بررسی محرک‌های قیمت انواع گوشت در ایران با استفاده از مدل خودتوضیح‌ برداری ساختاری پانلی (Panel-SVAR)

نوع مقاله : مقالات پژوهشی

نویسنده

موسسه پژوهش های برنامه ریزی، اقتصاد کشاورزی و توسعه روستایی

چکیده

در سال‌های اخیر، نوسانات قیمت گوشت همواره از چالش‌های اساسی بازار گوشت ایران بوده و هر ساله عدم تعادل در بازار آن باعث کاهش رفاه مصرف‌کنندگان و بروز خسارت برای تولیدکنندگان می‌شود. در شرایط کنونی که منابع ارزی کشور محدود و قیمت در بازار گوشت دارای روند افزایشی است، بررسی محرک‌های قیمت انواع گوشت در ایران از منظر اقتصاد خرد و به ویژه زنجیره انتقال عمودی قیمت‌ها می‌تواند راهنمای مناسبی برای سیاست‌گذران و برنامه‌ریزان در اتخاذ سیاست‌های مناسب برای کنترل قیمت و مصرف داخلی این محصولات باشد. هدف از انجام این مطالعه شناسایی محرک‌های قیمت انواع گوشت در ایران با استفاده از مدل Panel-SVAR در 30 استان کشور طی سال‌های 98-1385 است. نتایج حاصل از تابع عکس‌العمل آنی نشان داد که اثر شوک‌های متغیر ارزش افزوده بخش کشاورزی بر شاخص قیمت گوشت، قیمت گوشت گوسفند و قیمت گوشت گاو منفی و روی قیمت گوشت مرغ مثبت است. در حالی‌که اثر تکانه‌های سه متغیر شاخص قیمت نهاده‌های وارداتی دام و طیور (ذرت، کنجاله سویا و جو)، قیمت دام زنده و خود قیمت گوشت روی تغییرات قیمت انواع گوشت (مرغ، گوسفند و گاو) مثبت است. نتایج حاصل از تجزیه واریانس و تجزیه تاریخی نیز نشان داد که تکانه‌های مربوط به متغیر ارزش افزوده بخش کشاورزی کمترین اثر و تکانه‌های خود متغیر قیمت گوشت بیشترین اثر را بر تغییرات قیمت انواع گوشت در ایران دارد. در این راستا برای مهار شوک‌های قیمتی وارد بر قیمت انواع گوشت، مدیریت انتظارات تورمی و استفاده از سیاست‌های حمایتی مناسب در کل زنجیره تولید گوشت از قبیل نظارت بر مراحل تولید و توزیع و مصرف، اصلاح ساختار بازار به جای کنترل قیمت، تأمین به موقع نهاده‌های تولید برای تولیدکنندگان، توسعه کشت نهاده‌های دامی در داخل کشور و نیز توزیع کافی و در زمان مناسب برای مصرف‌کنندگان پیشنهاد می‌شود.

کلیدواژه‌ها

موضوعات

مراجع

  1. Agricultural Statistics. (2020). Ministry of agriculture, deputy of planning and economic affairs, available at https://amar.maj.ir.
  2. Arndt, C., Hussain, M., Salvucci, V., & Østerdald, L. (2016). Effects of food price shocks on child malnutrition: The Mozambican experience 2008/2009. Journal of Economics and Human Biology 22: 1–13. https://doi.org/10.1016/j.ehb.2016.03.003.
  3. Ataei Solut, K., & Mohammadi, H. (2018). Determining the demand elasticity of selected food products in Mazandaran province using the model of Almost Ideal Demand System (AIDS): Case study of white meat, fish meat and red meat. Journal of Agricultural Economics Research 10(3): 173-186. (In Persian with English abstract)
  4. Bahadori, S., Mehrabani Yeganeh, H., Zaghari, M., & Rafiei, H. (2017). Predicting chicken meat price in the poultry industry’ Iran and comparing it with the global perspective. Journal of Animal Sciences 48(4): 483-492. (In Persian with English abstract) https://doi.org/10.22059/ijas.2018.229192.653518.
  5. Cheng, S., & Cao, Y. (2019). On the relation between global food and crude oil prices: An empirical investigation in a nonlinear framework. Journal of Energy Economics 81: 422–432. https://doi.org/10.1016/j.eneco.2019.04.007.
  6. Cornia, G.A., Deotti, L., & Sassi, M. (2016). Sources of food price volatility and child malnutrition in Niger and Malawi. Journal of Food Policy 60: 20–30. https://doi.org/10.1016/j.foodpol.2016.01.002.
  7. Dehghanpour, H., & Bakhshudeh, M. (2017). Investigating the welfare effects of price changing of protein material in urban households. Journal of Agricultural Economics and Development 23(99): 151-167. (In Persian with English abstract)
  8. Fathi, F., & Bakhshoudeh, M. (2016). Food security changes due to energy subsidy elimination policy in the meat market’ Iran. Journal of Economics and Agricultural Development 30(1): 1-9. (In Persian with English abstract)
  9. Furceri, D., Loungani, P., Simon, J., & Wachter, S.M. (2016). Global food prices and domestic inflation: Some cross-country evidence. Journal of Oxford Economic Papers 68(3): 665–687.
  10. Ghahramanzadeh, M., & Rashid Qalam, M. (2015). Development of a seasonal price forecasting model for different types of meat in Iran: application of PAR model. Journal of Economics and Agricultural Development Research’ Iran 46(3):469-480. (In Persian with English abstract)
  11. Ghahremanzadeh, M., Yavari, F., & Dashti, Gh. (2015). Vertical price transformation and nonlinear price adjustments in beef market (Case study: East Azerbaijan Province). Journal of Agricultural Economics and Development Research 46(1): 13-20. (In Persian with English abstract)
  12. Ha, J., Ivanova, A., Montiel, P., & Pedroni, P. (2019). Inflation in low-income countries. World Bank Policy Research Working Paper 8934, Washington, DC.
  13. Hao, N., Pedronib, P., Colsonc, G. & Wetzsteind, M. (2017). The linkage between the U.S. ethanol market and developing countries’ maize prices: a panel SVAR analysis. Journal of Agricultural Economics 48: 629–638. https://doi.org/10.1111/agec.12362.
  14. Heydari, J., Zareian Mazraeh, R., Heydari, E., Hezarkhani, B., & Karimi, R. (2019). Modeling factors affecting on price fluctuations in the chicken meat supply chain: a systems dynamics approach. Journal of Agricultural Economics Research 12(2): 237-262. (In Persian with English abstract)
  15. Hekmatonia, M., Safdari, M., Hosseini, S.M., & Dadras Moghaddam, A. (2021). Factors affecting on the virtual water trade of agricultural products in Iran (application of Panel Vector Autoregression model). Journal of Environment and Water Engineering 7(2): 344-355. (In Persian with English abstract) https://doi.org/10.22034/JEWE.2020.249815.1429.
  16. Imai, K., Kaicker, N., & Gaiha, R. (2020). The Covid-19 impact on agricultural market arrivals and prices in India: A Panel VAR approach, pp 1-45. (Economics Discussion Paper Series; No. DP2020-30).
  17. Karbasi, A., & Zandi Darreh Gharibi, B. (2016). Investigating the effects of red meat price changing on the welfare of producers and consumers in Iran. Journal of Agricultural Economics 8(4): 39-60. (In Persian with English abstract)
  18. Kavusi Kalashmi, M., & Khaliq Khayavi, P. (2015). Overflow effects of meat price fluctuations in Iran. Journal of Agricultural Economics Research 7(2): 27-41. (In Persian with English abstract)
  19. Keyghobadi Sani, S., & GHasemi, A.R. (2019). Direct and indirect effects of oil shocks on the prices of selected agricultural products in oil exporting and importing countries. Journal of Energy Economics’ Iran 8(30):123-152. (In Persian with English abstract)
  20. Mao, R., Xing, M., & Yu, X. (2021). Quality response to real exchange rate shocks: A panel SVAR analysis on China’s agricultural exports. Journal of Agricultural Economics: 1–13. https://doi.org/10.1111/agec.12650.
  21. Mohammadi, M., Mohammadi, H., & Azami H. (2016). Identify the price bubble in the chicken meat and beef market. Journal of Agricultural Economics and Development 30(2): 88-96. (In Persian with English abstract)
  22. Montiel, P.J., & Pedroni, P. (2019). Trilemma-dilemma: Constraint or choice? Some empirical evidence from a structurally identified heterogeneous panel VAR. Journal of Open Economies Review 30(1): 1–18. https://doi.org/10.1007/s11079-018-9516-x.
  23. Nabi zadeh, M., Kavousi Kalashemi, M., Heydari, R., & Roshanfar, M.A. (2016). The effect of targeted subsidies on the price transformation model of mutton market in Iran. Journal of Agricultural Economics Research 8(1): 177-198. (In Persian with English abstract)
  24. Pedroni, P. (2013). Structural panel VARs. Journal of Econometrics 2: 180–206. https://doi.org/10.3390/econometrics1020180.
  25. Pesaran, M., & Smith, R. (1995). Estimating long-run relationships from dynamic heterogeneous panels. Journal of Econometrics 68: 79–113. https://doi.org/10.1016/0304-4076(94)01644-F.
  26. Pishbahar, E., Ferdosi, R., & Asadollaahpour, F. (2019). Price transmission in the market of chicken meat: Autoregressive Switching Markov Models. Journal of Agricultural Economics and Development Research 50-2(1): 1-17. (In Persian with English abstract) https://ijaedr.ut.ac.ir/article_71307.
  27. Pishbahar, I., Ferdowsi, R., & Assadollahpour, F. (2015). Investigating price transmission in the chicken meat market: using MSVAR model. Journal of Agricultural Economics 9(2): 55-72. (In Persian with English abstract)
  28. Rahmani, R. (2020). Investigating the chicken market structure at the levels of production and wholesale; case study of Fars province. Journal of Agricultural Economics Research 12(2): 211-234. (In Persian with English abstract)
  29. Rezitis, A.N. (2015). The relationship between agricultural commodity prices, crude oil prices and US dollar exchange rates: a panel VAR approach and causality analysis. Journal of International Review of Applied Economics 29(3): 403–434. http://dx.doi.org/10.1080/02692171.2014.1001325.
  30. Roch, F. (2019). The adjustment to commodity price shocks. Journal of Applied Economics 22(1): 437–467. https://doi.org/10.1080/2019.1665316.
  31. Sardar Shahraki, A., Ali Ahmadi, N., & Safdari, M. (2019). Economic analysis of price shocks of production inputs and their impact on cotton price in Iran: the application of panel Data Vector Auto-Regression (PVAR) Model. Journal of Environmental Energy and Economic Research 3(1): 23-36. (In Persian with English abstract) https://doi.org/10.22097/eeer.2019.159908.1052.
  32. The Support Company of livestock and poultry in Iran. (2021). Prices of livestock and poultry products. Available at https://www.iranslal.com.
  33. Wang, S.L., & McPhail, L. (2014). Impacts of energy shocks on US agricultural productivity growth and commodity prices-A structural VAR analysis, Energy Econ. http://dx.doi.org/10.1016/j.eneco.2014.05.006.
  34. Wu, X., & Xu, J. (2021). Drivers of food price in China: A heterogeneous panel SVAR approach. Journal of Agricultural Economics 52: 67–79. https://doi.org/10.1111/agec.12607.
  35. Yazdanshenas, L., Zvar, P., & Aghajani, Z. (2009). The effect of tariff policy on domestic chicken and beef prices in Iran. Journal of Agricultural Economics Research 1(4): 107-127. (In Persian with English abstract)
  36. Zingbagba, M., Nunes, R., & Fadairo, M. (2020). The impact of diesel price on upstream and downstream food prices: Evidence fromSão Paulo. Journal of Energy Economics 85: 1–15. https://doi.org/10.1016/j.eneco.2019.104531.

 

ارسال نظر در مورد این مقاله
CAPTCHA Image

فایل ها

سابقه مقاله

  • تاریخ دریافت: 21 آبان 1400
  • تاریخ بازنگری: 13 آذر 1400
  • تاریخ پذیرش: 24 بهمن 1400

هم رسانی

ارجاع به این مقاله

آمار