سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,572
تعداد مقالات71,005
تعداد مشاهده مقاله125,494,257
تعداد دریافت فایل اصل مقاله98,755,024
زارع مهرجردی, محمد رضا, اسفندیاری, ساسان, سپهوند, احسان, نیک زاد, مجتبی. (1396). بررسی تأثیر ضریب مکانیزاسیون بر بهره‌وری در بخش کشاورزی ایران (کاربرد مقایسه‌ای ARDL و الگوریتم ژنتیک). , 48(1), 9-22. doi: 10.22059/ijaedr.2017.62005
محمد رضا زارع مهرجردی; ساسان اسفندیاری; احسان سپهوند; مجتبی نیک زاد. "بررسی تأثیر ضریب مکانیزاسیون بر بهره‌وری در بخش کشاورزی ایران (کاربرد مقایسه‌ای ARDL و الگوریتم ژنتیک)". , 48, 1, 1396, 9-22. doi: 10.22059/ijaedr.2017.62005
زارع مهرجردی, محمد رضا, اسفندیاری, ساسان, سپهوند, احسان, نیک زاد, مجتبی. (1396). 'بررسی تأثیر ضریب مکانیزاسیون بر بهره‌وری در بخش کشاورزی ایران (کاربرد مقایسه‌ای ARDL و الگوریتم ژنتیک)', , 48(1), pp. 9-22. doi: 10.22059/ijaedr.2017.62005
زارع مهرجردی, محمد رضا, اسفندیاری, ساسان, سپهوند, احسان, نیک زاد, مجتبی. بررسی تأثیر ضریب مکانیزاسیون بر بهره‌وری در بخش کشاورزی ایران (کاربرد مقایسه‌ای ARDL و الگوریتم ژنتیک). , 1396; 48(1): 9-22. doi: 10.22059/ijaedr.2017.62005

بررسی تأثیر ضریب مکانیزاسیون بر بهره‌وری در بخش کشاورزی ایران (کاربرد مقایسه‌ای ARDL و الگوریتم ژنتیک)

تحقیقات اقتصاد و توسعه کشاورزی ایران
مقاله 2، دوره 48، شماره 1، خرداد 1396، صفحه 9-22    اصل مقاله (305.37 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/ijaedr.2017.62005
نویسندگان
محمد رضا زارع مهرجردی1؛ ساسان اسفندیاری* 2؛ احسان سپهوند3؛ مجتبی نیک زاد4
1دانشیار/ دانشگاه شهید باهنر کرمان
2دانشجوی کارشناسی ارشد/ دانشگاه شهید باهنر کرمان
3دانشگاه شهید باهنر کرمان
4دانشچوی دکتری دانشگاه تهران
چکیده
منابع محدود در بخش کشاورزی، به­کارگیری فناوری مناسب جهت استفاده بهینه از منابع کمیاب با هدف تأمین امنیت غذایی را به یک ضرورت تبدیل کرده است، به­طوری که در برنامه پنجم توسعه مقرر گردیده یک سوم رشد اقتصادی در کشور از طریق رشد بهره­وری حاصل گردد. دستیابی به این هدف برای بخش کشاورزی در گرو توسعه مکانیزاسیون است. در همین راستا، مطالعه حاضر به بررسی تأثیر توسعه مکانیزاسیون بر رشد بهره­وری در بخش کشاورزی پرداخته ­است. لذا، ابتدا با محاسبه شاخص بهره­وری مالم­کوئیست، شاخص بهره­وری کل عوامل تولید در بخش کشاورزی برای دوره زمانی 1391- 1368 مورد بررسی و سپس با برآورد الگوی اقتصادسنجی و همچنین، الگوریتم ژنتیک عوامل مؤثر برآن مورد ارزیابی قرار گرفته است. نتایج نشان داد که الگوریتم ژنتیک ابزار قدرتمندی برای برآورد این الگوهاست. همچنین، نتایج هر دو رهیافت نشان می­دهد که ضریب مکانیزاسیون و تسهیلات اعتباری و آموزشی، ترویجی بخش کشاورزی اثرات مثبتی بر رشد بهره­وری داشته است. ضریب برآورده شده برای ضریب مکانیزاسیون در بلندمدت در روش ARDL برابر با 129/0 و در روش الگوریتم ژنتیک برابر 098/0 می­باشد که نشان از تأثیر نسبتاً زیاد این متغیر بر بهره­وری بخش کشاورزی دارد. همچنین، تغییر علامت متغیرهای شاخص قیمت و درجه باز بودن بخش از منفی به مثبت در کوتاه مدت به سمت بلندمدت بر لزوم سیاست­های حمایتی صحیح از کشاورزان، جهت توانایی رقابت و تطبیق با شرایط اقتصادی، تاکید دارد.
کلیدواژه‌ها
الگوریتم ژنتیک (GA)؛ الگوی خود توضیح با وقفه‌های گسترده (ARDL)؛ ضریب مکانیزاسیون؛ بهره‌وری بخش کشاورزی
عنوان مقاله [English]
Investigate the Effect of Mechanization on Productivity of the Iranian Agricultural Sector (Use a Comparative Approach ARDL and Genetic Algorithms)
نویسندگان [English]
Mohammad Reza Zare Mehrjerdi1؛ Sasan esfandiari2؛ Mojtaba Nikzad4؛
1Associate Professor / University of Kerman martyr
2Graduate student / martyr Bahonar University
4PhD. Student University of Tehran
چکیده [English]
limited resources of the agricultural sector, the use of appropriate technology for optimal use of scarce resources to ensure food security has become a necessity. So, at the fifth development pla, it is stated that a third country's economic growthbe achieve through productivity growth. To achieve this goal, for the agricultural sector, is depended on the mechanization. The purpose of this study is to investigate the effects of mechanization on productivity growth of the agricultural sector. So first with Malmquist productivity index, index of total factor productivity of the agricultural sector for the period 1391- 1368 reviewed and then, the econometric model estimated and genetic algorithm related factors evaluated. The results showed that GA is a powerful tool for estimating the models. The results of both approaches indicate that the rate of mechanization and credit facilities and education, promoting the agricultural sector has a positive effect on productivity growth. The estimated coefficient for mechanization ratio in ARDL is 0/129 and in Genetic Algorithms 0/098 the long run which shows the variable ineffective on the productivity of the agricultural sector is relatively high. The price index and the degree of openness the variable changes sign from negative to positive in the short term to the long term the need for correct support policies for farmers to compete and adapt to economic conditions, insists.
 
کلیدواژه‌ها [English]
Genetic Algorithm (GA), Autoregressive Distributed Lag Model (ARDL), mechanization Index, Productivity of Agricultural Sector
مراجع
  1. Akhbari, M. (2009). Application of genetic algorithms combined inflation forecasts. Collection of Economic Research, Central Bank of the Islamic Republic of Iran, (23).
  2. Azifar, A. (2006). The impact of  mechanization growth and exports on employment  and labor  in agriculture. Iranian Journal of Agricultural Science, 36 (5): 12-31.
  3. Basant, R & Fickert, B. (1996). The Effects of R&D, Foreign Technology Purchase, and Domestic International Spillovers on Productivity in Indian Firms. Review of Economic and Statistics 78:187-99.  
  4. Clark, M. (1998). Measuring Productivity From Vertically Inter Grated Sectors, University Of Castilia.                
  5. Coelli, T.‌J &. Rao, D.S.P. (2003). Total Factor Productivity Growth in Agriculture: A Malmquist Index Analysis of 93 Countries. 1980-2000. Centre for Efficiency and Productivity Analysis, the University of Queensland.
  6. Costa, L., V., Gomes, M. F. M. & Davi, A. S. L. (2013). Food Security and Agricultural Productivity in Brazilian Metropolitan Regions. Procedia Economics and Finance,  5: 202-211.
  7. Coe, D. & Helpman, E. (1995). International R&D Spillover. European Economic Review, 39: 859-87                                
  8. Edwards, S. (1997). Openness, Productivity and Growth: What Do We Really Know? Working Paper No. 5978, National Bureau of Economic Research, March.                                                                                                       
  9. Fare, R.S and Grosskopf, M.N & Zhang, Z. (1994). Productivity Growth, Technical Progress, and Efficiency Change in Industrialized Countries. American Economic Review, 84: 66–83.                                                           
  10. Goldberg, D.E. (1989). Genetic Algorithm In Search, Optimization And Machine Learning, Addis On- Wesley, Harlow, England”.
  11. Ghatak, S. & Siddiki, J. (2001). The Use of ARDL Approach in Estimating Virtual Exchange Rates in India. Applied Statistics, 28: 573- 588.
  12. Michael, D., Moral, B & ouattra, B. (2011). TFP Growth and Its Determinants. Nonparametrics and Model. Working paper in Spain.
  13. Management and Planning Organization. (2005). development plan. Tehran. (In Farsi).
  14. Management and Planning Organization. (2006). a series of economic reports and monitoring and the performance of five-year economic development Plan”.
  15. Moazani, S. & Javadi, A. (2005). The first project report (document) National Agricultural Mechanization Development.
  16. Mojaverian, M. & Khaleghi, M. (2002). The Impact of Price Support Policies on Total Factor Productivity in the Agricultural Sector. Conference on Agriculture and the National Development.
  17. Nofersti, M. (2000). Unit root and co-integration in econometrics. Institute for Cultural Services expressive, 9 N 2 F / 5/29 HA.
  18. Nbeian, S. & Alvi, M. (2008). The effect of mechanization on the agricultural sector's growth. Journal of Agricultural Economics, 1(3): 250-243.
  19. Po-Chi, C., Ming-Miin, Y., Ching-Cheng, C & Shih-Hsun, H. (2008). Total Factor Productivity Growth in China’s Agricultural Sector, Department of Agricultural Economics, National Taiwan University.
  20. Pahlavani, M., Dahmarde, N., & Hosseini, S. M. (2007). Estimates of export and import demand functions in the economy of Iran using the convergence. Journal of Economic Value, 3, 101-120. ( In Farsi).
  21. Pesaran, H.M. & B. Pesaran (1997). Working With microfit 4.0: an introduction to econometrics, Oxford University Press, Oxford.
  22. Rezaie, A. (2014).  The Effect of Mechanization on Production, Productivity and Technical Efficiency of Khorramabad. Master Thesis, University of Zabol, Faculty of Agriculture. ( In Farsi).
  23. Richard, H & Moffat, J. (2011). Plant- level Determinants of Total Factor Productivity in Great Britain 1997- 2006, University of Glasgow.
  24. Rhaimibaigi, S., Kohansal, M. & Dorandish, A. (2015). Forecast demand for meat in urban areas of Iran using genetic algorithm approach. Agricultural Economics, 8(3), 64-49.
  25. Research planning and agricultural economy. (2006). The process of transformation of agricultural policy in Iran. Tehran, Ministry of Agriculture, Department of Agricultural Economics and Economic Planning, managing and regulating the processing of research findings.             
  26. Steiner & Goldner, (1982) . New Currents in Productivity Analysis: Where Do Know? American Economic Review, 1(46).
  27. Sadghi, h., Valfghari, M. & Hidarzadhe, M. (2010). Estimate the demand for gasoline in the transportation sector using genetic algorithms. Energy Economics Studies Quarterly, VI(21), 27-1.
  28. Terluin, I.J. (1990). Comparison of Real Output, Productivity and Price Levels in Agriculture in the EC: A Reconnaissance, Onderzoekverslag 69. Agricultural Economics Research Institute LIE, the Hague, Netherlands.
  29. Valizadehzenoor, P. (2010). Labor, capital and total factor. Economic Research of the Central Bank of the Islamic Republic of Iran, Office review of economic policies.
  30. ZareMehrjerdi, M., Faramarz fil Abadi, F. & Dargeh, F. (2013). The estimated electricity demand in the agricultural sector with ARDL approach and genetic algorithm Isfahan region. Agriculture and Development, the twentieth year, No. 8.
                     

آمار
تعداد مشاهده مقاله: 1,020
تعداد دریافت فایل اصل مقاله: 1,116





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب