بررسی شاخص بهرهوری کل عوامل تولید زیربخش زراعت در ايران و عوامل موثر بر آن
محورهای موضوعی : فصلنامه علمی -پژوهشی تحقیقات اقتصاد کشاورزیمحمد رضا یوسفی 1 , رضا مقدسی 2 * , یعقوب زراعت کیش 3
1 - دانشجوی دکتری گروه اقتصاد، ترویج و آموزش کشاورزی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران
2 - گروه اقتصاد، ترویج و آموزش کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
3 - گروه اقتصاد، ترویج و آموزش کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
کلید واژه: بهرهوری کل عوامل, زیربخش زراعت, معادلات ظاهرا نامرتبط, شاخص بهرهوری مالم‌کویست.,
چکیده مقاله :
این پژوهش با هدف سنجش شاخص بهرهوری کل عوامل تولید زیربخش زراعت و شناخت سازه‌های موثر بر آن در 20 استان کشور انجام شده است. برای این منظور، در گام نخست شاخص بهرهوری کل عوامل تولید زیر بخش زراعت در هر یک از استان‌های مورد بررسی با کاربست رویکرد ناپارامتری شاخص بهرهوری مالم‌کوئیست مستتر در تحلیل پوششی داده‌ها (DEA-MQI) و داده‌های سال‌های زراعی 1388 تا 1397 اندازه‌گیری و تحلیل شد. در گام دوم با بهره‌مندی از سیستم معادلات رگرسیونی ظاهرا نامرتبط (SURE)، عوامل موثر بر افزایش شاخص بهرهوری کل عوامل تولید زیربخش زراعت استان‌های مورد بررسی برآورد شد. بر اساس یافته‌های پژوهش شاخص بهرهوری کل عوامل تولید زیربخش زراعت استان‌های قزوین و ایلام به ترتیب دارای بیش‌ترین و کم‌ترین میانگین شاخص بهرهوری کل عوامل می‌باشد که 09/1 و 703/0 است. این شاخص در همه استان‌ها دارای فراز و نشیب‌های سالانه بوده، اما با این حال میانگین آن در استان‌های قزوین، بوشهر، گلستان، خراسان رضوی، همدان، کردستان، فارس، اصفهان، زنجان، مازندران، آذربایجان غربی، خراسان شمالی و خوزستان بزرگتر از یک و بیانگر رشد بهرهوری کل عوامل در زیربخش زراعت بخش کشاورزی استان‌های مذکور می‌باشد، اما زیربخش زراعت استان‌های کرمانشاه، خراسان جنوبی، لرستان، آذربایجان شرقی و ایلام تنزل بهرهوری کل عوامل را تجربه کرده‌اند به طوری‌که میانگین شاخص بهرهوری کل عوامل آنها کم‌تر از یک (981/0 ، 963/0 ، 953/0 ، 943/0 ، 925/0 ، 923/0 و 703/0 ) بوده است. هم‌چنین، بر پایه نتایج تخمین سیستم معادلات رگرسیونی ظاهرا نامرتبط، در اغلب استان‌های مورد بررسی سرمایه‌گذاری در پژوهش و توسعه کشاورزی، توسعه صنایع تبدیل و فرآوری تولیدات کشاورزی، آموزش‌های ترویجی کشاورزان، بیمه محصولات زراعی و شدت مکانیزاسیون دارای تاثیر مثبت و فزاینده بر بهرهوری کل عوامل تولید زیربخش زراعت استان‌های مورد بررسی بوده‌اند. با این‌حال، در برخی استان‌ها شدت مکانیزاسیون و سیاست حمایتی بیمه اراضی زراعی فاقد تاثیر مثبت و فزاینده بر شاخص بهرهوری کل عوامل تولید زیربخش زراعت بوده و یا تاثیر مغایر با انتظارات داشته‌اند.
This study was conducted with the aim of measuring the total factor productivity index in agronomy sub-sector of Iranian provinces. Moreover, its main determinants are identified. For this purpose, in the first step, the total factor productivity index of agronomy sub-sector in each of the studied provinces was measured and analyzed using the non-parametric approach of Malmquist productivity index hidden in data envelopment analysis (DEA-MQI) over the period 2009-2018. In the second step, using the system of seemingly unrelated regression equations (SURE), the factors affecting the total factor productivity index were estimated. Based on the research findings, the total factor productivity indices for Qazvin and Ilam provinces have the highest and lowest average levels, respectively (1.09 and 0.703). This index has annual ups and downs in all provinces, however, its average in Qazvin, Bushehr, Golestan, Khorasan Razavi, Hamedan, Kurdistan, Fars, Isfahan, Zanjan, Mazandaran, West Azerbaijan, North Khorasan and Khuzestan provinces is greater than one. It indicates the growth of productivity of all factors in the crop sub-sector of the mentioned provinces. In addition, the agronomy sub-sectors of Kermanshah, South Khorasan, Lorestan, East Azerbaijan and Ilam provinces have experienced a decline in total factor productivity so that the average values are less than one (0.981, 0.963, 0.953, 0.943, 0.925, 0.923 and 0.703). Also based on the results of estimating the system of seemingly unrelated regression equations, in most of the studied provinces, research and development, development of agricultural products processing industries, extension training of farmers, crop insurance and intensity of mechanization have a positive and increasing effect on total factor productivity of crop sub-sectors. However, in some provinces, the mechanization and supportive policy of agricultural insurance have not had a positive and increasing effect on the total factor productivity index in crop sub-sector or have had a fundamentally contrary effect on expectations.
1- Abedi A. Productivity situation in Iran from the point of view of International Monetary Fund, Tehran Chamber of Commerce, Industries, Mines and Agriculture. 2014.
2- Ali, A., Mushtaq, K., Ashfaq, M., and Wson, P.J. 2012. Macro Determinants of Total Factor Productivity Growth of Agriculture in Pakistan. Pakistan Journal of Applied Economics, Vol. 22 Nos. 1 & 2, (1-18).
3- Coelli TJ, Prasada Rao DS. Total Factor Productivity Growth in Agriculture A Malmquist Index Analysis of 93 Countries, 1980-2000. This paper has been written for presentation as a Plenary Paper at the 2003 International Association of Agricultural Economics (IAAE) Conference in Durban August 16-22, 2003.
4- Cuhukwuemeka K, Anayo NI, Ogechi A. Multifactor Productivity of Smallholder Yam Farmers in Ebonyi State, Nigeria. 2019.
5- Hsu S.H, Yu MM, Cheng C. An Analysis of Total Factor Productivity Growth in China’s Agricultural Sector. Paper prepared for presentation at the American Agricultural Economics Association Annual Meeting, Montreal, Canada, 2003, 27-30.
6- Jianguo1 W, Qamruzzaman M. An Assessment of Total Factor Productivity (TFP) of SME Business in Bangladesh using DEA based Malmquist Productivity Index (MPI), ABC Journal of Advanced Research, 2017, 6(1).
7- Kannan E. Total Factor Productivity Growth and its Determinants in Karnataka Agriculture. The Institute for Social and Economic Change. Bangalore, Working Paper, 2011, No: 265.
8- Keskin Y, BenliSuleyman Degirmen B.S. The Application of Data Envelopment Analysis BasedMalmquist Total Factor Productivity Index: Empirical Evidence in Turkish Banking Sector, Pano Panoeconomicus, Special Issue, 2013, pp. 139-159.
9- Khaksar H, Karbasi A. Calculating the final rate of investment in agricultural research in Iran, Agricultural Economics and Development, 2005, 13(50), pp. 125-146
10- Liu J, Dong C, Liu S, Rahman S, Songsak S. 2020. Sources of Total-Factor Productivity and Effciency Changes in China’s Agriculture. Agriculture. 10, 279.
doi:10.3390/agriculture10070279.
11- Mojaveriyan M. Estimation of Malmquist's productivity index for strategic products during the period of 1378-1369, Agricultural Economics and Development, 2003, 11(43, 44).
12- Ngalya N.C. Determining of total factor productivity of maize in Ruvuma region, Tanzania: the effects of input subsidies. A dissertation submitted in partial fulfillment of the requirements for degree of master of agriculture of science in agricultural and applied economics of sokoine university of agricul, Morogora, Tanzania. 2019.
13- Obasi P.C, Henri-Ukoha A, Ukewuihe IS, Chidiebere-Mark N.N. Factors Affecting Agricultural Productivity among Arable Crop Farmers in Imo State, Nigeria. American Journal of Experimental Agriculture. 2013, 3(2): 443-454.
14- Sadiq, S.M., Singh, I.P., Ahmad, M.M and Muhammad Lawal, M. Determinants of Total Factor Productivity (TFP) Among Sugarcane Farmers in Kwara State of Nigeria. Malawi Journal Science and Technology. 2020, vol(12). 1
15- Shahbazi K, Alizadeh S. The effect of government spending on the productivity of the total factors of production in Iran's agricultural sector, Agricultural Economics Research, 2017, 10 (2), pp: 33-48
16- Tehamipour M, Shahmoradi. Measuring the productivity growth of the total production factors of the agricultural sector and investigating its contribution to the growth of the added value of the sector, Scientific Research Journal of Economics and Agriculture, Iranian Agricultural Economics Association, 2007.
17- Thirtle C, Lin L, Piesse J. The Impactofresearch. Ledagricultural productivity growth on povertyreduction in Africa, Asiaand Latin America, Contributed paper for the 25th conference of the International Association of Agricultural Economists Durban. 2003.
18- Yang S, Malaga J, Guo X. Assessing Total Factor Productivity for Soybean Production in China Based on DEA-Malmquist Index: 2005-2017, American Journal of Plant Sciences.2020, 11, 24-39.