منابع محدود در بخش کشاورزی، بهکارگیری فناوری مناسب جهت استفاده بهینه از منابع کمیاب با هدف تأمین امنیت غذایی را به یک ضرورت تبدیل کرده است، بهطوری که در برنامه پنجم توسعه مقرر گردیده یک سوم رشد اقتصادی در کشور از طریق رشد بهرهوری حاصل گردد. دستیابی به این هدف برای بخش کشاورزی در گرو توسعه مکانیزاسیون است. در همین راستا، مطالعه حاضر به بررسی تأثیر توسعه مکانیزاسیون بر رشد بهرهوری در بخش کشاورزی پرداخته است. لذا، ابتدا با محاسبه شاخص بهرهوری مالمکوئیست، شاخص بهرهوری کل عوامل تولید در بخش کشاورزی برای دوره زمانی 1391- 1368 مورد بررسی و سپس با برآورد الگوی اقتصادسنجی و همچنین، الگوریتم ژنتیک عوامل مؤثر برآن مورد ارزیابی قرار گرفته است. نتایج نشان داد که الگوریتم ژنتیک ابزار قدرتمندی برای برآورد این الگوهاست. همچنین، نتایج هر دو رهیافت نشان میدهد که ضریب مکانیزاسیون و تسهیلات اعتباری و آموزشی، ترویجی بخش کشاورزی اثرات مثبتی بر رشد بهرهوری داشته است. ضریب برآورده شده برای ضریب مکانیزاسیون در بلندمدت در روش ARDL برابر با 129/0 و در روش الگوریتم ژنتیک برابر 098/0 میباشد که نشان از تأثیر نسبتاً زیاد این متغیر بر بهرهوری بخش کشاورزی دارد. همچنین، تغییر علامت متغیرهای شاخص قیمت و درجه باز بودن بخش از منفی به مثبت در کوتاه مدت به سمت بلندمدت بر لزوم سیاستهای حمایتی صحیح از کشاورزان، جهت توانایی رقابت و تطبیق با شرایط اقتصادی، تاکید دارد.
Akhbari, M. (2009). Application of genetic algorithms combined inflation forecasts. Collection of Economic Research, Central Bank of the Islamic Republic of Iran, (23).
Azifar, A. (2006). The impact of mechanization growth and exports on employment and labor in agriculture. Iranian Journal of Agricultural Science, 36 (5): 12-31.
Basant, R & Fickert, B. (1996). The Effects of R&D, Foreign Technology Purchase, and Domestic International Spillovers on Productivity in Indian Firms. Review of Economic and Statistics 78:187-99.
Clark, M. (1998). Measuring Productivity From Vertically Inter Grated Sectors, University Of Castilia.
Coelli, T.J &. Rao, D.S.P. (2003). Total Factor Productivity Growth in Agriculture: A Malmquist Index Analysis of 93 Countries. 1980-2000. Centre for Efficiency and Productivity Analysis, the University of Queensland.
Costa, L., V., Gomes, M. F. M. & Davi, A. S. L. (2013). Food Security and Agricultural Productivity in Brazilian Metropolitan Regions. Procedia Economics and Finance, 5: 202-211.
Coe, D. & Helpman, E. (1995). International R&D Spillover. European Economic Review, 39: 859-87
Edwards, S. (1997). Openness, Productivity and Growth: What Do We Really Know? Working Paper No. 5978, National Bureau of Economic Research, March.
Fare, R.S and Grosskopf, M.N & Zhang, Z. (1994). Productivity Growth, Technical Progress, and Efficiency Change in Industrialized Countries. American Economic Review, 84: 66–83.
Goldberg, D.E. (1989). Genetic Algorithm In Search, Optimization And Machine Learning, Addis On- Wesley, Harlow, England”.
Ghatak, S. & Siddiki, J. (2001). The Use of ARDL Approach in Estimating Virtual Exchange Rates in India. Applied Statistics, 28: 573- 588.
Michael, D., Moral, B & ouattra, B. (2011). TFP Growth and Its Determinants. Nonparametrics and Model. Working paper in Spain.
Management and Planning Organization. (2005). development plan. Tehran. (In Farsi).
Management and Planning Organization. (2006). a series of economic reports and monitoring and the performance of five-year economic development Plan”.
Moazani, S. & Javadi, A. (2005). The first project report (document) National Agricultural Mechanization Development.
Mojaverian, M. & Khaleghi, M. (2002). The Impact of Price Support Policies on Total Factor Productivity in the Agricultural Sector. Conference on Agriculture and the National Development.
Nofersti, M. (2000). Unit root and co-integration in econometrics. Institute for Cultural Services expressive, 9 N 2 F / 5/29 HA.
Nbeian, S. & Alvi, M. (2008). The effect of mechanization on the agricultural sector's growth. Journal of Agricultural Economics, 1(3): 250-243.
Po-Chi, C., Ming-Miin, Y., Ching-Cheng, C & Shih-Hsun, H. (2008). Total Factor Productivity Growth in China’s Agricultural Sector, Department of Agricultural Economics, National Taiwan University.
Pahlavani, M., Dahmarde, N., & Hosseini, S. M. (2007). Estimates of export and import demand functions in the economy of Iran using the convergence. Journal ofEconomic Value, 3, 101-120. ( In Farsi).
Pesaran, H.M. & B. Pesaran (1997). Working With microfit 4.0: an introduction to econometrics, Oxford University Press, Oxford.
Rezaie, A. (2014). The Effect of Mechanization on Production, Productivity and Technical Efficiency of Khorramabad. Master Thesis, University of Zabol, Faculty of Agriculture. ( In Farsi).
Richard, H & Moffat, J. (2011). Plant- level Determinants of Total Factor Productivity in Great Britain 1997- 2006, University of Glasgow.
Rhaimibaigi, S., Kohansal, M. & Dorandish, A. (2015). Forecast demand for meat in urban areas of Iran using genetic algorithm approach. Agricultural Economics, 8(3), 64-49.
Research planning and agricultural economy. (2006). The process of transformation of agricultural policy in Iran. Tehran, Ministry of Agriculture, Department of Agricultural Economics and Economic Planning, managing and regulating the processing of research findings.
Steiner & Goldner, (1982) . New Currents in Productivity Analysis: Where Do Know? American Economic Review, 1(46).
Sadghi, h., Valfghari, M. & Hidarzadhe, M. (2010). Estimate the demand for gasoline in the transportation sector using genetic algorithms. Energy Economics Studies Quarterly, VI(21), 27-1.
Terluin, I.J. (1990). Comparison of Real Output, Productivity and Price Levels in Agriculture in the EC: A Reconnaissance, Onderzoekverslag 69. Agricultural Economics Research Institute LIE, the Hague, Netherlands.
Valizadehzenoor, P. (2010). Labor, capital and total factor. Economic Research of the Central Bank of the Islamic Republic of Iran, Office review of economic policies.
ZareMehrjerdi, M., Faramarz fil Abadi, F. & Dargeh, F. (2013). The estimated electricity demand in the agricultural sector with ARDL approach and genetic algorithm Isfahan region. Agriculture and Development, the twentieth year, No. 8.
زارع مهرجردی, محمد رضا , اسفندیاری, ساسان , سپهوند, احسان , & نیک زاد, مجتبی . (1396). بررسی تأثیر ضریب مکانیزاسیون بر بهرهوری در بخش کشاورزی ایران (کاربرد مقایسهای ARDL و الگوریتم ژنتیک). تحقیقات اقتصاد و توسعه کشاورزی ایران, 48(1), 9-22. doi: 10.22059/ijaedr.2017.62005
MLA
محمد رضا زارع مهرجردی; ساسان اسفندیاری; احسان سپهوند; مجتبی نیک زاد. "بررسی تأثیر ضریب مکانیزاسیون بر بهرهوری در بخش کشاورزی ایران (کاربرد مقایسهای ARDL و الگوریتم ژنتیک)", تحقیقات اقتصاد و توسعه کشاورزی ایران, 48, 1, 1396, 9-22. doi: 10.22059/ijaedr.2017.62005
HARVARD
زارع مهرجردی, محمد رضا, اسفندیاری, ساسان, سپهوند, احسان, نیک زاد, مجتبی. (1396). 'بررسی تأثیر ضریب مکانیزاسیون بر بهرهوری در بخش کشاورزی ایران (کاربرد مقایسهای ARDL و الگوریتم ژنتیک)', تحقیقات اقتصاد و توسعه کشاورزی ایران, 48(1), pp. 9-22. doi: 10.22059/ijaedr.2017.62005
CHICAGO
محمد رضا زارع مهرجردی , ساسان اسفندیاری , احسان سپهوند و مجتبی نیک زاد, "بررسی تأثیر ضریب مکانیزاسیون بر بهرهوری در بخش کشاورزی ایران (کاربرد مقایسهای ARDL و الگوریتم ژنتیک)," تحقیقات اقتصاد و توسعه کشاورزی ایران, 48 1 (1396): 9-22, doi: 10.22059/ijaedr.2017.62005
VANCOUVER
زارع مهرجردی, محمد رضا, اسفندیاری, ساسان, سپهوند, احسان, نیک زاد, مجتبی. بررسی تأثیر ضریب مکانیزاسیون بر بهرهوری در بخش کشاورزی ایران (کاربرد مقایسهای ARDL و الگوریتم ژنتیک). تحقیقات اقتصاد و توسعه کشاورزی ایران, 1396; 48(1): 9-22. doi: 10.22059/ijaedr.2017.62005