ارزیابی ساختار تقاضای کالاهای اساسی بخش کشاورزی: با لحاظ متغیرهای دموگرافیک

الموضوعات : فصلنامه علمی -پژوهشی تحقیقات اقتصاد کشاورزی

مهری احمدی جاوید ¹ , صادق خلیلیان ² , سید حبیب الله موسوی ³ , حامد نجفی علمدارلو ⁴

1 - دکتری اقتصاد کشاورزی، دانشکده کشاورزی دانشگاه تربیت مدرس
2 - دانشیار اقتصاد کشاورزی، دانشکده کشاورزی دانشگاه تربیت مدرس
3 - دانشیار اقتصاد کشاورزی، دانشکده کشاورزی دانشگاه تربیت مدرس
4 - دانشیار اقتصاد کشاورزی، دانشکده کشاورزی دانشگاه تربیت مدرس

تاريخ الإرسال : 01 الأربعاء , رجب, 1443 تاريخ التأكيد : 22 الخميس , ذو القعدة, 1445 تاريخ الإصدار : 22 الخميس , ذو القعدة, 1445

الکلمات المفتاحية: تقاضای کالاهای کشاورزی, متغیرهای دموگرافیک خانوار, QUAIDS,

ملخص المقالة :

مقدمه و هدف: اثربخشي سياست‌هاي مختلف اقتصادي همواره بستگی به شناخت کامل از ساختار تقاضا و الگوي مصرف خانوار داشته است. لذا تخمین تقاضا و برآورد کشش­های مختلف، تاثیر بسزایی بر امنيت غذایی، سلامت و رفاه مصرف‌کنندگان دارد.

مواد و روش­ها: در این پژوهش به منظور تخمین سیستم تقاضا از سیستم تقاضای تقریبا ایده­آل درجه دوم با لحاظ متغیرهای دموگرافیک، استفاده شد.  بدین منظور، داده­های خام طرح هزینه و درآمد خانوار مربوط به سال­ 1399 مورد استفاده قرار گرفت.

یافته­ ها: نتایج نشان می­دهد که تمامی کشش­های جبرانی و غیرجبرانی خودی تقاضای خانوارهای روستایی و شهری در سال 1399 منفی و قدر مطلق آنها کمتر از واحد هستند؛ در نتیجه همگی از کالاهای ضروری به شمار می­روند. همچنین نتیجه­ ی کشش مخارج گوشت قرمز، قند و شکر و شیر برای همه خانوارها و روغن و حبوبات برای خانوارهای روستایی بالاتر از یک و کشش مخارج سایر گروه­ها مثبت و کمتر از واحد بوده است.

بحث و نتیجه­ گیری: با توجه به اهمیت گروه «گوشت»، توجه به الگوي قيمت‌گذاري اين كالا در سبد مصرفي خوراكي خانوارها از اهمیت ویژه­ای برخوردار است. همچنین با توجه به  اثر درآمدی بالای این گروه، پيشنهاد مي­شود با افزایش قیمت این کالاها، براي دستيابي به سطح رضايت اوليه بيشترين كمك حمايتي از اين گروه خوراكي اعمال شود.

 

المصادر:

1. Household Budget and Expenditure Survey. Statistical Center of Iran; 2020.
https://www.amar.org.ir
2. Barikani E, Shajari S, Amjadi A. Price and income elasticity of demand for food in Iran: a dynamic demand system. Agricultural Economics and Development. 2008;15(4):125-145. [DOI:22103/10/JDC.1904/2009].
3. Bahmani M, Asghari H. Estimation of Rural Household’ Food Demand Function, Using Almost Ideal Demand System (AIDS). Journal of Development and Capital. 2009;2(1):131-149. [DOI:10.22103/JDC.2009.1904 ].
4. Salami H, Shahbazi H. Application of the Implicitly Directly Additive Demand System (AIDADS) in Modeling Consumption Behavior of the Iranian Households for Selected Food Commodities. Journal Of Agricultural Economics and Development. 2009;23(1). [DOI:22067/10/jead2.v1388i2074/1].
5. Salami H, Rezaei S. Forecasting Meat Prices: An Inverse Demand Approach. Journal Of Agricultural Economics and Development. 2011;24(3). [DOI:22067/10/jead2.v1389i7727/3].
6. Ghorbanian A, Bakhshoodeh M. The Effect of Price Increases on Food Security in the Rural Society of Iran. Agricultural Economics and Development. 2016;24(2):165-189.
[DOI: 10.30490/AEAD.2016.59037]
7. Akbari A, Ahmadi Javid M, Ziyaee MB, Barakati SM. Estimating Food Demand in Sistan and Baluchestan Using Two Systems of NNDS and QUAIDS. Agricultural Economics Research. 2017;9(34):93-116. https://jae.marvdasht.iau.ir/article_2381.html?lang=en
8. Koohbar MA, Sahabi B, Asari A, Ghanbari A. Predicting the demand function of major food groups in Iran considering population growth scenarios. new economy and trad. 2019;14(2):105-126. https://jnet.ihcs.ac.ir/article_4539.html
9. Vaez, M Z, Raghfar H. Food Items Elasticity Estimation for Income Quantiles in Iran,2016 and 2018. Social Welfare Quarterly. 2021;21(81):287-327. https://refahj.uswr.ac.ir/browse.php?a_id=3851&sid=1&slc_lang=en
10. Xi J, Mittelhammer RC, Heckelei T. A quaids model of japanese meat demand. Agricultural and Applied Economics Association (AA). 2004;(377):2016-2075. [DOI:22004/10/ag.econ.20120].
11. Mittal S. Application of the QUAIDS model to the food sector in India. Journal of Quantitative Economics. 2010;8(1):42-54. https://www.researchgate.net/
12. Mekonnen DK, Huang CL, Fonsah EG. Analysis of Fruit Consumption in the US with a Quadratic AIDS Model.; 2012. [DOI:22004/10/ag.econ.119767].
13. Bilgic A, Yen S. Household food demand in Turkey: A two-step demand system approach. Food Policy. 2013;43:267-277. [DOI:https://doi.org/1016/10/j.foodpol.09/2'013.004].
14. Sola O. Demand for food in Ondo state, Nigeria: Using quadratic almost ideal demand system. journal of Business Management and Economics. 2013;4(1):1-19. https://ideas.repec.org/a/etr/series/v4y2013i1p001-019.html
15. Hayat N, Hussain A, Yousaf H. Food Demand in Pakistan: Analysis and Projections. South Asia Economic Journal. 2016;17(1):94-113. [DOI:1177/10/1391561415621826].
16. Sa’diyah AA, Anindita R, Hanani N, Muhaimin AW. The strategic food demand for non poor rural households in Indonesia. EurAsian Journal of BioSciences. 2019;13(2). https://www.proquest.com/
17. Ghahremanzadeh M. Measuring Impact of Rising Food Price on Iranian Urban Households Welfare. Agricultural Economics. 2016;9(4):97-119. https://www.iranianjae.ir/article_16006.html?lang=en
18. Bakhshoodeh M. Effects of rising food prices on poverty and vulnerability of the Iranian rural households. The Economic Research. 2016;16(3):1-27. https://ecor.modares.ac.ir/article-18-3414-en.html
19. Hosseini Yekani SA, Nematollahi Z, Hosseinzadeh M. The Welfare Effects of Rising of Domestic Rice Price on Mazandaranian Households. Journal Of Agricultural Economics and Development. 2017;31(3):228-239. [DOI: 10.22067/JEAD2.V31I3.62855].
20. Dehghanpur H, Bakhshoodeh M. Investigating the Welfare Effects Caused by Price Changes of Protein-Consumed Food Stuffs in Urban Households. Agricultural Economics and Development. 2017;25(3):151-167.[DOI:10.30490/AEAD.2017.59089]
21. Gilak M, Zaroki S, Rahmati S. The Welfare Loss of Rising Food Prices: Application of Panel- SURE Regression in Iranian Provinces. Quarterly Journal of Quantitative Economics. 2018;14(4):53-92. [DOI:22055/10/jqe.21297/2018.1590].
22. Ashktorab N, Nematollahi Z. The Effects of Increasing Food Commodities Prices on the Welfare and Poverty of Iranian Urban Households. Journal Of Agricultural Economics and Development. 2019;32(4):287-298. [DOI: 10.22067/JEAD2.V32I4.69715].
23. Rafaati M, Shabanzadeh M, Javdan E. Nutrient Consumption, Diversity and Food Security of the Income deciles of Tehran Province. Journal Of Agricultural Economics and Development. 2021;35(2):147-160. [DOI:22067/10/jead.69156/2021.1019].
24. Bakhshoodeh M. Impacts of world prices transmission to domestic rice markets in rural Iran. Food Policy. 2010;35(1):12-19. [DOI:https://doi.org/10.1016/j.foodpol.2009.06.006]
25. Azzam AM, Rettab B. A welfare measure of consumer vulnerability to rising prices of food imports in the UAE. Food Policy. 2012;37(5):554-560. [DOI:https://doi.org/1016/10/j.foodpol.05/2012.003].
26. Rodriguez LT, Katsushi SI. Food price surges and poverty in urban Colombia: New evidence from household survey data. Food Policy. 2013;43(2):227-236. [DOI:1016/10/j.foodpol.09/2013.017].
27. Ferreira FHG, Fruttero A, Leite PG, Lucchetti LR. Rising food prices and household welfare: evidence from Brazil in 2008. Journal of Agricultural Economics. 2013;64(1):151-176. [DOI:https://doi.org/10.1111/j.1477-9552.2012.00347.x]
28. Weber R. Welfare Impacts of Rising Food Prices: Evidence from India.; 2015.[DOI: 10.22004/ag.econ.211901].
29. Korir L, Rizov M, Ruto E. Food security in Kenya: Insights from a household food demand model. Economic Modelling. 2020;92:99-108. [DOI:1016/10/j.econmod.07/2020.015].
30. Aghabeygi M, Arfini F. Assessing the net import welfare impacts of the rising global price of food in Italy. Sustainability. 2020;12(3):1086. [DOI: https://doi.org/10.3390/su12031086].
31. Layani G, Bakhshoodeh M, Aghabeygi M, Kurstal Y, Viaggi D. The impact of food price shocks on poverty and vulnerability of urban households in Iran. Bio-based and Applied Economics. 2020;9(1):109-125. [DOI:10.22004/ag.econ.308837]
32. khalili Malakshah S, Ghahremanzadeh M, Pishbahar E. Effect of Household Characteristics on Food Demand of Iranian Rural and Urban Households. Agricultural Economics Research. 2021;12(48):23-55. [https://jae.marvdasht.iau.ir/article_4258.html?lang=en]
33. Abdulai A, Aubert D. A cross‐section analysis of household demand for food and nutrients in Tanzania. Agricultural Economics. 2004;31(1):67-79. [DOI: https://doi.org/10.1111/j.1574-0862.2004.tb00222.x]
34. Poi BP. Easy demand-system estimation with quaids. The Stata Journal. 2012;12(3):433-446.[DOI: https://doi.org/10.1177/1536867X1201200306]
35. Dhar T, Baylis K. Fast-food consumption and the ban on advertising targeting children: the Quebec experience. Journal of Marketing research. 2011;48(5):799-813. [DOI:1509/10/jmkr.5/48.799].
36. Vargas-Lopez A, Cicatiello C, Principato L, Secondi L. Consumer expenditure, elasticity and value of food waste: A Quadratic Almost Ideal Demand System for evaluating changes in Mexico during COVID-19. Socio-Economic Planning Sciences. 2022;82(A):101065. [DOI:1016/10/j.seps.101065/2021].
37. Cook RD. Influential observations in linear regression. Journal of the American Statistical Association. 1979;74(365):169-174. [DOI:https://doi.org/10.1080/01621459.1979.10481634]
38. Cooper MJ, Gulen H, Schill MJ. Asset growth and the cross‐section of stock returns. The Journal of Finance. 2008;63(4):1609-1651. [DOI: https://dx.doi.org/10.2139/ssrn.760967]
39. Bopape LE. The Influence of Demand Model Selection on Household Welfare Estimates: An Application to South African Food Expenditures. Michigan State University; 2006. [DOI: https://doi.org/doi:10.25335/M5ZC7S777] .
40. Geoffry M, Clauson A. Demand for Non-Alcoholic Beverages: Evidence From the Acnielsen Home Scan Panel. American Agricultural Economics. 2005;44:159-170.
[DOI: 10.22004/ag.econ.19441].
41. Poi BP. From the help desk: Demand system estimation. The Stata Journal. 2002;2(4):403-410.
[DOI:https://doi.org/10.1177/1536867X0200200406]
42. Sohbati Z, Khosravinezhad A, Khodadadkashi F. An Evaluation of Rise in Food Price on Welfare of Urban Households in Iran. Economic Strategy. 2013;2(4). [https://econrahbord.csr.ir/article_103228.html?lang=fa]

نص كامل:



Autumn 2024. Vol 16. Issue 3   Journal of Agricultural Economics Research

ISSN (Print): 2008-6407 - ISSN (Online): 2423-7248

Research Paper

An Evaluation of the Structure of Essential Commodities Demand in Agricultural Sector: Including Demographics

Mehri Ahmadi Javid1, Sadegh Khalilian2*, Seyed Habibollah Mosavi3, Hamed Najafi Alamdarlo4

1.       Ph.D. of Agricultural Economics, University of Tarbiat Modares

2.       Associate Professor of Agricultural Economics, University of Tarbiat Modares

3.       Associate Professor of Agricultural Economics, University of Tarbiat Modares

4.       

Abstract Introduction: The effectiveness of different economic policies depends on the full recognition of demand structure and household consumption pattern. So, estimating the demand and different elasticity has an important effect on food security and consumers' health and welfare. Materials and Methods: In this study, the method of seemingly unrelated regression (SUR) and the quadratic almost ideal demand system containing demographic variables, is used to estimate the demand system. For this purpose, the raw data of household expenditure and income plan for the year 2020 is used Findings: The results show that all the compensated and relative uncompensated price elasticity of urban and rural households are negative and less than one in 2020. So, it seems that all the commodity groups are really essential. Also, the result of the meat, sugar and milk groups(total households) and oil and beans groups(rural households) expenditure elasticity is more than one and the expenditure elasticity of the other groups is positive and less than one. Conclusion: As for the importance of "meat" group, considering the pricing model for the commodity in the household food basket is very important. Since the income effect of the group is high, so it is suggested that the most supportive help of the food group being applied to access the initial satisfaction level, because the commodity' prices will increase daily

Received: 2022/02/02 Accepted: 2022/08/01 PP:131-147     Use your device to scan and read the article online         DOI: 10.30495/jae.2024.29913.2320     Keywords: Agricultural commodities demand, household demographic variables, QUAIDS

Associate Professor of Agricultural Economics, University of Tarbiat Modares

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Citation: Ahmadi Javid M., Khalilian S., Mosavi SH., Najafi H.( 2024). An evaluation of the structure of essential commodities demand in agricultural sector: including demographics. Journal of Agricultural Economics Research.; 16(3):131-147

Extended Abstract

 

Introduction

 

Studying the structure of household consumption model and demand has always been very important for the policy makers and programmers in their political analysis. From one point of view, the level of effectiveness of different economic policies including price changing and market control and supply policies affects highly the food security and consumers' health and welfare. By overviewing the household budget and expenditure survey in 2020, it is recognized that on average, 33 percent of the Iranian household consumption costs belongs to food group [1].

So, I this study, a number of most important livestock and agricultural products elasticity are computed, because it is very important for market tuning and studying the effect of different policies. It is necessary to mention that the selected products in this paper includes 70percent of all the agricultural products and 92percent of livestock products in 2020 which are usually very important and strategic. Also, according to the important effect of the results accuracy of data in this study, a summary of data mining process and outliers' omission and final sample elicitation are presented. Finally, by impacting demographic variables in QUAIDS model a more accurate estimation of demand and expenditure elasticity is presented.

Materials and Methods

The used resource in this study is the raw data of "rural and urban household income and expenditure" in 2020. According to the number of asked food items, the dimensions of expenditure share matrix in this year is 37389 in 670 including the amount, price and expenditure of 223 items of rural and urban household commodities in the country and is the total cost of food items. It is worth noting that in order to decrease the computation time, those households being used all commodities including 2035 household extracted from the made matrix. Also, the Cook's distance method specific for the multivariate regressions is used to omit outliers. After omitting the outliers, the final sample by 3628 households was ready to estimate. In this study, the selected food items being the product of livestock and agricultural commodity, are divided into 9 groups as follow: "rice and grain", "meat", "egg", "oil", "chicken", "beans", "sugar", "milk" and "potato". In the next level, the demographic variables were extracted, including: the household "gender", "age", "literacy status", "education level", "activity status", "marital status", "caretaker", "number", "being urban or rural". And in this regard, the R software is used for all the computations. A summary of model variables is visible in table1. Such as many studies, the seemingly unrelated regressions method (SURE) and QUAIDS model with demographic variables in it, is used in this study.

Discussion and Conclusion

The results of estimating the quadratic almost ideal demand system experimental pattern for the case study of commodity basket is mentioned in table [3], and represent the main variables coefficients of the model and demographic variables and other coefficients. Also, the basic level of width of origin parameter is approximately equivalent with minimum logarithm of the income. The results of estimating the demand price elasticity are visible in table [4] and divided into urban and rural household and expenditure elasticity. As you see, all the diagonal elements expressing urban and rural self-price elasticity is negative and covers the demand law. This table shows, the most price sensitivity for urban and rural household is in the "Beans" and "Milk" group respectively by the numbers of -0/843 and -0/916. And the least self-price elasticity is for "Rice and cereals" respectively by -0/347 and -0/267. The absolute value for the urban and rural self-price elasticity for all commodity groups is less than one; in the other word, this commodity groups are relatively inelastic and if their price change one percent, their demand level will change less than one percent. The intersection effects show that the gross substation effect and gross supplement of these commodity groups is weak; on the other word, all the intersection effects are less than one. The agricultural commodities are from those which rarely can be substituted by each other. So, it seems logical that intersection effects are weak. According to this table, the expenditure elasticity of all commodities is positive showing all the commodity groups are normal and income increase has a positive effect on these commodities demand and dedicated budget to them. All commodities expenditure elasticity except "meat", "sugar" and "milk" is less than one, too, showing the necessity of them. So, the one percent income increase (decrease) would increase (decrease) the consumption level of these commodities. Among these 9 groups of commodities, the least expenditure elasticity is for "potato" group and using this commodity has the least effect on the income. Also, the most expenditure elasticity is for "meat" group and as said before, it shows that consuming this commodity by the country urban and rural household is strongly depended on their income and its level of consuming will increase or decrease by the income increase and decrease. The results of compensated elasticity estimation for the experimental pattern of quadratic almost ideal demand system are also visible in table 5.

In this table, the main diameter elasticity is negative too, and covers the demand law. By overviewing the intersection effects, all the groups have a weak pure complementary and succession relationship, because their intersecting elasticity is less than one. The amount of urban household compensated relative elasticity is among -0/088 from grains to -0/803 of beans group. The difference between the amount of normal demand elasticity and compensated demand elasticity for every food group is the same as income effect on price change. The results show that in the most cases, the urban and rural household have almost similar reaction about the price change. Finally, according to the obtained results of this study, it is suggested:

Due to the necessity of examined commodity groups, having long-time outlook for production growth especially for the commodities like rice and grain and meat considered the most important resources for urban and rural household protein and calories gaining, this have to be stayed on the government agenda. Also, because all the examined commodities are necessary, it is expected that the lower income decades hurt more by increasing these commodities prices; so, it is suggested that the relevant officials have special attention to these commodities pricing pattern in the household food basket from one point and their guaranteed price for the farmers, on the other hand. The demand model shows that the changes in the "meat" price will have main changes in the country urban and rural household diet. On the other hand, by increasing the household income, a significant increase is expected in the "meat" demand. So, considering this subject in applying income policies or any other policy causing the household cash increase is suggested; because it is able to improve the nutrition level and people's and household health especially those household by low income.

Ethical Considerations

Compliance with ethical guidelines

All subjects full fill the informed consent.

Funding

All the costs are provided by the Tarbiat Modares university.

Authors' contributions

Design and conceptualization: Mehri Ahmadi javid, Dr. Sadegh Khalilian, Dr, Sayyed Habibollah Musavi and Dr. Hamed Najafi

Methodology and data analysis: Mehri Ahmadi Javid

Supervision and final writing: Mehri Ahmadi Javid, Dr. Sadegh Khalilian

writing: Mehri Ahmadi Javid

Conflicts of interest

The authors declared no conflict of interest

 

 

 

پاییز 1403.دوره 16. شماره 3

فصلنامه علمی – پژوهشی تحقیقات اقتصاد کشاورزی

شاپا چاپی: 6407 -2008 - شاپا الکترونیکی: 2423-7248

مقاله پژوهشی

ارزیابی ساختار تقاضای کالاهای اساسی بخش کشاورزی: با لحاظ متغیرهای دموگرافیک

مهری احمدی جاوید1، صادق خلیلیان2*، سید حبیب­اله موسوی3، حامد نجفی علمدارلو4

1. دکتری اقتصاد کشاورزی، دانشکده کشاورزی دانشگاه تربیت مدرس 

2. دانشیار اقتصاد کشاورزی، دانشکده کشاورزی دانشگاه تربیت مدرس

3. دانشیار اقتصاد کشاورزی، دانشکده کشاورزی دانشگاه تربیت مدرس

4. دانشیار اقتصاد کشاورزی، دانشکده کشاورزی دانشگاه تربیت مدرس

تاریخ دریافت:13/11/1400  تاریخ پذیرش:10/05/1401 شماره صفحات:147-131    از دستگاه خود برای اسکن و خواندن مقاله به صورت آنلاین استفاده کنید         DOI: 10.30495/jae.2024.29913.2320     واژه­های کلیدی: تقاضای کالاهای کشاورزی، متغیرهای دموگرافیک خانوار، QUAIDS

چکیده مقدمه و هدف: اثربخشي سياست‌هاي مختلف اقتصادي همواره بستگی به شناخت کامل از ساختار تقاضا و الگوي مصرف خانوار داشته است. لذا تخمین تقاضا و برآورد کشش­های مختلف، تاثیر بسزایی بر امنيت غذایی، سلامت و رفاه مصرف‌کنندگان دارد. مواد و روش­ها: در این پژوهش به منظور تخمین سیستم تقاضا از سیستم تقاضای تقریبا ایده­آل درجه دوم با لحاظ متغیرهای دموگرافیک، استفاده شد.  بدین منظور، داده­های خام طرح هزینه و درآمد خانوار مربوط به سال­ 1399 مورد استفاده قرار گرفت. یافته­ها: نتایج نشان می­دهد که تمامی کشش­های جبرانی و غیرجبرانی خودی تقاضای خانوارهای روستایی و شهری در سال 1399 منفی و قدر مطلق آنها کمتر از واحد هستند؛ در نتیجه همگی از کالاهای ضروری به شمار می­روند. همچنین نتیجه­ی کشش مخارج گوشت قرمز، قند و شکر و شیر برای همه خانوارها و روغن و حبوبات برای خانوارهای روستایی بالاتر از یک و کشش مخارج سایر گروه­ها مثبت و کمتر از واحد بوده است. بحث و نتیجه­گیری: با توجه به اهمیت گروه «گوشت»، توجه به الگوي قيمت‌گذاري اين كالا در سبد مصرفي خوراكي خانوارها از اهمیت ویژه­ای برخوردار است. همچنین با توجه به  اثر درآمدی بالای این گروه، پيشنهاد مي­شود با افزایش قیمت این کالاها، براي دستيابي به سطح رضايت اوليه بيشترين كمك حمايتي از اين گروه خوراكي اعمال شود.

 

 

 

 

 

 

 

 

 

 

 

 

مقدمه

 

بررسی ساختار تقاضا و الگوي مصرف خانوارها همواره از اهميت زيادي در تجزيه و تحليل‌ سياستي توسط سیاست‌گذاران و برنامه‌ريزان برخوردار بوده است. از طرفی، ميزان اثربخشي سياست‌هاي مختلف اقتصادي از جمله حمایت­های قیمتی و سیاست‌های مربوط به عرضه و کنترل بازار تاثیر بسزایی بر امنيت غذایی، سلامت و رفاه مصرف‌کنندگان دارد. اين تاثیرات از طريق چگونگي واكنش مصرف‌کنندگان نسبت به هر یک از سياست‌هاي فوق قابل اندازه‌گيري است. همچنین توليدكنندگان محصولات كشاورزي و ساير عوامل بازار به منظور برنامه‌ریزی و طراحي توليد و فروششان نياز به پیش‌بینی تقاضاي كالاهاي كشاورزي دارند؛ بنابراین برآورد کشش‌های تقاضا از اين جهت حائز اهميت است.

با بررسی اجمالی گزارش‌ بودجه و هزینه خانوار در سال 1395 می‌توان دریافت که به طور میانگین 23.4 درصد از هزینه مصرفی خانوارهای ایرانی به گروه خوراک تعلق داشته است. در حالی که همین رقم در سال 1399 به 33 درصد رسیده است. نکته­ی قابل توجه این است که در این سال سهم گروه خوراک برای خانوارهای شهری 26 درصد و برای خانوارهای روستایی 40 درصد می­باشد(1). چند مساله مهم از این موضوع قابل برداشت است. اول روند صعودی افزایش سهم گروه خوراک در سالهای اخیر است که نشان از کاهش قدرت خرید خانوارها و متعاقبا به خطر افتادن امنیت غذایی دارد. دوم سهم بزرگ گروه خوراک در سبد مصرفی خانوار به طوری که این گروه پس از مسکن با افزایش سهم مصرفی از یک چهارم به یک سوم رسیده است. کما اینکه سهم گروه خوراک خانوارهای روستایی در سال 99 ، رتبه اول در سبد مصرفی و حتی دو برابر سهم گروه مسکن (19%) را به خود اختصاص داده است. در نتیجه افزایش رو به رشد قیمت­ها در سال­های اخیر تغییرات عمده­ای بر اندازه و شکل سبد مصرف کالاهای خوراکی خانوارها داشته است که نیازمند بررسی است.

 برآورد تابع تقاضای محصولات کشاورزی همواره مورد توجه بسیاری از محققان بوده است. به طور کلی تحقیقات انجام شده در حوزه­ی تقاضای کالاهای کشاورزی به سه گروه عمده تقسیم می­شوند و اکثر این مطالعات با استفاده از رگرسیون‌های به ظاهر نامرتبط (SUR) انجام شده است.

 گروه اول شامل مطالعاتی هستند که سیستم تقاضا را  تنها به منظور برآورد کشش­های مختلف و بررسی رفتار مصرف­کنندگان تخمین زده­اند. از جمله این تحقیقات می­توان به مطالعات باریکانی و همکاران (2)، بهمنی و اصغری (3)، شهبازی و سلامی (4)، سلامس و رضایی (5)، قربانیان و بخشوده (6)، اکبری و همکاران (7)، کوهبر و همکاران (8)، واعظ و همکاران (9)، شی و همکاران (10)، میتال  (11)، مکونن و همکاران (12)، بیلجیک و ین (13)، سولا (14)، حیات و همکاران (15) و سعدیه و همکاران (16) اشاره نمود.

هدف دسته دیگری از مطالعات نیز از برآورد تابع تقاضا، ارزیابی تغییرات رفاهی، فقر  و امنیت غذایی بوده است که از جمله­ی آنها می‌توان مطالعات قهرمانزاده و همکاران (17)، بخشوده  (18)، حسینی یکانی و همکاران (19)، دهقانپور و بخشوده (20)، گیلک آبادی و همکاران (21)، اشک تراب و همکاران (22)، رفعتی و همکاران (23)، بخشوده (24)،  رتتاب و عزام   (25)، رودریگز و همکاران (26)، فریرا و همکاران (27)، وبر (28)، کوریر و همکاران (29)،  آرفینی و آقابیگی (30) و لیانی و همکاران (31) را نام برد.

همچنین برخی از مطالعات مانند خلیلی و همکاران (32)، ابدولای و اوبرت (33)، پوی (34)، دار و بیلیس (35)، لوپز و همکاران (36) با تخمین سیستم تقاضا با لحاظ متغیرهای دموگرافیک، تاثیر آنها را نیز بر تقاضا و رفتار مصرفی خانوارها بررسی نموده­اند.

وجه اصلی تمایز این مطالعه با سایر مطالعات داخلی استفاده از تکنیک مقیاس‌بندی پوی می­باشد به طوری که در این تحقیق به جای تخمین جداگانه برای خانوارهای شهری و روستایی مثل سایر مطالعات، متغیر محل زندگی به عنوان تاثیرگذارترین متغیر دموگرافیک (شهری بودن 1 و روستایی بودن 0) وارد مدل شد و در نهایت کشش­های مخارج، جبرانی و غیرجبرانی بر اساس همین متغیر برآورد شدند. پیش از این در سایر مطالعات برای برآورد کشش خانوارهای شهری و روستایی تخمین­های جداگانه­ای انجام می­شد. لازم به ذکر است استفاده از این تکنیک منجر به تخمین دقیق‌تری از کشش‌های تقاضا و مخارج شد.

همچنین تاکنون اکثر مطالعات داخلی انجام شده از داده­های بودجه و هزینه­ی خانوار به صورت مقطعی، سری زمانی و یا پانل برای تخمین تابع محصولات کشاورزی استفاده نموده­اند¹. برای استفاده از خروجی‌های این پایگاه داده به صورت مقطعی و یا پنل نیاز به داده­کاوی و حذف داده­های برون­هشت می­باشد. لذا در این مطالعه با توجه به تاثیر مهم صحت داده­ها در نتایج، برای تشخیص داده­های پرت از روش فاصله کوک (Di) استفاده شد. این روش یکی از روش‌های اطمینان از عدم وجود مشاهدات برون­هشت در تحلیل‌های رگرسیون چند متغیره است که وجه تمایز دیگر این مطالعه با سایر مطالعات می­باشد.

لازم به ذکر است که محصولات انتخابی در این پژوهش 70 درصد از کل تولیدات زراعی و 92 درصد از محصولات دامی تولیدی کشور را شامل می­شود که عمدتا محصولات مهم و راهبردی هستند و محاسبه­ی کشش­های آنها به منظور تنظیم بازار و بررسی تاثیر سیاست­های مختلف از اهمیت بسیاری برخوردار است.

مواد و روش‌ها

داده­ها

منبع مورد استفاده در این پژوهش، داده­های خام طرح آماری« هزینه و درآمد خانوار شهری و روستایی » در سال­ 1399 است. لذا برای نیل به اهداف پژوهش، ابتدا دو جدول خانوارهای شهری و روستایی در هم ادغام شد.

سپس ماتریسی تشکیل شد که ستون­های آن شامل مقدار، قیمت و هزینه­ی کالای خوراکی kام از کل هزینه پرداخت شده­ی توسط خانوار hام بود و ردیف­های آن خانوارهای شهری و روستایی کشور بودند. با توجه به تعداد اقلام غذایی پرسش شده ابعاد ماتریس ایجاد شده در سال 99، 37389 ردیف در 670 ستون است که شامل مقدار، قیمت و هزینه­ی 223 قلم کالای مصرفی خانوارهای شهری و روستایی کشور و هزینه کل مواد خوراکی می­باشد. لازم به ذکر است که ردیف­های مفقود شده از داده­های خام حذف شدند. در مرحله بعد اقدام به استخراج اطلاعات مصرفی خانوارها در خصوص کالاهای زراعی و دامی منتخب شد که شامل ده گروه کالایی می­باشد.

سپس سهم هزینه­ی کالای کشاورزی kام برای هر خانوار، از تقسیم مبلغ هزینه شده­ی هر خانوار برای کالای کشاورزی kام بر مجموع مبالغ هزینه شده­ی آن خانوار برای کل کالاهای کشاورزی منتخب به دست آمد. با توجه به اینکه برای تخمین سیستم تقاضای QUAIDS با داده­های مقطعی به داده­های سهم هزینه و قیمت برای ده گروه در مقابل هر خانوار نیازمندیم، بردار سهم هزینه­ها برای گروه‌ کالاهای کشاورزی برای هر خانوار به صورت زیر ساخته شد:

به گونه­ای که این عبارت بردار سهم هزینه گروه کالایی برای خانوار hام است. k اقلام موجود در گروه کالایی می‌باشد و مجموع سهم هزینه اقلام موجود در گروه کالایی می­باشد.

در گام بعدی بردارهای قیمت برای هر گروه ساخته شد. بدین منظور مشابه مرحله­­ی اول، ماتریسی تشکیل شد که ستون‌های آن قیمت پرداخت شده برای کالای خوراکی kام توسط خانوار hام بود و ردیف­های آن خانوارهای شهری و روستایی بودند. آنگاه بردار قیمت نیز از تقسیم هزینه مصرفی بر مقدار مصرفی به دست آمد (33). شایان ذکر است در نهایت خانوارهایی که در ماه مورد پرسش از تمامی گروه­های کالایی استفاده کرده بودند از میان ماتریس ساخته شده، استخراج گردید که شامل 2060 خانوار بودند. سپس به منظور حذف داده‌های پرت از روش فاصله کوک (Di) که یکی از روش‌های اطمینان از عدم وجود مشاهدات پرت در تحلیل‌های رگرسیون چند متغیره است، استفاده شد. این روش با ترکیب قدرت تاثیرگذاری هر مشاهده² و مقدار اجزای باقیمانده³ ایجاد شده است. این روش به جهت در نظر گرفتن همزمان چندین متغیر در یک معادله نتایج دقیق­تری نسبت به سایر روش­های تشخیص مشاهدات پرت دارد. هرچه میزان اجزای باقیمانده و میزان تاثیرگذاری هر مشاهده بر روی نتایج بیشتر باشد، Di افزایش خواهد یافت.

(1)

 در رابطه فوق علایم yi: متغیر وابسته رگرسیون، : جزء خطای حاصل از تخمین رگرسیون، : برابر با ،p: تعداد پارامترهای رگرسیون (شامل عرض از مبدأ)، MES: میانگین مربعات خطا، hii: مقدار اثرگذاری مشاهده iام و n تعداد مشاهدات هستند. برای اینکه تشخیص دهیم کدام خانوار اثر بسیار زیادی بر روی نتایج می‌گذارند، تفاسیر مختلفی برای مقدار بدست آمده از روش کوک (Di) وجود دارد:

1-اولین قاعده کلی و سر انگشتی بیان می‌کند که در صورتی که مقدار Di بیشتر از سه برابر میانگین کلیه مقادیر فاصله کوک باشد، امکان آن وجود دارد که خانوار iام مشاهده‌ای پرت باشد.

2- قاعده‌ای دیگر بیان می‌کند که در صورتی که Di به‌دست آمده بیشتر از  باشد، امکان آن که خانوار iام مشاهده‌ای پرت باشد وجود دارد.

3- در صورتی که Di به اندازه کافی بزرگ باشد، امکان آن که خانوار iام مشاهده‌ای پرت باشد وجود دارد. حال اینکه بزرگی آن به چه اندازه‌ای باید باشد نیز نظراتی مختلف وجود دارد (37,38).

---

[1] 1 این داده­ها که به طور سالانه توسط مرکز آمار ایران منتشر می‌گردد، بانک داده­ی بزرگی از رفتار مصرفی خانوارهای روستایی و شهری ایران ارائه می‌دهد.

[2] 1 Observation’s leverage.

[3] 2 Residual values.

 

 

 

 

جدول 1- مقایسه نمونه اصلی و نمونه انتخابی پژوهش

(2)
(3)
(4)
(5)

نمونه 2035تایی

نمونه 37257تایی

نمونه 2035تایی

نمونه 37257تایی

انحراف معیار

میانگین

انحراف معیار

میانگین

نام متغیر

انحراف معیار

میانگین

انحراف معیار

میانگین

نام متغیر

35/2

84/9

21/1

26/9

لگاریتم حبوبات

14/0

30/0

16/0

36/0

سهم برنج و غلات

33/2

06/11

14/2

30/10

لگاریتم قند و شکر

11/0

24/0

16/0

12/0

سهم گوشت قرمز

34/2

17/10

46/2

20/9

لگاریتم شیر

02/0

04/0

05/0

06/0

سهم تخم ‌مرغ

32/2

31/9

66/2

13/8

لگاریتم سیب­زمینی

03/0

06/0

07/0

09/0

سهم روغن

57/2

41/14

01/3

54/12

لگاریتم مخارج کل

05/0

14/0

11/0

15/0

سهم گوشت مرغ

29/0

09/0

35/0

14/0

جنس سرپرست

03/0

05/0

04/0

02/0

سهم حبوبات

59/13

01/51

19/15

76/51

سن سرپرست

04/0

07/0

07/0

06/0

سهم قند و شکر

29/0

09/0

42/0

23/0

وضع سواد سرپرست

03/0

05/0

07/0

07/0

سهم شیر

32/2

90/4

78/2

96/4

مدرک سرپرست

02/0

04/0

05/0

06/0

سهم سیب­زمینی

17/0

03/0

22/0

05/0

وضع فعالیت سرپرست

67/2

41/9

06/3

81/7

لگاریتم برنج و غلات

44/0

13/1

52/0

20/1

وضع تاهل سرپرست

66/2

33/12

26/2

81/11

لگاریتم گوشت قرمز

26/1

56/3

45/1

45/3

بعد خانوار

34/2

64/10

57/2

77/9

لگاریتم تخم ‌مرغ

43/0

24/0

50/0

49/0

منطقه سکونت

39/2

36/10

64/2

28/9

لگاریتم روغن

35/2

84/9

21/1

26/9

لگاریتم حبوبات

55/2

71/10

70/2

79/9

لگاریتم گوشت مرغ

 

پس از حذف داده‌های پرت، نمونه نهایی 2035 خانوار آماده تخمین شد. در جدول (1) خلاصه­ای از مقایسه­ی میانگین و انحراف معیار متغیرها در نمونه خام و نمونه انتخابی قابل مشاهده است که نشان می­دهد میانگین و انحراف معیار نمونه انتخابی به نمونه­ی اصلی نزدیک بوده و در نتیجه نتایج تخمین قابل اعتماد خواهد بود.

لازم به ذکر است در این پژوهش اقلام غذایی منتخب که ماحصل کالاهای زراعی و دامی می­باشند به 9 گروه اصلی تقسیم شدند که عبارتند از: گروه « برنج و غلات » شامل برنج، گندم و فراورده­های آن، جو و ذرت، « گوشت قرمز » شامل گوشت گوسفند و گاو، « تخم مرغ »، « روغن ‌» شامل انواع روغن نباتی جامد و مایع ذرت، آفتابگردان و ... ، « گوشت مرغ »، « حبوبات » شامل عدس، نخود و انواع لوبیا، « قند و شکر »، « شیر » و « سیب­زمینی ».

در مرحله­ی بعد اقدام به استخراج متغیرهای دموگرافیک شد که شامل « جنس »،« سن »،« وضعیت سواد »،« سطح سواد »، « وضع فعالیت »، « وضع تاهل » سرپرست، « تعداد » و « شهری یا روستایی بودن » خانوار می­باشد. در این راستا برای تمام مراحل داده­کاوی از نرم افزار R استفاده شده است. خلاصه­ای از متغیرهای مدل را در جدول (2) آورده شده است.

سیستم تقاضای ایده­آل درجه دوم

در این مطالعه نیز مشابه بسیاری از مطالعات، براي برآورد سيستم معادلات از روش رگرسيون‌هاي به ظاهر نامرتبط (SUR)  و مدل QUAIDS استفاده شد.

ﻣﺪﻝ QUAIDS یک مدل تعمیم یافته از مدل AIDS ﺍﺳﺖ ﻛﻪ برای اولین بار ﺩﺭ ﺳﺎﻝ١٩٨١ توسط ﺟﻮﺭﻣﻦ ﺑﻪ ﺍﺛﺒﺎﺕ ﺭﺳﻴﺪ. ﺑﻌﺪ ﺍﺯ ﺁﻥ ﻣﺰﺍﻳﺎﻱ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺷﻜﻞ ﺩﺭﺟﻪ ﺩﻭﻡ ﺩﺭﺁﻣﺪ ﻭﺍﻗﻌﻲ ﺩﺭ ﻣﺪﻝ  QUAIDS در ﻣﻄﺎلعه ﺑﻼﻧﺪﻝ و همکاران (١٩٩٣)  ﻧﺸﺎﻥ داده شد. همچنین ﺩﺭ ﺳﺎﻝ 1997 ﺑﻨﻜﺲ و همکاران ﺑﻪ بررسی ﻣﺰﺍﻳﺎﻱ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺍﻟﮕﻮﻱ ﺳﻴﺴﺘﻢ ﻣﻌﺎﺩﻻﺕ ﺗﻘﺎﺿﺎﻱ ﺗﻘﺮﻳﺒا ﺍﻳﺪﻩ‌ﺁﻝ ﺩﺭﺟﻪ ﺩﻭم (QUAIDS) ﭘﺮﺩﺍﺧﺘﻨﺪ. ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ ﺍﺯ ﻣﻄﺎﻟﻌﻪ آنها ﻧﻪ ﺗﻨﻬﺎ ﻣﺸﻜﻼﺕ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﺳﻴﺴﺘﻢ ﻣﻌﺎﺩﻻﺕ ﺗﻘﺎﺿﺎﻱ ﺗﻘﺮﻳﺒﺎ  ﺍﻳﺪﻩ‌ﺁﻝ (AIDS) ﺗﻮﺳﻂ ﺩﻳﺘﻮﻥ ﻭ ﻣﻮﻟﺒﺎﺋﺮ (1980) ﺭﺍ ﻧﺪﺍﺷﺖ، ﺑﻠﻜﻪ ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ ﺍﺯ ﺗﺨﻤﻴﻦ ﺑﺎ ﻣﺒﺎﻧﻲ ﺗﺌﻮﺭﻳﻜﻲ ﺳﺎﺯﮔﺎﺭﻱ ﺑﻴﺸﺘﺮﻱ ﻧﺸﺎﻥ ﻣﻲﺩﺍﺩ (39).

سیستم QUAIDS از تابع مطلوبیت غیرمستقیم زیر به دست می‌آید، که در آن m مخارج بوده و p بردار قیمت‌هایی است که مصرف‌کننده با آن روبروست.

بنکس و همکاران b(p)،  λ (P)و a(p)  را به صورت زیر معرفی نمودند که در آن i = 1,….,k نشان‌دهنده تعداد کالا وارد شده در  مدل تقاضاست(7).

(6)

 

 

جدول 2- متغیرهای دموگرافیک خانوارها

(7)
(8)
(9)

حداکثر	حداقل	انحراف معیار	میانگین	فراوانی(خانوار)	متغیر
10	1	26/1	56/3	2،035	بعد خانوار
93	23	59/13	01/51	2،035	سن سرپرست
-	-	-	-	2،035	منطقه سکونت
-	-	-	-	6/75%	شهری
-	-	-	-	4/24%	روستایی
-	-	-	-	2،035	جنس سرپرست
-	-	-	-	8/90%	زن
-	-	-	-	2/9%	مرد
-	-	-	-	2،035	وضع سواد سرپرست
-	-	-	-	8/90%	بی سواد
-	-	-	-	2/9%	با سواد
-	-	-	-	2،035	سطح تحصیلات سرپرست
-	-	-	-	2/54%	دیپلم  و زیر دیپلم
-	-	-	-	3/39%	فوق دیپلم و لیسانس
-	-	-	-	4/6%	فوق لیسانس و دکترا
-	-	-	-	2،035	وضع فعالیت
-	-	-	-	2/97%	شاغل
-	-	-	-	8/2%	بیکار
-	-	-	-	2،035	وضعیت تاهل سرپرست
-	-	-	-	3/%10	مجرد
-	-	-	-	7/86%	متاهل

 

با استفاده از اتحاد روی توابع سهم هزینه کالای iام به دست آمده و با بهره‌گیری از لم شفارد به جای تابع مطلوبیت غیرمستقیم، سیستم تقاضای تقریبا ایده‌آل درجه دوم QUAIDS به این صورت استخراج می‌شود(7).

و با جایگذاری شاخص قیمتی استون رابطه (11) در رابطه فوق سیستم QUAIDS را می‌توان به صورت زیر بازنویسی نمود که در آن α، β، γ و λ پارامترها هستند.  

 

(10)

همان‌طور که در فرمول (12) دیده می‌شود، مدل QUAIDS  زمانی که λ در تمام معادلات AIDS صفر هستند، تخصیص می‌یابد. از اینرو است که مدل AIDS در داخل مدل QUAIDS مستتر بوده و مشخصات AIDS می‌تواند بر اساس آماره‌ی λ تست شود(40).

متغیرهای دموگرافیک

دستور quaids با استفاده از تکنیک مقیاس‌بندی توسط Ray (1983) معرفی شد و توسط پوی (41) به مدل QUAIDS گسترش یافت به طوری که متغیرهای جمعیتی را نیز در برگرفت. پوی (41) از z برای نشان دادن یک بردار از ویژگی های s استفاده نمود. در ساده‌ترین حالت، z می‌تواند مقیاسی باشد که تعداد افراد یک خانواده را نشان ‌دهد. عبارت eR(p,u) تابع مخارج یک خانوار را نشان می­دهد، به طوری که یک خانوار ممکن است فقط شامل یک فرد باشد. روش ری برای هر خانوار تابع هزینه­ای به شکل زیر استفاده می­کند:

(11)
(12)

تابع m0(p, z, u) تابع مخارج را برای محاسبه ویژگی­های خانوار مقیاس­بندی می­کند. ری (1983) تابع مقیاس را به این صورت تجزیه می­کند:

(13)

عبارت اول افزایش مخارج یک خانوار را به عنوان تابعی از z، بدون کنترل هرگونه تغییر در الگوهای مصرف اندازه­گیری می‌کند. یک خانوار با چهار عضو هزینه‌های بیشتری نسبت به یک خانوار با یک عضو دارد، حتی با نادیده گرفتن اینکه ترکیب کالاهای مصرف شده ممکن است تغییر کند. 

عبارت دوم تغییر در قیمت های نسبی و کالاهای واقعی مصرف شده را کنترل می‌کند. یک خانوار با دو بزرگسال و دو نوزاد، کالاهای متفاوتی نسبت به خانواده ای متشکل از چهار بزرگسال مصرف می‌کند. در ادامه ری (1983)، QUAIDS را به این صورت پارامترسازی کرد:

(14)

بردار  ρ پارامترهایی است که باید تخمین زده شوند. با توجه به مطالعه پوی (41) ، φ(p, z, u)  به این صورت تعریف می‌شود:

(15)

 ηj نشان دهنده ستون jام ماتریس  s × k پارامتر η است. معادلات سهم مخارج را نیز می­توان به شکل زیر بازنویسی نمود(معادله 17 و 18):

 

(16)

 

(17)

شرط جمع­پذیری مستلزم این است که   برای همه r=1,…,s باشد. اگر   را برای همه­ی iها قرار دهیم، معادله باقیمانده، AIDSخواهد بود.

برآورد کشش

کشش خودقیمتی و متقاطعی غیر‌‌جبرانی با استفاده از رابطه‌ی (19) و کشش مخارج سیستم تقاضای تقریبا ایده‌آل درجه دوم با کمک رابطه (20) محاسبه می‌شود (34).

کشش قیمتی جبرانی نیز از رابطه اسلاتسکی به دست می‌آید: .

(18)

نتایج و بحث

 

همانطور که پیش از این نیز اشاره شد، در این پژوهش به منظور حذف داده­های پرت از روش فاصله­ی کوک استفاده شد. مزیت این روش در پیدا کردن داده­های پرت در رگرسیون­های چندمتغیره می­باشد. در این مطالعه برای تشخیص داده­های برون‌هشت، نُه معادله­ی اصلی (برازش سهم هر گروه کالا بر لگاریتم قیمت خود کالا، سایر کالاها و مخارج) بررسی شدند. نتایج در نمودار (1) قابل مشاهده می­باشد. در هر معادله سه مشاهده پرت تشخیص داده شده است. به طور مثال در معادله­ی برنج و غلات (1) سه مشاهده­ی 450، 2045 و 2060 به عنوان مشاهده پرت شناسایی شدند. در معادله برازش سهم گوشت قرمز بر لگاریتم قیمتها و مخارج مشاهدات(2) شماره­ی 2021، 2046 و 2060 به عنوان مشاهده­ی برون­هشت شناسایی شدند. با توجه به اینکه برخی مشاهدات در معادلات مختلف مشترک بودند، مجموعا 25 مشاهده­ی پرت از کل داده‌ها حذف شد و نمونه­ی نهایی با 2035 داده مورد ارزیابی قرار گرفت. نتایج تخمین مدل QUAIDS در قالب معادلات رگرسیون به ظاهر نامرتبط و رهیافت پوی برآورد گردید¹. در رهیافت Poi (41) شرایط جمع­پذیری، همگنی و تقارن اسلاتسکی به طور خودکار در مدل اعمال شده است. لذا نیازی به انجام آزمون­های مربوطه نیست.

در ادامه، نتایج برآورد الگوی تجربی سیستم تقاضای تقریبا ایده‌آل درجه دوم سبد کالاهای مورد مطالعه در جدول (3) گزارش شده است که نشان‌دهنده‌ی ضرایب متغیرهای اصلی مدل (9 گروه) و متغیرهای دموگرافیک و سایر ضرایب می‌باشد.

همچنین سطح اولیه پارامتر عرض از مبدا به طور تقریبی معادل حداقل لگاریتم درآمد قرار گرفت.

همان‌طور که جدول(3) نشان می‌دهد، نزدیک به 60 درصد پارامترهای مدل معنادار هستند که در مجموع نتایج قابل قبولی برای تخمین کشش تقاضا ارائه می­دهد.

همانطور که در این جدول قابل مشاهده است متغیرهای دموگرافیک اثر ناچیزی بر رفتار مصرفی خانوارها دارند هرچند وجود آنها نتایج مدل را قابل قبول­تر می­سازد. به طور مثال متغیر وضع سواد نشان می­دهد با تغییر وضع سواد سرپرست خانوار از صفر (بی­سواد) به یک (با­سواد)، خانوارها مصرف برنج و غلات را افزایش و مصرف گوشت قرمز را کاهش می­دهند. همچنین با افزایش سطح سواد سرپرست مصرف برنج و غلات افزایش و مصرف گوشت قرمز کاهش می­یابد. با افزایش بعد خانوار نیز مصرف گوشت قرمز و گوشت مرغ افزایش می­یابد.

 

 

---

[1]   لازم به ذکر است که در این مطالعه معادلات مربوط به داده‌کاوی و روش فاصله­ی کوک در نرم افزار R و تخمین مدل اصلی در نرم افزار STATA انجام شده است.

(19)
(20)

(1)   (4)	(2)   (5)	(3)   (6)
(7)	(8)	(9)

نمودار 1- نتایج روش فاصله­ی کوک (شناسایی داده­های پرت)

 

با توجه به ضرایب برآورد ‌شده، مقادیر کشش‌های خودقیمتی و متقاطع مارشالی و هیکس (غیرجبرانی و جبرانی) و کشش مخارج کل برای تمام گروه کالاهای غذایی محاسبه شد .

نتایج برآورد کشش‌های خودقیمتی و متقاطع مارشالی به تفکیک خانوارهای شهری و روستایی و کشش مخارج را در جدول (4) مشاهده می‌نمایید.

همان‌طور که در جدول زیر مشاهده می­شود‌، تمام عناصر قطری که بیانگر کشش خودقیمتی روستایی و شهری هستند، منفی بوده که در نتیجه قانون تقاضا (رابطه معکوس موجود بین قیمت کالا و تقاضا برای آن) را تامین می‌نمایند. این جدول نشان می‌دهد، کمترین حساسیت قیمتی خانوارهای شهری و روستایی متعلق به گروه برنج و غلات به ترتیب با رقم 347/0- و 267/0- بوده و بیشترین کشش خودقیمتی خانوارهای شهری مربوط به گروه حبوبات با 843/0- و بیشترین کشش خودقیمتی خانوارهای روستایی با 916/0- مربوط به گروه شیر می­باشد.

به عبارت دیگر مصرف برنج و غلات کمترین و به ترتیب مصرف حبوبات و شیر بیشترین تاثیر را از تغییر در قیمت خود خواهد داشت. قدر مطلق کشش خودقیمتی شهری و روستایی براي همه­ی گروه­ کالاها کمتر از واحد است؛ به عبارت دیگر این گروه کالاها کم‌کشش بوده و چنانچه قیمت آنها یک درصد تغییر نماید، میزان تقاضاي آنها کمتر از یک درصد تغییر می‌نماید. همچنین عناصر غیرقطري در جدول نشان‌دهنده کشش متقاطع مارشالی است. اثرات تقاطعی نشان می‌دهد که اثر جانشینی ناخالص و مکمل ناخالص گروه­هاي کالایی ضعیف بوده است؛ به عبارت دیگر تمام اثرات تقاطعی کمتر از یک است. کالاهای کشاورزی از جمله کالاهایی هستند که به ندرت می‌توان آنها را جانشین هم دانست پس وجود اثرات تقاطعی ضعیف منطقی به نظر می‌رسد. علامت مثبت کشش متقاطع نشان­دهنده جانشینی دو کالا و علامت منفی، نشان­دهنده مکمل بودن دو کالا است. بنابراین به طور مثال خانوارهای شهری گروه برنج و غلات را با سایر گروه­ها­ به صورت مکمل ناخالص مصرف کرده­اند. این در حالی است که برای خانوارهای روستایی این گروه کالایی با روغن و شیر جانشین ناخالص بوده است. همچنین خانوارها گروه گوشت قرمز را با سایر گروه‌ها به صورت مکمل ناخالص در سال 99 مصرف کرده­اند. گروه تخم­مرغ نیز با روغن، گوشت مرغ، قند و شکر(فقط برای خانوارهای روستایی)، شیر و سیب­زمینی ناخالص و با بقیه­ی گروه‌های کالایی مکمل ناخالص بوده است. گوشت مرغ به غیر

برنج و غلات و سیب­زمینی با سایر گروه­ها دارای رابطه جانشینی ناخالص است. 

 

جدول 3 - مقادیر پارامترهای مدل مقید QUAIDS

سیب­زمینی	شیر	قند و شکر	حبوبات	گوشت مرغ	روغن	تخم مرغ	گوشت قرمز	برنج و غلات	ρ
***219/0	***299/0-	085/0-	***089/0-	***260/0	***235/0-	***084/0	***297/0	***847/0	-	ضریب ثابت
-	-	-	-	-	-	-	-	***229/0	-	برنج و غلات
-	-	-	-	-	-	-	***118/0	***081/0-	-	گوشت قرمز
-	-	-	-	-	-	***018/0	***019/0-	002/0-	-	تخم مرغ
-	-	-	-	-	***048/0	005/0-	001/0-	***040/0-	-	روغن
-	-	-	-	***076/0	***029/0-	***009/0	003/0-	012/0-	-	گوشت مرغ
-	-	-	***011/0	*007/0-	**007/0	004/0-	7e-6-	***022/0-	-	حبوبات
-	-	***025/0	***015/0	**014/0-	*010/0	005/0-	004/0-	***035/0-	-	قند و شکر
-	***055/0	**017/0	004/0	***029/0-	***026/0	002/0	005/0-	***046/0-	-	شیر
***037/0	***023/0-	**010/0-	004/0-	*009/0	***017/0-	005/0	005/0-	**008/0	-	سیب­زمینی
2e-7-	001/0-	4e-4	001/0-	001/0	001/0	4e-4	3e-4	2e-4	016/0	جنس سرپرست
1e-5-	1e-5	2e-5	9e-6	2e-5-	**2e-5	6e-7-	3e-5	2e-5-	**002/0-	سن سرپرست
1e-4	1e-4-	001/0	3e-4	001/0-	001/0	001/0-	001/0-	001/0	023/0-	وضع سواد سرپرست
5e-5	2e-4	6e-7	***001/0-	3e-4	3e-4	5e-5	001/0-	*002/0	***060/0-	سطح تحصیلات سرپرست
001/0	1e-4-	001/0-	002/0	002/0	001/0-	001/0	**006/0-	002/0	***163/0	وضع فعالیت
4e-4	9e-5-	001/0	001/0	000/0	001/0-	001/0	002/0-	2e-4-	108/0	وضعیت تاهل سرپرست
***001/0-	***001/0	***001/0	***4e-4	1e-6	6e-5-	***4e-4-	***003/0	***004/0-	***106/0	بعد خانوار
***005/0-	***008/0	***007/0	**001/0	***009/0-	***007/0	***003/0-	**006/0	***013/0-	***644/0-	منطقه سکونت
***076/0	***129/0-	***065/0-	***042/0-	***094/0	***104/0-	**022/0	012/0	***136/0	-	Β
***008/0	***011/0-	***006/-0	***003/-0	***010/0	***008/0-	***003/0	***008/0-	***015/0	-	Λ
*** معناداری در سطح 99% ** معناداری در سطح 95% * معناداری در سطح 90 درصد

 

طبق این جدول، کشش‌های مخارج همه کالاها مثبت است که نشان می‌دهد تمام گروه‌های کالایی نرمال هستند و افزایش درآمد تاثیر مثبتی بر تقاضای این کالاها و بودجه اختصاص یافته به آنها دارد. البته لازم به ذکر است که منفی بودن کشش‌های خودقیمتی معمولی نیز موید همین نتیجه است. همچنین کشش مخارج همه­ی کالاها به استثنای گوشت قرمز، قند و شکر و شیر برای همه خانوارها و روغن و حبوبات برای خانوارهای روستایی کمتر از یک است که نشان می‌دهد، این کالاها ضروری هستند. بنابراین افزایش (کاهش) یک درصدی درآمد، میزان مصرف این کالاها را کمتر از یک درصد افزایش (کاهش) خواهد داد. از طرفی به دلیل اینکه کشش‌ مخارج گروه کالاهای ذکر شده بالاتر از یک است، در نتیجه این کالاها لوکس به شمار می‌آید. این موضوع با توجه به گرانی­های سال‌های اخیر و کاهش قدرت خرید خانوارها دور از انتظار نیست. در میان این نه گروه کالا کمترین کشش مخارج مربوط به گروه سیب­زمینی است که مصرف این کالا کمترین تاثیر را از درآمد می‌گیرد. همچنین بیشترین کشش مخارج نیز به گروه گوشت تعلق دارد؛ چرا که مصرف این گروه کالا توسط خانوارهای شهری و روستایی کشور به شدت به درآمد آنها وابسته بوده و با افزایش و کاهش درآمد میزان مصرف این کالا نیز افزایش یا کاهش می‌یابد. همچنین با افزایش قیمت گوشت قرمز این امکان برای مصرف­کننده وجود دارد که منابع پروتئینی ارزانتر مثل گوشت مرغ را جایگزین گوشت قرمز کند که نتایج کشش­های غیرجبرانی نیز موید این موضوع می‌باشد.

 

جدول 4- نتایج کشش‌های قیمتی معمولی تقاضا برای گروه ‌کالاهای کشاورزی –خانوارهای شهری و روستایی

سیب­زمینی	شیر	قند و شکر	حبوبات	گوشت مرغ	روغن	تخم مرغ	گوشت قرمز	برنج و غلات	نام گروه	منطقه سکونت
043/0-	022/0-	043/0-	029/0-	111/0-	024/0-	026/0-	186/0-	347/0-	برنج و غلات	شهر
025/0-	020/0-	043/0-	007/0-	054/0-	008/0-	074/0-	791/0-	406/0-	گوشت قرمز
027/0	230/0	018/0-	029/0-	144/0	031/0	580/0-	268/0-	131/0-	تخم مرغ
005/0	080/0-	069/0-	054/0-	121/0-	564/0-	006/0	079/0	190/0-	روغن
053/0-	003/0-	009/0	015/0	599/0-	034/0-	031/0	067/0	227/0-	گوشت مرغ
067/0	166/0-	230/0	843/0-	033/0	059/0	038/0-	104/0	218/0-	حبوبات
013/0	020/0-	750/0-	151/0	030/0-	067/0-	033/-0	100/0-	307/0-	قند و شکر
033/0	614/0-	025/0-	180/0-	054/0-	104/0-	189/0	020/0-	236/0-	شیر
354/0-	011/0-	066/0	101/0	159/0	036/0	034/0	070/0	249/0-	سیب­زمینی
467/0	078/1	142/1	889/0	795/0	986/0	594/0	428/1	832/0	کشش درآمدی
083/-0	038/0	005/0-	015/0-	176/0-	024/0	039/0-	173/0-	267/0-	برنج و غلات	روستا
014/0-	098/0-	114/0-	032/0-	038/0-	068/0-	107/0-	729/0-	507/0-	گوشت قرمز
010/0-	219/0	035/0	000/0-	057/0	073/0	722/0-	136/0-	152/0-	تخم مرغ
056/0	153/0-	119/-0	064/0-	014/0-	795/0-	021/0	051/0-	047/0-	روغن
097/0-	081/0	071/0	041/0	626/0-	033/0	023/0	136/0	321/0-	گوشت مرغ
079/0	180/0-	157/0	881/0-	052/0	085/0-	023/0-	016/0	157/0-	حبوبات
041/0	075/0-	890/0-	074/0	026/0	093/0-	011/0-	097/0-	128/0-	قند و شکر
054/0	916/0-	121/0-	146/0-	060/0	180/0-	134/0	161/0-	025/0-	شیر
635/0-	142/0	158/0	113/0	200/0-	149/0	005/0	194/0	299/0-	سیب­زمینی
373/0	300/1	153/1	023/1	660/0	166/1	636/0	707/1	697/0	کشش درآمدی

 

کشش هيكس برخلاف كشش مارشالي تنها اثر قيمتي را در نظر مي‌گيرد و به طور خالص تغييرات قيمتي را لحاظ مي‌كند، لذا بيانگر روابط خالص مي‌باشد. اگر مقدار اين كشش‌ بزرگتر از يك باشد، كشش جانشيني قوي و در صورتي كه مقدار آن كمتر از يک باشد، به آن كشش جانشيني ضعيف گفته مي‌شود. نتایج برآورد کشش‌های خودقیمتی و متقاطع هیکس را نیز برای الگوی تجربی سیستم تقاضای تقریبا ایده‌آل درجه دوم، در جدول (5) مشاهده می‌نمایید.

در این جدول کشش‌های قطر اصلی منفی بوده و قانون تقاضا را تامین می‌کند. با نگاهی اجمالی به اثرات تقاطعی در جدول بالا، می­توان دریافت تمام گروه‌ها دارای رابطه جانشینی و مکملی خالص ضعیف بوده‌اند، زیرا تمام گروه‌ها دارای کشش‌های متقاطعی کوچکتر از یک می‌باشند.

مقدار کشش‌های خودی جبرانی خانوارهای شهری از 088/0- گروه غلات تا 803/0- گروه حبوبات، متغیر می‌باشد. همچنین کشش جبرانی خانوارهای روستایی از 89/0- غلات تا 819/0 حبوبات متغیر است.

از تفاوت بین مقدار کشش تقاضای معمولی و جبرانی برای هر گروه غذایی می­توان نسبت اثر درآمدی به اثر جانشینی را حدس زد.

 

جدول 5- نتایج کشش‌های قیمتی جبرانی تقاضا برای گروه‌های موادغذایی مختلف-خانوارهای شهری و روستایی

سیب­زمینی

شیر

قند و شکر

حبوبات

گوشت مرغ

روغن

تخم مرغ

گوشت قرمز

برنج و غلات

نام گروه

منطقه سکونت

012/0-

014/0

010/0

009/0

009/0

021/0

007/0

031/0

088/0-

برنج و غلات

شهر

028/0

043/0

048/0

058/0

153/0

069/0

017/0-

420/0-

038/0

گوشت قرمز

049/0

256/0

020/0

002/0-

230/0

063/0

556/0-

113/0-

054/0

تخم مرغ

042/0

037/0-

006/0-

009/0-

023/0

511/0-

045/0

336/0

116/0

روغن

024/0-

031/0

060/0

050/0

483/0-

009/0

063/0

274/0

020/0

گوشت مرغ

100/0

127/0-

287/0

803/0-

162/0

011/0-

003/0-

336/0

059/0

حبوبات

056/0

030/0

677/0-

202/0

136/0

005/0-

012/0

198/0

048/0

قند و شکر

007/0

567/0-

044/0

131/0-

103/0

046/0-

232/0

260/0

099/0

شیر

337/0-

009/0

096/0

122/0

092/0-

062/0

053/0

192/0

104/0-

سیب­زمینی

044/0-

090/0

068/0

022/0

082/0-

081/0

002/0

048/0-

089/0-

برنج و غلات

روستا

081/0

029/0

064/0

060/0

194/0

071/0

007/0-

423/0-

070/0-

گوشت قرمز

025/0

266/0

101/0

034/0

143/0

125/0

685/0-

022/0-

011/0

تخم مرغ

121/0

066/0-

003/0

001/0-

144/0

699/0-

090/0

158/0

251/0

روغن

061/0-

130/0

140/0

076/0

536/0-

087/0

062/0

255/0

152/0-

گوشت مرغ

135/0

104/0-

263/0

826/0-

192/0

001/0-

037/0

200/0

105/0

حبوبات

104/0

011/0

769/0-

136/0

183/0

002/0

057/0

109/0

167/0

قند و شکر

126/0

819/0-

015/0

076/0-

237/0

073/0-

210/0

072/0

308/0

شیر

614/0-

170/0

197/0

133/0

150/0-

179/0

027/0

261/0

203/0-

سیب­زمینی

 

با توجه به این موضوع، کشش غیرجبرانی گوشت قرمز برای خانوارهای شهری و روستایی به ترتیب 791/0- و 721/0- و کشش خودقیمتی جبرانی این گروه کالا به ترتیب 420/0- و 423/0- می‌باشد. یعنی یک درصد افزایش در قیمت گوشت قرمز در خانوارهای شهری و روستایی به ترتیب سبب 791/0 و 721/0 درصد کاهش در تقاضای آن می‌شود که 420/0 و 423/0 درصد کاهش مصرف مربوط به عکس‌العمل قیمتی مصرف‌کنندگان در شرایط ثبات درآمد و مطلوبیت است (یعنی همان اثر جانشینی) و 371/0 و 298/0 درصد کاهش مصرف در نتیجه کاهش درآمد واقعی مصرف‌کنندگان (همان اثر درآمدی) است. همچنین یک درصد کاهش قیمت غلات سبب کاهش 347/0 و 267/0 درصد کاهش در تقاضای آن می­شود که 088/0 و 089/0 درصد مربوط به کاهش مصرف با ثبات درآمد و مطلوبیت در خانوارهای شهری و روستایی و 259/0 و 178/0 درصد کاهش در نتیجه کاهش درآمد واقعی است. همان‌طور که نتایج نشان می‌دهد اثر درآمدی این گروه نسبت به اثر جانشینی بالاتر بوده و نشان‌دهنده‌ی این است که اثر تغییر قیمت این کالا بر روی مصرف خودش برخلاف سایر گروه‌های کالایی بیشتر از اثر درآمدی ناشی می‌شود. همچنین اثر درآمدی آن در خانوارهای شهری نزدیک به سه برابر و در خانوارهای روستایی دو برابر اثر جانشینی می­باشد؛ به عبارت دیگر، اگر با افزایش قیمت برنج و غلات، درآمد جبران شود حساسیت مصرف‌کنندگان نسبت به افزایش قیمت برای خانوارهای شهری و روستایی به ترتیب نزدیک به سه و دو برابر کاهش می‌یابد. در سایر گروه­ها نیز قدر مطلق کشش‌های خودقیمتی معمولی بزرگتر از کشش‌های خودقیمتی جبرانی به دست آمده است؛ یعنی واکنش مصرف‌کنندگان به تغییرات قیمت خود کالاها زمانی که درآمد جبران نمی‌گردد، بیشتر است؛ همچنین با توجه به کشش‌های متقاطعی به دست آمده رابطه بین گروه کالاهای مورد مطالعه به صورت زیر تفسیر می‌گردد: خانوارهای شهری گروه برنج و غلات با همه گروه­ها به جز سیب­زمینی به صورت جانشین ناخالص مصرف کرده­اند و برای خانوارهای روستایی نیز این گروه با تمام گروه­های کالایی به غیر از گوشت قرمز، گوشت مرغ و سیب­زمینی رابطه جانشینی داشته است. گروه گوشت قرمز نیز با سایر گروه‌ها به جز تخم مرغ در سبد خانوارهای شهری و به جز برنج و غلات و تخم مرغ در سبد خانوارهای روستایی دارای رابطه جانشینی ناخالص است. همین‌طور گروه تخم مرغ با گروه گوشت قرمز و در سبد خانوارهای شهری همچنین با حبوبات دارای رابطه مکملی و با بقیه گروه‌ها دارای رابطه جانشینی است. همچنین قند و شکر با روغن برای خانوارهای شهری دارای رابطه مکملی بوده و با بقیه کالاها دارای رابطه جانشینی است.

نتیجه‌گیری و پیشنهادها

مطالعه­ی حاضر به  بررسی کشش­های جبرانی و غیرجبرانی و کشش مخارج تقاضای کالاهای زراعی و دامی منتخب خانوارهای شهری و روستایی کشور در سال 1399 پرداخته است. نتایج نشان می­دهد افزایش قیمت­ها در سال­های اخیر و کاهش قدرت خرید خانوارها، بین رفتار مصرفی خانوارهای شهری و روستایی شکافی ایجاد کرده است؛ به طوری­که علاوه بر کوچک شدن سبد مصرفی خانوارها، گاهاً رفتارهای متفاوتی بر اثر افزایش قیمت­ها داشته­اند که این موضوع خصوصا در کشش­های مخارج قابل مشاهده است.

همانطور که در مقدمه تحقیق نیز ذکر شد، تاکنون مطالعات زیادی به بررسی تقاضای کالاهای خوراکی و کشاورزی ایران پرداخته­اند. اگرچه در تحقیقات دیگر با توجه به بیان مسائل مختلف، تعاریف، گروه­بندی و مدل­های متفاوتی استفاده شده است اما با یک نگاه کلی می­توان مقایسه­ای بین نتایج این تحقیق با سایر مطالعات داشت. نتایج این مطالعه نشان می­دهد تمامی گروه کالاهای مورد بررسی کالاهایی کم‌کشش بوده­اند؛ این در حالی است که گروه گوشت قرمز در مطالعات باریکانی و همکاران (2)، واعظ و همکاران (9)، بخشوده و دهقانپور  (20) کالایی باکشش بوده است. همچنین گروه تخم­مرغ در مطالعات باریکانی و همکاران (2)، بهمنی و اصغری (3) و گیلک و همکاران (21) باکشش به دست آمده است. گروه روغن نیز در مطالعه­ی اشک تراب و همکاران (22) باکشش است. همچنین گروه کالای گوشت مرغ در مطالعات باریکانی و همکاران (2)، واعظ و همکاران (9)  و صحبتی و همکاران (42)  کالایی باکشش بوده است. ایضا گروه شیر نیز در مقالات باریکانی و همکاران (2)، بهمنی و اصغری (3)، واعظ و همکاران (9) و گیلک و همکاران (21) باکشش به دست آمده است. همچنین نتایج مربوط به کشش­های مخارج در این مقاله نشان می­دهد به جز گوشت قرمز، قند و شکر و شیر در سبد مصرفی همه­ی خانوارها و روغن و حبوبات در سبد مصرفی خانوارهای روستایی، سایر گروه­های کالایی ضروری بوده­اند این در حالی است که در سایر مطالعات مورد بررسی، گروه کالایی گوشت قرمز ضروری بوده است. همچنین گروه برنج و غلات در مطالعات بهمنی و اصغری (3) و اشک تراب و همکاران (22) کالایی لوکس به دست آمده است. گروه­ کالاهای تخم‌مرغ و سیب­زمینی نیز در مطالعه گیلک و همکاران (21)، لوکس می­باشد.

با توجه به تعریف کالای اساسی که تغییرات قیمت اثر ناچیزی بر تغییرات تقاضا دارد؛ قاعدتا باید کشش‌ قیمتی کالاهای مورد بررسی در این پژوهش نیز مقادیر کوچکی داشته باشند. از آنجایی که کشش­های به دست آمده در این مطالعه در مقایسه با مطالعات مشابه بررسی شده، از مقادیر کوچکتری برخوردار هستند می­توان گفت که از لحاظ نظری این مطالعه نتایج منطقی­تری نسبت به سایرین به دست آورده است. این مسئله می­تواند به دلیل استفاده از متغیرهای دموگرافیک در تخمین مدل باشد که باعث شده است که مدل از تصریح بهتری برخوردار شود. همانطور که در مقدمه­ی این مطالعه نیز گفته شد کالاهای مورد بررسی در این پژوهش، همگی کالاهای اساسی و استراتژیک بوده و برای تامین امنیت غذایی و سلامت آحاد جامعه از اهمیت زیادی برخوردار هستند. دولت­ها همواره برای تامین این کالاها به صورت مستقیم (ارز دولتی، یارانه، خرید تضمینی و ...) و غیرمستقیم (نهاده­های تولید) تولیدکنندگان و مصرف­کنندگان را مورد حمایت قرار می­دهد. برای افزایش اثربخشی سیاست‌گذاری­های بخش دولتی لازم است که همواره آنها از ساختار تقاضای این کالاها، اطلاعات دقیق و کاملی داشته باشند که منجر به نتایج مطلوب­تری در سیاست­گذاری­ها گردد. در نهایت براساس نتایج به دست آمده از این مطالعه پیشنهاد می‌شود:

با توجه به ضروری بودن گروه کالاهای مورد بررسی می­بایست یک چشم­انداز بلندمدت برای افزایش تولید، خصوصا در مورد کالاهایی مثل برنج و غلات و گوشت که مهمترین منابع کسب کالری و پروتئین برای خانوارهای روستایی و شهری محسوب می­شوند، در دستور کار دولت قرار گیرد. این چشم­انداز باید به گونه­ای طراحی گردد که تولیدکنندگان این محصولات را در برابر نوسانات ناگهانی بازار محافظت کند چرا که واردات تنها یک مسکن کوتاه­مدت برای رفع نیازهای داخلی است. لازم به ذکر است با توجه به محدودیت منابع با ورود تکنولوژی­های جدید و مدیریت صحیح منابع افزایش تولید در بلندمدت امکانپذیر خواهد بود.همچنین با توجه به ضروری بودن همه­ی کالاهای مورد بررسی انتظار می­رود که دهک­های پایین درآمدی، دچار آسیب بیشتری از افزایش شدید قیمت­ها در سال­های اخیر شوند؛ بنابراین پیشنهاد می‌شود که مسئولین ذیربط به الگوي قيمت‌گذاري اين كالاها در سبد مصرفي خوراكي خانوارها از یک طرف و به قیمت تضمینی آنها برای کشاورزان از طرف دیگر توجه ویژه­ای داشته باشند.

به طور کلی تنظيم بازار، كنترل كمي و كيفي همه­ی گروه­ کالاهای زراعی و دامی که به عنوان كالاهاي ضروري به شمار مي‌روند از اهمیت زیادی به جهت حفظ سلامت جامعه و تامین نیاز اقشار مختلف خصوصا اقشار کم درآمد برخوردار است؛ چراکه یک تصمیم اشتباه اگرچه ممکن است در کوتاه­مدت هزینه­های یارانه­ی بخش کشاورزی را کاهش دهد اما با به خطر افتادن سلامت جامعه، هزینه­های گزافی به بخش سلامت تحمیل و همینطور منجر به کاهش کارایی و بهره­وری نیروی کار کشور خواهد شد. مدل تقاضا نشان می­دهد تغییرات در قیمت « گوشت قرمز»، تغییرات عمده­ای در رژیم غذایی خانوارهای شهری و روستایی کشور به همراه خواهد داشت. از سوی دیگر افزایش قابل توجهی در تقاضای « گوشت قرمز » به دنبال افزایش درآمد خانوار مورد انتظار است.

در نتیجه پیشنهاد می‌شود اين موضوع در اعمال سياست‌هاي درآمدي يا هر سياستي كه منجر به افزایش نقدينگي خانوارها شود، مد نظر قرار گیرد؛ زيرا منجر به بهبود سطح تغذيه و سلامت افراد و خانوارها به خصوص خانوارهاي كم درآمد خواهد شد. همچنین با افزایش قیمت گوشت قرمز، مصرف­کننده منابع پروتئینی ارزانتر از جمله گوشت مرغ را جایگزین گوشت قرمز خواهد کرد که نتایج کشش­های غیرجبرانی نیز موید این موضوع می­باشد؛ لذا جلوگیری از نوسانات شدید قیمتی در مورد این گروه­های کالایی نیز از اهمیت ویژه­ای برخوردار است.

مقايسه نتايج به دست آمده از تفاضل كشش قيمتي مارشالي و هيكس نشان مي‌دهد كه بيشترين اختلاف قيمتي در گروه خوراكي برنج و غلات مي‌باشد. به طوری که این تفاضل نزدیک به سه برابر کشش هیکس خانوارهای شهری و دو برابر کشش هیکس خانوارهای روستایی است. بنابراين پيشنهاد مي­شود براي دستيابي به سطح رضايت اوليه بيشترين اثر جبراني (كمك حمايتي) در اين گروه خوراكي اعمال شود.

اگرچه می­توان گفت این تحقیق نتایج رضایتبخشی نسبت به سایر تحقیقات ارائه می­دهد اما ممکن است، تجزیه و تحلیل بیشتر نیز مفید باشد. به طور مثال ممکن است استفاده از سایر متغیرهای دموگرافیک مثل نوع شغل سرپرست، بیمه و غیره منجر به نتایج بهتری از تخمین گردد. همچنین بررسی­های درون گروهی مثل بررسی صرف تقاضای غلات یا مواد پروتئینی احتمال دارد باعث تخمین دقیق­تری از تقاضا گردد.

همچنین می­توان با توجه به سایر متغیرهای دموگرافیک کشش­ها را تخمین زد و نتایج را از منظر دیگری نیز بررسی نمود. همچنین نیاز به بررسی پیامدهای رفاهی سیاست­های مختلف نیز وجود دارد اگرچه نتایج و استدلال­های ارائه شده در این مقاله نیز کاملا قابل قبول بوده و انتظار می­رود در راستای سیاست­گذاری بخش دولتی اثربخش باشد.

ملاحظات اخلاقی

پیروی از اصول اخلاق پژوهش

در مطالعه حاضر فرمهای رضایت نامه آگاهانه توسط تمامی آزمودنی­ها تکمیل شد.

حامی مالی

هزینه­های مطالعه­ی حاضر توسط دانشگاه تربیت مدرس تامین شده است.

مشارکت نویسندگان

طراحی و ایده پردازی: مهری احمدی جاوید، دکتر صادق خلیلیان، دکتر سید حبیب الله موسوی و دکتر حامد نجفی؛ روش شناسی و تحلیل داده­ها: مهری احمدی جاوید؛ نظارت و نگارش نهایی: مهری احمدی جاوید، دکتر صادق خلیلیان.

تعارض منافع

بنابر اظهار نویسندگان، مقاله حاضر فاقد هرگونه تعارض منافع می­باشد.

 

 

References

 

1. Household Budget and Expenditure Survey. Statistical Center of Iran; 2020.

https://www.amar.org.ir

2. Barikani E, Shajari S, Amjadi A. Price and income elasticity of demand for food in Iran: a dynamic demand system. Agricultural Economics and Development. 2008;15(4):125-145. [DOI:22103/10/JDC.1904/2009].

3. Bahmani M, Asghari H. Estimation of Rural Household’ Food Demand Function, Using Almost Ideal Demand System (AIDS). Journal of Development and Capital. 2009;2(1):131-149. [DOI:10.22103/JDC.2009.1904 ].

4. Salami H, Shahbazi H. Application of the Implicitly Directly Additive Demand System (AIDADS) in Modeling Consumption Behavior of the Iranian Households for Selected Food Commodities. Journal Of Agricultural Economics and Development. 2009;23(1). [DOI:22067/10/jead2.v1388i2074/1].

5.         Salami H, Rezaei S. Forecasting Meat Prices: An Inverse Demand Approach. Journal Of Agricultural Economics and Development. 2011;24(3). [DOI:22067/10/jead2.v1389i7727/3].

6.         Ghorbanian A, Bakhshoodeh M. The Effect of Price Increases on Food Security in the Rural Society of Iran. Agricultural Economics and Development. 2016;24(2):165-189.

 [DOI: 10.30490/AEAD.2016.59037]

7.         Akbari A, Ahmadi Javid M, Ziyaee MB, Barakati SM. Estimating Food Demand in Sistan and Baluchestan Using Two Systems of NNDS and QUAIDS. Agricultural Economics Research. 2017;9(34):93-116. https://jae.marvdasht.iau.ir/article_2381.html?lang=en

8.         Koohbar MA, Sahabi B, Asari A, Ghanbari A. Predicting the demand function of major food groups in Iran considering population growth scenarios. new economy and trad. 2019;14(2):105-126. https://jnet.ihcs.ac.ir/article_4539.html

9.         Vaez, M Z, Raghfar H. Food Items Elasticity Estimation for Income Quantiles in Iran,2016 and 2018. Social Welfare Quarterly. 2021;21(81):287-327. https://refahj.uswr.ac.ir/browse.php?a_id=3851&sid=1&slc_lang=en

10. Xi J, Mittelhammer RC, Heckelei T. A quaids model of japanese meat demand. Agricultural and Applied Economics Association (AA). 2004;(377):2016-2075. [DOI:22004/10/ag.econ.20120].

11. Mittal S. Application of the QUAIDS model to the food sector in India. Journal of Quantitative Economics. 2010;8(1):42-54. https://www.researchgate.net/ 

12.         Mekonnen DK, Huang CL, Fonsah EG. Analysis of Fruit Consumption in the US with a Quadratic AIDS Model.; 2012. [DOI:22004/10/ag.econ.119767].

13.         Bilgic A, Yen S. Household food demand in Turkey: A two-step demand system approach. Food Policy. 2013;43:267-277. [DOI:https://doi.org/1016/10/j.foodpol.09/2'013.004].

14.         Sola O. Demand for food in Ondo state, Nigeria: Using quadratic almost ideal demand system. journal of Business Management and Economics. 2013;4(1):1-19. https://ideas.repec.org/a/etr/series/v4y2013i1p001-019.html

15.         Hayat N, Hussain A, Yousaf H. Food Demand in Pakistan: Analysis and Projections. South Asia Economic Journal. 2016;17(1):94-113. [DOI:1177/10/1391561415621826].

16.         Sa’diyah AA, Anindita R, Hanani N, Muhaimin AW. The strategic food demand for non poor rural households in Indonesia. EurAsian Journal of BioSciences. 2019;13(2). https://www.proquest.com/ 

17.         Ghahremanzadeh M. Measuring Impact of Rising Food Price on Iranian Urban Households Welfare. Agricultural Economics. 2016;9(4):97-119. https://www.iranianjae.ir/article_16006.html?lang=en

18.         Bakhshoodeh M. Effects of rising food prices on poverty and vulnerability of the Iranian rural households. The Economic Research. 2016;16(3):1-27. https://ecor.modares.ac.ir/article-18-3414-en.html

19.         Hosseini Yekani SA, Nematollahi Z, Hosseinzadeh M. The Welfare Effects of Rising of Domestic Rice Price on Mazandaranian Households. Journal Of Agricultural Economics and Development. 2017;31(3):228-239. [DOI: 10.22067/JEAD2.V31I3.62855].

20.         Dehghanpur H, Bakhshoodeh M. Investigating the Welfare Effects Caused by Price Changes of Protein-Consumed Food Stuffs in Urban Households. Agricultural Economics and Development. 2017;25(3):151-167.[DOI:10.30490/AEAD.2017.59089]

21.         Gilak M, Zaroki S, Rahmati S. The Welfare Loss of Rising Food Prices: Application of Panel- SURE Regression in Iranian Provinces. Quarterly Journal of Quantitative Economics. 2018;14(4):53-92. [DOI:22055/10/jqe.21297/2018.1590].

22.         Ashktorab N, Nematollahi Z. The Effects of Increasing Food Commodities Prices on the Welfare and Poverty of Iranian Urban Households. Journal Of Agricultural Economics and Development. 2019;32(4):287-298. [DOI: 10.22067/JEAD2.V32I4.69715].

23.         Rafaati M, Shabanzadeh M, Javdan E. Nutrient Consumption, Diversity and Food Security of the Income deciles of Tehran Province. Journal Of Agricultural Economics and Development. 2021;35(2):147-160. [DOI:22067/10/jead.69156/2021.1019].

24.         Bakhshoodeh M. Impacts of world prices transmission to domestic rice markets in rural Iran. Food Policy. 2010;35(1):12-19. [DOI:https://doi.org/10.1016/j.foodpol.2009.06.006]

25.         Azzam AM, Rettab B. A welfare measure of consumer vulnerability to rising prices of food imports in the UAE. Food Policy. 2012;37(5):554-560. [DOI:https://doi.org/1016/10/j.foodpol.05/2012.003].

26.         Rodriguez LT, Katsushi SI. Food price surges and poverty in urban Colombia: New evidence from household survey data. Food Policy. 2013;43(2):227-236. [DOI:1016/10/j.foodpol.09/2013.017].

27.         Ferreira FHG, Fruttero A, Leite PG, Lucchetti LR. Rising food prices and household welfare: evidence from Brazil in 2008. Journal of Agricultural Economics. 2013;64(1):151-176. [DOI:https://doi.org/10.1111/j.1477-9552.2012.00347.x]

28.         Weber R. Welfare Impacts of Rising Food Prices: Evidence from India.; 2015.[DOI: 10.22004/ag.econ.211901].

29.         Korir L, Rizov M, Ruto E. Food security in Kenya: Insights from a household food demand model. Economic Modelling. 2020;92:99-108. [DOI:1016/10/j.econmod.07/2020.015].

30.         Aghabeygi M, Arfini F. Assessing the net import welfare impacts of the rising global price of food in Italy. Sustainability. 2020;12(3):1086. [DOI: https://doi.org/10.3390/su12031086].

31.         Layani G, Bakhshoodeh M, Aghabeygi M, Kurstal Y, Viaggi D. The impact of food price shocks on poverty and vulnerability of urban households in Iran. Bio-based and Applied Economics. 2020;9(1):109-125. [DOI:10.22004/ag.econ.308837] 

32.         khalili Malakshah S, Ghahremanzadeh M, Pishbahar E. Effect of Household Characteristics on Food Demand of Iranian Rural and Urban Households. Agricultural Economics Research. 2021;12(48):23-55. [https://jae.marvdasht.iau.ir/article_4258.html?lang=en]

33.         Abdulai A, Aubert D. A cross‐section analysis of household demand for food and nutrients in Tanzania. Agricultural Economics. 2004;31(1):67-79. [DOI: https://doi.org/10.1111/j.1574-0862.2004.tb00222.x]

34.         Poi BP. Easy demand-system estimation with quaids. The Stata Journal. 2012;12(3):433-446.[DOI: https://doi.org/10.1177/1536867X1201200306]

35.         Dhar T, Baylis K. Fast-food consumption and the ban on advertising targeting children: the Quebec experience. Journal of Marketing research. 2011;48(5):799-813. [DOI:1509/10/jmkr.5/48.799].

36.         Vargas-Lopez A, Cicatiello C, Principato L, Secondi L. Consumer expenditure, elasticity and value of food waste: A Quadratic Almost Ideal Demand System for evaluating changes in Mexico during COVID-19. Socio-Economic Planning Sciences. 2022;82(A):101065. [DOI:1016/10/j.seps.101065/2021].

37.         Cook RD. Influential observations in linear regression. Journal of the American Statistical Association. 1979;74(365):169-174. [DOI:https://doi.org/10.1080/01621459.1979.10481634]

38.         Cooper MJ, Gulen H, Schill MJ. Asset growth and the cross‐section of stock returns. The Journal of Finance. 2008;63(4):1609-1651. [DOI: https://dx.doi.org/10.2139/ssrn.760967]

39.         Bopape LE. The Influence of Demand Model Selection on Household Welfare Estimates: An Application to South African Food Expenditures. Michigan State University; 2006. [DOI: https://doi.org/doi:10.25335/M5ZC7S777] .

40.         Geoffry M, Clauson A. Demand for Non-Alcoholic Beverages: Evidence From the Acnielsen Home Scan Panel. American Agricultural Economics. 2005;44:159-170.

[DOI: 10.22004/ag.econ.19441].

41.         Poi BP. From the help desk: Demand system estimation. The Stata Journal. 2002;2(4):403-410.

[DOI:https://doi.org/10.1177/1536867X0200200406]

42.         Sohbati Z, Khosravinezhad A, Khodadadkashi F. An Evaluation of Rise in Food Price on Welfare of Urban Households in Iran. Economic Strategy. 2013;2(4). [https://econrahbord.csr.ir/article_103228.html?lang=fa]