عوامل موثر بر مصرف انرژی در بخش کشاورزی ایران با استفاده از روش ARDL-FAZZY

Subject Areas : Environmental policy and management

مریم ضیاء آبادی ¹ , محمدرضا زارع مهرجردی ²

1 - استادیار دانشکده گردشگری، اقتصاد منابع طبیعی و محیط زیست، مجتمع آموزش عالی بم، بم، ایران
2 - دانشیار اقتصاد منابع طبیعی و محیط زیست، دانشگاه شهید باهنر کرمان، کرمان، ایران

Received: 2018-06-02 Accepted : 2019-02-19 Published : 2019-12-01

Keywords: ایران, بخش کشاورزی, مصرف انرژی, ARDL-FUZZY,

Abstract :

با توجه به نیازها و خواسته های نامحدود بشر و محدودیت منابع، انسان همواره در اندیشه ی استفاده ی موثر و بهینه از امکانات و منابعی که در اختیار داشته، بوده است. انرژی به عنوان یکی از عوامل اصلی تولید دارای جایگاه مهمی در فعالیت­های اقتصادی و به عنوان یکی از مهم­ترین نهاده­های مصرفی در بخش کشاورزی، از اهمیت خاصی برخوردار است. طی چهار دهه اخیر، مصرف انرژی در بخش کشاورزی ایران با نرخی فراتر از رشد تولید این بخش افزایش یافته است که یکی از مهم­ترین دلایل آن، پائین بودن قیمت انرژی و یارانه­ای بودن آن در بخش کشاورزی ایران است. در این مطالعه جهت بررسی عوامل موثر بر مصرف انرژی در بخش کشاورزی ایران از روش ARDL-FAZZY و داده­های سری زمانی 1353-1394 استفاده شده است. نتایج نشان­دهنده آن است که متغیر سهم بخش کشاورزی تاثیر مثبت و معناداری بر مصرف انرژی در دوره مورد مطالعه داشته است. متغیر نسبت سرمایه به نیروی کار (سرمایه سرانه) تاثیر مثبت بر مصرف انرژی داشته است. شدت مصرف انرژی در بخش کشاورزی از روند منظمی پیروی نکرده و اثر مثبت بر مصرف انرژی در این بخش داشته است. متغیر قیمت انرژی (سوخت­های فسیلی و برق) تاثیر منفی (با سطح معناداری پائین) بر مصرف انرژی دارد. بنابراین پیشنهاد می­شود که با توجه به اهمیت انرژی و مسئله آلودگی، مصرف انرژی و عوامل موثر برآن بیش از پیش مورد توجه قرار گیرد.

References:

Abbasi, E. (2015). Forecasting of energy consumption in agricultural sector of Iran. Journal of Economic Sciences, 9 (32), 81-102.

Ahamed, J.U., Saidur, R., Masjuki, H.H., Mekhilef, S., Ali, M.B., & Furqon,  M.H. (2011). An application of energy and exergy analysis in agricultural sector of Malaysia. Energy Policy, 39, 7922–7929.

Amadeh, H. (2014). Energy demand analysis in Iran's agricultural sector. Iranian Energy Economics, 2(8), 21-43.

Armen, S. A., & Zare, R. (2009). Energy consumption in different sections and its relationship with economic growth in Iran: analyzing causality based on Toda Yamamoto approach. Journal of Energy Economy Studies, 6 (20), 67-92.

Azadeh, A., Khakestani, M., & Saberi, M. (2009). A flexible fuzzy regression algorithm for forecasting oil consumption estimation. Energy Policy, 37, 5567-5579.

Bandaranaike, R. D., & Munasighe, M. (1983). The Demand for Electricity Service and the Quality of Supply. Energy Journal, 4(2), 49-71.

Barati Malayeri, A., & Hoori Jaffari, H. (2008). Estimation of energy consumption in final consuming sectors. Journal of Energy Economics Surveys, 1(1), 56-97.

Central Bank of the Islamic Republic of Iran. (2017). Statistics, Economic time series database. https://www.cbi.ir.

Cetin, T., & Yuksel, F. (2014). Empirical investigation on energy dependence-consumption nexus: Evidence from Turkish natural gas market. Applied Energy, 133(15), 243-251.

Chung, W. (2012). Using the fuzzy linear regression method to benchmark the energy efficiency of commercial buildings. Applied Eenergy, 95, 45-49.

Farahi, G., Khodashenas, S. R., & Alizade, A. (2011). Estimating the sediment of catchment areas of Northern Khorasan using fuzzy regression model. Iran Watershed Science and Engineering, 5 (15), 11-24.

Farajian, L., Moghaddasi, R., & Hosseini, S. (2018). Agricultural energy demand modeling in Iran: Approaching to a more sustainable situation. Energy Reports, 4, 260–265.

Fei, R., & Lin, B. (2017). Estimates of energy demand and energy-saving potential in China's agricultural sector. Energy, 135(15), 865-875.

Ghanbari, A., Galvani, A., & Javad Nejad, F. (2012). Studying the relationship between energy consumption and urbanization in Iran using ARDL. Journal of Energy Economy Studies, 9 (35), 101-119.

Gholizdeh, M. H., &Vahidpour, G. (2011). Predicting stock price using fuzzy regression method. Journal of Economic Sciences, 6 (12), 127-107.

Heidari, E. (2005). Forecast of energy demand in Iranian economy based on the analysis method. Economics Research, 69, 27-69.

Heidari, H., & Saiedpour, L. (2012). Econometric dynamic analysis from the relationship between GDP, energy consumption and non-oil exports in Iran. Journal of Energy Economy Studies, 9 (33), 53-83.

Jahangard, A., Golshani, V., Abdolah Milani, M., & Ghafarzadeh, H. R. (2017). Energy sector analysis in Iran 2001- 2011 (A comparative static analysis with approach SDA). Journal of Applied Economics, 7(20), 1-10.

Khashei, M., & Bijari, M. (2010). Applying the hybrid model of artificial nervous networks using fuzzy regression model with the aim of predicting the gold price. Journal of Industrial Engineering, 44 (1), 39-47.

Kohansal, M. R., & Rafie, H. (2012). Examining the consequences of increased spending of urban and rural households on energy consumption in agriculture and production of environmental pollutants. Journal of Agricultural Development and Economy, 26 (4), 287-297.

Kordoni, F., Jamialahmadi, M., & Bakhshi, M.R. (2018). Econometric analysis of energy consumption pattern in Iranian crop (Case Study: Wheat, Barley, Rice and Maize). Agricultural Economics Research, 10(1), 133-148.

Mehrabi Boshrabadi, H., & Naghavi, S. (2011). Estimation of energy demand function in agricultural sector of Iran. Agricultural Economics Research, 3(2), 147-162.

Ministry of Energy of Iran (2015). Energy balance sheets. Office of Macroeconomic Planning of Electricity and Energy of Iran. http://pep.moe.gov.ir

Moradi, M., & Habibzade, S. J. (2012). Application of fuzzy regression in explaining the relationship between characteristics of board of directors and performance of companies listed in Tehran Stock Market. Journal of Accounting Progress of Shiraz University, 2(63), 119-149.

Mousavi, S. N., Mokhtari, Z., & Farajzade, Z. (2010). Predicting consumption of energy carriers in Iran agricultural sector using ARCH ARIMA models. Journal of Energy Economy Studies, 27 (7), 181-195.

Mousavi, S.N. (2015). The determinants of energy intensity and carbon emissions in agricultural sector. Agricultural Economics Research, 7(2), 197-214.

Pourkazemi, M.H., Naderi, R. & Hatami, M. (2016). Iran's natural gas pricing in the industrial sector using a Ramzy model and fuzzy regression method. Journal of Engineering and Energy Management, 6(1), 52-69.

Sadatinejad, S. J., Hassan Shahi, R., Shayan Nejad, M., & Abdollahi, K. (2011). Evaluating the efficiency of the fuzzy regression model in reconstructing missing data of annual rainfall in Karoon catchment area. Environmental Science, 8(3), 109-116.

Sadeghi, S. K., Senobar, N., Behboudi, D., & Dehghan, A. (2012). The relationship between energy and production in Iran industrial sector. Journal of Economic Modeling, 6 (1), 91-110.

Schulte, I., & Heindl, P. (2017). Price and income elasticities of residential energy demand in Germany. Energy Policy, 102, 512-528.

Shayan Nejad, M., Sadati Nejad, S. J., & Fahmi, H. (2007). Determining potential evapotranspiration using the fuzzy regression. Iran Water Resources Research, 3(3), 9-19.

Tanaka, H. (1987). Fuzzy data analysis by possibility linear models. Fuzzy Sets and Systems, 24(3), 363-375.

United Nations Conference on Trade and Development (2011). Annual Report of United Nations Conference on Trade and Development, UNCTAD. http//data.un.org /en/iso/ir.html.

World Bank (2016). World Development Indicators WDI. Retrieved from: http://www.worldbank.org/data/onlinedatabases/onlinedatabases.html.

Yan, Q., Yin, J., Balezentis, T., Makuteniene, D., & Streimikiene, D. (2017). Energy-related GHG emission in agriculture of the European countries: An application of the Generalized Divisia Index. Journal of Cleaner Production. 164, 686-694.

Yan-Qun, H., Lai-Kow, Ch., & Ming –Le, W. (2007). Balancing productivity and consumer satisfaction for profitability: Statistical and fuzzy regression analysis. European Journal of Operational Research, 176, 252-263.

Zare Mehrjerdi, M. R., Ziaabadi, M., & Irani Kermani, F. (2012). Investigating the factors affecting Energy Consumption in Iran agricultural sector using parametric and nonparametric methods. Iranian Journal of Economic Studies, 1(1) 111- 125.

Ziaabadi, M., Alavi, S., Zare Mehrjerdi, M. R., & Irani Kermani,F. (2013). Forecaste of energy consumption in agricultural sector of Iran using neural network. Interdisciplinary Journal, 4(9), 1042-1053.