ارزیابی و تحلیل حساسیت عوامل مؤثر بر تقاضای واردات محصولات کشاورزی ایران با رویکرد شبکه‏ عصبی مصنوعی

نویسندگان

چکیده

با وجود تأکید بسیار زیاد بر بخش کشاورزی و امنیت غذایی در اسناد بالادستی و برنامه‎های توسعه، واردات محصولات کشاورزی و مواد غذایی تحت تأثیر عوامل مختلف، در سه دهه گذشته روند افزایشی داشته به گونه‏ای که از نزدیک به 5 میلیون تن در سال 1360 به فراتر از 21 میلیون تن در سال 1391 افزایش یافته است. بر این اساس، هدف مطالعه حاضر شناسایی و بررسی عوامل مؤثر بر تقاضای واردات محصولات کشاورزی ایران در دوره زمانی 1370 -91 با استفاده ازتلفیق روش تجزیه و تحلیل اکتشافی اطلاعات (EDA) با الگوی تحلیل حساسیت مدل شبکه عصبی مصنوعی است. به این منظور، از اطلاعات مربوط به ۱1 قلم گروه کالای منتخب بخش کشاورزی شامل گندم، جو، برنج، ذرت،کنجاله سویا، روغن (سویاوآفتابگردان)،شکر، تخم مرغ، شیر، گوشت مرغ و گوشت قرمزاستفاده شد. نتایج الگوسازی فوق نشان ‌داد که طی دوره مورد بررسی به ترتیب متغیرهای تولید ناخالص داخلی بدون نفت(5/29 درصد)، درآمدهای نفتی‌(7/27 درصد)، نرخ تعرفه(5/16 درصد) و میزان تولید داخلی محصولات‌کشاورزی(6/14 درصد) بیشترین اثر را بر تقاضای واردات و دو متغیر قیمت‏‌ نسبی واردات محصولات کشاورزی(6/6 درصد) و میزان واردات محصولات کشاورزی با یک وقفه (1/5 درصد) کمترین اثر را بر تقاضای واردات محصولات کشاورزی داشته‏اند.

C33; C5; Q17: JELطبقه‌بندی

کلیدواژه‌ها


عنوان مقاله [English]

Investigating and Sensitivity Analysis of Effective Factors on Agricultural Import Demand Using Artificial Neural Network Model

نویسندگان [English]

  • V.A. Faryadras
  • M. Shabanzadeh
  • R. Esfanjari - Kenari
چکیده [English]

In spite of large emphasis on agriculture and food security in the upstream documentation and national development plans, importation of agricultural and food products has had an upward trend mainly influenced by various variables within last three decades. Imports of these products have increased of nearly 5 million tons in 1981 to more than 21 million tons in 2012. Aims of present study is identifying and examining the effective factors on Iranian agricultural import demand for the period 1991-2012 using combination of exploratory data analysis methods (EDA) with Artificial Neural Network. For this purpose, information of eleven goods consist of Wheat, barley, rice, corn, Soybean meal, oil (soybean and sunflower), sugar, eggs, milk, poultry and beef meat have been used. The result of modeling shows that nonoil GDP (29.5%), oil incomes (27.7%), tariff rate (16.5%) and amount of domestic production (14.6%) have the greatest effect on import demand. Also the results revealed that relative price of agricultural products imports (6.6%) and lag of import demand (5.1%) have the lowest effect on import demand.
JEL Classification: Q17; C5; C33
Keywords:
Agricultural Import Demand, Exploratory Data Analysis, Artificial Neural Network