آشنایی با مفهوم روند ضمنی و بکارگیری آن در مدل‏ سازی تابع تولید کشاورزی با توجه به نهاده ‏ی آب

با توجه به قرار گرفتن ایران در نوار بیابانی و حساسیت اکوسیستم به آب، مدیریت مصرف آب در بخش کشاورزی از اولویت ‏های مدیران و برنامه‏ ریزان کشور می ‏باشد. از این رو مدل‏سازی مناسب تابع تولید، برای اتخاذ سیاست‏ های افزایش بهره ‏وری و کاهش مصرف نهاده ‏ها و هم‏چنین پیش ‏بینی برای تامین به موقع با هزینه ی کم، دارای اهمیت زیادی است. در مطالعه‏ ی حاضر با استفاده از مفهوم روند ضمنی و ایجاد یک مدل فضا حالت، با بکارگیری الگوریتم کالمن فیلتر، به مدل‏ سازی تابع تولید در بخش کشاورزی ایران پرداخته شده است. داده‏ های مورد استفاده در این مطالعه به صورت سری زمانی سالانه طی دوره ‏ی زمانی 13911353 بوده است. نتایج حاکی از یکنوا و غیرخطی بودن ماهیت روند ضمنی دارد. با توجه به آماره‏ی نسبت راستنمایی، مناسب‌ترین حالت برای ابرپارامترها، حالت تصادفی بودن سطح بدون شیب (مدل سطح نسبی) تشخیص داده شده است. کشش ‏های تولیدی سرمایه، نیروی کار و انرژی، کمتر از واحد است، اما کشش تولیدی آب بزرگتر از واحد و در ناحیه اول تولید به دست آمده است. این بدان مفهوم است که با افزایش یک درصدی نهاده ‏ی آب، بیش از یک درصد تولید افزایش می ‏یابد. به دلیل اینکه کشور ایران با محدودیت منابع آب مواجه است، نمی‏ توان مصرف نهاده ‏ی آب در این بخش را افزایش داد. از این‏ رو جایگزینی سیستم ‏های آبیاری جدید به منظور جبران کم آبی و همچنین تولید محصولات با نیاز آبی کمتر در بخش کشاورزی پیشنهاد می‏ شود. همچنین پیشرفت تکنولوژی ‏های بنیادی (تغییر سیستم کشاورزی) می‏ تواند استفاده از نهاده ها را کاهش داده و کمبود آب در این بخش را جبران نماید.

Understanding underlying trend and using it in Modeling of agricultural production function with respect to the water input

Due to the being in the desert bar and ecosystem sensitivity to water , water management in the agricultural sector of the Iran is one of the priorities of managers and planners of this section. Therefore accurate modeling of the production function, for policies to increase efficiency and reduce the use of inputs, as well as forecasts for the timely supply with low cost, is of utmost importance. In this study, the production function in the agricultural sector of Iran has been modeled using underlying trend concept, creating a state space model and Kalman filter algorithms. We used annual time series data for the period 19742012. The results indicate that underlying trend is smooth and Nonlinear. According to likelihood ratio statistic, the most appropriate structure for hyper parameters is random static levels with Noslope trends (Local Level Model). Capital, labor and energy elasticity were less than unity, But water elasticity was larger than unity which is obtained in the first production area. This means that with a one percent increase in water inputs causes a decrease in production of more than one percent. Because, Iran is faced with limited water resources, cannot increase the consumption of water in this sector. Thus, recommended the replacement of new irrigation systems to compensate for water deficit and also in agricultural production by needs less water. Also, the development of basic technologies (changing the agricultural system) can reduce the use of inputs and compensate the lack of water in the agricultural sector.