تبيين نقش سياستگذاري بر نهادسازي مديريت مخاطرات در مناطق روستايي و كشاورزي در فدراسيون روسيه "روستو آن دن"

Explaining the Role of Policy Factors on Institutional Building of Risk Management in Rural and Agricultural Regions of “Rostov on Don” in Russian Federation

هدف از اين تحقيق تخصيص يك مدل ساختاري براي تخمين اثرات عوامل سياست گذاري شامل سياست هاي مالي و انرژي بر مولفه هاي نهادي مرتبط با مديريت مخاطرات در بخش كشاورزي و جامعه روستايي "روستو آن دن" بوده است. مولفه هاي نهادي مرتبط با مديرت مخاطرات طبق بررسي مقدماتي پروفايل آسيب پذيري بر اساس وضعيت منطقه مورد مطالعه و از ابعاد اقليمي، توليدي، اقتصادي- اجتماعي، بازار كشاورزي، بازار كار و مقررات زمين، استخراج و اولويت بندي شدند. در مرحله بعد مهم ترين راهبردها به منظور مديريت مخاطرات مربوطه و افزايش قابليت برگشت پذيري اقتصاد شناسايي شدند. جامعه آماري شامل 75 متخصص موضوعي در رشته اقتصاد و اقتصاد كشاورزي از دانشگاه فدرال جنوبي روسيه (روستو آن دن) و دانشگاه ايالتي كشاورزي ساراتو و نيز تعدادي از كارشناسان بخش دولتي بود. در نهايت مدل هاي تاييدي دو عاملي سياست گذاري و نهادها و برازش مدل اندازه گيري مورد آزمون، اصلاح و تعديل قرار گرفت. يافته هاي بخش ساختاري مدل نيز حمايت مدل از سوي داده هاي نمونه اي را تاييد كردند. همچنين نتايج بخش ساختاري مدل نشان دادند كه دو عامل "سياست مالي" و "سياست انرژي" توانايي تبيين به ترتيب 48 درصد و 38 درصد از واريانس متغيرهاي "تكنولوژي نهادي" و "نهادسازي" را دارا مي باشند.

The purpose of this research was to specify a structural model in order to estimate the impact of policymaking factors (financial policy and energy policy) on institutional components related to the risk management in agricultural and rural areas of Rostov on Don. At the first stage, we explored and ranked a risk profile in agriculture based on the Rostov situation including climate, production, socio-economic, agricultural market, labor market and land regulation. At the next stage, the main strategies were identified in order to manage related risks and increase economic resilience. The data used in this paper were collected through a structured questionnaire from 75 subject matter specialists in the field of economics and agricultural economics from Southern Federal University (Rostov on Don) and Saratov State Agrarian University along with a number of governmental experts. Two confirmatory models of policy making and institutions fitted the data or supported by the obtained sample data. Resulted from the structural model showed that two factors of “financial policy” and “energy policy” explains 48 and 38 percent of variance in “institutional technology” and “institutional building” respectively.