تحلیل عوامل موثر بر توسعه کشت کلزا در شهرستان های تبریز و مرند، ایران

Subject Areas : Farm Structures

قادر دشتی ¹ , باب ا... حیاتی ² , نوشین بخشی ³ , محمد قهرمانزاده ⁴

1 - دانشکده کشاورزی، گروه اقتصاد کشاورزی؛ دانشگاه تبریز، تبریز، ایران
2 - دانشکده کشاورزی، گروه اقتصاد کشاورزی، دانشگاه تبریز، تبریز، ایران
3 - دانشکده کشاورزی، گروه اقتصاد کشاورزی، دانشگاه تبریز، تبریز، ایران
4 - دانشکده کشاورزی، گروه اقتصاد کشاورزی، دانشگاه تبریز، تبریز، ایران

Received: 2015-08-29 Accepted : 2016-01-02 Published : 2017-03-01

Keywords: روش دو مرحله ای هکمن, پذیرش کلزا, مدل سانسور شده,

Abstract :

مطالعه حاضر با هدف شناساییو تحلیل عوامل موثر بر توسعه کشت کلزا در شهرستان­های تبریز و مرند انجام شده است. داده­های مقطعی 372 کشاورز توسط پرسشنامه جمع­آوری و توسط مدل سانسورشده تحلیل گردید. به دلیل ضعف مدل توبیت در تفکیک عوامل موثر بر پذیرش و عوامل موثر بر میزان پذیرش، مدل هکمن برای تفکیک سهم هردسته از این عوامل به کار رفت. نتایج برآورد مدل پروبیت در مرحله اول روش هکمن نشان داد که مالکیت ماشین­آلات تاثیر مهمی بر پذیرش کلزا داشت چنانچه با افزایش 1% مالکیت ماشین­آلات، احتمال پذیرش کشت کلزا 158/0 درصد افزایش یافت. تماسبا مروجان، سهم درآمد مزرعه­ای، سطح تحصیلات و تجربه کشاورز اثر مثبت بر احتمال پذیرش کلزا داشته و سن و تعداد قطعات زمین زراعی هر کشاورز نیز اثر منفی بر احتمال کشت کلزا داشتند. معنی­داری نسبت معکوس میلز نشان می­دهد که عوامل موثر بر شروع به کشت با عوامل موثر بر میزان کشت کلزا یکی نیستند. نتایج تخمین مرحله دوم هکمن نشان داد که مبلغ وام، سود نسبی کلزا و تعداد نیروی کار خانوادگی اثر مثبت و هزینه ماشین­آلات و فاصله زمین زراعی تا جاده در هر هکتار اثر منفی روی میزان سطح زیر کشت کلزا داشتند. سود نسبی موثرترین عامل بود به نحوی که 1% افزایش در سود نسبی منجر به 342/0 درصد افزایش در کشت کلزا می­شد.

References:

Adesina, A. A., &Zinnah, M. M. (1993). Technology characteristics, farmers' perceptions and adoption decisions: A TobitModel application in Sierra Leone. Agricultural Economics, 9(4), 297-311.

Abyar, N.)2002(. A study of factors influencing soy bean area expansion in GolestanProvince. Journal of Agricultural Economics and Development, 10(38), 67-82.

Amao, J. O.,&Awoyemi, T. T. (2008). Adoption of improved cassava varieties and its welfare effect on producing households in OsogboAdp zone of OsunState. Gene Conserve, 7(29), 1-11    

Ben-Houassa, K. E. (2011). Adoption and levels of demand of fertilizer in cocoa farming in Cote D’ivoire: does risk aversion matters? Paper selected for presentation at the CSAE conference, economic development in Africa.

Caviglia, J. L., & Khan, J. R. (2001). Diffusion of sustainable agriculture in the Brazilian tropical rain forests: a discrete choice analysis. Economic Development and Cultural Change, 49(2), 311-333.

East Azerbaijan Province Organization of Jiha­d- Agriculture. (2010). Agricultural Statistics Year Book, Department of Planning and Economics, Tabriz, Iran.

Foster, A. D., &Rosenzweig, M. R. (1995). Learning by doing and learning from others: human capital and technical change in agriculture. Journal of Political Economy, 103(6), 1176-1209.

Gebremedhin, B., Ahmed, M.,& Ehui, S. K. (2003). Determinants of adoption of improved forage technologies in crop-livestock mixed systems: evidence from the highlands of Ethiopia. Tropical Grasslands, 37, 262-273. 

Greene, W. H. (1990). Econometric analysis (2^ndEds). New York: Macmillan publishing company, USA.

Heckman, J. J. (1979). Sample selection bias as a spesification error. Econometrica, 47(1), 153- 161.

Ibrahim, M., Florkowski, W. J.,& Kolavalli, S. (2012). The determinants of farmer adoption of improved peanut varieties and their impact on farm income: evidence from Northern Ghana. Selected peper prepared for presentation at the agricultural and applied economics association annual meeting, Seattle,WA.

Kheil,  A., Saint-Macary, C.,& Zeller, M. (2009). Maize boom in the uplands of northern Vietnam, economic importance  and environmental implication. In: International research on food security, natural resource management and rural development conference, PP. 1-6.

Kinuthia, E. K., Owuor, G., Nguyo, W., Kalio, A. M.,& Kinambuga, D. (2011). Factors influencing participation and acreage allocation in tree planting program: a case of Nyeri district, Kenya. Agricultural Science Research Journal,1(6), 129-133.

Lohr, L., & Park, T.A. (1995). Utility-consistent discrete continuous choices in soil conservation. Land Economics, 71(4), 474-490.

Lubell, M. (2004). Collaborative watershed management: a view from the grassroots. Policy Studies Journal, 32(3), 341-361.

Mostofi, S. (2008). Investigation of oilseed and its products. Agricultural Planning, Economic and Rural Development Research Institute Tehran,1-50.

Munshi, K. (2004). Social learning in a heterogeneous population: technology diffusion in the Indian Green Revolution. Journal of Development Economics, 73(1), 185-213.

McDonald, J.,&Moffit, R. (1982). The uses of Tobit analysis.The Review of Economics and Statistics, 62(2), 318-321.

Ngwira, A., Johnsen, F. H., Aune, J. B., Mekuria, M.,&Thierfelder, C. (2014).Adoption and extent of conservation agriculture practices among smallholder farmers in Malawi. Journal of  Soil and Water Conservation, 69(2), 107-119.

Oladele, O. I. (2005). A Tobit analysis of propensity to discontinue adoption of agricultural technology among farmers in southwestern Nigeria. Journal of Central European    Agriculture, 6(3), 249-254.

Oyekale, A. S. &Idjesa, E. (2009). Adoption of improved maize seeds and production efficiency in Rivers state, Nigeria. Academic Journal of Plant Sciences, 2(1), 44-50.

Rogers, E. (1962). Diffusion of innovation (5^thEds). New York: Free Press.

Salami, H.,&Einallahi Ahmad Abadi, M. (2001). Application of Tobit econometric model and the two-stage Heckman method in determining factors affecting sugar beet production in Khorasan province. Iranian Agricultural Sciences, 32(2), 433-445.

Scandizzo, P. L.,&Savastano, S. (2010). The adoption and diffusion of GM crops in United States: a real option approach. AgBio Forum, 13(2), 142-157.

Shafiei, L. (2007). Studying effective factors on olive cultivation in Kerman. Journal of Agricultural Economics and Development, 15(58), 1-22.

Shapiro, B. I., Brorsen, B. W. & Doster, D. H. (1992). Adoption of double-cropping soybeans and wheat. Southern Journal of Agricultural Economics, 24(02), 33-40.

Sigleman, L. & Zeng, L. (1999). Analysing censored and sample selected data with tobit and Heckit models. Political Analysis, 8(2), 167-82.

Taheri, F., Mousavi, S. N.,&Rezayie, M. R. (2010). The impact of removing energy subsidies on rapeseed production costs in MarvdashtCounty. Journal of Agricultural Economics Research,    2(3), 77-89.

Tobin, J. (1958). Estimation of relationships for limited dependent variables. Econometrica,  26(1), 24-36.

Wright, M., &Charlert, D. (1995). New product diffusion models in marketing: an assessment of two approaches. Marketing Bulletin, 6(4), 32-41.

Youssefi, A., Nshauian, A.,&Azizi, M. (2010). Yield differences of brassica oilseed rape cultivars based on physiological parameters. American-Eurasian Journal of Agricultural & Environmental Sciences, 9(4), 436-439