Estimation of Iran’s Agricultural Exports Potential (An application of stochastic frontier gravity approach)

shokrolah hajivand ¹ ( Faculty of Agricultural Sciences and Food Industry, Department of Economics, Development and Agricultural Education, Islamic Azad University, Tehran Science and Research Branch )
R. مقدسی ² ( Associate Professor Department of Agricultural Economics Science and Research Branch Islamic Azad University Tehran, Iran )
Seyed Yaghoub Zeraat-Kish ³ ( Department of Environmental Economics, Science and Research Branch, Islamic Azad University, Tehran, IRAN )
Amir Mohammadijejad ⁴ ( Assistant Professor, Department of Agricultural Economics, Education and Extension, Science and Food Industries, Islamic Azad University, Tehran, Iran )

Submited date : 2022-04-21 Accepted date : 2024-08-21

Keywords: Iran, export, Tariff, Stochastic Frontier Gravity Model,

Abstract :

The present study considers the importance of exporting agricultural products in three groups of goods (Live animals, food products and crops) Looking to measure the export potential of these products And examining the factors affecting the non-realization of the potential of exporting agricultural products. The present study aims at measuring the export potential of these products and considering the factors affecting the potential export potential of agricultural products due to the importance of agricultural exports in three groups of commodities (live livestock, food products and crops).
The main purpose of this study is to provide an estimate of the country's agricultural exports potential and to determine how efficient Iran is in realizing this capacity. Using data for 36 destination countries for the period spanning from 1982 to 2017, proper stochastic frontier gravity model was estimated. Main findings revealed direct and significant impact of trade partners' GDP and population on Iran's agricultural exports, while distance and border barriers imposed by destination countries show significant reverse effect.

Full-Text:



برآورد صادرات بالقوه و شکاف تجاری کشاورزی ايران 

(کاربرد الگوی جاذبه مرزی تصادفی)

چكيده

     مطالعه حاضر با توجه به اهمیت کشاورزي در اقتصاد ايران از يک سو و تاکيد بر رونق کشاورزي و صادرات غير نفتي از سوي ديگر، به دنبال ارائه تخمين هاي قابل اتکا از توانمندي هاي صادرات کشاورزی بر حسب بازارهاي هدف مي باشد.  براي اين منظور ابتدا با توسل به ادبيات و سوابق و مبانی نظری موضوع ( هلپمن –کروگمن، 1985) ، الگوي جاذبه مرزي تصادفي با استفاده از اطلاعات 36 کشور مقصد برای دوره زمانی 1982 تا 2019 برآورد شد. تأثیر مستقیم و معنادار تولید ناخالص داخلی و جمعیت شرکای تجاری در کنار تاثير معکوس فاصله جغرافیایی و محدودیت های مرزی(تعرفه) کشورهای مقصد بر ارزش صادرات محصولات کشاورزی ايران، از جمله مهمترين يافته هاي برآورد الگوی فوق در گام نخست مطالعه حاضر است.  در مرحله بعد، ظرفيت بالقوه صادرات کشاورزي برآورد و با مقادير واقعي آن مقايسه شد. بر اين اساس مي توان ادعا نمود که به طور متوسط 69 درصد از ظرفيت  صادرات محصولات کشاورزی ایران طی دوره مورد مطالعه تحقق یافته است. لذا اقدامات لازم برای ارتقاء صادرات رقابتی به همراه پیگیری توافق های تجاری دو جانبه و منطقه ای برای استفاده حداکثري از ظرفيت ها توصیه می شود.

طبقه‌بندی JEL: F14 , F17  Q1 ,  Q11 ,  Q17,

واژه‌های کلیدی:  تعرفه ، صادرات کشاورزی ، الگوي جاذبه مرزي تصادفي، ايران

مقدمه

    کشاورزی به عنوان یک بخش مهم در اقتصاد ایران شناخته شده است. این بخش حدود 5/9 درصد از تولید ناخالص داخلی را تشکیل می دهد در حالی که سهم آن در کل نیروی کار شاغل ، صادرات غیرنفتی و عرضه مواد غذایی به ترتیب 23 ، 21 و 80 درصد گزارش شده است (بانک مرکزی ایران، 1396). به عنوان منبع درآمد خارجی غیر نفتی ، در برنامه های توسعه اقتصادي، اجتماعي و فرهنگي پنجساله بر ارتقاء صادرات محصولات کشاورزی تاکيد زيادي وجود دارد. در دوره 2019-1982 ایران به طور متوسط سالانه ​​3/1 میلیارد دلار صادرات محصولات کشاورزی (خام و فرآوری شده) داشته است. اين رقم از 250 میلیون دلار در سال 1982 به بیش از 7/2 میلیارد دلار در سال 2017 رشد داشته است. با وجود این رشد قابل توجه،  اعتقاد بر این است که ظرفیت هاي بيشتري براي افزايش صادرات کشاورزی وجود دارد (Roosta et al. 2017).

    افزایش صادرات و کاهش وابستگي به واردات به ویژه در خصوص محصولات کشاورزی با وجود پتانسیل‌های موجود در کشور اهمیت ویژه اي دارد. در این راستا کاهش هزینه‌های تجارت دوجانبه و درنتیجه افزایش تراز تجاري از اهميت دو چندان برخوردارخواهد بود. تجارت بین الملل به عنوان موتور رشد و توسعه اقتصادی شناخته شده و از اینروست که تمامی کشورها اعم از توسعه یافته و در حال توسعه تلاش می کنند با اتخاذ سیاست های مناسب زمینه رونق تجارت و تعاملات خارجی خود را فراهم آورند. (Miankhel et al. 2014)  بر این اساس وقتی کشورها دارای تکنولوژی مشترک هستند، رقابت میان بنگاه های اقتصادی به ارتقاء کیفیت منجر  می شود. پتانسیل صادرات در واقع حداکثر میزان صادرات است که در تجارت آزاد (بدون مانع و محدودیت)    بین الملل تحقق می یابد. چنین ظرفيتي را می توان برای هر سطح از صادرات تعیین کرد. تقریباً به مدت شش دهه ، الگوي جاذبه رایج ترین ابزار در بین اقتصاددانان علاقمند به تحلیل جریان هاي تجاري بین کشورها بوده است.  (Baier & Bergstrand in, 2009 ; Anderson & Wincoop, 2003) لزوم برنامه ریزی دقیق در توسعه صادرات محصولات کشاورزی کشور، آنگونه که در برنامه های توسعه اقتصادی، اجتماعی و فرهنگی کشور و در قالب رونق صادرات غیر نفتی مطرح است، نیاز به تحلیل دقیق بازار شرکای تجاری و تعیین ظرفیت های افزایش صادرات به این بازارها را دوچندان می نماید. به عبارت دیگر یکی از الزامات رونق صادرات، شناسایی امکان افزایش حضور در بازار شرکای تجاری فعلی ( در کنار جستجوی بازارهای هدف جدید) می باشد.

    اولین کاربرد این الگو در اقتصاد که الهام گرفته از مدل جاذبه نیوتن است، به دهه 1960بر می گردد..(Tinbergen and Linder, 1961)  فقدان سوابق نظری از یک سو و ماهیت کاملاً تجربی آنها از طرف دیگر ، مقالات اولیه را مورد انتقاد جدی قرار داد. اولین تلاش در جهت اثبات وجود توجیه نظری برای مدل جاذبه توسط اندرسون (1979) انجام شد. پس از آن اقتصادداناني نظير برگستراند پايه هاي اقتصاد خرد الگوي مورد بحث را تقويت نمودند. Bergstrand, 1985)  ( برخي ديگر نيز با استفاده از تابع با کشش جانشيني ثابت (CES) و مدل شناخته شده دو نهاده- دو ستانده (هکچر-اوهلین ) نشان دادند که الگوي جاذبه با نظریه تجارت بین الملل سازگار است.  (Helpman and Krugman, 1985). اقدامات فوق اين واقعيت را آشکار ساخت که الگوي جاذبه نه تنها یک تکنیک مفید برای برآورد جریان تجارت است ، بلکه می تواند از جهات مختلفی برای تجزیه و تحلیل سایر موضوعات و ایجاد تحول در تجارت بین الملل مورد استفاده قرار گيرد.

     محمدی و همکاران (1399) کارایی صادرات پسته ایران را در دوره 2016-2001 مورد مطالعه قرار دادند. آن ها با استفاده از الگوی جاذبه مرزی تصادفی دریافتند که کارایی صادرات پسته ایران در دوره مزبور روند کاهشی داشته است. با توجه به اثر معنادار موافقت نامه های تجاری، مرز مشترک و درآمد شرکای تجاری، سیاست گذاری مناسب جهت بهره مندی از ظرفیت های صادراتی موجود در این مقاله پیشنهاد شد.

     عطیف و همکاران (2019) در مطالعه ای به بررسی و شناسایی عوامل موثر بر صادرات محصولات شیمیایی و همچنین کارایی صادرات این کالاها در پاکستان پرداختند. آن ها با بهره گیری از الگوی جاذبه مرزی تصادفی و اطلاعات 62 شریک تجاری برای دوره 2015-1995 کارایی صادرات را به عنوان نسبتی از صادرات واقعی به صادرات بالقوه به تفکیک بازارهای هدف محاسبه نمودند. در این مطالعه از یک سو اثر منفی و معنادار تعرفه واردات شرکای تجاری و از سوی دیگر اثر مثبت کاهش ارزش پول ملی بر ارزش صادرات پاکستان تایید شد. در نهایت کارایی پایین صادرات محصولات شیمیایی پاکستان به عنوان مهمترین یافته تحقیق ارائه شد.      (Atif et al., 2019)

     انگوین (2020) کاربرد الگوی جاذبه مرزی تصادفی را برای ارزیابی کارایی صادرات برنج و قهوه در ویتنام، گزارش نمود. در این تحقیق نقش منفی محدودیت های فرامرزی (موانع وضع شده از سوی شرکای تجاری) بر ارزش صادرات دو محصول فوق تایید شد. وی همچنین دریافت که ظرفیت های بلا استفاده بسیاری در زمینه صادرات این محصولات وجود دارد و اتحادیه اروپا را می توان به عنوان یکی از بازارهای بزرگ دراین خصوص در نظر گرفت. (Nguyen, 2020)

     دلونا و کروز (2014) در مقاله خود کاربرد الگوی جاذبه مرزی تصادفی برای ارزیابی کارایی تجاری در کشور فیلیپین را گزارش نمودند. آن ها با استفاده از داده های پانل دریافتند که صادرات فیلیپین تحت تاثیر مثبت و معنادار درآمد و اندازه اقتصاد (تولید ناخالص داخلی) شرکای تجاری قرار دارد. کشش صادرات برای دو متغیر فوق به ترتیب در سطح 69/0 و 24/0 برآورد شد. رقم مشابه برای فاصله جغرافیایی نیز برابر 22/1- تخمین زده شد. از سوی دیگر کارایی صادرات بر حسب بازارهای هدف نیز بین 38 تا 42 درصد برآورد گردید که حکایت از ظرفیت های قابل ملاحظه برای افزایش صادرات فیلیپین دارد. (Deluna and Cruz, 2014)

      

    در یک جمع بندی مختصر از پیشینه تحقیق در داخل کشور می توان اذعان نمود که مطالعات انجام شده در خصوص الگوسازی جریان های تجاری در بخش کشاورزی عمدتا بر کاربرد الگوی جاذبه استاندارد و برآورد حداقل مربعات معمولی الگوهای رگرسیونی بر پایه داده های پانل، متمرکز بوده و توجه به الگوی جاذبه مرزی تصادفی (به ویژه در سطح بخش کشاورزی و نه محصولی) کمتر مورد توجه بوده است. علاوه بر این، تخمین ظرفیت های صادراتی کشاورزی کشور به تفکیک و بر حسب شرکای تجاری، که در مطالعه حاضر مد نظر قرار گرفته است، بر غنای سوابق تحقیقات داخلی خواهد افزود.

    موضوع ظرفيت صادرات و توان بالقوه کشورها برای عرضه کالاهای خود به بازارهای جهانی از جمله مسائلی است که در دو دهه اخیر به شدت مورد توجه محققین واقع شده است.در واقع برای کشورهایی نظیر ایران که به دنبال عبور از اقتصاد نفتی و پررنگ نمودن درآمدهای ناشی از صادرات غیرنفتی هستند، اطلاع از توان بالقوه صادرات کشور و بخش های مختلف اقتصادی ( نظیر کشاورزی ) جهت اتخاذ تدابیر سیاستی مناسب براي بالفعل نمودن آنها از جمله مهمترین اولویت های مطالعاتی به شمار می رود. با اطلاع از ظرفیت های مزبور می توان با بکارگیری سیاست هایی همچون قراردادهای تجاری ترجیحی، فعال نمودن رایزن های تجاری و به عبارتی دیپلماسی اقتصادی ، زمینه ساز رونق صادرات شد. این مقاله سعی دارد از نظر تجربی ، پتانسیل صادرات محصولات کشاورزی ایران را برای شرکای تجاری مختلف و با بکارگیری الگوی جاذبه مرزی تصادفی ( که به نوعی نوآوری تحقیق حاضر است) تعیین کند. لذا انتظار می رود با انجام تحقیق حاضر و برآورد پتانسیل صادرات کشاورزی ایران و همچنین تخمین شکاف ارقام فوق با مقادیر بالفعل، بتوان خلاء مطالعاتی موجود در این حوزه را پر نموده و به برنامه ریزان و مسئولین مرتبط با امور کشاورزی کمکی برای نیل به اهداف مندرج در سند چشم انداز کشور (رونق صادرات غیرنفتی، حضور موثر در بازار کشورهای همسایه)  ارائه نمود.

مواد و روش ها

     تفاوت بین صادرات واقعی (مشاهده شده) و حداکثر صادرات ممکن، که عموما با تخمين الگوي جاذبه تعيين مي گردد، به عنوان صادرات بالقوه تعریف می شود. برآورد معادله جاذبه با روش حداقل مربعات معمولی برای یافتن پتانسیل تجارت بین دو کشور منجر به تخمینی می شود که بر پايه ميانگين داده ها بدست مي آيد. با این حال ، تجارت بالقوه به تجارت آزاد و بدون مانع بین کشورها اشاره دارد. بنابراین برای اهداف سیاست گذاري، تعريف تجارت بالقوه بعنوان تجارت حداکثری  بین دو کشور که دارای روش های آزاد تجاری دو جانبه هستند، با توجه به عوامل تعیین کننده متعارف (اندازه اقتصاد کشورها ، فاصله جغرافیایی و غیره) را می توان معقول دانست.

بنابراين، تخمین میزان تجارت بالقوه به روشی نیاز دارد که به جای مقادیر واقعي، کرانه بالایی (حداکثر) داده ها  را نشان دهد. (Kalirajan, 2007) علاوه بر این ، در مدل جاذبه متعارف ، هزینه های تجارت نه تنها به فاصله جغرافیایی بین كشورها بلكه به عوامل زیرساختی ، نهادی ، اقتصادی و سیاسی هر دو شریک تجاری نیز بستگی دارد. هزینه های اخیر به عنوان "فاصله اقتصادی" در ادبیات نظری تعریف شده اند  (Anderson, 1979).

    حذف فاصله اقتصادی در الگوي جاذبه منجر به بروز مشکل ناهمساني واريانس در معادله رگرسيوني و حصول برآوردگرهاي اريب خواهد شد. از سوي ديگر تصريح الگوي جاذبه در قالب معادله لگاریتم خطی و بکارگيري روش حداقل مربعات معمولي، به ناسازگاري برآوردگرها منجر مي شود. همچنین فرض نرمال بودن اجزاء اخلال نيز مورد ترديد خواهد بود (Matyas, 1997). بنابراين در مجموع مي توان گفت که تخمين حداقل مربعات الگوي جاذبه  توصيه نمي شود (Kalirajan, 2007).

     (Miankhel et al, 2014) و (Kalirajan, 2007) تصريح زير را براي الگوي جاذبه پيشنهاد کردند:

                                           (1)

 

که در آن  بیان­گر صادرات واقعی از کشور i به کشور  j است. عبارت تابعی از عوامل تعیین کننده­ی تجارت ( ) است که شامل فاصله جغرافیایی، تولید ناخالص داخلی، جمعیت شرکا و ساير متغيرهاي موثر ( تعرفه واردات در شرکای تجاری) است. ( ) هم برداری از پارامترهای مجهول مي باشد. برتري تصريح فوق بر فرم اوليه معادله جاذبه به جزء اخلال مرکب ( بر مي گردد که در واقع نماينده اي از ساير عوامل موثر بر جريان تجاري ميان دو کشور است. به منظور تخمین مدل(1) از رهيافت مرزی تصادفی استفاده شده است. در الگوی جاذبه مرزی تصادفی دو گروه از محدوديت هاي برون مرزي و درون مرزي که بر جريان تجاري اثرگذار هستند، در نظر گرفته مي شود. محدوديت هاي برون مرزي نيز به دو دسته شامل عوامل آشکار (تعرفه، سهميه واردات) و ضمني (شبه تعرفه ها، مجوزها) قابل تفکيک هستند. بايد توجه داشت که کمي نمودن محدوديت هاي برون مرزي ضمني عموما دشوار است.

 بااین حال (Miankhel et al. 2014)  معتقد است که محدودیت­های ضمنی برون مرزی بطور یکپارچه برکشورهای صادر کننده تأثیر می­گذارند. بر پايه چارچوب نظری الگوي جاذبه، محدودیت­ها ی ضمنی برون مرزي بر هزینه­های کشورهای صادر کننده براي افزايش صادرات تأثیر منفي داشته و سياست هاي رونق صادرات آنها را با چالش مواجه مي سازد. از مهمترين انواع هزينه هاي فوق مي توان به موانع فني و بهداشتي، تضادهاي سياسي و تشريفات غيرضرور اداري اشاره نمود. با در نظرگرفتن نکات فوق، مي توان معادله جاذبه را با لحاظ تعرفه وضع شده از سوي کشور واردکننده ()،  محدودیت­های درون مرزي و محدودیت­های آشکار برون مرزی در فرم((μi بازنويسي نمود:

 

                                                       (2)

  

 μi  همان جزء خطاي مرکب است که بصورت   تعريف مي شود. شکاف احتمالي موجود بين صادرات واقعي و بالقوه به همين جزء نسبت داده مي شود. اين پارامتر داراي توزيع آماري منقطع بوده و همواره در بازه صفر و يک تغيير مي کند.  ارزش صفر به معناي بي اثر بودن محدوديت ها و برابري صادرات واقعی و بالقوه است. در مقابل، مقدار غیر صفر بر موثر بودن محدوديت ها دلالت داشته و نشان مي دهد که امکان دستيابي به صادرات حداکثري وحود ندارد. بنابراين، پارامتر μi  تابعی از محدودیت­های موثر بر جريان تجاريست که ممکن است کشور صادرکننده بر آن ها کنترل نداشته باشد ضمن آنکه براي هرجفت شريک تجاري مقداري متفاوت اختيار مي کند.

      برای تخمین الگوی جاذبه مرزی تصادفی می­توان از روش­ حداکثر راستنمایی بر پايه داده هاي سري زماني ، مقطعي و يا پانل استفاده کرد و نشان داد که محدودیت­های مرزي تا چه اندازه در محدود کردن صادرات واقعی اهمیت دارند. علاوه بر این با بکارگيري روش فوق مشخص خواهد شد که تغييرات صادرات بالقوه  تا چه اندازه تحت تاثير عوامل تصادفي و يا محدوديت هاي مرزي  قرار دارد ضريب گاما    نشان دهنده سهم عوامل مرزي و فاکتورهاي خاص کشوري در تعييرات کل صادرات بالقوه مي باشد. ارزش بالا و معني دار ضريب مزبور تاييدي بر نقش تعيين کننده محدوديت هاي مورد اشاره در نوسانات کل الگو است. برای تخمین این الگو از نرم ­افزارFrontier 4.1 استفاده شده است.

 

داده ها

     در اين مطالعه به منظور برآورد صادرات بالقوه کشاورزي ايران از اطلاعات ارزش صادرات اين بخش به 36 کشور مقصد که مجموعا بيش از 85 درصد از حجم صادرات را شامل مي شود، استفاده شد. آمار فوق براي دوره 2019-1982 ( با توجه به داده های در دسترس و تامین حداقل الزامات ارائه برآوردهای متقن آماری) و از پايگاه هاي اطلاعاتي مختلف شامل سازمان ملل متحد، سازمان خواربار و کشاورزي و بانک جهاني گردآوري گرديد. به طور مشخص، آمار توليد ناخالص داخلي واقعي کشورها از بانک جهاني، ارزش صادرات کشاورزي ايران به کشورهاي طرف تجاري از سازمان ملل، جمعيت کشورها و نرخ تعرفه از بانک جهاني و بالاخره فاصله جغرافيايي کشورها نيز از تارنماي GeoDIST استخراج گرديد.

نتایج و بحث

     با توجه به ماهيت متغيرهاي مورد نظر در تحقيق حاضر و بنا بر رويه معمول در مطالعات بر پايه داده هاي سري زماني و پانل، در گام نخست وضعيت ايستايي متغيرها با استفاده از مهمترین آزمون های مطرح در حوزه داده های پانل،  بررسي شد.  جدول 1 نتايج آزمون ايستايي متغيرهاي تحقيق را نشان مي دهد.

جدول (1)نتایج آزمون ایستایی متغیرها

Table (1) Stationarity test results

آزمون   متغیر	لوین-لین-چو(LLC)			ایم – پسران – شین(IPS)
	سطح Level		تفاضل اول First difference	سطح Level	تفاضل اول First difference	نتیجه result
تولید ناخالص داخلی کشور واردکننده GDP		78/2	***23/4-	69/3	***12/5-		I (1)
جمعیت کشور واردکننده Population		54/2	***69/4-	29/4	***86/5-		I (1)
فاصله جغرافیایی Distance		18/3	***27/6-	54/3	***64/6-		I (1)
موانع تعرفه ای کشورهای واردکننده Tariff		53/2	***44/5-	79/3	***43/5-		I (1)

کلیه متغیرها به فرم لگاریتم طبیعی می باشند.         All variables are in natural logarithm               

چنانچه ملاحظه مي شود کليه متغيرها نا ايستا و جمع بسته از درجه يک هستند. لذا در مرحله بعد وجود ارتباط هم انباشتگي ميان متغيرها مورد آزمون واقع گرديد. نتايج حاصل در جدول 2 گزارش شده است.  چهار آماره آزمون در سطح يک درصد معني دار بوده و لذا فرضيه صفر دال بر عدم وجود رابطه تعادلي بلندمدت ميان متغيرها رد مي شود.

 

جدول (2) نتایج آزمون هم انباشتگی

Table(2) Westerlund Co-integration Test Result

مقدار ثابت Constant				مقدار ثابت و روند Constant and trend
حالت نامقید Unconditional				حالت مقید Conditional
آماره Z Z- Statistic		سطح معنی داری Prob				آماره Z Z- Statistic		سطح معنی داری Prob
Gt	34/5-		001/0		Gt		53/6-		001/0
Gg	27/5-		001/0		Gg		29/8-		001/0
Pt	13/6-		001/0		Pt		43/10-		001/0
Pg	12/9-		001/0		Pg		59/11-		001/0
Fixed Short run Dynamics پويايي هاي کوتاه مدت				Fixed Short run Dynamics پويايي هاي کوتاه مدت
Gt	89/6-		001/0		Gt		29/7-		001/0
Gg	63/6-		001/0		Gg		24/9-		001/0
Pt	84/7-		001/0		Pt		89/11-		001/0
Pg	62/8-		001/0		Pg		53/10-		001/0

    پس از تاييد وجود رابطه هم انباشتگي ميان متغيرها در معادله جاذبه، لازم است مشخص شود که ساختار   داده هاي تحقيق از چه نوع تصريح پانلي تبعيت مي نمايد. به عبارت ديگر بايد بررسي نمود که آيا تفاوت      معني داري در نوع و ساختار معادله جاذبه براي ايران و هر يک از شرکاي تجاري وجود دارد يا اينکه مي توان تمام روابط را در قالب يک ساختار واحد برآورد نمود. براي اين منظور از آزمون هاي معمول استفاده و نتايج در جدول 3 خلاصه شده است. چنانچه ملاحظه مي شود هر دو آزمون انجام شده در سطح يک درصد معنادار بوده و لذا مي توان ادعا نمود که اولا ساختار معادله جاذبه براي شرکاي تجاري مختلف متفاوت بوده و ثانيا بهتر است معادله مزبور در قالب الگو با اثرات ثابت تصريح و برآورد گردد.

    به دنبال تعيين تصريح مناسب معادله جاذبه، تخمين الگو بر پايه رهيافت مرزي تصادفي انجام شد. نتايج حاصله در جدول 4 مشاهده مي شود. ضرایب تولید ناخالص داخلی، جمعیت شرکای تجاری و فاصله جغرافيايي علائم مورد انتظار را دارند ، هرچندکه تأثیر تولید ناخالص داخلی به لحاظ قدر مطلق بسيار بيشتر از ساير متغيرها است. به بيان دقيق تر، انتظار مي رود يک درصد افزايش در توليد ناخالص داخلي واقعي شرکاي تجاري به طور متوسط 54/0 درصد افزايش در ارزش صادرات کشاورزي ايران را به دنبال داشته باشد. اين امر با توجه به سهم بالاي دو محصول لوکس شامل پسته و زعفران در سبد صادرات کشاورزي کشور منطقي به نظر مي رسد. به عبارت ديگر با افزايش درآمد در کشورهاي شريک تجاري، تقاضا براي اين دو محصول افزايش خواهد يافت.

 

جدول (3) نتایج آزمون های تصریح الگو

Table (3) Results of Specification tests

آزمون Test	آماره کای –دو χ2Statistic	سطح معنی داری prob	نتیجه result
آزمون لیمر Limer test	83/368	001/0	وجود اثرات ثابت مقطعی Cross-sectional fixed effects
آزمون هاسمن Hausman test	44/42	001/0	برتري الگوی اثرات ثابت Suitability of FE model

 

جدول (4) نتایج برآورد الگوی جاذبه مرزی تصادفی

Table (4) Results of the stochastic frontier gravity model estimation

فاصله جغرافيايي دومين متغيري است که بيشترين تاثير بر صادرات ايران را اعمال مي نمايد، چرا که در نتيجه يک درصد افزايش فاصله جغرافيايي ميان ايران و شريک تجاري انتظار مي رود ارزش صادرات کشاورزي کشور به طور ميانگين حدود 14/0 درصد کاهش يابد. ساير نتایج حاصل بیانگر آن است که تغییر صادرات بالقوه کشاورزي ايران در دوره مورد مطالعه قابل توجه بوده و  این تغییر بيشتر مربوط به عوامل تصادفی بوده است      (). مقدار تخميني براي پارامتر گاما نيز نشان مي دهد که 79 درصد از تغییر درصادرات بالقوه کشاورزی ایران با شرکای تجاری خود ناشی از محدودیت های مرزی بوده است. در نهايت بايد اشاره نمود که تعرفه های تجاري تعیین شده توسط شرکای تجاری ، بطور معکوس بر صادرات محصولات کشاورزی ایران اثرگذار بوده است.  يافته هاي فوق در برخي مطالعات قبلي مانند Kalirajan (2007) و  Roosta et al. (2017) نيز گزارش شده است.  ضمنا با توجه به معنی داری ضرایب  و γ  می توان درستی انتخاب الگوی جارذبه مرزی تصادفی را تایید نمود.

     آخرين مرحله از تحقيق حاضر به محاسبه مقادير صادرات بالقوه کشاورزي کشور بر حسب بازارهاي هدف اختصاص داشته است. براي اين منظور از تخمين هاي گزارش شده در جدول 4 استفاده شده است. اين مقادير نشان مي دهد که با توجه عوامل موثر بر صادرات، حداکثر تا چه ميزان مي توان محصولات کشاورزي کشور را به بازارهاي مختلف گسيل نمود يا به عبارتي هر يک از بازارهاي هدف تا چه حد ظرفيت پذيرش کالاهاي کشاورزي ايران را دارد. نتايج حاصل در جدول 5 مشاهده مي شود. اين جدول شکاف تجاری را بصورت تفاوت بین صادرات کشاورزی واقعی و بالقوه ایران که از طريق مدل جاذبه بدست آمده، نشان می دهد. بررسي دقيق جدول مويد آن است که از میان 36 شريک تجاري مورد بررسي،کشورهاي سوریه (89) و عربستان (42) به ترتيب بيشترين و کمترین درصد تحقق ظرفیت صادرات را به خود اختصاص داده اند. هرچه عدد درصد فوق به 100 نزدیک تر باشد، مي توان گفت که بهره برداري بيشتري از ظرفيت صادرات در بازار هدف مورد نظر به عمل آمده است. برعکس هرچقدر این عدد کمتر شود فرصت های بیشتری برای ارتقای تجارت وجود خواهد داشت. در مجموع با توجه به متوسط درصد تحقق محاسبه شده (69)، می توان نتیجه گرفت هنوز پتانسیل های بازار بسیار زیادی برای صادرات کالاهای کشاورزی به کشورهای شریک تجاری وجود دارد.     

 جدول(5) صادرات کشاورزی واقعی و بالقوه ایران بر حسب وارد کننده (میانگین 2019-1982)

Table(5). Iran's actual and potential agricultural exports by importer (average over1982-2019)

متغير	ضریب Coefficient	انحراف معیار Std Error	آماره Z Z- Statistic	سطح معنی داری Prob
مقدار ثابت Constant	14/7	24/2	19/3	01/0
تولید ناخالص داخلی کشور واردکننده GDP	54/0	12/0	50/4	008/0
جمعیت کشور واردکننده Population	02/0	01/0	00/2	03/0
فاصله جغرافیایی Distance	14/0-	008/0	50/17-	001/0
تعرفه Tariff	01/0-	005/0	00/2-	03/0
	25/0			001/0
	04/1			12/0
	25/1			002/0
𝛾	79/0			001/0

ردیف	کشور واردکننده Importer	صادرات واقعی  Actual Exports (1000USD) (1)	صادرات بالقوه Potential Exports   (1000USD) (2)	شکاف تجاری Trade gap (1000USD) (1)- (2)	(1) ⁄ (2)
1	Germany	897832.7	1282618.1	384785.4	0.70
2	Italy	454955.9	541614.1	86658.2	0.84
3	Turkey	342475.6	482360.0	139884.4	0.71
4	Iraq	280167.8	466946.3	186778.5	0.60
5	United Arab Emirates	229245.2	301638.4	72393.2	0.76
6	Pakistan	179078.2	284251.1	105172.9	0.63
7	China	163732.2	314869.6	151137.4	0.52
8	India	157652.5	222045.7	64393.2	0.71
9	Azerbaijan	122295.2	160914.7	38619.5	0.76
10	Afghanistan	89671.8	137956.6	48284.8	0.65
11	Turkmenistan	57461.9	79808.1	22346.2	0.72
12	Poland	50452.2	62286.6	11834.4	0.81
13	Belgium	39313.5	57813.9	18500.4	0.68
14	Vietnam	39309.3	71471.4	32162.1	0.55
15	Switzerland	36471.7	52857.5	16385.8	0.69
16	Ukraine	28606.6	40866.5	12259.9	0.70
17	United Kingdom	27533.8	33577.8	6044	0.82
18	France	22073.2	25968.4	3895.2	0.85
19	Hong Kong	22042.4	44984.4	22942	0.49
20	Uzbekistan	21084.3	39781.6	18697.3	0.53
21	Russian Federation	20532.6	29757.3	9224.7	0.69
22	Bangladesh	17490.8	22715.3	5224.5	0.77
23	Spain	17287.7	26193.4	8905.7	0.66
24	Sri Lanka	17196.2	32445.6	15249.4	0.53
25	Netherlands	14211.4	16334.9	2123.5	0.87
26	Qatar	10397.6	15068.9	4671.3	0.69
27	Armenia	10228.7	14011.9	3783.2	0.73
28	Georgia	9959.2	13458.3	3499.1	0.74
29	Kuwait	9256.5	11867.3	2610.8	0.78
30	South Korea	8684.2	17027.8	8343.6	0.51
31	Saudi Arabia	6999.9	16666.4	9666.5	0.42
32	Philippines	6839.1	11591.6	4752.5	0.59
33	Egypt	6464.7	11544.1	5079.4	0.56
34	Japan	6406.7	7718.9	1312.2	0.83
35	Indonesia	5779.6	6643.2	863.6	0.87
36	Syrian Arab Republic	5379.2	6044.0	664.8	0.89
	Average	95404.7	137881.2	42476.5	0.69

 

نتیجه‌گیری و پیشنهادها

      ضرورت توجه به صادرات غير نفتي از يک سو و تلاش براي افزايش توليدات کشاورزي از سوي ديگر، همواره در برنامه هاي پنجساله توسعه اقتصادي، اجتماعي و فرهنگي و ساير اسناد بالادستي کشور مورد تاکيد قرار گرفته است. روند جهاني شدن اقتصادها در چهار دهه اخير بر قدرت رقابت در بازارهاي جهاني محصولات کشاورزي افزوده و کليه کشورها برنامه ها و سياست هاي گسترده اي در جهت افزايش حضور خود در بازارهاي جهاني طراحي و اجرا نموده اند. در اين بين شناخت ظرفيت ها و امکان حضور در بازار کشورهاي مختلف از اهميت دوچندان برخوردار است چرا که بدون آگاهي از اين ظرفيت ها نمي توان سياست ها و راهکارهاي متناسب را اتخاذ نمود. این تحقیق به مطالعه و برآورد پتانسیل صادرات کشاورزی ایران با استفاده از  الگوی جاذبه مرزی تصادفی براي دوره 2019-1982پرداخته است. براي اين منظور اطلاعات مربوط به ارزش صادرات کشاورزي به 36 شريک عمده تجاري به همراه متغيرهاي مهم اثرگذار بر آن، گردآوري و الگوي جاذبه مرزي تصادفي برآورد گرديد. اين الگو با توجه به مباني نظري قوي آن، امکان محاسبه ظرفيت يا پتانسيل صادرات را بر حسب شرکاي تجاري بدست مي دهد.

     مهمترين نتایج حاصل، تأثیر مستقیم و معنادار تولید ناخالص داخلی و جمعیت کشورهای هدف بر صادرات كشاورزی ایران را نشان داد. ضرایب متغيرهاي جمعیت شرکای تجاری،تولید ناخالص داخلی و فاصله جغرافیایی از علائم مورد انتظار برخوردار بوده اگرچه تأثیر تولید ناخالص داخلی به مراتب بيشتر از ساير متغيرها است. ساير نتایج حاکی از آن است که تغییر پتانسیل های صادراتی در دوره مورد نظرقابل توجه بوده و نقش محدوديت هاي مرزي در اين بين قابل توجه است. به عبارت ديگر،  بيش از سه چهارم از تخمین های تغییر در صادرات بالقوه کشاورزی ایران با شرکای تجاری خود ناشی از محدودیت های مرزی بوده است. تاثير معکوس تعرفه واردات کشورهای هدف و فاصله جغرافیایی بر ارزش صادرات کشاورزي نيز از ديگر يافته هاي حاصل است. همچنین نتایج تجربی نشان می دهد که ایران با برخي از کشورهای هدف خود از جمله کشورهای همسایه درحال تحقق کامل پتانسیل صادرات کشاورزی نیست. ایران برای هموار کردن مسیر وبرداشتن موانع در مرزها و جلوگیری از شوک و تنش های آینده در منطقه به تمرکز منطقه ای بیشتری نیاز دارد. علاوه بر این ، تعهدات و توافقات دوجانبه منطقه ای برای ایجاد قوانین و ضوابط مناسب تعرفه ای از جمله تعرفه ترجیحی، می تواند به تحقق بیشتر ظرفیت صادرات منجر شود. در این راستا به طور جد بر پیگیری و اجرای صحیح دیپلماسی اقتصادی و فعال نمودن دفاتر رایزنی تجاری در سفارت های کشور در بازارهای هدف به منظور تحلیل دقیق و مستمر بازار محصولات مختلف، تغییر قوانین، سیاست ها و ذائقه مصرف کنندگان در کنار بررسی سیاست ها و عملکرد رقبای تجاری در بازارهای مزبور، توصیه می گردد.

 

 

References

 

Anderson, J. E. and van Wincoop,E. (2003) Gravity with gravitas: a solution to the border puzzle, Amer. Econ. Rev., 93 (1), 170–92. 

Anderson,J. E. (1979). A theoretical foundation for the gravity equation, Amer. Econ. Rev., 69 (1), 106–16.

Bergstrand, Jeffrey, J. H.(1985).The gravity equation in international trade: some microeconomic foundations and empirical evidence, Rev. Econ. Stat, 67 (3), 474–81.               

Baier, S.L. and Bergstrand, J. H. (2009). Bonus vetus OLS: A simple method for approximating international trade-cost effects using gravity equation, J. Int. Econ., 77, 77-85.

Central Bank of Iran. (2017). Statistical yearbook. .(in Persian)

Coelli ,T.(1996). A guide to frontier version 4.1: a computer program for stochastic frontier production and cost function estimation, Center for Efficiency and Productivity Analysis Working Paper 96/07, University of New England, Armidale, Australia.

Deardoff,A. V. (1995).Determinants of bilateral trade: does gravity work in the 9 neoclassical world? NBER Working Papers 5377, National Bureau of Economic Research,Inc.

Deluna, R. Jr and Cruz, E. (2014): Philippine export efficiency and potential: An application of stochastic frontier gravity model, MPRA_paper_53580.

Gould , D. M. (1994). Immigrants link to the home country: empirical implications for U.S. bilateral trade flows, Rev. Econ. Stat., 76 (2), 1-25.

Helpman,E. and Krugman, P. (1985). Market structure and foreign trade: increasing returns, imperfect competition, and the international economy. Cambridge, Ma: MIT Press.

Hatab, A.A. and E. Romstad and X. Huo,( 2010). Determinants of Egyptian agricultural exports: a gravity model approach, Modern Economy, 1:134-143.

Hoon Oh, CH. , Selmier, W. T., Lien, D.( 2011). International trade, foreign direct investment, and transaction costs in languages. The Journal of Socio-Economics. 40. pp. 732-735.

Linder,S. (1961). An essay in trade and transformation, New York: Wiley. 

Mátyás, L. (1997). Proper econometric specification of the gravity model, World. Econ., 20, 363–368.

Miankhel, A.K. Kaliappa, . A.K and Thangavelu, S.M.. (2014) Australia's export potential: an exploratory analysis, J. Asia. Pacif. Econ., 19 (2), 230-246.

Nguyen, D.D. (2022), Determinants of Vietnam's rice and coffee exports: using stochastic frontier gravity model, Journal of Asian Business and Economic Studies, Vol. 29 No. 1, pp. 19-34. 

 

Oladipo, O. (2011)¸Does trade liberalization cause long run economic growth in Mexico¸International Journal of Economic and Finance(3)¸pp.47-63.

Kalirajan, K.(2007). Regional cooperation and bilateral trade flows: an empirical measurement of resistance model, Intl. Trade. J., 21 (2), 195-209.

Kalirajan , K. and Singh, K. (2007). A comparative analysis of recent export performances of China and India, Asian. Econ. Papers. 

Mohammadi, H., Aminizadeh, M., Aghasafari, H. (2020) Measuring the export efficiency of Iran’s pistachio using stochastic frontier gravity model, Journal of Economics and Agricultural Development, 34(1), 29-45 (in Persian).

Nunn, N. and Trefler, D. (2013). Domestic institutions as a source of comparative advantage, Working Paper 18851, National Bureau of Economic Research (NBER), Cambridge MA,

Roosta, R. A. Moghaddasi,R. and Hosseini,S. S. (2017). Export target markets of medicinal and aromatic plants, J. App. Res. Med. Arom. Plant., 7 (1), 84-88.

Silva, J. M. C. S. and Tenreyro,S.(2003). Gravity-defying trade, Working Paper 03, Federal Reserve Bank of Boston, Boston, Mass.

Teweldemedhin, M.Y. and H. D. Van Schalkwyk,( 2010). Regional trade agreements and its impact on trade flow for South African agricultural products, Journal of Development and Agricultural Economics, 2(5): 157-165.

Tinbergen,J.(1962). Shaping the world economy: suggestions for an international economic policy, New York: Twentieth Century Fund.

Ullah Khan, I., Kalirajan, K.( 2011). The impact of trade costs on export: An emprical modeling. Economic Modelling. 28. pp. 1341-1347.

Wong, A. (2009), Productivity  and trade openness in Ecuador's manufacturing industries , Journal of Business Research, Vol 62, pp. 868-875

 

 

 

 

 

 

 

 

 

 

 

 

Estimation of Iran’s Agricultural Exports Potential and Trade Gap (An application of stochastic frontier gravity approach)

 

Abstract

Introduction

The present study considers the importance of exporting agricultural products in three groups of goods (Live animals, food products and crops) Looking to measure the export potential of these products And examining the factors affecting the non-realization of the potential of exporting agricultural products. The present study aims at measuring the export potential of these products and considering the factors affecting the potential export potential of agricultural products due to the importance of agricultural exports in three groups of commodities (live livestock, food products and crops).

 Agriculture plays a crucial role in Iranian economy in terms of food supply, job creation, food security, and foreign earnings. The main purpose of this study is to provide an estimate of the country's agricultural exports potential and to determine how efficient Iran is in realizing this capacity. Using data for 36 destination countries for the period spanning from 1982 to 2017, proper stochastic frontier gravity model was estimated. Main findings revealed direct and significant impact of trade partners' GDP and population on Iran's agricultural exports, while distance and border barriers imposed by destination countries show significant reverse effect. Furthermore, on average, 69 percent of the country's agricultural export potential has been realized through the study period. Measures to promote competitive exports along with pursuing free bilateral and regional trade agreements for removing border barriers are recommended

Materials and Methods

 The difference between real (observed) exports and the predicted (fitted) values is commonly defined as potential exports. Estimation of the gravity equation with ordinary least squares (OLS) to find trade potential between a pair of countries leads to estimates that represent the centered values of the data set. However, potential trade refers to open and frictionless trade between countries. Thus, for policy purposes, it is sensible to define potential trade as the maximum trade that can occur between any two countries which have bilaterally liberalized trade regimes given the conventional determinants of trade (size of the trading countries, the geographical distance, etc.).

This means that the estimation of potential trade requires a procedure that represents the upper limits of the data instead of its centered values (Kalirajan in 2014). In addition, in the conventional gravity model, it is also arguable that trade costs are dependent not only on geographical distance between countries but also on other factors emanating from the existing infrastructural, institutional, socio-economic, and political rigidities in both trade partners. These latter costs are defined as ‘economic distance’ in the literature (Anderson in 1979). Thus, the conventional gravity model given above has omitted this potentially important explanatory variable. Furthermore, this inherent omitted variable bias is overlooked by OLS estimation.

Results and Discussion

The coefficients of GDP and population of the trade partners, and distance from Iran, have the expected signs, though the impact of distance is much greater than GDP. The estimated 𝜎 2 is significant implying that variation of export potentials in the period was considerable but this variation is due to random factors 𝜎 2V only. The significance and level of 𝛾 suggests that almost three-fourths of the estimated variations in Iran’s potential agricultural exports with its trading partners were due to behind the border constraints. Moreover, tariffs imposed by trade partners are estimated to be another significant factor on Iran's agricultural exports. A similar result was found by Roosta et al. in (2017) and Kalirajan in (2007).

Based on the results provided in Table (1), potential agricultural exports has been calculated for each importer and is presented in Tables (2). The comparison between actual and potential values for each country provides an estimate of the export capacity utilization with the respective countries and the extent to which trade is limited by behind the border constraints. The highest rate of exports potential realization relates to Syria which has close political and economic ties with Iran. Some major European partners such as France, Italy, and the Netherlands show same result. Countries with great unrealized exports capacity are Saudi Arabia, Hong Kong, South Korea, China, and Sri Lanka. It means that Iranian government, especially Ministry of Agriculture, should pay special attention to expansion of markets in this group of countries.

Recommendations

It is suggested that other respected researchers, in this regard, look at other indicators for estimating agricultural export potential. Using the potential export potential of agricultural products can contribute to economic growth.

Given the cost of transportation, it is better to take measures to maximize the potential of agricultural exports

Creating more regional focus to pave the way and remove barriers at the borders and prevent the region from penetrating shocks and tensions

JEL Classification: F14 , F17  Q1 ,  Q11 ,  Q17

Keywords: Tariff, Export, Stochastic Frontier Gravity Model, Iran

 

3

 

---

Related articles