تاثیر تحولات جمعیتی و ارزش افزوده کشاورزی بر شدت انرژی در بخش کشاورزی ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری اقتصاد منابع طبیعی و محیط زیست، دانشگاه شیراز.

2 دانشجوی دکتری اقتصاد منابع طبیعی و محیط زیست، دانشگاه شیراز

3 استادیار اقتصاد کشاورزی، دانشگاه شیراز

4 استاد بخش اقتصاد کشاورزی، دانشگاه شیراز

چکیده

با توجه به اهمیت بخش کشاورزی در اقتصاد کشور، در این مطالعه اثر تحولات جمعیتی و ارزش­افزوده بخش کشاورزی بر شدت مصرف انرژی در بخش کشاورزی برای 24 استان کشور طی دوره زمانی 1380 الی 1395 مورد مطالعه قرار گرفت. با توجه به نتایج آزمون‌های ایستایی از رهیافت خودرگرسیو با وقفه­های گسترده پنلی استفاده شد. نتایج مطالعه نشان داد که ارتباط میان مهاجرت از روستا به شهر و شدت مصرف انرژی در بخش کشاورزی منفی بوده و مقدار کشش در بلندمدت 076/0- درصد است. همچنین جمعیت شاغل در بخش کشاورزی و افزایش فعالیت‌های انسانی مرتبط با این بخش دارای ارتباط مثبت و معنی‌داری با شدت مصرف انرژی است و کشش جمعیت شاغل در بخش کشاورزی در بلندمدت 326/0 درصد است. بر طبق یافته های این تحقیق، رابطه ارزش افزوده بخش کشاورزی و شدت مصرف انرژی به صورت U-وارون بوده و از لحاظ آماری معنی‌دار است. همچنین نقطه بازگشت منحنی کوزنتس حدود 15 هزار میلیارد ریال است. به منظور تعدیل پیامدهای زیست محیطی ناشی از شدت مصرف انرژی پیشنهاد می‌شود تا حد امکان از انرژی‌های پاک و تجدید‌پذیر استفاده شود.
طبقه‌بندیJEL : Q01، Q40، J10

کلیدواژه‌ها

عنوان مقاله [English]

Effects of Population Change and Agricultural Value Added on Agricultural Energy Intensity in Iran

نویسندگان [English]

  • Navid Kargar-Dehbidi 1
  • Sima Shafei 2
  • Mohammad Hassan Tarazkar 3
  • Mohammad Bakhshoodeh 4
1 Ph.D. Student of Natural Resources and Environmental Economics, Shiraz University
2 Ph.D Candidate in Natural Resources and Environmental Economics, Shiraz University
3 Department of Agricultural Economics,Shiraz University
4 Professor of Agricultural Economics, Shiraz University
چکیده [English]

According to the vital role of agricultural sector in economy of Iran, the effects of population and agricultural value added changes on agricultural energy intensity was investigated for 24 provinces in Iran by employing annual data from 2001 to 2016. The panel auto regressive distribution lag (Panel ARDL) was applied after testing the panel stationary properties of the variables. The results showed that the relationship between migration from rural to urban areas and agricultural energy intensity are negative and its elasticity in the long run equals -0.07 percent. Agricultural population and increase in agricultural human activities have significant positive relationships with agricultural intensity and the long-term elasticity of the working population in agriculture is 0.326 percent. The empirical results support a statistically significant inverted U-shaped relationship between agricultural energy intensity and value added of agricultural sector. Also, the point of return for the Kuznets curve was about 15 trillion Rials. To decrease the environmental effect of energy consumption intensity, the renewable energy and green energy should be used.
JEL Classification: Q01, Q40, J10

کلیدواژه‌ها [English]

  • Population change
  • Energy consumption intensity
  • Agricultural value added
  • Province of Iran

مراجع

-         آرمن، عزیز و روح ‌اله زارع (1384). "بررسی رابطه علیت گرنجری بین مصرف انرژی و رشد اقتصادی در ایران طی سال­های 1381-1246"، پژوهش­های اقتصادی ایران، شماره 24، صص: 143-117.
-         آرمن، عزیز و روح ‌اله زارع (1388). "مصرف انرژی در بخش­های مختلف و ارتباط آن با رشد اقتصادی در ایران: تحلیل علیت براساس روش تودا و یاماموتو"، مطالعات اقتصاد انرژی، شماره 21، صص: 92-67. 
-         تقوی، مهدی، عباس شاکری، تیمور محمدی وعلی‌اکبر صادقی (1394). "رابطه غیرخطی بین درآمد و شدت انرژی در کشورهای منتخب منا (MENA) با در نظر گرفتن نقش توسعه مالی و درجه باز بودن اقتصاد"، پژوهش­های اقتصادی ایران، شماره 64، صص: 26-1.
-         دیلمی‌نژاد، رضا و رضا استادحسین (1389). "بررسی رابطه بین مصرف انرژی و ارزش افزوده بخش‌های منتخب اقتصادی در ایران"، پژوهش‌ها و سیاست‌های اقتصادی، شماره 55، صص: 140-125.
-         سلاطین، پروانه و سمانه محمدی (1395). "تاثیر شهرنشینی بر مصرف انرژی در گروه کشورهای منتخب"، مطالعات مدیریت شهری، شماره 26، صص: 80-71.
-         طرازکار، محمد حسن و نوید کارگر ده‌بیدی (1397). "اثر سالخوردگی جمعیت، رشد اقتصادی، مصرف انرژی و شهرنشینی بر انتشار گاز دی اکسید کربن در منطقه خاورمیانه: کاربرد مدل هم جمعی پنل"، پژوهش‌های محیط زیست، شماره 18، صص: 48-37.
-         عیسی‌زاده، سعید و جهانبخش مهرانفر (1389). "تاثیر مهاجرت داخلی بر الگوی مصرف انرژی در اقتصاد ایران"، راهبرد یاس، شماره 22، صص: 237-218.
-         فرج‌زاده، زکریا (1394). "شدت انرژی در اقتصاد ایران: اجزا و عوامل تعیین‌کننده"، پژوهشنامه اقتصاد انرژی ایران، شماره 15، صص: 98-55.
-         فطرس، محمدحسن و رضا معبودی (1389). "رابطه­ی علی مصرف انرژی، جمعیت شهرنشین و آلودگی محیط زیست در ایران، 1385-1350"، مطالعات اقتصاد انرژی، شماره 27، صص: 17-1.
-         فلاحی، فیروز و عبدالرحیم هاشمی‌ دیزج (1389). "رابطه علیت بین GDP و مصرف انرژی در ایران با استفاده از مدل های مارکوف سوییچینگ"، مطالعات اقتصاد انرژی، شماره 26، صص: 152-131. 
-         قنبری، علی، امین گلوانی و فرشید جوادنژاد (1391). "بررسی ارتباط بین مصرف انرژی و شهرنشینی در ایران با به کارگیری روش ARDL"، مطالعات اقتصاد انرژی، شماره 9، صص: 119-101.
-         کارگر ده‌بیدی، نوید و محمدحسن طرازکار (1398). "اثر سال‌خوردگی جمعیت بر آلودگی زیست محیطی در ایران"، علوم و تکنولوژی محیط زیست، شماره 3، صص: 109-97.  
-         محمدباقری، اعظم (1389). "بررسی روابط کوتاه‌مدت و بلندمدت بین تولید ناخالص داخلی، مصرف انرژی و انتشار دی‌اکسید کربن در ایران"، مطالعات اقتصاد انرژی، شماره 27، صص: 129-101.
-         محمودی، شکوه و عبدالمجید جلائی ‌اسفندآبادی (1396). "تحلیل تأثیر شدت انرژی بر ارتباطات پسینی و پیشینی بخش انرژی با سایر بخش‌های اقتصادی با تأکید بر بخش کشاورزی"، پژوهش‌های رشد و توسعه اقتصادی، شماره 28، صص: 140-127.
-         مرکز آمار ایران (1397). پایگاه اطلاعات نشریات. http://amar.sci.org.ir.
-         وزارت نیرو (1398). شبکه آمار و اطلاعات، ترازنامه انرژی سال 1391. دﻓﺘﺮ ﺑﺮﻧﺎﻣﻪ‌رﻳﺰی ﻛﻼن http:// www.energyconf.ir › pdf › 3.pdf
-         Agras, J., & Chapman, D. (1999). “A dynamic approach to the Environmental Kuznets Curve hypothesis”. Ecological Economics, 28(2), 267-277.
-         Ahmed, A., Uddin, G. S., & Sohag, K. (2016). “Biomass energy, technological progress and the environmental Kuznets curve: Evidence from selected European countries”. Biomass and Bioenergy, 90, 202-208.
-         Aqeel, A., & Butt, M. S. (2001). “The relationship between energy consumption and economic growth in Pakistan”. Asia-Pacific Development Journal, 8(2), 101-110.
-         Arellano, M. (2003). “Panel data econometrics”. Oxford University Press.
-         Baksi, S., & Green, C. (2007). “Calculating economy-wide energy intensity decline rate: The role of sectoral output and energy shares”. Energy Policy, 35(12), 6457-6466.
-         Baltagi, B. (2008). “Econometric analysis of panel data”. (Vol. 1). John Wiley & Sons.
-         Baltagi, B. H., & Kao, C. (2001). “Nonstationary panels, cointegration in panels and dynamic panels: A survey”. In Nonstationary panels, panel cointegration, and dynamic panels (pp. 7-51). Emerald Group Publishing Limited.
-         Bilgili, F., & Ozturk, I. (2015). “Biomass energy and economic growth nexus in G7 countries: Evidence from dynamic panel data”. Renewable and Sustainable Energy Reviews, 49, 132-138.
-         Bilgili, F., Koçak, E., Bulut, Ü., & Kuloğlu, A. (2017). “The impact of urbanization on energy intensity: Panel data evidence considering cross-sectional dependence and heterogeneity”. Energy, 133, 242-256.
-         Campos, N. F., & Kinoshita, Y. (2008). “Foreign Direct Investment and Structural Reforms: Evidence from Eastern Europe and Latin America”. (No. 6690). CEPR Discussion Papers.
-         Chaitip, P., Chokethaworn, K., Chaiboonsri, C., & Khounkhalax, M. (2015). “Money Supply Influencing on Economic Growth-wide Phenomena of AEC Open Region”. Procedia Economics and Finance, 24, 108-115.
-         Elliott, R. J., Sun, P., & Zhu, T. (2014). “Urbanization and energy intensity: a province-level study for China”. Department of Economics, University of Birmingham.
-         Fazli, P., & Abbasi, E. (2018). “Analysis of the Validity of Kuznets Curve of Energy Intensity Among D-8 Countries: Panel-ARDL Approach”. International Letters of Social and Humanistic Sciences, Volume 81.
-         Fizaine, F., & Court, V. (2016). “Energy expenditure, economic growth, and the minimum EROI of society”. Energy Policy, 95, 172-186.
-         Hausman, J. A. (1978). “Specification tests in econometrics”. Econometrica: Journal of the Econometric Society, 1251-1271.
-         Im, K. S., Pesaran, M. H., & Shin, Y. (2003). “Testing for unit roots in heterogeneous panels”. Journal of Econometrics, 115(1), 53-74.
-         Jiang, L., Folmer, H., & Ji, M. (2014). “The drivers of energy intensity in China: A spatial panel data approach”. China Economic Review, 31, 351-360.
-         Jones, D. W. (1989). “Urbanization and energy use in economic development”. The Energy Journal, 29-44.
-         Khan, S., Peng, Z., & Li, Y. (2019). “Energy consumption, environmental degradation, economic growth and financial development in globe: Dynamic simultaneous equations panel analysis”. Energy Reports, 5, 1089-1102.
-         Kronenberg, T. (2009). “The Impact of Demographic Change on Energy Use and Greenhouse Gas Emissions in Germany”. Ecological Economics, 68: 2637-2645.
-         Levin, A., Lin, C. F., & Chu, C. S. J. (2002). “Unit root tests in panel data: asymptotic and finite-sample properties”. Journal of Econometrics, 108(1), 1-24.
-         Liu, Y., & Xie, Y. (2013). “Asymmetric adjustment of the dynamic relationship between energy intensity and urbanization in China”. Energy Economics, 36, 43-54.
-         Ma, B. (2015). “Does urbanization affect energy intensities across provinces in China? Long-run elasticities estimation using dynamic panels with heterogeneous slopes”. Energy Economics, 49, 390-401.
-         Muhammad, B. (2019). “Energy consumption, CO2 emissions and economic growth in developed, emerging and Middle East and North Africa countries”. Energy, 179, 232-245.
-         Pablo-Romero, M. D. P., & De Jesús, J. (2016). “Economic growth and energy consumption: The energy-environmental Kuznets curve for Latin America and the Caribbean”. Renewable and Sustainable Energy Reviews, 60, 1343-1350.
-         Pesaran, M. H., & Shin, Y. (1998). “An autoregressive distributed-lag modelling approach to cointegration analysis”. Econometric Society Monographs, 31, 371-413.
-         Pesaran, M. H., & Smith, R. (1995). “Estimating long-run relationships from dynamic heterogeneous panels”. Journal of econometrics, 68(1), 79-113.
-         Pesaran, M. H., Shin, Y., & Smith, R. P. (1999). “Pooled mean group estimation of dynamic heterogeneous panels”. Journal of the American Statistical Association, 94(446), 621-634.
-         Sarwar, S. S., Srinivasan, G., Han, B., Wijesinghe, P., Jaiswal, A., Panda, P., ... & Roy, K. (2018). “Energy efficient neural computing: A study of cross-layer approximations”. IEEE Journal on Emerging and Selected Topics in Circuits and Systems, 8(4), 796-809.
-         Shahbaz, M., Chaudhary, A. R., & Ozturk, I. (2017). “Does urbanization cause increasing energy demand in Pakistan? Empirical evidence from STIRPAT model”. Energy, 122, 83-93.
-         Soytas, U., & Sari, R. (2006). “Energy consumption and income in G-7 countries”. Journal of Policy Modeling, 28(7), 739-750.
-         Waheed, R., Sarwar, S., & Wei, C. (2019). “The survey of economic growth, energy consumption and carbon emission”. Energy Reports, 5, 1103-1115.
-         Wang, S., Li, G., & Fang, C. (2018). “Urbanization, economic growth, energy consumption, and CO2 emissions: Empirical evidence from countries with different income levels”. Renewable and Sustainable Energy Reviews, 81, 2144-2159.
-         World Development Indicators (WDI), (2019). Retrieved May 27, 2018, from http://www.worldbank.org/
-         York, R. (2007). “Demographic Trends and Energy Consumption in European Union Nations (1960–2025)”. Social Science Research, 36: 855– 872 .
نامه انجمن جمعیت شناسی ایران
دوره 13، شماره 26
بهمن 1397
صفحه 187-211

فایل ها

سابقه مقاله

  • تاریخ دریافت: 02 بهمن 1398
  • تاریخ پذیرش: 02 بهمن 1398

هم رسانی

ارجاع به این مقاله

آمار