برآورد تابع تقاضاي نفت گاز در بخش كشاورزي ايران با رويكرد سري زماني ساختاري

Estimation of Gas oil Demand Function in Iraninan Agriculture Sector Using Structural Time Series

برآورد تابع تقاضاي نفت گاز در بخش كشاورزي ايران با رويكرد سري زماني ساختاري 1 حميد آماده*، نادر مهرگان**، محمود حقاني*** و ميثم حداد **** 1392/10/ 1392 تاريخ پذيرش: 21 /2/ تاريخ دريافت: 31 برآورد صحيح تابع تقاضاي نفت گاز در بخش كشاورزي ب همنظور محاسبه كششهاي قيمتي و درآمدي براي اتخاذ سياس تهاي مربوط به قيمت و درآمد اهميت زيادي دارد. بنابراين، در مقاله حاضر با وارد كردن جز غيرقابل مشاهده روند و ايجاد يك مدل فضا حالت، با استفاده از روش حداكثر راس تنمايي و ب هكارگيري الگوريتم كالمن فيلتر، به برآورد تابع تقاضا و محاسبه كششهاي و ECM ، ARDL قيمتي و درآمدي اقدام شد. ب همنظور مقايسه ضرايب ب هدست آمده، از روشهاي نيز استفاده شد. دادههاي مورد استفاده در اين تحقيق به صورت سري زماني سالانه طي FMOLS 1353 بود. نتايج حاكي است كه روند تخمين زده شده، تصادفي و غي رخطي بوده و - دوره 1389 ماهيت آن از نوع مدل سطح نسبي است. با توجه به تابع تقاضاي برآورد شده، كشش قيمتي تقاضاي 0 - برآورد شد. همچنين كشش درآمدي / 0 - و 13 / نفت گاز در كوتاهمدت و بلندمدت به ترتيب 09 0 است. ضريب تعداد تراكتور در هر هكتار سطح زير / 0 و 57 / در كوتا همدت و بلندمدت به ترتيب 4 كشت كه نشا ندهنده حساسيت تقاضاي نفت گاز به تغييرات تجهيزات و ماشي نآلات كشاورزي 0 ب هدست آمد. / است، 34

Estimation of Gas oil Demand Function in Iraninan Agriculture Sector Using Structural Time Series Approach Hamid Amadeh Nader Mehregan Mahmood Haghani Meisam Hadad Date Received: 21 May 2013 Date Accepted: 11 Jan 2014 The correct estimation of gas oil demand function in agriculture industry and calculation of price and income elasticities is important to adopt the price and income policies. Therefore, in the present study the price and income elasticity of gas oil demand were estimated applying non-observable component to the process and creation of a state-space pattern and using maximum likelihood method and the Kalman Filter algorithm. In order to compare the obtained coefficients, ARDL, ECM and FMOLS methods were used. In addition, the data used in this research are collected for the period between 1974 and 2010. The results indicate that the estimated process is random and nonlinear, and its modality is Local Level Model. According to the estimated demand function, the estimated price elasticity of gas oil demand in the short and long term are -0.09 and -0.13, respectively. Also, in the short and long term, the income elasticity is 0.4 and 0.57, respectively. In addition, the coefficient of tractor number in each acre of the area under cultivation, which shows the sensitivity of gas oil demand to equipment and agricultural machines changes, is obtained to be 0.34. JEL Classification: C32, D11, Q1, Q41 Keywords: Gas Oil Demand, Agriculture, Structural Time Series, Underlying Trend, Kalman Filter Algorithm, State-Space.