/qje/qjw1024.
Bashir, M. A., Sheng, B., Doğan, B., Sarwar, S., & Shahzad, U. (2020). Export product diversification and energy efficiency: Empirical evidence from OECD countries. Structural Change and Economic Dynamics, 55: 232-243. https://doi.org/210.1016/j.strueco.2020.1009.1002.
Bloom, N. (2014). Fluctuations in uncertainty. Journal of economic Perspectives, 28(2): 153-176. https://doi.org/ 110.1257/jep.1228.1252.1153.
Branson, W. H. (1997). Macroeconomic Theory and Policies (A. Shakri, Trans.; 6th ed.). Ni Publishing House
Broock, W. A., Scheinkman, J. A., Dechert, W. D., & LeBaron, B. (1996). A test for independence based on the correlation dimension. Econometric reviews, 15(3): 197-235. https://doi.org/110.1080/07474939608800353.
Cole, M. A. (2006). Does trade liberalization increase national energy use? Economics Letters, 92(1): 108-112. https://doi.org/110.1016/j.econlet.2006.1001.1018.
Fathi, Y. (2002). Tariff and non-tariff barriers to Iran's export in target markets. Institute of Business Studies and Research.
Halicioglu, F. (2011). A dynamic econometric study of income, energy and exports in Turkey. Energy, 36(5): 3348-3354. https://doi.org/3310.1016/j.energy.2011.3303.3031.
Huang, J., Du, D., & Tao, Q. (2017). An analysis of technological factors and energy intensity in China. Energy Policy, 109: 1-9. https://doi.org/10.1016/j. enpol.2017.1006.1048.
Islam, F., Shahbaz, M., Ahmed, A. U., & Alam, M. M. (2013). Financial development and energy consumption nexus in Malaysia: a multivariate time series analysis. Economic modelling, 30: 435-441. https://doi.org/410.1016/j.econmod.2012.1009.1033.
Jin, T., & Kim, J. (2018). Coal consumption and economic growth: panel cointegration and causality evidence from OECD and non-OECD countries. Sustainability, 10(3): 660. https://doi.org/610.1016/j.eneco.2022.105940.
Kahrl, F., & Roland-Holst, D. (2008). Energy and exports in China. China Economic Review, 19(4): 649-658. https://doi.org/610.1016/j.chieco.2008.1005.1004.
Koengkan, M. (2018). The positive impact of trade openness on consumption of energy: Fresh evidence from Andean community countries. Energy, 158: 936-943. https://doi.org/910.1016/j.energy.2018.1006.1091.
Li, J., Zhang, X., Ali, S., & Khan, Z. (2020). Eco-innovation and energy productivity: New determinants of renewable energy consumption. Journal of Environmental Management, 271: 111028. https://doi.org/111010.111016/j.jenvman.112020.111028.
Moradi, F., Agheli, L., & Asari Arani, A. (2021). The impact of uncertainty in economic policies on energy intensity in Iran. Energy Economy Studies Quarterly, 18(72): 27-58 (in Farsi).
Nili, M. (2013). Discussions of advanced macroeconomics. Sharif University of Technology Publications.
Pesaran, M. H., Shin, Y., & Smith, R. J. (2001). Bounds testing approaches to the analysis of level relationships. Journal of applied econometrics, 16(3): 289-326. https://doi.org/210.1002/jae.1616.
Sadorsky, P. (2010). Trade and energy consumption in the Middle East. Energy Economics, 33(5): 739-749. https://doi.org/710.1016/j.eneco.2010.1012.1012.
Sadorsky, P. (2011). Energy consumption, output and trade in South America. Energy Economics, 34(2): 476-488. https://doi.org/410.1016/j.eneco.2011.1012.1008.
Shahbaz, M., & Lean, H. H. (2012). Does financial development increase energy consumption? The role of industrialization and urbanization in Tunisia. Energy Policy, 40: 473-479. https://doi.org/410.1016/j.enpol.2011.1010.1050.
Shin, Y., Yu, B., & Greenwood-Nimmo, M. (2014). Modelling asymmetric cointegration and dynamic multipliers in a nonlinear ARDL framework. Festschrift in honor of Peter Schmidt: Econometric methods and applications: 281-314. https://link.springer.com/chapter/210.1007/1978-1001-4899-8008-1003_1009.
Vahidi, M. (2004). Investigating energy consumption, price and real income of OPEC member countries Shiraz University (in Farsi).
Wang, B., Meng, C., & Yu, H. (2023). The impact of economic policy uncertainty on regional total-factor energy productivity in China. International Journal of Environmental Research and Public Health, 20(4): 2855. https://doi.org/2810.3390/ijerph20042855.
Welsch, H., & Ochsen, C. (2005). The determinants of aggregate energy use in West Germany: factor substitution, technological change, and trade. Energy Economics, 27(1): 93-111. https://doi.org/110.1016/j.eneco.2004.1011.1004.
Yang, Z., & Hong, J. (2021). Trade policy uncertainty and energy intensity: Evidence from Chinese industrial firms. Energy Economics, 103: 105606. https://doi.org/105610.101016/j.eneco.102021.105606.
65 پژوهشهای علوم کشاورزی پایدار/جلد 4/شماره 3/پاييز 1403/ ص 79-65
تأثیر نوسان‌های سیاستی بر شاخص‌های انرژی در بخش کشاورزی ایران
ویدا آقامحسنی فشمی1، رضا مقدسی2، امیرمحمدی نژاد3، حسین باخدا4
1- دانشجوی دکتری، گروه اقتصاد، ترویج و آموزش کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2- دانشیار، گروه اقتصاد، ترویج و آموزش کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
3- استادیار، گروه اقتصاد، ترویج و آموزش کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
4- استادیار، گروه مکانیزاسیون کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
* ايميل نویسنده مسئول: r.moghaddasi@srbiau.ac.ir
(تاریخ دریافت: 23/07/1403- تاريخ پذيرش: 21/09/1403)
چکیده
واژههاي کليدي: نوسان‌های سیاستی، بهرهوری انرژی، مصرف انرژی، کشاورزی، ایران.
مقدمه
به‌طورکلی توجه جدی و گسترده‌ای در رابطه با برنامه‌ریزی انرژی در دنیا به وجود آمده که این مسئله مربوط به دوره افزایش قیمت نفت در دهه 1970 میلادی می‌باشد و با در نظر گرفتن این مسئله مطالعات گسترده‌ای بر روی مدل‌های اعمال سیاست‌های کلان مدیریت انرژی در دنیا انجام‌شده است. بررسی تأثیر اجرای این سیاست‌ها و برنامه‌ها در حوزه مدیریت انرژی نقش بسیار مهمی در اندازه‌گیری مقدار اثربخش بودن آن‌ها و بالا رفتن شاخص‌های انرژی در سیستم انرژی هر کشور دارد. بحران نفتی و وابستگی کشورها به سوخت‌های فسیلی مانند نفت و گاز طبیعی توجه به سیاست‌گذاری و برنامه‌ریزی در حوزه انرژی را افزایش داد. در مطالعات مربوط به اقتصاد انرژی اهمیت بسیار انواع حامل‌های انرژی جهت برطرف نمودن نیازهای بخش‌های مختلف اقتصادی و خانوارها مشخص شد. حامل‌های انرژی مانند فراورده‌های نفتی به همراه گاز طبیعی و برق تأثیر بسیار در توسعه فعالیت‌های اقتصادی دارند. (Ziaabadi et al., 2010).
اخیراً و درنتیجه افزایش تولید در بخش کشاورزی انواع انرژی‌های مصرفی تغییر و همچنین مصرف انرژی نیز افزایش‌یافته است. با توجه به ماهیت فعالیت های مختلف و نوع مصرف انواع حامل های انرژی در بخش کشاورزی، سوخت موتور ماشین آلات کشاورزی و نیرو محرکه الکتروپمپ ها جهت پمپاژ آب از چاه های برقی از مهم ترین مصارف انرژی در بخش کشاورزی محسوب می شوند. علاوه بر این، بخشی از انرژی مصرفی به منظور گرم کردن فضای گلخانه ها، دامداری ها و مرغداری ها مورد استفاده قرار می گیرد.
به دلیل مسائلی از این قبیل و نیز ضرورت افزایش بهرهوری و کاهش مصرف انرژی مدیریت مصرف انرژی امری مهم است. جهت مدیریت مصرف انرژی ابتدا باید از الگو مصرف هر بخش آگاه شد. از ابزارهای مهم این شناخت، شاخص‌های اقتصادی انرژی است و بررسی روند و محاسبه این شاخص‌ها باعث آگاهی از وضعیت عملکرد بخش‌های مختلف اقتصادی در حوزه انرژی می‌شود و همچنین می‌توان آن را به‌عنوان راهی برای شناسایی و جهت‌دهی الگوی مصرف در بخش‌های مختلف اقتصادی و همچنین بخش کشاورزی استفاده نمود.
سیاست‌های اقتصادي
به‌طورکلی سیاست‌های اقتصادي شامل مجموعه سیاست‌های طرف تقاضا و عرضه اقتصاد می‌شوند. دولت‌ها اين سیاست‌ها را براي ثبات اقتصاد كلان، افزايش اشتغال و كاهش تورم به كار می‌گیرند. دولت‌ها از ابزارهاي سياستي پولي، مالي و درآمدي استفاده می‌کنند. بررسي درجات عدم اطمينان نسبت به نتايج سیاست‌های اقتصادي می‌تواند به نوع خاصي از فرمول سياست تثبيت اقتصادي منجر شود (Branson, 1997). براي کنترل مصرف انرژي در کشورها، معمولاً دودسته ابزار سياستي به کار گرفته می‌شود. دسته اول، ابزارهاي مبتني بر بازار (شامل ماليات، يارانه و تعرفه) هستند. دسته دوم دربرگیرنده ابزارهاي کنترلي (شامل جیره‌بندی، سهمیه‌بندی، مجوزها و...) است. به‌عنوان یکی از اصلی‌ترین عوامل تولید و همچنین یک محصول بااهمیت، انرژی موقعیت شاخصی در توسعه و رشد کشورها دارد. از طرف دیگر مصرف نامناسب انرژی بر شرایط اقلیمی تأثیر منفی دارد و این خود نشان‌دهنده ضرورت مصرف بهینه انرژِی است. این موضوع در ایران و اقتصاد آن از اهمیت دوچندانی برخوردار است زیرا گستردگی منابع انرژی زیاد است. انجام هرگونه اقدام در مصرف بهینه انرژی نیازمند آگاهی از شرایط موجود و درک شرایط از طریق آمار و اطلاعات است. با عنایت به آمارهاي ارائه‌شده توسط وزارت نیرو دو نکته قابل‌ذکر است اولاً مقدار مصرف انرژي در ایران نسبت به متوسط کشورهاي عضو اوپک و خاورمیانه بالا است ثانیاً کارایی مصرف انرژي در ایران نسبت به متوسط کشورهاي عضو اوپک و خاورمیانه پایین است بنابراین ضرورت تمهیدات جدي براي نزدیک‌تر کردن شاخص‌هاي داخلی به شاخص‌هاي بین‌المللی ضروري است. در این زمینه دو گروه سیاست، قابل‌برنامه‌ریزی و اجرا است که عبارت‌اند از سیاست‌های قیمتی و غیر قیمتی. به‌عنوان نمونه از سیاست‌های قیمتی قانون هدفمند کردن یارانه‌ها و از سیاست‌های غیر قیمتی بهبود کارایی مصرف انرژی را می‌توان نام برد.
شاخص‌های اقتصادی انرژی ازجمله اصلی‌ترین روش‌های ارزیابی شرایط ازنظر مصرف انرژِی است و مشخص کردن این شاخص‌ها در هر یک از بخش‌های اقتصادی نه‌تنها امکان مقایسه بین آن‌ها را فراهم می‌کند بلکه درکی از روندهای طی شده در طول زمان ازنظر مصرف انرژی و امکان پیش‌بینی شرایط آینده درزمینه انرژی در اختیار ما قرار می‌دهد. از طریق تحلیلِ یافته‌های حاصل از محاسبه این شاخص‌ها می‌توانیم درک بهتری از عملکرد هر یک از بخش‌ها در این حوزه داشته باشیم. از این راه می‌توان استراتژی‌ها و برنامه‌ریزی‌های بهتری در بلندمدت جهت ارتقاء الگوی مصرف انرژی به دست آورد. اصولاً مهم‌ترین شاخص‌های اقتصادی انرژی که باهدف سنجش میزان مصرف انرژی و شرایط انرژی برای فعالیت‌های اقتصادی به‌کاربرده می‌شوند عبارت‌اند از کارایی انرژی، مصرف نهایی انرژی، بهرهوری انرژی و شدت انرژی. (Ghasemi., 2012).
بهرهوری انرژي
منظور از بهرهوری انرژی کاهش میزان انرژی مصرف‌شده برای تولید کالا و خدمات است. همانند بهرهوری نیروی سرمایه و کار، بهرهوری انرژی عبارت است از میزان انرژِی مصرف‌شده برای تأمین خدمات و کالا در قیاس با ورودی‌ها. این شاخص حاصل تقسیم ارزش‌افزوده به میزان انرژی مصرفی می‌باشد. بهرهوری انرژی در سطح ملی حاصل تقسیم میزان تولید ناخالص ملی بر میزان مصرف انرژی کل است. در میان بخش های اقتصادی یک کشور بخش کشاورزی به عنوان تأمین کننده غذای جامعه از اهمیت ویژه ای برخوردار است و به دلیل وجود محدودیت در منابع تولید مانند زمین و انرژی سبب شده است که به استفاده از روش های ارتقاء بهره وری عوامل تولید توجه ویژه ای شود. (Ghanbari et al., 2013).
نا اطمینانی (عدم قطعیت) سیاست‌های اقتصادی
نا اطمینانی، بيانگر عدم قطعيتي است كه در ذهن مصرف‌کنندگان، مديران و سیاست‌گذاران درباره حوادث محتمل در آينده وجود دارد. همچنين نا اطمینانی در مورد مسير رشد توليد ناخالص داخلي، نرخ رشد بنگاه‌ها و حوادث غیراقتصادی مانند تغييرات آب و هوايي نيز مطرح است (Bloom, 2014). نا اطمینانی سیاست‌های اقتصادي عبارت است از عدم وجود ثبات كه غالباً با انحراف معيار شاخص‌هاي اقتصادي سنجيده می‌شود (Baker et al., 2016). زماني كه سیاست‌گذار با وضعيت نا اطمینانی مواجه می‌شود درواقع با يک تابع هدف و حداقل يک قيد مواجه است. بنابراين چالش سیاست‌گذار چگونگي رفتار با عوامل غيرقطعي و ناشناخته است. اين عدم قطعيت ناشي از قاعدۀ رفتاري حاكم بر ارتباط بين متغيرهاي اقتصادي است. در كنار تابع هدف، ساختار و محدودیت‌های مترتب بر آن وجود دارد. سیاست‌گذار به دنبال ايجاد بهترين شرايط براي تابع هدف است. هدف می‌تواند حداكثر سازي رفاه اقتصادي، اجتماعي، فرهنگي و سياسي و نظاير آن باشد (Nili, 2013) شدت انرژي تحت تأثیر سیاست‌های قيمتي و مقداري دولت‌ها قرار دارد، قیمت‌گذاری دستوري سوخت و ديگر حامل‌های انرژي، گسترش شهرنشيني، صادرات نفت خام و واردات فرآورده‌های نفتي، مبادله انرژي برق با كشورهاي همسايه، قراردادهای گازي با كشورهاي منطقه، وضعيت آب‌وهوایی، صنعتي شدن و گسترش گازهاي گلخانه‌ای برشدت انرژي در داخل كشور مؤثر هستند. به دليل نا اطمینانی در قیمت‌گذاری و سیاست‌های پولي و مالی، شدت انرژي دچار عدم اطمينان است. بنابراين، شناسايي منابع نا اطمینانی، می‌تواند به برنامه‌ریزی براي كاهش شدت انرژي در كشور كمک نمايد. نا اطمینانی در سیاست‌های اقتصادي موجب بالا رفتن شدت مصرف انرژي و عدم توجه به فرایندهای بهبود كارايي، بروز رساني فناوري در حوزه انرژي و تقاضاي معكوس براي حامل‌های انرژي براي ايران خواهد شد.
مالیات، در کنار تأمین نیازهای مالی دولت دارای اهمیت بیشتری نیز می‌باشد. به‌عنوان یک ابزار سیاستی، مالیات به دولت‌ها امکان می‌دهد که به سه هدف مهم دست پیدا کنند که عبارت‌اند از توزیع عادلانه درآمد، ثبات اقتصادی و اختصاص دادن منابع. همچنین، مالیات ابزار اقتصادي است که دولت در مواقع لزوم می‌تواند به کمک آن در بازار دخالت کند. ازجمله اصلی‌ترین ابزارهای کنترل بر مرزهای کشور، تعرفه مالیاتی است که شامل مبادله خدمات و کالا از مرزهای کشور می‌شود. تعرفه واردات متداول‌ترین شکل تعرفه است و باهدف تولید، درآمد و هدایت اعمال می‌شود (Fathi, 2002). با افزایش وابستگی جوامع بشری به انرژی و نقش و اهمیت این منبع کمیاب در چرخه اقتصادی کشور، تعیین عوامل مؤثر بر مصرف انرژی مورد توجه سیاست گذاران، و اقتصاددانان، بوده است. این امر باعث شکل گیری مطالعات بسیاری پیرامون، مصرف انرژی شده است، در ادامه به تعدادی ازین مطالعات اشاره شده است.
(Moradi et al., 2021) در مطالعه‌ای تأثیر نا اطمینانی سیاست‌های اقتصادي برشدت مصرف انرژي در ايران طي دوره زماني 1397- 1352 از رويكرد - EGARCH بررسي کردند. آن‌ها بیان کردند كه نا اطمینانی در سیاست‌های اقتصادي به‌صورت مستقيم در کوتاهمدت و بلندمدت می‌تواند دارای اثر معنادار و مثبتی بر میزان مصرف انرژی باشد. با این‌حال، تأثیرات غیرمستقیم حاصل از عدم اطمینان در سیاست‌های اقتصادی بر میزان انرژی مصرف‌شده منفی است و این اثر منفی از طریق کاهش رشد اقتصادی و کسری بودجه ایجاد می‌شود. درواقع، در بلندمدت و کوتاهمدت، اثرات رشد اقتصادي، نرخ تورم و كسري بودجه برشدت مصرف انرژي در بلندمدت و کوتاهمدت منفي است و این‌گونه اثرات منفی درنتیجه نا اطمینانی در اقتصاد، شدیدتر می‌شوند. لازم به ذکر است که می‌توان مصرف انرژی را از طریق کنترل تورم، افزایش رشد اقتصادی و کاهش کسری بودجه کاهش داد؛ زیرا این متغیرها بیشتر از طریق اثرات عدم اطمینان در سیاست‌های اقتصادی کلان بر میزان مصرف انرژی اثر می‌گذارند.
(Asadi et al., 2018) رابطه بین مصرف انرژی، رشد اقتصادی، توسعه مالی، قیمت انرژی و شهرنشینی را بین سال‌های 1970 تا 2016 از طریق آزمون کرانه‌ها و کاربرد آن در مدل‌های خودرکرسیون همراه با وقفه‌های توزیعی (ARDL) بررسی کردند. یافته‌های تحقیق آن‌ها نشان داد که شاخص توسعه مالی، رشد اقتصادی و شهرنشینی تأثیر مثبت و قیمت نفت تأثیر منفی در بلندمدت دارد. علاوه بر این، در کوتاهمدت نیز رابطه علی بین توسعه مالی و مصرف انرژی وجود داشت.
(Wang et al., 2023) در مقاله‌ای به بررسی اثر و مکانیسم احتمالی عدم قطعیت سیاست‌های کلان اقتصادی بر بهرهوری انرژی منطقه‌ای در چین می‌پردازند و نشان می‌دهند که بین آن‌ها رابطه منفی معناداری وجود دارد.
(Yang & Hong, 2021) در مقاله‌ای جهت درک رابطه بین عدم قطعیت سیاست تجاری و شدت انرژی از آزمایش طبیعی الحاق چین به سازمان تجارت جهانی برای شناسایی کاهش در عدم قطعیت سیاست تجاری استفاده کردند و مدل تفاضل در تفاضل را برای بررسی اثر کاهش عدم قطعیت (نا اطمینانی) برشدت انرژی شرکت‌های صنعتی چینی به کاربردند. نتایج تجربی نشان داد که کاهش نا اطمینانی به‌طور قابل‌توجهی شدت انرژی بنگاه را کاهش می‌دهد.
(Bashir, 2020) دریافتند که تنوع صادرات، ازجمله تنوع محصول، به کاهش شدت انرژی کشورهای OECD از سال 1990 تا 2015 کمک می‌کند.
نتایج حاصل از تحقیقات (Li et al., 2020) بیان کرد سرمایه انسانی، قیمت انرژی، درآمد (GDP)، نوآوری زیست‌محیطی و بهرهوری انرژی عوامل مهمی هستند که افزایش آن‌ها مصرف انرژی تجدید پذیر را افزایش می‌دهد.
مطالعه (Jin & Kim, 2018) مشخص کرد افزایش مصرف زغال‌سنگ نشان‌دهنده افزایش در تولید ناخالص داخلی واقعی است و انرژی به‌عنوان محرک مهم رشد اقتصادی چین عمل می‌کند.
(Koengkan, 2018) نشان داد رشد اقتصادی و گشایش تجاری تأثیر مثبتی بر مصرف انرژی دارد، اما تأثیر گشایش مالی منفی می‌باشد.
(Huang et al., 2017) در مقاله خود نشان دادند که واردات باعث ترویج انتشار فناوری بین‌المللی و منجر به کاهش شدت انرژی کشورهای واردکننده می‌شود. (Islam, 2013) در مالزی با استفاده از روش ARDL رابطه توسعه مالی و مصرف انرژی را بررسی کرده‌اند. نتایج حاصل از این بررسی نشان می‌دهد که رشد اقتصادی و توسعه مالی، در کوتاهمدت و بلندمدت بر مصرف انرژی تأثیر می‌گذارد درحالی‌که رابطه میان، جمعیت و انرژی در بلندمدت معنادار است.
(Al- Mulali et al., 2013) در مطالعه‌ای دریافتند رشد تولید ناخالص داخلی مصرف انرژی تجدید پذیر را افزایش می‌دهد.
(Shahbaz & Lean, 2012) رابطه بین مصرف انرژی، توسعه مالی، رشد اقتصادی، صنعتی شدن و شهرنشینی در تونس را از 2008 – 1971 ارزیابی کردند نتیجه وجود رابطه بلندمدت مثبت بین مصرف انرژی، رشد اقتصادی، توسعه مالی، صنعتی شدن و شهرنشینی در تونس را تائید می‌کند.
(Asna et al., 2009) در مطالعه‌ای رابطه تجارت خارجی و بهره وری عوامل تولید در بخش کشاورزی ایران را بررسی کردند. نتایج حاکی از تأثیر مثبت تجارت خارجی بر بهره وری عوامل تولید در کوتاه مدت و بلند مدت بود.
تعداد زیادی از مطالعات مانند (Sadorsky, 2010; Halicioglu, 2011; ) ;(Kahrl & Roland-Holst, 2008); (Cole, 2006); Welsch and Ochsen(Welsch & Ochsen, 2005)، (Armen et al., 2010); (Vahidi, 2004) نشان می‌دهند که تجارت (صادرات و واردات)، تولید و آزادسازی تجاری تأثیر مثبتی بر مصرف انرژی و افزایش آن دارند.
بررسی مطالعات تجربی (در داخل و خارج از کشور) نشان می‌دهد مطالعه مشخصی درزمینه تأثیر نوسانات سیاستی بر شاخص‌های انرژی ( مانند مصرف و بهره وری ) به‌ویژه در بخش کشاورزی ایران انجام‌نشده است. با این توضیح مقاله حاضر تلاشی است که از روش اقتصادسنجی الگوي غیرخطی خود رگرسیونی با وقفه توزیع‌شده (NARDL)، تأثیر نوسانات سیاستی بر شاخص‌های انرژی را در بخش کشاورزی ایران طی دوره‌ی 1401-1360 مورد ارزیابی قرار دهد.
روش تحقیق
معرفی الگوي غیرخطی خود رگرسیونی با وقفه توزیع‌شده NARDL1
یکی از الگوهاي پویا که براي به دست آوردن رابطه بین متغیرهاي وابسته و مستقل استفاده می‌گردد، الگوهاي رگرسیونی با وقفه توزیع‌شده هستند. از ویژگی‌های اصلی این الگوها آن است که علاوه بر تخمین میزان پویایی‌های کوتاهمدت الگو، ارتباط بلندمدت بین متغیرهاي الگو را نیز برآورد می‌کند. همچنین، محقق را قادر می‌سازد تا مشخص نماید چندین دوره زمانی زمان نیاز ست تا تأثیر یک شوك واردشده بر الگو تعدیل شود. (Pesaran et al., 2001) نشان دادند زمانی که بردار هم جمعی از به‌کارگیری روش حداقل مربعات بر یک رابطه خود توضیح همراه با وقفه‌های گسترده (ARDL) به‌دست‌آمده باشد، علاوه بر اینکه برآوردگر حداقل مربعات توزیع نرمال دارد، در نمونه‌های کوچک نیز از اریب کمتر و کارایی بیشتري برخوردار خواهد بود. الگوهاي رگرسیونی با وقفه توزیع‌شده استاندارد داراي خصوصیات زیر هستند:
1- این الگو می‌تواند رابطه‌های هم جمعی بلندمدت بین متغیرها را شناسایی کند.
2- امکان آزمون هردو نوع رابطه هم جمعی خطی و غیرخطی بین متغیرهاي الگو را می‌دهد.
3- قادر به تفکیک بین اثرات بلندمدت و کوتاهمدت بین متغیرهاي تخمین و اندازه‌گیری آن‌ها نیز است. ویژگی خاص این الگو در مقایسه با الگوهاي تصحیح خطاي برداري که این سه خصوصیت رادارند، در عدم تکثیر بیش‌ازاندازه پارامترهاي الگو است.
4- برخلاف الگوهاي تصحیح خطاي دیگر که رتبه هم جمعی متغیرهاي آن‌ها باید مشابه باشند، در این الگو تساوي رتبه در هم جمعی موردنیاز نیست و این باعث آزادي در استفاده از متغیرهاي مختلف در الگو است.
در این الگو اثر بلندمدت بین متغیرها در جهت افزایش و کاهش یک اندازه خواهد بود. در مقابل هنگامی‌که اثرات افزایش و یا کاهش به یک اندازه نباشند و در صورت مواجه‌شدن با اثرات نامتقارن در افزایش و کاهش متغیرها، باید از الگوي معرفی‌شده توسط (Shin et al., 2014) استفاده شود. در الگوي با وقفه توزیعی نامتقارن (NARDL) که در سال 2014 توسط شین معرفی شد، اثرات کوتاهمدت و بلندمدت به‌صورت نامتقارن محاسبه می‌شوند.
در حقیقت، در این الگو متغیر توضیحی
دو متغیر (تکانه) بت و منفی (
) (
) تجزیه می‌شود، که به شکل زیر تعریف میگردند:
|
|
براي توصیف روابط نامتقارن بلندمدت و کوتاهمدت در یک الگوي ARDL استاندارد به فرم عمومی الگوهاي NARDL به‌صورت زیر نوشته می‌شود:
(3) |
|
بالانویس (+ ) و (- ) در معادله دوم منجر به تفکیک اثرات در دو گروه خواهد شد. رابطه بلندمدت نامتقارن توسط 
و 
به دست می‌آید و روابط کوتاهمدت نامتقارن 
و 
به دست می‌آیند. از یک‌سو تحلیل کوتاهمدت، در نظر گرفتن اثر متوسط تغییر در متغیر برون‌زا بر متغیر درون‌زا است و از سوي دیگر تحلیل بلندمدت، به معنی مقدار واکنش زمانی و سرعت تعدیل براي رسیدن به تعادل بلندمدت است. اثرات متقارن بلندمدت را با استفاده از آزمون والد و با فرض 
آزمون نمود. ضرایب بلندمدت با استفاده از تغییرات مثبت و منفی به‌صورت 
و 
به دست می‌آید. این ضرایب مقدار تأثیرپذیری بلندمدت را نشان می‌دهد. تعدیل کوتاهمدت متغیر وابسته نسبت به تفاضل‌های مثبت و منفی متغیر مستقل، توسط پارامترهاي و به دست می‌آید. براي آزمون متقارن کوتاهمدت نیز می‌توان از آزمون والد با فرض 
استفاده نمود. تصریح دوم در صورتی با رابطه بلندمدت در تصریح اول مساوي خواهد بود که فرض صفر بلندمدت و کوتاهمدت متقارن رد نگردد. عدم رد هرکدام از روابط بلندمدت یا کوتاهمدت متقارن، منجر به وجود رابطه هم جمعی بلندمدت NARDL در الگوي سوم و همچنین رابطه کوتاهمدت NARDL شماره 4 خواهد شد؛ که عبارت‌اند از:
[1] - Nonlinear Autoregressive Distributed Lag
(4) |
|
(5) |
|
در چارچوب NARDL واکنش نامتقارن متغیر وابسته به تغییرات مثبت و منفی در متغیر مستقل به این صورت محاسبه می‌شود:
(6) |
|
|
با شرط 
نتیجه می‌شود: 
و 
که در آن 
و 
روابط بلندمدت نامتقارن در الگو هستند.
جامعه آماری در تحقیق حاضر شامل بخش کشاورزی ایران است و نمونه کیفی انجام نخواهد شد. اطلاعات موردنیاز مربوط به دوره 1401- 1360 از منابع رسمی بانک مرکزي و وزارت نیرو، سایت بانک جهانی و ... جمع‌آوری‌شده است. دادهها شامل متغیرهاي ارزش‌افزوده بخش کشاورزي، صادرات بخش کشاورزي، مصرف انرژی در بخش کشاورزی، گشایش تجاری محصولات کشاورزی و شاخص بهرهوری انرژی‌بخش کشاورزی براي کشور ایران می‌باشد.
جدول 1- متغیرها، نمادها و منابع داده‌های مورداستفاده در تحقیق
واحد (بخش کشاورزی) | نماد | متغیره | |
بانک جهانی | ارزش تجارت محصولات کشاورزی / ارزش‌افزوده کشاورزی (میلیون دلار/ میلیارد ریال) | TO | گشایش تجاری |
وزارت نیرو | معادل میلیون بشکه نفت خام | AEC | مصرف انرژی |
بانک مرکزی ایران | میلیارد ریال {به قیمت جاری و ثابت (1395)} | AVA | ارزش‌افزوده |
بانک مرکزی ایران | میلیون دلار | AEX | صادرات |
محاسبه‌شده توسط نویسندگان | مصرف انرژی/ ارزش‌افزوده | AEP | بهرهوری انرژی |
جدول 2- نتایج آزمون ایستایی متغیرها
|
variable | ديکي- فولر ADF | فيليپس-پرون pp | زيوت-اندرو ZA | |||||
| سطح | تفاضل اول | سطح | تفاضل اول | سطح | شکست | تفاضل اول | شکست |
AEC | -1/05 | -5/22*** | -1/06 | -4/94*** | -1/11 | 1366 | -4/97*** | 1369 |
AEP | -1/54 | -4/32*** | -1/52 | -4/86*** | -1/56 | 1387 | -4/63*** | 1387 |
AVA | -1/02 | -4/53*** | -1/23 | -5/26*** | -1/48 | 1387 | -5/68*** | 1384 |
AEX | -1/21 | -4/84*** | -1/11 | -4/61*** | -1/30 | 1391 | -5/26*** | 1394 |
TO | -0/89 | -4/38*** | -1/01 | -4/59*** | -1/16 | 1390 | -4/64*** | 1392 |
واضح است که کليه متغيرها داراي ريشه واحد بوده و در تفاضل اول ايستا هستند. لذا هر سه آزمون درجه جمع بستگي يک يا I(1) را پيشنهاد ميکنند، ضمن آنکه وجود شکست در برخی
سال‌ها تأیید شده است. این یافته می‌تواند ذهنیت اولیه مبنی بربرتری الگوی غیرخطی را ایجاد نماید. به‌منظور بررسی دقیق‌تر، در مرحله بعد، وجود روابط غيرخطي در متغيرها مورد آزمون قرار گرفت. در صورت تأييد اين خصوصيت، لازم است از الگوهاي غيرخطي (وابسته به زمان) براي تخمين روابط متغيرها استفاده شود و به‌کارگیری الگوهاي خطي گمراهکننده خواهد بود. مهمترين و پرکاربردترين آزمون در اين خصوص توسط (Broock et al., 1996) شده و بانام آزمون BDS شناخته ميشود. اين آزمون درواقع از نوع ناپارامتري و از گروه آزمونهاي پورتمانتيو (Portmanteau) ميباشد. جدول (3) نتايج به‌دست‌آمده را نشان ميدهد.
جدول 3- نتایج آزمون کرانه‌ها
|
آماره statistic | AEC | AEP | AVA | AEX | TO |
M2 | 12/65*** | 7/15*** | 11/32*** | 13/63*** | 8/32*** |
M3 | 12/45*** | 7/63*** | 11/31*** | 13/98*** | 7/09*** |
M4 | 13/63*** | 8/36*** | 10/66*** | 14/15*** | 8/25*** |
M5 | 15/22*** | 9/16*** | 12/21*** | 15/64*** | 9/63*** |
M6 | 17/46*** | 11/17*** | 14/35*** | 16/49*** | 10/22*** |
چنانچه ملاحظه ميشود کليه آمارهها براي تمامي متغيرها در سطح يک درصد معنیدار بوده و لذا فرضيه صفر مبنی بر برتري الگوي خطي قابل پذیرش نيست. بنابراين در برآورد روابط ميان متغيرهاي موردنظر بايد از رهيافتهاي غيرخطي استفاده نمود. بدین منظور همانطور که قبلاً اشاره شد، الگوي NARDL انتخابي مناسب ميباشد. در قدم بعد، وجود رابطه بلندمدت ميان متغيرها به کمک الگوي فوق آزمون گرديد و وجود اين ارتباط در سطح بالاي معنيداري تأييد شد (جدول 4).
جدول 4- نتيجه آزمون هم انباشتگي در قالب الگوي NARDL
کران پايين (95 درصد) I(1) | کران بالا (95 درصد) I(0) | نتيجه آزمون | |
8/23** | 2/69 | 4/33 | وجود رابطه بلندمدت |
به دنبال تأييد رابطه بلندمدت ميان متغيرها، نسبت به برآورد ضرايب بلندمدت و همچنين ارتباطات کوتاهمدت براي تکانههاي مثبت و منفي متغيرهاي مستقل، اقدام شد. به‌عبارت‌دیگر، بايد برآورد شود که آثار بلندمدت و کوتاهمدت تکانههاي مثبت و منفي در متغيرهاي مستقل بر متغير وابسته (مصرف و بهرهوری انرژی کشاورزی) چيست و آيا اين دو اثر تفاوت معنيدار دارند (عدم تقارن) يا خير (تقارن)؟ جداول (5) تا (8) اطلاعات لازم را ارائه ميکنند.
جدول 5- ضرايب بلندمدت و کوتاهمدت در قالب الگوي NARDL (متغیر وابسته مصرف انرژی کشاورزی)
بلندمدت | کوتاهمدت | |||
| ضريب | احتمال | ضريب | احتمال |
AVA+ | 0/13 | 0/03 | 0/06 | 0/04 |
AVA- | -0/09 | 0/06 | -0/08 | 0/07 |
AEX+ | 0/08 | 0/05 | 0/02 | 0/09 |
AEX- | -0/02 | 0/08 | -0/01 | 0/12 |
TO+ | 0/16 | 0/03 | 0/03 | 0/05 |
TO- | -0/11 | 0/06 | -0/04 | 0/05 |
ECT(-1) | - | - | -0/48 | 0/04 |
متغیرها به فرم لگاریتم طبیعی میباشند.
جدول 6- ضرايب بلندمدت و کوتاهمدت در قالب الگوي NARDL (متغیر وابسته بهرهوری انرژی کشاورزی)
بلندمدت | کوتاهمدت | |||
| ضريب | احتمال | ضريب | احتمال |
AVA+ | 0/09 | 0/03 | 0/04 | 0/02 |
AVA- | -0/09 | 0/06 | -0/08 | 0/03 |
AEX+ | 0/05 | 0/05 | 0/02 | 0/06 |
AEX- | -0/02 | 0/08 | -0/01 | 0/08 |
TO+ | -0/08 | 0/03 | 0/04 | 0/04 |
TO- | 0/05 | 0/06 | 0/07 | 0/05 |
ECT (-1) | - | - | -0/43 | 0/04 |
متغیرها به فرم لگاریتم طبیعی میباشند.
جدول 7- نتايج آزمون عدم تقارن در اثرات متغيرها (متغیر وابسته مصرف انرژی کشاورزی)
بلندمدت |
| کوتاه مد | |
متغير | آماره کاي-دو (احتمال) X2 |
| آماره کاي- دو (احتمال) X2 |
AVA | 27/8 (03/0) |
| 14/8 (04/0) |
AEX | 84/6 (04/0) |
| 47/7 (04/0) |
TO | 22/8 (02/0) |
| 15/9 (02/0) |
جدول 8- نتايج آزمون عدم تقارن در اثرات متغيرها (متغیر وابسته بهرهوری انرژی کشاورزی)
بلندمدت |
| کوتاهمدت | |
متغير | آماره کاي-دو (احتمال)X2 |
| آماره کاي- دو (احتمال)X2 |
AVA | 07/9 (02/0) |
| 01/8 (04/0) |
AEX | 36/1 (08/0) |
| 47/2 (07/0) |
TO | 48/8 (02/0) |
| 31/9 (02/0) |
طبق نتایج به‌دست‌آمده از جداول 5 و 6 مشخص شد که تکانه‌های مثبت ارزش‌افزوده بخش کشاورزی و گشایش تجاری بخش کشاورزی در بلندمدت بر مصرف و بهرهوری انرژی‌بخش کشاورزی تأثیر مثبت و معنیدار داشته و تکانه مثبت ارزش‌افزوده بخش کشاورزی و گشایش تجاری بخش کشاورزی به ترتیب باعث افزایش مصرف انرژی‌بخش کشاورزی و کاهش بهرهوری انرژی‌بخش کشاورزی گردیده است همانند نتایج به‌دست‌آمده از تحقیقات (Wang et al., 2023)، (Islam et al., 2013)، (Moradi et al., 2021).
درصورتی‌که اثر مشابه تکانه‌های منفی به‌صورت معکوس و غیر معنیدار برآورد گردیده است. ضمن اینکه این دو اثر مطابق جداول 7 و 8 نیز معنیدار هستند و درواقع عدم تقارن در اثر ارزش‌افزوده بخش کشاورزی و گشایش تجاری بخش کشاورزی بر مصرف و بهرهوری انرژی‌بخش کشاورزی در بلندمدت و کوتاهمدت تائید می‌شود. تحلیل مشابهی در مورد آثار کوتاهمدت ارزش‌افزوده بخش کشاورزی و گشایش تجاری بخش کشاورزی استنباط می‌شود. در مورد صادرات بخش کشاورزی فقط شوک‌های مثبت در بلندمدت بر مصرف انرژی‌بخش کشاورزی و بهرهوری انرژی‌بخش کشاورزی تأثیر دارد. از نتایج حاصل می‌توان دریافت که هرچه گشایش تجاری بخش کشاورزی بیشتر بوده و روابط تجاری با دیگر کشورها بیشتر باشد میزان صادرات بخش کشاورزی و به‌تبع آن ارزش‌افزوده بخش کشاورزی افزایش می‌یابد و باعث مصرف انرژی بیشتر و کاهش بهرهوری بخش کشاورزی خواهد شد، همانند نتایج تحقیقات Sadorsky, 2010; Halicioglu, 2011; ) ;(Kahrl & Roland-Holst, 2008); (Cole, 2006); Welsch and Ochsen (Welsch & Ochsen, 2005)، (Armen et al., 2010); (Vahidi, 2004).
نتیجه‌گیری و پیشنهادها
در این تحقیق وجود ارتباط غیرخطی بین نوسان‌های سیاستی و شاخص‌های انرژی در بخش کشاورزی ایران موردبررسی قرار گرفت. در دهه اخیر اقتصاددانان استقبال زیادی برای استفاده از الگوهای غیرخطی جهت تصریح روابط بین متغیرها نشان دادند، زیرا پاسخ متغیرهای اقتصادی به افزایش یا کاهش متغیرها متفاوت می‌باشد. به دلیل وجود نوسانات سیاستی ناشی از تحریم‌ها در ایران و تأثیر این موضوع بر کشاورزی، پیش‌ازاین مطالعه‌ای در قالب الگوهای غیرخطی که عدم تقارن را نیز در نظر بگیرد انجام‌نشده است، به همین دلیل تأثیر نوسان‌های سیاستی بر شاخص‌های انرژی در بخش کشاورزی ایران به‌وسیله الگوی خود توضیح با وقفه‌های گسترده غیرخطی در دوره 1401-1360 موردبررسی قرار گرفت. در این مطالعه از متغیرهای وابسته مصرف و بهرهوری انرژی‌بخش کشاورزی و متغیرهای مستقل ارزش‌افزوده بخش کشاورزی، صادرات بخش کشاورزی و گشایش تجاری بخش کشاورزی استفاده شد. یافته‌ها نشان می‌دهند که کلیه متغیرهای مستقل بر شاخص‌های انرژی موردبررسی تأثیر دارند. به‌عبارت‌دیگر اثر تکانه‌های مثبت و منفی وارده بر محرک‌ها بر متغیرهای هدف (مصرف و بهرهوری انرژی بخش کشاورزی) متفاوت بوده و این اختلاف در بلندمدت به لحاظ آماری معنیدار است. نکته مهم دیگر این است که قدر مطلق تأثیر شوک‌های افزایشی بیشتر و قوی‌تر از شوک‌های کاهشی می‌باشد؛ بنابراین می‌توان ادعا نمود که شوک افزایشی ارزش‌افزوده، صادرات و گشایش تجاری بخش کشاورزی بر متغیرهای هدف (مصرف و بهرهوری انرژی‌بخش کشاورزی) با شدت بیشتری تأثیر می‌گذارند. همچنین با توجه به اثر کاهشی شوک‌های منفی با اتخاذ سیاست‌های اصطلاحاً ضربه‌گیر می‌توان از تأثیر منفی شوک‌های کاهشی بر مصرف و بهرهوری انرژی‌بخش کشاورزی جلوگیری کرد. در این راستا ثبات در سیاست‌های اقتصادی (تجاری) حتی‌المقدور مدنظر قرار گیرد، همچنین برقراری پیمان‌های تجاری می‌تواند آثار شوک ناشی از بی‌ثباتی‌های سیاسی را کاهش دهد.
REFERENCES
Al-Mulali, U., Fereidouni, H. G., Lee, J. Y., & Sab, C. N. B. C. 2013. Examining the bi-directional long run relationship between renewable energy consumption and GDP growth. Renewable and sustainable energy reviews, 22: 209-222. https://doi.org/210.101/6 j.rser.2013.1002.1005.
Ang, J. B. 2008. Economic development, pollutant emissions and energy consumption in Malaysia. Journal of Policy Modeling, 30(2): 271-278. https://doi.org/210.1016/j.jpolmod.2007.1004.1010.
Armen, S. A., Kamali Dehkordi, P., & Hibti, R. 2010. Investigating the relationship between the consumption of energy carriers and industrial production in Iran. Energy Economy Studies, 7(27): 19-46 (in Farsi).
Asadi, A., Esmaeili, M., Bakhshvar, F., & Sadeghpour, A. 2018. Investigation of factors affecting energy consumption in Iran (with an emphasis on the financial development variable). Financial and Economic Policy Quarterly, 6(21): 81-107 (in Farsi).
Baker, S. R., Bloom, N., & Davis, S. J. 2016. Measuring economic policy uncertainty. The quarterly journal of economics, 131(4): 1593-1636. https://doi.org/1510.1093/qje/qjw1024.
Bashir, M. A., Sheng, B., Doğan, B., Sarwar, S., & Shahzad, U. 2020. Export product diversification and energy efficiency: Empirical evidence from OECD countries. Structural Change and Economic Dynamics, 55: 232-243. https://doi.org/210.1016/j.strueco.2020.1009.1002.
Bloom, N. 2014. Fluctuations in uncertainty. Journal of economic Perspectives, 28(2): 153-176. https://doi.org/ 110.1257/jep.1228.1252.
Branson, W. H. 1997. Macroeconomic Theory and Policies (A. Shakri, Trans.; 6th ed.). Ni Publishing House
Broock, W. A., Scheinkman, J. A., Dechert, W. D., & LeBaron, B. 1996. A test for independence based on the correlation dimension. Econometric reviews, 15(3): 197-235. https://doi.org/110.1080/07474939608800353.
Cole, M. A. 2006. Does trade liberalization increase national energy use? Economics Letters, 92(1): 108-112. https://doi.org/110.1016/j.econlet.2006.1001.1018.
Fathi, Y. (2002). Tariff and non-tariff barriers to Iran's export in target markets. Institute of Business Studies and Research.
Ghanbari, A, Khaksar, S, Khaksar, H .(2013). Study of factors affecting energy efficiency in Iran's agricultural sector. Agricultural Economics Research, 6(1): 1-21. (in Farsi).
Ghasemi, A, (2012). A review of the trends in energy economy indicators in the agricultural sector. Economic Magazine - Monthly magazine examining economic issues and policies, 3: 169-184. (in Farsi).
Halicioglu, F. (2011). A dynamic econometric study of income, energy and exports in Turkey. Energy, 36(5): 3348-3354. https://doi.org/3310.1016/j.energy.2011.3303.3031.
Huang, J., Du, D., & Tao, Q. (2017). An analysis of technological factors and energy intensity in China. Energy Policy, 109: 1-9. https://doi.org/10.1016/j. enpol.2017.1006.1048.
Islam, F., Shahbaz, M., Ahmed, A. U., & Alam, M. M. (2013). Financial development and energy consumption nexus in Malaysia: a multivariate time series analysis. Economic modelling, 30: 435-441. https://doi.org/410.1016/j.econmod.2012.1009.1033.
Jin, T., & Kim, J. (2018). Coal consumption and economic growth: panel cointegration and causality evidence from OECD and non-OECD countries. Sustainability, 10(3): 660. https://doi.org/610.1016/j.eneco.2022.105940.
Kahrl, F., & Roland-Holst, D. (2008). Energy and exports in China. China Economic Review, 19(4): 649-658. https://doi.org/610.1016/j.chieco.2008.1005.1004.
Koengkan, M. (2018). The positive impact of trade openness on consumption of energy: Fresh evidence from Andean community countries. Energy, 158: 936-943. https://doi.org/910.1016/j.energy.2018.1006.1091.
Li, J., Zhang, X., Ali, S., & Khan, Z. (2020). Eco-innovation and energy productivity: New determinants of renewable energy consumption. Journal of Environmental Management, 271: 111028. https://doi.org/111010.111016/j.jenvman.112020.111028.
Moradi, F., Agheli, L., & Asari Arani, A. (2021). The impact of uncertainty in economic policies on energy intensity in Iran. Energy Economy Studies Quarterly, 18(72): 27-58 (in Farsi).
Nili, M. (2013). Discussions of advanced macroeconomics. Sharif University of Technology Publications.
Pesaran, M. H., Shin, Y., & Smith, R. J. (2001). Bounds testing approaches to the analysis of level relationships. Journal of applied econometrics, 16(3): 289-326. https://doi.org/210.1002/jae.1616.
Sadorsky, P. (2010). Trade and energy consumption in the Middle East. Energy Economics, 33(5): 739-749. https://doi.org/710.1016/j.eneco.2010.1012.1012.
Sadorsky, P. (2011). Energy consumption, output and trade in South America. Energy Economics, 34(2): 476-488. https://doi.org/410.1016/j.eneco.2011.1012.1008.
Shahbaz, M., & Lean, H. H. (2012). Does financial development increase energy consumption? The role of industrialization and urbanization in Tunisia. Energy Policy, 40: 473-479. https://doi.org/410.1016/j.enpol.2011.1010.1050.
Shin, Y., Yu, B., & Greenwood-Nimmo, M. (2014). Modelling asymmetric cointegration and dynamic multipliers in a nonlinear ARDL framework. Festschrift in honor of Peter Schmidt: Econometric methods and applications: 281-314. https://link.springer.com/chapter/210.1007/1978-1001-4899-8008-1003_1009.
Vahidi, M. (2004). Investigating energy consumption, price and real income of OPEC member countries Shiraz University (in Farsi).
Wang, B., Meng, C., & Yu, H. (2023). The impact of economic policy uncertainty on regional total-factor energy productivity in China. International Journal of Environmental Research and Public Health, 20(4): 2855. https://doi.org/2810.3390/ijerph20042855.
Welsch, H., & Ochsen, C. (2005). The determinants of aggregate energy use in West Germany: factor substitution, technological change, and trade. Energy Economics, 27(1): 93-111. https://doi.org/110.1016/j.eneco.2004.1011.1004.
Yang, Z., & Hong, J. (2021). Trade policy uncertainty and energy intensity: Evidence from Chinese industrial firms. Energy Economics, 103: 105606. https://doi.org/105610.101016/j.eneco.102021.105606.
Ziaabadi, M, Zare mehejerdi, M. (2010). Study of factors affecting energy consumption in the agricultural sector of Iran. Development and Capital Magazine, 3(5):133-153.(in Farsi).
The Effects of Policy Fluctuations on Energy Indices in Iran’s Agriculture Sector
Vida Aghamohseni Fashami1, Reza Moghaddasi2, Amir Mohammadinejad3, Hossein Bakhoda4
1 PhD student, Department of Agricultural economics, Extension and Education, Science and Research Branch, Islamic Azad University, Tehran, Iran.
2 Associate Professor, Department of Agricultural economics, Extension and Education, Science and Research, Islamic Azad University, Tehran, Iran.
3 Assistant Professor, Department of Agricultural economics, Extension and Education, Science and Research Branch, Islamic Azad University, Tehran, Iran.
4 Assistant Professor, Department of Agricultural Mechanization, Science and Research Branch, Islamic Azad University, Tehran, Iran.
* Corresponding Author’s Email: r.moghaddasi@srbiau.ac.ir
(Received: October. 14, 2024 – Accepted: December. 11, 2024)
ABSTRACT
Energy is one of the primary factors in production and simultaneously one of the principal commodities (Basic goods in the consumer basket). In recent years, the significance of strategic planning in optimizing energy consumption has increased. Also, with the increase in production in the agricultural sector, in addition to increasing energy consumption, the composition of the types of energy consumed in this sector has also changed. By examining energy indicators and the impact of various economic policies on them, it is possible to attain a comprehension of past conditions and a picture of the future in different energy sectors. The data spanning from 1947 to 2019 were used through a Non-Linear Autoregressive Distributed Lag (NARDL) for analyzing non-linear effects of policy instability on energy indicators in the agricultural sector of Iran. The results indicated an association among the variables, wherein positive fluctuations in agricultural value-added, with a coefficient of 0.13, and conversely negative fluctuations with a coefficient of -0.09, significantly affected long-term energy consumption. It is notable that the second coefficient lacked statistical significance. Additionally, the asymmetrical effects of other variables on energy consumption and productivity in agricultural practices was confirmed.Due to the greater impact of positive shocks than negative shocks, and also due to the reducing effect of negative shocks, the negative impact of negative shocks on agricultural energy consumption and productivity can be prevented by adopting so-called "buffer" policies.
Keywords: Policy Fluctuations, Energy Productivity, Energy Consumption, Agriculture, Iran.
-
-
بررسی اثرات محلول‌پاشی مواد آلی و عناصر کم‌مصرف بر خصوصیات کمی و کیفی خرمای زاهدی
تاریخ چاپ : 1400/09/01 -