کاربرد الگوی رگرسیون چندک در تجزیه و تحلیل نوسانات قیمت گوشت مرغ در ایران

الموضوعات : فصلنامه علمی -پژوهشی تحقیقات اقتصاد کشاورزی

الهام پورمختار ¹ , رضا مقدسی ² , امیر محمدی نژاد ³ , صفدر حسینی ⁴

1 - گروه اقتصاد کشاورزی، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 - گروه اقتصاد کشاورزی، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
3 - گروه اقتصاد کشاورزی، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
4 - گروه اقتصاد کشاورزی،دانشگاه تهران،ایران

تاريخ الإرسال : 27 الخميس , رمضان, 1438 تاريخ التأكيد : 05 الإثنين , ربيع الأول, 1443 تاريخ الإصدار : 18 الجمعة , جمادى الثانية, 1443

الکلمات المفتاحية: گوشت مرغ, رگرسیون چندک, نوسانات قیمتی,

ملخص المقالة :

مقدمه و هدف: عرضه گوشت مرغ در کوتاه­مدت (مثلاً در طول یک سال) انعطاف­پذیری کافی برای پاسخ گویی به نوسانات تقاضا را ندارد که می­تواند رفاه مصرف کنندگان و تولیدکنندگان، را تحت تأثیر قرار دهد، از این رو به کارگیری روش­های مختلف به منظور شناسایی این نوسانات می­تواند در جهت کاهش یا تعدیل قیمت و مقدار تعادلی بازار موثر واقع شود.
مواد و روش­ها: این مطالعه به بررسی چگونگی نوسانات قیمتی کوتاه مدت گوشت مرغ بازار ایران در واکنش به عوامل هزینه­ای مرتبط، با استفاده از الگوی رگرسیون چندک و داد­های ماهانه (فروردین 1381 تا اسفند 1393) پرداخته  است.
یافته­ها: نتایج حاصله نشان می­دهد که فواصل اطمینان ایجاد شده توسط مدل رگرسیون چندک در طول چندک هایth 0.5 تاth 0.95 می­تواند رنج نوسانات ممکن قیمت را نشان دهد. ارزش­های اقتصادی پیش­بینی شده با استفاده از این مدل نه تنها به تجزیه و تحلیل عوامل هزینه­ای موثر و  بهبود دقت پیش­بینی، کمک می­کند بلکه سبب بهرهمندی از مدیریت ریسک در بازار محصولات کشاورزی می­شود.
بحث و نتیجه­گیری: از بین عوامل هزینه­ای موثر بر قیمت گوشت مرغ، جوجه یک روزه و شاخص قیمت مصرف کننده بیشترین تاثیر را بر نوسانات قیمت گوشت مرغ دارند. برنامه ریزی منسجم برای جوجه ریزی با توجه به نیازهای فصلی به همراه بیمه قیمتی جوجه یک روزه و کاهش مداخلات دولتی در مقاطعی از سال می­تواند نقش موثری کاهش نوسانات قیمت داشته باشد.

المصادر:

1. Balcilar M, Chang S, Gupta R, Kasongo V, Kyei C.  The Relationship between Oil and       Agricultural Commodity Prices: A Quantile Causality Approach. Working Papers, Department of Economics, Faculty of Economic and Management 2014; 50(3): 48-68.

https://econpapers.repec.org/paper/prewpaper/201468.htm

 

2. Bergolo M, Carbajal F. Exploring The Urban-Rural Labor Income Gap in Uruguay: A Quantile Regression Decomposition. Revista de Evista Aalisis Economico. 2010; 25(2):133-136.

 [DOI: 10.4067/S0718-88702010000200006].

 

3. Chidmi B, Solis D, Cabrera V. Analyzing the Sources of Technical Efficiency among Heterogeneous Dairy Farms: A Quantile Regression Approach. Prod. 2011; 13(2): 99107.

https://animalproduction.net/index.php/JAP/article/view/315

 

4. Dashti SE, Mohammadi H. Forecasting of chicken and egg prices using artificial neural network in Iran. Journal of Economic Research and Policies. 2010; 18(55):86-106.

http://qjerp.ir/article-1-231-fa.html

5. Mehrabani Yeghane H. Association of one-day-old chicken producers Poultry industry. 2015; 3(1):1-152. http://PRESS.Iran.http://www.itpnews.com/home/show/301/28096


6. Hosseini SS, Nikokar A, Dorandish A. Price Transmission Analysis in Iran Chicken Market.

International Journal of Agricultural Management and Development. 2012; 2(4):243-253.

https://www.sid.ir/en/journal/ViewPaper.aspx?id=295373

 

7. Kaditi E, Nitsi E. Applying regression Quantiles to farm efficiency estimation Agricultural and Applied Economics Association Annual Meeting. 2010; 25-27. https://www.aaea.org/meetings

 

8. Koenker R, Bassett G, Regression quantiles. Econometrica. 1978; 46(1): 33-50.

 [DOI: 10.2307/1913643]

 

9. Kostov P, Davidova S. A quantile regression analysis of the effect of farmers’ attitudes and perceptions on market participation. J. Agric. 2012; 64 (1): 112-32.

[DOI: 10.1111/j.1477-9552.2012.00366.x]

 

10. Ansari MT, Bameni Maghadam M, Khoshghoyan fard AR, Samaran E. Application of quantile regression in mental health analysis.Social welfare. 2006; 5(20):44-56

https://www.sid.ir/en/journal/ViewPaper.aspx?id=50322

 

11. Gan-qiong LI, Shi-wei X, Zhe-min L, Yi-guo S, Xiao-xia D. Using Quantile Regression Approach to Analyze Price Movements of Agricultural Products in China. Journal of Integrative Agriculture. 2012; 11(4): 674-83.

[DOI: 10.1016/S2095-3119(12)60055-0].