Quarterly Journal of The Macro and Strategic Policies

Quarterly Journal of The Macro and Strategic Policies

Estimating the Impact of Factors Affecting the Production Resilience of Selected Strategic Agricultural Products in Iran

Document Type : Research/Original/Regular Article

Authors
1 Assistant Professor, Faculty of Governance, University of Tehran, Tehran. Iran
2 Department of Agricultural Economics, Faculty of Agricultural Science, University of Tehran, Karaj, Iran
10.30507/jmsp.2025.501067.2788
Abstract
Today, given the constantly changing global conditions, the resilience of strategic agricultural product production in Iran has become a crucial issue for ensuring the country’s food security. Previous research indicates that numerous factors influence the resilience of strategic agricultural production in Iran; some of these factors affect production resilience directly, while others exert indirect or exogenous effects. Accordingly, the present study seeks to identify the factors affecting the resilience of strategic agricultural product production in Iran by reviewing earlier studies and applying statistical and econometric methods using a panel data model. The impact of each factor on production resilience is then estimated. To this end, data for nine strategic products—wheat, barley, oilseeds, rice, red meat, chicken meat, milk, eggs, and cotton—over the period 2002–2023 were utilized. The model was estimated separately for crop products and livestock products. The results of the estimations indicate that the cultivated area or number of livestock units, product selling prices, rainfall, the level of allocated subsidies, and the use of production inputs have the most significant effects on the resilience of crop and livestock production. In contrast, economic sanctions, research and development, and the Gini coefficient exert relatively smaller effects on the resilience of strategic agricultural product production.
Keywords
Subjects

مقدمه

تاب­آوری در نظام‌های تولیدی به توانایی هر نظام تولیدی در مواجه با آسیب­های درونی یا بیرونی اشاره دارد (Duchek, 2020). بررسی تجارب کشورها حاکی از آن است که برخی از کشورها در برابر تکانه­های بیرونی تاب­آور بوده و قابلیت تحمل و عبور از آن‌ها را با حداقل هزینه دارند. درمقابل، کشورهایی هستند که میزان آسیب­پذیری بالایی داشته و تاب­آوری ضعیفی دارند (International Monetary Fund, 2019). از‌آنجا‌که امروزه دستیابی به رشد و توسعه مستمر و پایدار اقتصادی تحت تأثیر بحران‌‌های اقتصادی و مالی، مخاطرات سیاسی ـ امنیتی بین‌المللی، بلایای طبیعی، همه‌گیری‌ها و... قرار دارد، وقوع تکانه‌­های بیرونی تمامی بخش­های اقتصادی را متأثر می‌سازد و تاب‌آوری اقتصادها و پُرکردن شکاف‌ موجود بین تاب‌­آوری اقتصادی کشورهای توسعه‌‌یافته با کشورهای درحال‌‌توسعه، از جایگاه ویژه‌‌ای برخوردار است (سرانجام و محسن‌زاده، 1403). به‌تعبیردیگر، بایستی مقاومت اقتصاد در برابر تکانه‌های بیرونی و قدرت جذب آن تکانه‌ها در اقتصاد مانند کشورهای موفق در این حوزه افزایش یابد و ازاین‌حیث، در ادبیات سیاست‌گذاری جمهوری اسلامی ایران شباهت نزدیکی به تعریف اقتصاد مقاومتی دارد که بر‌آن‌اساس، افزایش تاب­آوری تولید در برابر تکانه­های بیرونی و عوامل اختلال درونی، مورد تأکید جدی قرار می­گیرد (شاکری بستان‌آبادی، 1400) که رهیافت آن توسط مقام معظم رهبری نیز در قالب سیاست­های 24گانه اقتصاد مقاومتی در سال 1392 ابلاغ شده است (سیاست­های کلی اقتصاد مقاومتی،1392).

توجه به تاب­آوری تولید در بخش کشاورزی به‌عنوان بخش حیاتی، راهبردی و بخش تأمین‌کننده امنیت غذایی آحاد جامعه بیش از سایر بخش­های اقتصادی حائز اهمیت است (نخلی و باستانی، 1402). علاوه‌بر‌این، در سال­های اخیر با توجه به عدم آمادگی اقتصاد ایران در مقابله با تهدیدهایی مانند همه‌گیری کرونا، جنگ­، ناآرامی­های داخلی، تغییرات آب‌وهوایی و تحریم­های اقتصادی، اهمیت مفهوم تاب­آوری تولید افزایش یافته است. اگرچه تاب­آوری معانی و تفاسیر متعددی دارد؛ اما در یک جمع‌بندی این مفهوم از حیث ابعاد اقتصادی، اجتماعی، سیاستی و زیست‌محیطی بررسی می­شود (Rivza & Kruzmetra, 2017; Briguglio, 2016; Chopra & Khanna, 2015).

از‌آنجا‌که تولید در بخش کشاورزی یکی از مهم­ترین مؤلفه­های امنیت غذایی مبتنی بر موجودیت کالا است، بررسی روند تولید و نوسانات تولید کالاهای راهبردی کشاورزی و عوامل اثرگذار بر تاب­آوری تولید این محصولات بسیار حائز اهمیت است. شناسایی مهم­ترین عوامل اثرگذار بر تاب­آوری تولید محصولات کشاورزی و سپس میزان اثرگذاری هریک از آن­ها، قطعاً می‌تواند بر اولویت­بندی تصمیم­گیری سیاست‌گذاران حوزه کشاورزی و امنیت غذایی کشور اثرگذار باشد؛ بنابراین موضوع شناسایی و ارزیابی میزان تأثیر عوامل درونی و برون­زا مؤثر بر تاب‌آوری تولید 9 مورد از کالاهای راهبردی منتخب بخش کشاورزی کشور با هدف تحلیل تاب­آوری تولید کالاهای راهبردی کشاورزی ایران به‌عنوان مسئله این تحقیق در نظر گرفته شده است که در سایر پژوهش‌ها نیز به آن پرداخته نشده و برای پرداختن به این مسئله روش برآوردسنجی در قالب مدل داده‌های تابلویی مدنظر قرار گرفته است. در این پژوهش پس از مقدمه، پیشینه پژوهش و تحقیقاتی که پیش از این در حوزه موضوعی این پژوهش انجام گرفته، احصا شده و سپس در قسمت چهارچوب نظری عوامل مؤثر بر امنیت غذایی و تابآوری تولید انواع محصولات کشاورزی مورد بررسی قرار گرفته است. سپس در قسمت روش تحقیق مبانی روشی پژوهش ارائه شده و در ادامه ارزیابی داده‌ها و الگوی پژوهش و نتایج حاصل از برآورد الگو، در قسمت یافته‌های پژوهش آمده است. در انتها نیز جمعبندی و نتیجهگیری در قسمت پایانی ارائه شده است.

1. پیشینه پژوهش

در راستای دستیابی به اهداف پژوهش، ادبیات موضوعی در حوزه عوامل اثرگذار بر تاب­آوری مورد بررسی شد. مروری بر پیشینه پژوهش حاکی از آن است که مطالعات داخلی و خارجی متعددی به بحث در خصوص چگونگی محاسبه تاب­آوری و شناسایی عوامل اثرگذار بر آن پرداخته­اند.

1-1. مطالعات داخلی

نخلی و باستانی (1402)، در مطالعه‌ای با تأکید بر امنیت غذایی به بررسی و محاسبه تاب‌آوری تولید محصولات کشاورزی در ایران پرداخته‌اند و ضمن تعریف تاب‌آوری بلندمدت و کوتاه‌مدت تولید، از روش‌های فیلتر هودریک پرسکات و تجزیه‌و‌تحلیل اکتشافی اطلاعات برای سنجش میزان آن استفاده نموده­اند. نتایج تحلیل‌های نموداری و تخمین ضرایب نشان می‌دهد که ذرت علوفه‌ای در بخش تولید گوشت کشور بیش‌ترین و در تولید روغن، کم‌ترین میزان تاب‌آوری بلندمدت تولید را داشته و محصولات تخم مرغ، شیر، گوشت مرغ، ذرت علوفه‌ای، یونجه و گوشت قرمز، محصولات دارای بیش‌ترین تاب‌آوری تولید در کوتاه‌مدت هستند.

احسانی و شکوهی (1401)، در مطالعه‌ای با استفاده از روش سلسلهمراتبی به برآورد شاخص تاب­آوری کشاورزی ایران در برابر تغییر‌های اقلیمی پرداخته و در آن، میزان تاب‌آوری بخش کشاورزی استان‌های ایران را در سال 1396 با استفاده از یک شاخص ترکیبی متشکل از 36 شاخص در شش گروه مورد بررسی قرار داده است. نتایج نشان می‌دهد استان­های گیلان، هرمزگان و بوشهر، تاب­آورترین استان‌های ایران در بخش کشاورزی محسوب شده و پایینترین رتبه تاب‌آوری مربوط به استان‌های قم، چهارمحال و بختیاری و مرکزی است.

شاکری بستان‌آبادی و همکاران (1400)، در مطالعه­ای با استفاده از روش­های تاپسیس، تاکسونومی معمولی، تاکسونومی وزنی و میانگین وزنی به بررسی تاب­آوری اقتصادی بخش کشاورزی ایران پرداخته و از شاخص­های تمرکز بازارهای صادراتی، تمرکز صادرات، درجه باز‌بودن اقتصاد، نسبت ستانده بخش کشاورزی به مصرف نهاده، بی­ثباتی درآمد بخش کشاورزی، ضریب خوداتکایی، شاخص توسعه انسانی و شاخص­های حکمرانی خوب استفاده نموده­اند. نتایج نشان داد که علت کاهشی تاب‌آوری اقتصادی کشاورزی ایران به دو دسته عوامل داخلی (توجه ناکافی دولت در دوره‌های مختلف به بخش کشاورزی و ضعف مدیریت این بخش) و عوامل خارجی (تغییرات اقلیمی و تحریم­ها) بازمی­گردد. همچنین، کمبود نهاده‌های باکیفیت کشاورزی، اُفت میزان صادرات، محدودیت در بازارهای صادراتی، افزایش هزینه­های نهاده­های کشاورزی وارداتی، افت کیفیت تولیدات به‌دلیل عدم توفیق در واردات سموم باکیفیت بالا و عدم توفیق در جذب سرمایه‌گذاری خارجی ناشی از تحریم‌های اقتصادی، نقش مهم و قابل‌توجهی داشته است.

حسنی و همکاران (1397)، نیز مطالعه‌ای با عنوان بررسی ابعاد مختلف تاب‌آوری و پایداری در مورد واحدهای صنعتی گاو شیری در شهرستان مشهد و حومه انجام شد. در این پژوهش، شاخص تاب­آوری و پایداری از طریق ادغام شاخص‌های زیست‌محیطی، اقتصادی، اجتماعی، فناورانه و سیاستی و با استفاده از برنامه‌ریزی ریاضی غیرخطی، طراحی و الگوسازی گردید. اگرچه این مطالعه به بررسی عوامل اثرگذار بر تاب­آوری تولید نپرداخته است؛ اما انرژی تجدید‌پذیر، شدت انرژی، استفاده از زمین، مصرف آب مورد نیاز، انتشار گاز گلخانه­ای، سود، کیفیت تولید، مخارج نیروی کار، بهره­وری و حمایت از تولید‌کننده به‌عنوان مؤلفه­های تشکیل­دهنده تاب­آوری معرفی شده­اند.

 باقری فهرجی و همکاران (1397)، در مطالعه­ای دیگر به بررسی نقش تاب­آوری در برابر تغییر اقلیم بر سطح امنیت غذایی در خانوارهای روستایی تحت پروژه منارید در استان یزد پرداختند. این مطالعه در سال 1394 با تجزیه‌و‌تحلیل داده­ها از طریق آمار توصیفی و استنباطی و با روش نمونه­گیری تصادفی طبقه­ای انجام شده است. نتایج پژوهش نشانگر وضعیت نامناسب امنیت غذایی و تاب­آوری خانوارهای روستایی در برابر تغییر اقلیم است. همچنین نتایج تحلیل همبستگی نشان داد که رابطه مثبت و معناداری در سطح یک درصد بین ابعاد تاب­آوری در برابر تغییر اقلیم با سطح امنیت غذایی وجود دارد. علاوه‌بر‌این نتایج حاصل از تکنیک رگرسیون لجستیک ترتیبی نشان داد که از چهار بُعد تاب­آوری سه مؤلفه آن (اقتصادی، روان‌شناختی و محیطی) تأثیر مثبت و معناداری بر سطح امنیت غذایی خانوارها دارند. در این پژوهش تاب­آوری برای جوامع در برابر تغییرات اقلیم با تأکید بر امنیت غذایی مورد بررسی قرار گرفته است. باوجوداین، بر اساس ادبیات موضوعی امنیت غذایی، موجودبودن غذا به‌عنوان یکی از ابعاد امنیت غذایی می­تواند نقش به‌سزایی در تاب­آوری جامعه داشته باشد، چراکه تا زمانی که بحث موجود بودن غذا منتفی باشد، مسئله سوءتغذیه بیش‌تر از امنیت غذایی مورد توجه قرار می­گیرد؛ بنابراین مطالعه پیش­رو با تأکید بر بُعد موجودبودن غذا، الگوی تاب­آوری تولید محصولات کشاورزی را مورد بررسی قرار می­دهد.

کلباسی اصفهانی و همکاران (1399) به نقش کشت فرامرزی در بهبود امنیت غذایی ایران، حسینی و همکاران (1392) بر تأثیر حمایت از بخش کشاورزی بر امنیت غذایی و کیانی قلعه سرد و همکاران (1398) به بررسی اثرهای تغییر اقلیم بر امنیت غذایی ایران نیز پرداختهاند.

1-2. مطالعات خارجی

کوان و همکاران[1] (2025)، در مطالعه­ای با استفاده از الگوی داده‌های پانلی فضایی پویا برای 30 استان چین طی سال‌های 2011-2020 به بررسی تأثیر سازوکار فناوری دیجیتال بر تاب‌آوری اقتصادی کشاورزی پرداختند. یافته‌های تحقیق نشان می­دهد توسعه فناوری دیجیتال در چین مدام در حال تحول و تاب‌آوری اقتصاد کشاورزی نیز دستخوش نوسانات قابل‌توجهی بوده است و فناوری دیجیتال بهوضوح نقش محوری در ارتقاء تاب‌آوری کشاورزی به‌ویژه مناطق شرقی به جز مناطق تولیدکننده غلات، از طریق عملیات، تحول صنعتی و پیشرفت فناوری داشته است.

یوزیگبه و همکاران[2] (2024)، در مطالعه­ای به بررسی تأثیر فناوری‌های مبتنی بر هوش مصنوعی افزایش تاب‌آوری در تولید کشاورزی برای عبور از چالش‌های متعدد این بخش ازجمله تغییرات اقلیمی و کاهش منابع پرداختهاند. درنهایت نتایج نشان داد کاربرد جمعی روش‌های مبتنی بر هوش مصنوعی می‌تواند با بهینه‌سازی فرایندها برای افزایش عملکرد و کمک به نظارت مؤثر برای کاهش انتشار گازهای زیست‌محیطی، امنیت غذایی و پایداری زیست‌محیطی را بهبود بخشد. همچنین پیاده‌سازی سریع این فناوری‌ها در سیستم‌های تولید کشاورزی، ظزفیت مقابله با چالش‌هایی مانند تخریب و کاهش منابع، کمبود نیروی کار ماهر و هزینه‌های بالای نهاده‌ها را دارد.

کومار و کومار سینگ[3] (2022)، به‌دلیل آسیب زیادی همه‌گیری کووید-۱۹ به زنجیره‌های تأمین کشاورزی ـ غذایی، در مطالعه‌ای با روش رتبه‌بندی و استفاده از روش بهترین ـ بدترین، به چهارچوب راهبردی برای توسعه تاب‌آوری در زنجیره‌های تأمین کشاورزی ـ غذایی در طول همه‌گیری کووید ۱۹ پرداخته و درنهایت چهارچوب تدوین سیاست‌های مؤثر توسط دولت و سایر ذینفعان برای بهبود تاب‌آوری زنجیره‌های تأمین کشاورزی ـ غذایی با تمرکز بر کشاورزان، تولیدکنندگان مواد غذایی، توزیع‌کنندگان و خرده‌فروشان را ارئه کرده تا جریان بی‌وقفه اقلام غذایی از کشاورزان به کاربران نهایی حفظ شود.

انساه و همکاران[4] (2019)، در مطالعه­ای به بررسی مفاهیم و روش­شناسی تابآوری و امنیت غذایی خانوار پرداختند و سه ویژگی جذب، تطبیق و تحول برای تاب­آوری در نظر گرفتند. ویژگی­ها نشان می‌دهد که چگونه خانوار تأثیر تکانه­ها را بر درآمد معیشت تعدیل کرده یا با آن برخورد می‌کند. تکانه­ها شامل اتفاقات غیرمنتظره ناگهانی و غیرقابل پیشبینی؛ به‌عنوان‌مثال، تغییر آبوهوا، مرگ ناگهانی نانآور خانه، بیماری یا شیوع ناگهانی بیماری در خانواده، آفات / بیماری‌های محصولات کشاورزی یا دام، قیمت‌های بالای مواد غذایی و... نیز می­شود. در ارتباط با امنیت غذایی نیز متغیرهای مختلفی مانند سوءتغذیه کودکان، گرسنگی، مصرف سرانه خانوار، مصرف غذا، تنوع غذایی در رژیم و غیره در نظر گرفته شده است.

مورکوناس و همکاران[5] (2018)، در مطالعه­ای به بررسی نقش دولت در شکل‌گیری سیاست کشاورزی با تأکید بر شاخص تاب­آوری پرداختند. در این مطالعه از روش تحلیل سلسله‌مراتبی AHP[6] ابتدا تاب­آوری بر اساس شاخص­های مختلف مورد بررسی قرار گرفت. درنهایت شاخص تاب­آوری از روش شاخص ترکیبی SAW[7] محاسبه شد. در محاسبه تاب­آوری اقتصادی از مؤلفه­های ناکارآمدی، وابستگی به واردات راهبردی، سطح کارایی بازار، سطح بدهی، تمرکز صادرات، سطح صلاحیت تصمیم­گیرندگان، کنترل دیوان‌سالاری، شاخص توسعه انسانی، حکمرانی اجتماعی و درجه بازبودن اقتصاد استفاده شده است. باوجود‌این، عدم بررسی عوامل اثرگذار بر تاب­آوری در مطالعه آن‌ها به‌عنوان یک خلأ، بر اهمیت و منحصربه‌فردبودن مطالعه پیش­رو می‌افزاید.

بالوک و همکاران[8] (2018)، در مطالعه­ای به بررسی تاب­آوری و امنیت غذایی و مفاهیم آن پرداختند. در این مطالعه، به سیستم­های غذایی کشاورزی و تاب­آوری آن در مقیاس­های مختلف مزرعه، منطقه­ای و جهانی اشاره شده است. در مقیاس­های مختلف، عوامل متعددی ازجمله اقتصادی، اجتماعی، تنوع تولید و تغذیه، تغییرات آب‌و‌هوایی و فرسایش خاک مورد توجه قرار گرفته است؛ البته مطالعات دیگری وجود دارد که بی­ارتباط با بحث تاب­آوری تولید و امنیت غذایی نیست.

بررسی ادبیات پژوهش حاکی از آن است که بسیاری از مطالعات پیشین به بحث در حوزه چگونگی محاسبه تاب­آوری اقتصادی پرداخته­اند و در مواردی که به تاب‌آوری اقتصادی بخش کشاورزی پرداخته شده است، صرفاً ابعاد مختلف تاب­آوری مورد بررسی قرار گرفته است. از‌آنجا‌که تاکنون مطالعه جامعی در حوزه بررسی عوامل اثرگذار بر تاب­آوری تولید کالاهای راهبردی کشاورزی ایران انجام نشده است، برآورد الگوی تاب­آوری کالاهای راهبردی کشاورزی ایران و بررسی عوامل اثرگذار بر آن، ایده نوینی است که مطالعه حاضر برای اولین‌بار بدان می­پردازد؛ بنابراین مطالعه حاضر به‌دنبال آن است که برای اولین‌بار ضمن برآورد الگوی تاب­آوری کالاهای راهبردی کشور، وضعیت میزان اثرگذاری هریک از عوامل را مشخص و مورد تجزیه‌و‌تحلیل قرار دهد.

2. چهارچوب نظری

یکی از مفاهیم غنی که امروزه در بسیاری از زمینه‌ها کاربرد پیدا کرده، مفهوم تاب‌آوری است (مورکانوس و دیگران، 2018). تاب­آ­وری به توانایی هر نظام جهت حفظ وضعیت یا برگشت سریع به وضعیت موجود، پس از القای تکانه خارجی اطلاق می‌شود (غیاثوند و عبدالشاه، 1394). در نظام اقتصادی، تعریف تاب‌آوری شباهت بسیاری به مقاوم‌سازی اقتصاد دارد که قابل‌تعمیم به کلیه حوزه­ها نظیر کشاورزی است. از‌آنجا‌که کشاورزی، بخش اولیه اقتصاد، تأمین‌کننده ماده خام بخش صنعت و محور تأمین امنیت غذایی است، نقش برجسته‌ای در پیشبرد اهداف مقاوم‌سازی اقتصادی داشته و تاب‌آوری تولید در این بخش راهبردی بسیار حائز اهمیت است (نخلی و باستانی، 1402). تاب‌آوری تولید کشاورزی به توانایی تولید برای مقاومت و بازیابی در برابر تکانه‌های مختلف نظیر تغییرات آب‌و‌هوایی و شوک‌های اقتصادی در عین حفظ بهره‌وری و تأمین امنیت غذایی اشاره دارد (Meuwissen & et al., 2019).

تاب‌آوری تولیدات کشاورزی به‌صورت قابل‌توجهی تحت تأثیر تغییرات اقلیمی در سطح جهان است که به‌عنوان یکی از مخاطرات غیرقابل اجتناب برای توسعه پایدار کشاورزی، معیشت کشاورزان و امنیت غذایی شناخته می­شود (Lipper et al., 2014). وقوع تغییرات اقلیمی نه‌تنها بر بهره­وری تولید کشاورزی و منابع غذایی اثر منفی دارد بلکه باعث هدررفت دارایی مولد، تشدید فقر در روستا، کاهش تقاضا برای کالاها و خدمات صنعتی و بهره­برداری بی­رویه از منابع طبیعی می­شود. ازاین­رو، کشورهای در‌حال‌توسعه ازجمله ایران که با کمبود سرمایه مواجه هستند، بیش‌تر در معرض خسارت­های حاصل از تغییرات اقلیمی بر تولید قرار دارند. افزایش تولید و پایداری آن با توجه به تغییرات اقلیمی می­تواند با استفاده از فناوری کارآمد و بهره‌گیری از تحقیق و توسعه به‌ویژه در بذور پُرمحصول و مقاوم، کودهای شیمیایی نانو یا ابرجاذب آب نیز واقع شود (Tyler & et al., 2013; Wilhite & Buchanan, 2005; Kusku & et al., 2010). همچنین، تاب­آوری تولید می­تواند تحت تأثیر مقدار عرضه نهاده مورد نیاز جهت تولید باشد. بر‌این‌اساس، در‌صورتی‌که کود مورد نیاز در اختیار کشاورز قرار گیرد و آن را به میزان بهینه مصرف نماید، بهره­وری تولید افزایش می­یابد (Pan & et al., 2023). ازسوی‌دیگر، با توجه به ارتباط میان قیمت و عرضه، ابزار قیمت به‌عنوان یکی دیگر از مؤلفه­هایی است که دولت با تنظیم آن در جهت افزایش تولید محصولات تلاش می­کند (Li & et al., 2022). تحریم­های اقتصادی نیز از جهات مختلف وضعیت تاب­آوری تولید کالاهای راهبردی کشاورزی ایران را متأثر نموده که می‌توان در این خصوص به کمبود نهاده باکیفیت، محدودیت در بازارهای صادراتی، افزایش هزینه­های وارداتی، اُفت کیفیت تولید به‌دلیل عدم توفیق در واردات سموم باکیفیت، عدم توفیق در جذب سرمایه­گذاری خارجی، هزینه بر شدن تعاملات پولی، کاهش ذخیره‌های ارزی و رواج نظام چندنرخی ارز، کاهش درآمدهای دولت و کاهش بودجه‌های سرمایه‌ای و نااطمینانی در تولید و تجارت اشاره نمود (فریادرس، 1394؛Nakhli & et al., 2021 ). به‌طورکلی عوامل اثرگذار بر تولید کشاورزی به دو دسته عوامل درونی و بیرونی تقسیم می­شوند که از عوامل درونی تولید می‌توان به: سطح زیرکشت، مصرف نهاده­ها، مکانیزاسیون، تحقیق و توسعه، هزینه­های واقعی تولید، مصرف نهاده­ها و قیمت فروش محصول و از عوامل بیرونی که به‌صورت غیرقابل کنترل بر تولید اثر می­گذارند می‌توان به میزان حمایت از تولیدکنندگان، تحریم­های اقتصادی، جنگ، تغییرات آب‌و‌هوایی، نرخ ارز، درجه باز بودن اقتصاد، شوک نفتی، تورم و ضریب جینی اشاره نمود (شاکری بستان‌آبادی، 1400؛ Nakhli & Rafei, 2025).

3. روش پژوهش

مطالعه­ پیش­رو، به‌منظور برآورد الگوی تاب­آوری تولید کالاهای راهبردی کشاورزی ایران، با توجه به نوع داده­های مورد بررسی، از الگوی داده­های تابلویی استفاده کرده است که مقادیر تولید کالاهای راهبردی کشاورزی ایران در جایگاه مقاطع قرار می‌گیرند و از اطلاعات سال­های 1381-1402 استفاده شده است. مزیت استفاده از روش داده­های تابلویی، افزایش قدرت آماری ضرایب در مقایسه با تجزیه‌و‌تحلیل داده­های آماری به‌صورت سری­های زمانی یا مقطعی است که سبب می‌شود تأثیراتی که نمی­توان در داده­های مقطعی و سری زمانی مجزا مشاهده کرد، بهتر مشاهده شود (Nerlove, 2000) و این روش برای مطالعه پویای تغییرات مناسب‌تر و بهتر است و به‌دلیل استفاده از دامنه آمار و اطلاعات به مراتب بیش‌تر، برآوردها به مراتب کاراتر می‌شود (Gujarati, 2022). در الگوی داده­های تابلویی در‌صورتی‌که متغیر مستقل در طول زمان متفاوت اما برای همه مقاطع یکسان باشد، به‌منظور جلوگیری از مشکل هم­خطی، الگوی اثرهای ثابت مقطعی پیشنهاد می­شود (Baltagi, 2008). همچنین، به‌منظور حداقل­سازی پراکندگی مشاهدات و تفسیر ضرایب به‌صورت کشش، متغیرهای مورد بررسی به‌صورت لگاریتمی در نظر گرفته شدند و به‌منظور جلوگیری از برآورد رگرسیون کاذب، وضعیت همگرایی متغیرها با استفاده از آزمون­ کائو[9] مورد بررسی قرار گرفته است (Hsiao, 2003).

با بررسی مطالعات انجام شده در محاسبه میزان تاب­آوری، نوسان تولید کالاهای راهبردی کشاورزی ایران (که شامل اجزاء دوره[10] و روند[11] است) نسبت به روند خود، به‌عنوان نماینده­ای از تاب­آوری تولید در مقاطع در نظر گرفته می‌شود (نخلی و باستانی، 1402) و سپس به برآورد الگو با لحاظ متغیرهای مستقل به‌عنوان متغیرهای مؤثر بر تاب­آوری پرداخته می­شود. با توجه به اینکه متغیرهای مستقل در برآورد تاب‌آوری تولید تولیدات دامی متفاوت از محصولات زراعی است، دو الگو به‌صورت مجزا مورد برآورد قرار گرفته و با توجه به تمایز قابل‌توجه در سطح مقاطع و البته وجود متغیرهای مستقل ثابت در سطح مقاطع، از الگوی داده­های تابلویی اثرهای ثابت مقطعی استفاده می­شود. بدین‌ترتیب، الگوی تاب­آوری تولید کالاهای راهبردی کشاورزی ایران به‌صورت ذیل برآورد می­شود.

رابطه 1)

در رابطه فوق،  بیانگر تاب­آوری تولید برآورد شده برای محصول i در زمان t است.  نیز عرض از مبدأ تاب‌آوری تولید متناسب با هر محصول است که به‌صورت تابعی از ویژگی­های خاص آن محصول است و  نیز شیب تابع تاب‌آوری تولید و  متغیرهای مستقل مورد بررسی در دوره زمانی t است.

در تصریح الگوی رابطه (1)، مبتنی بر پژوهش­های مذکور در قسمت مبانی نظری و پیشنه تحقیق و همچنین مبتنی بر شاکری بستانآبادی و همکاران (1400)، احسانی و شکوهی (1401)، حسنی و همکاران (1397)، فریادرس (1394)، نخلی و باستانی (1402)، لیپر و همکاران[12] (2014)، مورکوناس و همکاران (2020)، بورکار[13] (2019)، کان و همکاران[14] (2024)، پن و همکاران[15] (2023)، چمریس و همکاران[16] (2022)، نخلی و همکاران[17] (2021)، رفیعی و همکاران (2016)، متغیر نوسان تولید نسبت به روند محصولات زراعی به‌عنوان نماینده­ای از تاب­آوری تولید کالاهای راهبردی کشاورزی ایران به‌صورت تابعی از سطح زیرکشت، تعداد تراکتور به‌عنوان نماینده از مکانیزاسیون، مخارج تحقیق و توسعه بخش کشاورزی، هزینه­ واقعی تولید، مصرف نهاده­های تولیدی نظیر کود شیمیایی و بذر، قیمت فروش محصول، میزان یارانه پرداختی به تولیدکننده، متغیر مجازی تحریم­های اقتصادی، درآمد ملی واقعی سرانه، میزان بارندگی به‌عنوان نماینده تغییرات آب‌و‌هوایی، شوک نفتی و ضریب جینی و همچنین متغیر نوسان تولید نسبت به روند تولیدات دامی نیز به‌عنوان نماینده­ای از تاب­آوری تولیدات دامی به‌صورت تابعی از تعداد واحدهای دامداری، قیمت فروش تولیدات دامی، بارندگی، مخارج تحقیقات و توسعه، یارانه، درآمد ملی واقعی سرانه، مصرف نهاده­های تولیدی (خوراک دام) نظیر یونجه، ذرت و جو، هزینه واقعی تولید، شوک نفتی، ضریب جینی و تحریم تعریف شده است. در پژوهش حاضر، 9 محصول راهبردی شامل گندم، جو، برنج، روغن، گوشت قرمز، گوشت مرغ، تخم‌مرغ، شیر و پنبه در نظر گرفته شده و داده­های مورد استفاده نیز با مراجعه به تارنمای شرکت مدیریت منابع آب ایران (قسمت آمار و اطلاعات)[18]، وزارت جهاد کشاورزی (مرکز آمار، فناوری و اطلاعات، آمارنامه کشاورزی[19])، مرکز آمار جمهوری اسلامی ایران (اطلاعات بخش کشاورزی، جنگل‌داری و شیلات)[20] و بانک مرکزی جمهوری اسلامی ایران (بانک اطلاعات سریهای زمانی اقتصادی)[21] استخراج و جمع­آوری شده است.

4. یافته‌های پژوهش

در برآورد الگوهای داده­های تابلویی، بررسی وضعیت ایستایی متغیرها برای جلوگیری از رخ‌دادن پدیده رگرسیون کاذب در هنگام برآورد الگو نخستین و مهم­ترین گام است که برای این منظور از پنج آزمون لوین[22]، بریتانگ[23]، IPS[24]، ADF-F[25] و PPF[26] که کاربرد بیشتری در بررسی پایایی متغیرها در داده­های ترکیبی دارند، در قالب جدول (1) استفاده شده است. همان‌طور که مشاهده می­شود، ضریب جینی، نرخ ارز غیررسمی، نوسان تولید از روند کالاهای راهبردی، سطح زیرکشت، تعداد واحدهای دامداری، قیمت فروش کالاهای راهبردی، مقدار تولید ذرت علوفه­ای، مقدار تولید سویا، هزینه واقعی تولید تولیدات دامی، میزان یارانه پرداختی و درآمد ملی واقعی سرانه با یک‌بار تفاضل­گیری و سایر متغیرهای مورد بررسی در سطح ایستا هستند.

جدول (1): نتایج آزمون ریشه واحد متغیرهای الگو

نام متغیر

توضیحات

نوع آزمون

آماره محاسباتی

سطح احتمال

وضعیت ایستایی

ProC

نوسان تولید نسبت به روند محصولات راهبردی زراعی

Levin, Lin & Chu

32/5-

001/0

I(1)

Breitung

44/2-

007/0

Im, Pesaran & Shin

55/8-

001/0

ADF-Fisher

20/10

001/0

PP-Fisher

80/10

001/0

ProL

نوسان تولید نسبت به روند محصولات راهبردی دامی

Levin, Lin & Chu

24/4-

001/0

I(0)

Breitung

73/1-

041/0

Im, Pesaran & Shin

56/3-

001/0

ADF-Fisher

37/27

001/0

PP-Fisher

31/42

001/0

Num

تعداد واحدهای دامداری

Levin, Lin & Chu

36/6-

001/0

I(1)

Breitung

67/2-

001/0

Im, Pesaran & Shin

12/5-

001/0

ADF-Fisher

85/36

001/0

PP-Fisher

91/43

001/0

Land

سطح زیرکشت

Levin, Lin & Chu

18/6-

001/0

I(1)

Breitung

04/2-

021/0

Im, Pesaran & Shin

30/9-

001/0

ADF-Fisher

90/10

001/0

PP-Fisher

70/10

001/0

Alfalfa

تولید یونجه

Levin, Lin & Chu

42/2-

007/0

I(0)

Breitung

49/4-

001/0

Im, Pesaran & Shin

61/1-

053/0

ADF-Fisher

33/13

091/0

PP-Fisher

07/14

071/0

Barley

تولید جو

Levin, Lin & Chu

02/5-

001/0

I(0)

Breitung

83/2-

002/0

Im, Pesaran & Shin

47/3-

001/0

ADF-Fisher

60/24

001/0

PP-Fisher

65/25

001/0

Corn

تولید ذرت دانه­ای

Levin, Lin & Chu

11/2-

017/0

I(0)

Breitung

22/2-

001/0

Im, Pesaran & Shin

99/1-

023/0

ADF-Fisher

80/17

022/0

PP-Fisher

05/29

001/0

PriceL

قیمت فروش محصولات دامداری

Levin, Lin & Chu

81/4-

001/0

I(1)

Breitung

8./3-

001/0

Im, Pesaran & Shin

30/3-

001/0

ADF-Fisher

50/24

001/0

PP-Fisher

75/23

001/0

PriceC

قیمت فروش محصولات راهبردی زراعی

Levin, Lin & Chu

12/3-

001/0

I(1)

Breitung

12/3-

001/0

Im, Pesaran & Shin

14/4-

001/0

ADF-Fisher

93/6

001/0

PP-Fisher

86/13

001/0

Rain

متوسط بارندگی کشور

Levin, Lin & Chu

19/8-

001/0

I(0)

Breitung

80/8-

001/0

Im, Pesaran & Shin

01/5-

001/0

ADF-Fisher

92/5

001/0

PP-Fisher

93/5

001/0

NI

درآمد ملی واقعی سرانه

Levin, Lin & Chu

35/6-

001/0

I(1)

Breitung

26/12-

001/0

Im, Pesaran & Shin

08/6-

001/0

ADF-Fisher

44/7

001/0

PP-Fisher

45/8

001/0

Open

تحریم و کاهش تعاملات اقتصادی

Levin, Lin & Chu

77/5-

001/0

I(0)

Breitung

39/8-

001/0

Im, Pesaran & Shin

58/4-

001/0

ADF-Fisher

85/5

001/0

PP-Fisher

51/3

037/0

Subsidy

میزان یارانه پرداختی

Levin, Lin & Chu

47/13-

001/0

I(1)

Breitung

44/10-

001/0

Im, Pesaran & Shin

23/10-

001/0

ADF-Fisher

6/11

001/0

PP-Fisher

29/23

001/0

Tractor

تعداد تراکتور

Levin, Lin & Chu

68/6-

001/0

I(0)

Breitung

31/6-

001/0

Im, Pesaran & Shin

81/2-

002/0

ADF-Fisher

92/37

018/0

PP-Fisher

92/37

018/0

Seed

مقدار مصرف بذر

Levin, Lin & Chu

27/5-

001/0

I(0)

Breitung

73/2-

003/0

Im, Pesaran & Shin

23/5-

001/0

ADF-Fisher

50/6

001/0

PP-Fisher

29/6

001/0

Fertil

مقدار مصرف کود شیمیایی

Levin, Lin & Chu

03/3-

001/0

I(0)

Breitung

39/2-

008/0

Im, Pesaran & Shin

71/2-

003/0

ADF-Fisher

20/4

006/0

PP-Fisher

35/6

001/0

GINI

ضریب جینی

Levin, Lin & Chu

45/7-

001/0

I(1)

Breitung

10/4-

001/0

Im, Pesaran & Shin

56/4-

001/0

ADF-Fisher

54/5

001/0

PP-Fisher

86/5

001/0

RD

مخارج تحقیقات و توسعه بخش کشاورزی

Levin, Lin & Chu

92/3-

001/0

I(0)

Breitung

01/4-

001/0

Im, Pesaran & Shin

88/2-

002/0

ADF-Fisher

01/4

011/0

PP-Fisher

61/8

001/0

Coil

نوسانات درآمد نفتی

Levin, Lin & Chu

09/8-

001/0

I(0)

Breitung

40/5-

001/0

Im, Pesaran & Shin

59/3-

001/0

ADF-Fisher

51/4

002/0

PP-Fisher

81/3

017/0

RCost

هزینه تولید واقعی محصولات زراعی

Levin, Lin & Chu

84/2-

002/0

I(0)

Breitung

46/2-

006/0

Im, Pesaran & Shin

56/3-

001/0

ADF-Fisher

90/4

001/0

PP-Fisher

35/4

004/0

RCost

هزینه تولید واقعی تولیدات دامی

Levin, Lin & Chu

24/6-

001/0

I(1)

Breitung

27/2-

011/0

Im, Pesaran & Shin

39/5-

001/0

ADF-Fisher

47/38

001/0

PP-Fisher

39/37

001/0

منبع: (یافته­های پژوهش)

 

نتایج حاصل از بررسی همگرایی متغیرها در جدول­های (2) و (3) ارائه شده است. همان­طورکه در جدول­های (2) و (3) مشاهده می­شود، با توجه به آماره محاسباتی و سطح احتمال آزمون کائو، پسماند الگوی همگرایی بلندمدت تاب­آوری تولید کالاهای راهبردی­ کشاورزی ایران ایستا بوده و وجود رابطه بلندمدت میان متغیرهای الگو تأیید می­شود.

 

 

جدول (2): نتایج آزمون همگرایی بلندمدت الگوی تاب­آوری تولید محصولات راهبردی زراعتی

آزمون

آماره محاسباتی

سطح احتمال

Kao

71/6-

001/0

منبع: (یافته­های پژوهش)

 

جدول (3): نتایج آزمون همگرایی بلندمدت الگوی تاب­آوری تولید محصولات راهبردی دامی

آزمون

آماره محاسباتی

سطح احتمال

Kao

57/2-

005/0

منبع: (یافته­های پژوهش)

 

پس از اطمینان از عدم برآورد رگرسیون کاذب و تأیید فرضیه وجود ارتباط بلندمدت الگوی تاب­آوری تولید کالاهای راهبردی کشاورزی ایران، الگوی تاب­آوری بلندمدت کالاهای راهبردی کشاورزی ایران به روش رگرسیون داده­های تابلویی اثرهای ثابت برآورد شده است. نتایج حاصل از برآورد الگوی داده­های تابلویی با اثرات ثابت در جدول­های (4) و (5) ارائه شده است. همان­طورکه در جدول (4) مشاهده می­شود، در این الگو، به جز مقدار بذر مصرفی، سطح زیر کشت و مخارج تحقیقات و توسعه، اثرگذاری سایر متغیرها به لحاظ آماری معنادار نیست.

جدول (4): نتایج برآورد الگوی داده­های تابلویی اثرهای ثابت (محصولات زراعی)

نام متغیر

توضیحات

ضریب

آماره t

سطح احتمال

Land

سطح زیرکشت

063/1

283/4

001/0

PriceC

قیمت فروش محصولات زراعی

004/0-

171/0-

864/0

Rain

متوسط بارندگی کل کشور

161/0

551/1

122/0

R&D

مخارج تحقیقات و توسعه بخش کشاورزی

188/0

915/1

056/0

Subsidy

میزان یارانه پرداختی

005/0

109/0

912/0

Dsanc

تحریم و کاهش تعاملات اقتصادی بین‌المللی

272/0

397/1

163/0

NI

درآمد ملی واقعی سرانه

015/0

061/0

950/0

Tractor

تعداد تراکتور

140/0

924/0

356/0

Seed

مقدار بذر مصرفی

106/0

003/3

003/0

Fertil

مقدار کود شیمیایی مصرفی

010/0

229/0

818/0

Coil

نوسانات درآمد نفتی

001/0-

783/0-

434/0

GINI

ضریب جینی

137/0-

501/0-

616/0

Rcost

هزینه واقعی تولید محصولات زراعی

029/0-

362/1-

174/0

C

عرض از مبدأ

165/4-

175/1-

241/0

 

 

 

R-squared =99/0

 

 

 

Adjusted R-squared = 99/0

 

 

 

Durbin-Watson stat =27/1

منبع: (یافته­های پژوهش)

 

همچنین، در جدول (5) مشاهده می­شود که متغیرهای تعداد واحدهای دامداری، قیمت فروش تولیدات دامی، درجه باز بودن اقتصاد و مقدار تولید یونجه به‌لحاظ آماری معنادار هستند. باوجود‌این، علی‌رغم تأیید مبانی نظری، متغیرهایی در الگو وجود دارند که اثرگذاری آن‌ها بر تاب‌آوری به لحاظ آماری معنادار نیست.

جدول (5): نتایج برآورد الگوی داده­های تابلویی اثرهای ثابت (تولیدات دامی)

نام متغیر

توضیحات

ضریب

آماره t

سطح احتمال

Num

تعداد واحدهای دامداری

455/0

383/8

001/0

PriceL

قیمت فروش تولیدات دامی

158/0

815/4

001/0

Rain

متوسط بارندگی کل کشور

044/0

412/0

681/0

R&D

مخارج تحقیقات و توسعه بخش کشاورزی

129/0

841/0

403/0

Subsidy

میزان یارانه پرداختی

031/0

724/0

471/0

Dsanc

تحریم و کاهش تعاملات اقتصادی بین‌المللی

385/0-

793/1

077/0

NI

درآمد ملی واقعی سرانه

055/0-

312/0-

756/0

Corn

مقدار تولید ذرت دانه­ای

078/0

909/0

371/0

Alfalfa

مقدار تولید یونجه

361/0

039/2

045/0

Barley

مقدار تولید جو

106/0

471/1

146/0

Coil

نوسانات درآمد نفتی

001/0-

725/0-

471/0

GINI

ضریب جینی

383/1-

529/1-

131/0

Rcost

هزینه واقعی تولید تولیدات دامی

033/0-

078/1-

285/0

C

عرض از مبدأ

723/3

983/0

329/0

 

 

 

R-squared =95/0

 

 

 

Adjusted R-squared = 94/0

 

 

 

Durbin-Watson stat =17/1

منبع: (یافته­های پژوهش)

 

معیارهای برازندگی برآورد الگو نیز حاکی است که علی‌رغم قدرت توضیح­دهندگی بالای الگوی اثرهای ثابت (ضریب تعیین و ضریب تعیین تعدیل شده 99 درصد در الگوی محصولات زراعی و 95 درصد در الگوی تولیدات دامی)، بنا بر آماره دوربن واتسون مشکل خودهمبستگی مثبت وجود دارد؛ بنابراین ممکن است عدم معناداری ضرایب و حتی جهت اثرگذاری مغایر برخی از ضرایب با مبانی نظری، به‌دلیل وجود مسئله خودهمبستگی باشد؛ بنابراین، به‌منظور رفع مشکل خودهمبستگی، الگوهای داده­های تابلویی GLS برای هر دو گروه برآورد می­شود که نتایج آن در جدول­های (6) و (7) ارائه شده است.

 

 

جدول (6): نتایج برآورد الگوی داده­های تابلویی GLS (محصولات زراعی)

نام متغیر

توضیحات

ضریب

آماره t

سطح احتمال

Land

سطح زیرکشت

676/0

5959/

001/0

Price

قیمت فروش محصولات زراعی

12/0

015/2

045/0

Rain

متوسط بارندگی کل کشور

255/0

064/4

001/0

R&D

مخارج تحقیقات و توسعه بخش کشاورزی

16/0

503/4

001/0

Subsidy

میزان یارانه پرداختی

24/0

91/2

004/0

Dsanc

تحریم و کاهش تعاملات اقتصادی بین‌المللی

11/0-

465/4-

001/0

NI

درآمد ملی واقعی سرانه

032/0

347/0

728/0

Tractor

تعداد تراکتور

199/0

404/3

001/0

Seed

مقدار بذر مصرفی

067/0

555/3

001/0

Fertil

مقدار کود شیمیایی مصرفی

02/0

424/2

022/0

Coil

نوسانات درآمد نفتی

02/0-

201/3-

001/0

GINI

ضریب جینی

09/0-

206/2-

028/0

Rcost

هزینه واقعی تولید محصولات زراعی

026/0-

888/3-

001/0

C

عرض از مبدأ

66/1

863/2

004/0

 

 

 

R-squared =99/0

 

 

 

Adjusted R-squared = 99/0

 

 

 

Durbin-Watson stat =80/1

منبع: (یافته­های پژوهش)

 

بر اساس اعداد مندرج در جدول (6)، آماره دوربین واتسون پس از برآورد الگوی مذکور، حدود 80/1 بوده که حاکی از عدم وجود خودهمبستگی است. علاوه‌بر‌این مشاهده می­شود که معناداری ضرایب بهبود پیدا کرده است.

مطابق با نتایج، سطح زیرکشت، متوسط بارندگی و میزان یارانه پرداختی بیش‌ترین اثر را بر تاب‌آوری تولید کالاهای راهبردی کشاورزی ایران داشته­­اند. بدین‌ترتیب، اگر سطح زیرکشت تولید محصولات یک درصد افزایش یابد، مقدار تاب‌آوری نیز معادل 676/0 درصد افزایش پیدا می­کند؛ چراکه با افزایش سطح زیرکشت، مقدار تولید به‌صورت طبیعی افزایش می­یابد. افزایش یک‌درصدی در متوسط بارندگی و میزان یارانه پرداختی نیز میزان تاب‌آوری محصولات زراعی را به اندازه 255/0 و 24/0 درصد افزایش خواهد داد که اثرگذاری معنادار متوسط بارندگی به‌دلیل ارتباط مستقیم بارندگی و میزان تولید محصولات زراعی است و با مطالعات باستانی و همکاران (1400) انطباق دارد. همچنین اثرگذاری معنادار یارانه پرداختی نیز به‌دلیل ارتباط مستقیم حمایت‌های دولتی در قالب یارانه‌ها است. قیمت محصولات زراعی نیز اثر معنادار و مثبتی بر تاب‌آوری تولید محصولات زراعی دارد و با افزایش یکدرصدی، میزان تاب‌آوری تولید را 12/0 درصد افزایش می‌دهد که این نیز به تأثیر قیمت بر افزایش تولید محصولات زراعی برمی‌گردد. علاوه‌بر‌این، طبق جدول (6)، مخارج تحقیقات و توسعه بخش کشاورزی نیز اثر مثبت و معنا­داری بر تاب‌آوری تولید کالاهای راهبردی کشاورزی ایران دارد که البته اثر آن نسبت به متغیرهای سطح زیر کشت و بارندگی کم‌تر است و دلیل آن غلبه سنتیبودن کشاورزی در کشور و عدم سرریز و تأثیرگذاری تحقیقات و توسعه بخش کشاورزی بر تولید واقعی این بخش می‌باشد. بر‌این‌اساس، یک درصد افزایش در مخارج تحقیقات و توسعه بخش کشاورزی، تولید را به میزان 16/0 درصد افزایش می­دهد. تعداد تراکتور به‌عنوان نماینده‌ای از خودکارسازی در بخش زراعی کشور نیز رابطه مثبتی بر تاب‌آوری تولید کالاهای زراعی داشته و با افزایش یک درصدی، باعث افزایش 199/0 درصدی در تاب‌آوری می‌شود. دو نهاده بذر و کود شیمیایی نیز اثر مثبت و معناداری بر تاب‌آوری تولید داشته و با افزابش یک درصدی، منجر به افزایش 067/0 و 02/0 درصدی می‌شوند. مقایسه نتایج تحقیق با سایر مطالعات قبلی انجام شده نشان می‌دهد نتایج با مطالعات حسینی و حسن‌پور (1384)، حسینی و حسن‌پور (1385)، حسینی و خالدی (1383)، حسینی و همکاران (1390)، حسینی و شهبازی (1391)، حسینی و شهبازی (1392) و حسینی و شهبازی (1393) منطبق است.

تحریم‌های اقتصادی نیز متغیر دیگری است که اثر منفی و معنا­دار بر تاب‌آوری تولید دارد و با شدت یک درصدی تحریم‌ها، میزان تاب‌آوری تولید زراعی کشور 11/0 درصد کاهش پیدا می‌کند که این نیز به‌دلیل ایجاد محدودیت در دسترسی به نهاده، فناوری و منابع مالی به‌واسطه تشدید تحریم‌های اقتصادی است و دلیل تأثیرگذاری کم‌تر تحریم‌های اقتصادی به نسبت متغیرهایی نظیر سطح زیر کشت و بازندگی، غالباً درونزابودن تولید این بخش و وابستگی اندک به متغیرهایی است که از تحریم‌ها اثر جدی می‌پذیرند. نابرابری در توزیع درآمد که ضریب جینی به‌عنوان نماینده برای آن درنظر گرفته‌شده نیز می­تواند به‌عنوان شاخصی از نابرابری کشاورزان در توزیع زمین و امکانات تولید بر تاب‌آوری تولید زراعی مؤثر باشد. طبق نتایج برآورد الگو، با افزایش یک درصدی در ضریب جینی و افزایش نابرابری، تاب‌آوری تولید زراعی در کشور به میزان 09/0 درصد کاهش می‌یابد که با مطالعات ژنگ و همکاران[27] (2013) و ساینی و همکاران[28] (2022) انطباق دارد. نوسانات درآمدهای نفتی نیز که خود را در توسعه زیرساخت‌های روستایی و هزینه‌کرد دولت در به‌کارگیری فناوری‌های نوین کشاورزی نشان می‌دهد نیز اثر منفی بر تاب‌آوری تولید داشته و با افزایش یکدرصدی، باعث کاهش 02/0 درصدی تاب‌آوری تولید می‌شود. هزینه واقعی تولید نیز اثر منفی بر میزان تاب‌آوری تولید زراعی داشته و منجر به کاهش 026/0 درصدی می‌شود. درآمد ملی واقعی سرانه نیز اگرچه اثر مثبتی بر تابآوری تولید زراعی دارد؛ اما به‌لحاظ آماری معناداری نیست.

جدول (7): نتایج برآورد الگوی داده­های تابلویی GLS (تولیدات دامی)

نام متغیر

توضیحات

ضریب

آماره t

سطح احتمال

Num

تعداد واحدهای دامداری

431/0

861/9

001/0

PriceL

قیمت فروش تولیدات دامی

23/0

212/6

001/0

Rain

متوسط بارندگی کل کشور

084/0

656/0

494/0

R&D

مخارج تحقیقات و توسعه بخش کشاورزی

162/0

092/2

047/0

Subsidy

میزان یارانه پرداختی

196/0

140/2

03/0

Dsanc

تحریم و کاهش تعاملات اقتصادی بین‌المللی

152/0-

202/3

002/0

NI

درآمد ملی واقعی سرانه

016/0

159/0

873/0

Corn

مقدار تولید ذرت دانه­ای

221/0

091/2

036/0

Alfalfa

مقدار تولید یونجه

346/0

294/3

001/0

Barley

مقدار تولید جو

101/0

169/3

002/0

Coil

نوسانات درآمد نفتی

001/0-

089/2-

041/0

GINI

ضریب جینی

099/0-

375/2-

005/0

Rcost

هزینه واقعی تولید تولیدات دامی

14/0-

007/2-

049/0

C

عرض از مبدأ

356/1

836/1

071/0

 

 

 

R-squared =99/0

 

 

 

Adjusted R-squared = 98/0

 

 

 

Durbin-Watson stat =84/1

منبع: (یافته­های پژوهش)

 

علاوه‌بر‌این، همان­طورکه در جدول (7) مشاهده می­شود، آماره دوربین واتسون در تولیدات دامی به میزان 84/1 نیز حاکی از عدم وجود خودهمبستگی و بهبود معناداری ضرایب است. مطابق با نتایج، تعداد واحدهای دامداری، قیمت فروش تولیدات دامی و تولید نهاده‌های تولیدات دامی بیش‌ترین اثرها را بر تاب‌آوری تولید تولیدات دامی داشته­­اند. طبق نتایج با افزایش تعداد واحدهای دامداری به میزان یک درصد، تاب‌آوری تولید دامی کشور به میزان 431/0 درصد افزایش می­یابد که با توجه به خرده مالکی در حوزه دامی، افزایش تعداد واحدهای تولیدی می‌تواند در افزایش تاب‌آوری تولید مؤثر باشد و این نتیجه با مبانی نظری نیز انطباق دارد. علاوه‌بر‌این، افزایش یکدرصدی قیمت تولیدات دامی نیز باعث افزایش 23/0 درصدی تاب­آوری می‌شود. تولید نهاده‌های دام نظیر یونجه، جو و ذرت دانه‌ای نیز اثر مثبت و معناداری بر تاب‌آوری تولید تولیدات دامی دارد که این نیز با مبانی نظری منطبق است. مانند بخش زراعی، یارانه‌های پرداختی و هزینه‌های تحقیق و توسعه نیز با ضرایب 196/0 و 162/0 بر تاب‌آوری تولید محصولات زراعی اثر مثبت و معناداری دارند که این نیز منطبق با اثرگذاری حمایت‌های دولتی از بخش دامی و همچنین کمک بخش تحقیق و توسعه به افزایش و پایداری تولید تولیدات دامی است و دلیل کم‌تربودن تأثیر هزینه‌های تحقیق و توسعه بخش کشاورزی، غلبه سنتیبودن کشاورزی در کشور و عدم سرریز و تأثیرگذاری تحقیقات و توسعه بخش کشاورزی بر تولید واقعی این بخش است. تحریم‌ها نیز اثر منفی و معناداری با تاب‌آوری تولید دامی داشته و یک درصد افزایش آن باعث کاهش تاب‌آوری تولید تولیدات دامی به اندازه 152/0 درصد افزایش می‌شود که با مطالعه بی­نیاز و محمدی (1397) انطباق دارد و و دلیل تأثیرگذاری کم‌تر تحریم‌های اقتصادی به نسبت متغیرهایی نظیر تعداد واحدهای دامداری، قیمت فروش و نهاده‌های تولیدی بخش دام، غالباً درون‌زابودن تولید این بخش و وابستگی اندک به متغیرهایی است که از تحریم‌ها اثر جدی می‌پذیرند. ضریب جینی به‌عنوان نماینده نابرابری و دسترسی دامداران به امکانات تولید در بین دامداران نیز اثر منفی و معناداری با تاب‌آوری تولید دامی داشته و با افزایش یک درصدی، تاب‌آوری تولید تولیدات دامی را به اندازه 099/0 درصد کاهش می‌دهد. متغیرهای نوسانات درآمد نفتی و هزینه تولید نیز بر تاب‌آوری تولید تولیدات دامی اثر منفی و معنادار داشته و یک درصد افزایش در آن­ها، تاب‌آوری تولید را به اندازه 001/0 و 14/0 درصد کاهش می­دهد.

به‌منظور اطمینان از صحت الگوهای برآورد شده و عدم نقض فروض کلاسیک، وضعیت نرمال‌بودن جزء اخلال نیز با آزمون جارک و برا[29] بررسی شده است (Jarque & Bera, 1981) و طبق نتایج جدول (8)، فرضیه نرمال بودن جزء اخلال در الگوهای برآورد شده پذیرفته می­شود و نتایج الگوها قابل اطمینان است.

جدول (8): نتایج آزمون نرمال بودن جزء اخلال الگو

الگوی برآورد شده

آماره جارکوبرا

سطح معناداری

الگوی محصولات زراعی راهبردی

06/4

33/0

الگوی تولیدات دامی

08/0

95/0

منبع: (یافته­های پژوهش)

 

نتیجه­‌گیری

در پژوهش حاضر، پس از بررسی مطالعات پیشین و مبانی نظری حوزه تاب‌آوری، به شناسایی و برآورد میزان اثرگذاری عوامل مؤثر بر تاب­آوری کالاهای راهبردی کشاورزی ایران در قالب دو الگوی مجزا برای محصولات زراعی و دامی به‌سبب تفاوت در متغیرهای مستقل اثرگذار بر سطح تولید مبادرت شده است و برای برآورد فوق‌الذکر از روش آماری و سنجی در قالب الگوی داده‌های تابلویی طبق داده‌های سال‌های 1381-1402 استفاده شده است.

پیش از برآورد الگوها، ریشه واحد متغیرهای الگو در قالب آزمون‌های لوین، بریتانگ، IPS، ADF-F و PPF مورد بررسی قرار گرفت و پس از اطمینان از عدم برآورد رگرسیون کاذب و تأیید فرضیه وجود ارتباط بلندمدت در برآورد الگوی تاب‌آوری، الگوی تاب­آوری بلندمدت کالاهای راهبردی کشاورزی ایران به روش رگرسیون داده­های تابلویی اثرهای ثابت برآورد شد و به‌دلیل وجود مشکل خودهمبستگی در الگو، از الگوهای داده­های تابلویی GLS برای هر دو گروه محصولات استفاده شد.

نتایج برآورد نشان داد که تاب­آوری تولید کالاهای راهبردی تحت تأثیر مستقیم متغیرهای سطح زیرکشت و تعداد واحدهای دامداری قرار دارد. بر‌این‌اساس، پُرواضح است که زیرکشت‌بردن اراضی جدید یا اضافه‌شدن واحدهای دامداری منجر به افزایش تاب‌آوری محصولات کشاورزی می‌شود که البته باید در کنار موارد مذکور، افزایش بهره­وری نیز برای تأمین امنیت غذایی کشور مدنظر قرار گیرد؛ بنابراین پیشنهاد می‌شود سیاست­های حمایتی در راستای توسعه فیزیکی تولید محصولات کشاورزی، متناسب با ظرفیت­های داخلی مدنظر سیاست‌گذاران قرار گیرد. بر اساس نتایج، قیمت فروش محصولات هم در محصولات زراعی هم دامی عامل افزایش تاب­آوری تولید می‌باشد. قیمت فروش محصولات با ایجاد انگیزه در دامدار و کشاورز برای تولید بیش‌تر، منجر به افزایش تاب­آوری تولید محصولات می‌شود. علاوه‌بر‌این، یارانه پرداختی به بخش کشاورزی نیز اثر معنادار و مثبتی بر تاب­آوری تولید کالاهای راهبردی کشاورزی ایران دارد که این اثر به‌دلیل تأثیر حمایت‌های دولتی از بخش کشاورزی ایران است؛ بنابراین، پیشنهاد می­شود دولت از طریق حمایت‌های قیمتی نظیر سیاست قیمت تضمینی طبق طبقه­بندی قیمت خرید بر اساس کیفیت محصول تولیدی و تعیین به موقع و بهینه قیمت و همچنین خرید به موقع محصولات و همزمان هدفمند نمودن صحیح یارانه­ها و تزریق بهینه آن، زمینه تشویق کشاورزان در تولید محصولات و همچنین افزایش کارایی و کیفیت محصولات را فراهم نماید. بارندگی نیز به‌عنوان نماینده مؤلفه زیست‌محیطی تاب­آوری تولید کالاهای راهبردی کشاورزی، بر تولید محصولات به‌خصوص محصولات زراعی اثر مثبت و معنی­داری داشته است و به‌طورمستقیم در تولید محصولات زراعی و غیرمستقیم و از طریق اثرگذاری بر نهاده‌های تولید، بر تولید تولیدات دامی اثرگذار است؛ بنابراین پیشنهاد می­شود، دولت به‌منظور ارتقاء تاب‌آوری تولید محصولات کشاورزی موضوع مدیریت آب­های سطحی با هدف تأمین آب مورد نیاز بخش کشاورزی را به جد مورد توجه قرار دهد. میزان تأمین نهاده­ها نیز بر تاب‌آوری تولید کالاهای راهبردی کشاورزی اثر معناداری و مثبتی داشته است. به‌طوری‌که تولید تولیدات دامی به میزان قابل‌توجه تحت تأثیر تولید جو و یونجه و ذرت دانه­ای و تولید محصولات زراعی، تحت تأثیر بذر مصرفی و کود شیمیایی بوده است. بر‌این‌اساس، پیشنهاد هدایت سیاست‌های حمایتی دولت به‌سمت تأمین مطلوب و به موقع نهاده‌های زراعی و دامی با قیمت مناسب برای کشاورزان ارائه می‌شود. نتایج پژوهش نشان می‌دهد که مخارج تحقیقات و توسعه بخش کشاورزی نیز اثر مثبت و معناداری بر تاب­آوری تولید محصولات دارد. ترویج کشاورزی، توسعه فناوری‌های نوین این بخش و همچنین معرفی ارقام پُرمحصول و اصلاح بذور در بخش زراعی و اصلاح نژاد دام در بخش دامی می‌توانند از طریق افزایش بهره­وری تولید، تاب‌آوری تولید محصولات کشاورزی کشور را افزایش دهند.

مطابق با الگوهای برآورد شده، ضریب جینی نیز اثر منفی و قابل‌توجهی بر تاب‌آوری تولید کالاهای راهبردی کشاورزی ایران دارد. این موضوع بیانگر تأثیر منفی توزیع نابرابر درآمد و تأثیر عدم دسترسی مناسب و عادلانه کشاورزان به امکانات تولید بر تاب‌آوری تولید محصولات کشاورزی کشور است که پیشنهاد می­شود با هدفمندنمودن تسهیلات تخصیصی به کشاورزان، زمینه تغییر شیوه تولید و بهره­برداری صحیح از منابع در راستای ایجاد درآمد پایدار برای کشاورزان و دامداران فراهم شود. علاوه‌بر‌این تحریم‌های اقتصادی نیز طبق الگوهای برآورد شده اثر منفی و معناداری بر سطح تولید کالاهای راهبردی کشاورزی ایران داشته است که این تأثیر به ایجاد محدودیت در دسترسی به نهاده، فناوری‌های نوین، بازار‌های بین‌المللی و همچنین ایجاد مشکلات مالی و سرمایه‌گذاری و اخلال در زنجیره‌های تأمین به‌واسطه تشدید تحریم‌های اقتصادی بازمی­گردد. دراین‌راستا، پیشنهاد می­شود دولت از طریق حذف یا کاهش موانع تجاری، توسعه پیمان‌های اقتصادی دوجانبه و منطقه‌ای به‌ویژه با کشورهای طرف تعامل تجاری و استفاده از ظرفیت‌های تولید فراسرزمینی، موانع تجاری را تا حد امکان برداشته و در جهت روان‌سازی جریان تجاری با حداقل هزینه جهت برقراری و ثبات امنیت غذایی کشور حرکت نماید. نوسانات درآمد نفتی نیز متغیر است که اثرگذاری منفی آن بر سطح تولید محصولات کشاورزی به‌لحاظ آماری معنادار شده است. این مسئله می­تواند بیانگر وابستگی زیرساخت‌های تولیدی در کشور به‌ویژه در بخش کشاورزی به درآمدهای نفتی کشور باشد که در این خصوص پیشنهاد توسعه زیرساختی کشاورزی با هدایت حمایت­های دولتی به‌سمت توانمندسازی جوامع محلی و کشاورزی ارائه می‌شود. مطابق نتایج پژوهش هزینه واقعی تولید نیز بر تاب‌آوری تولید محصولات کشاورزی اثر منفی و معنادار دارد و درآمد ملی واقعی سرانه نیز متغیری است که بر تاب­آوری تولید کالاهای راهبردی کشاورزی ایران تأثیر معناداری ندارد.

به‌عنوان یک چهارچوب راهبردی برای افزایش گام‌به­گام و مرحله‌ای تاب‌آوری محصولات زراعی و دامی، می­توان به‌کارگیری سیاست­های حمایتی برای توسعه فیزیکی زیرساخت­های تولید محصولات کشاورزی نظیر سطح زیر کشت و واحدهای دامداری به‌خصوص توسعه کشت دیم در مناطق مناسب کشور و همچنین توسعه واحدهای دامداری در مناطق روستایی مناسب پرورش دام به‌عنوان اولویت اول، پیشنهاد داد. سپس تأمین آب محصولات زراعی و تأمین نهاده‌های محصولات دامی در اولویت دوم قرار دارد که لازم است بهره­وری آب از طریق توسعه زیرساخت­های انتقال و شبکه آب مدنظر قرار گرفته و زمینه لازم برای تولید هرچه بیش‌تر خوراک و نهاده‌های دامی از طریق تغییر الگوی کشت و سیاست­های حمایتی قیمتی و غیرقیمتی مدنظر قرار گیرد. در گام سوم پرداخت یارانه و تضمین سطح مناسبی از قیمت برای خرید محصولات زراعی و همچنین کمک به تعادل بازار برای کشف قیمت‌های مناسب برای فروش محصولات دامی نیز از اقداماتی است که باید مورد توجه سیاست‌گذار حوزه دام و زراعت کشور قرار گیرد. چهارمین اقدامی که باید از سوی سیاست‌گذار در اولویت قرار گیرد، توجه به خودکارسازی در حوزه زراعت و تحقیق و توسعه در حوزه دام است که از طریق به‌کارگیری دام اصلاح نژاد شده و همچنین توسعه ادوات و ماشین‌ها و فناوری‌های نوین و روش­های جدید زراعت قابل تحقق است.

 

 

 

ملاحظات اخلاقی

حامی مالی: این مقاله حامی مالی ندارد.

مشارکت نویسندگان: تمام نویسندگان در آماده‌سازی این مقاله مشارکت کرده‌اند.

تعارض منافع: بنابه اظهار نویسندگان، در این مقاله هیچ‌گونه تعارض منافعی وجود ندارد.

تعهد مالکیت معنوی: طبق تعهد نویسندگان، حق مالکیت معنوی (CC) رعایت شده است.



[1]. Quan & et al.

[2]. Usigbe  &et al.

[3]. Kumar & Kumar Singh

[4]. Ansah & et al.

[5]. Morkūnas & et al.

[6]. Analytic Hierarchy Process

[7]. Simple Additive Weighting

[8]. Bullock & et al.

[9]. Kao test

[10]. Cycle

[11]. Trend

[12]. Lipper & et al.

[13]. Borkar

[14]. Qun & et al.

[15]. Pan & et al.

[16]. Chemeris & et al.

[17]. Nakhli & et al.

[18]. https://data.wrm.ir/cs/Download/41/

[19]. https://dpe.maj.ir/amar

[20]. https://amar.org.ir/agricultural-statistics

[21]. https://tsdview.cis.cbi.ir/

[22]. Levin, Lin and Chu

[23]. Breitung

[24]. Im, Pesaran and Shin

[25]. ADF-Fisher

[26]. PP-Fisher

[27]. Zheng & et al.

[28]. Saini & et al.

[29]. Jarque and Bera test

Extended abstract

Purpose

Production is a core pillar of food security, particularly through ensuring availability. Understanding the resilience of production for strategic agricultural products is therefore essential for effective policymaking. This study aims to estimate and analyze the internal and external factors affecting the resilience of production of selected strategic agricultural products in Iran, with explicit attention to both short-term and long-term dimensions of resilience. By identifying the most influential determinants, the research seeks to provide an analytical basis for prioritizing policies that enhance the resilience and sustainability of Iran’s agricultural production system.

Design/Methodology/Approach

The study employs an applied econometric approach using panel data models to estimate the resilience of production for fourteen selected strategic agricultural products in Iran. Production resilience is operationalized through production series decomposed into trend and cyclical components, representing long-term and short-term resilience, respectively. To avoid exact multicollinearity arising from shared independent variables across products, a fixed-effects panel data model is applied. Prior to estimation, the stationarity of variables is tested using Levin–Lin–Chu, Breitung, IPS, ADF-Fisher, and PP-Fisher tests to prevent spurious regression. All variables are expressed in logarithmic form to reduce fluctuations and interpret coefficients as elasticities. The Kao test is employed to assess cointegration among variables. Independent variables include cultivated area, number of livestock and poultry units, mechanization, research and development, real production costs, input usage, product prices, producer support, economic sanctions, climate change, exchange rate, economic openness, oil income shocks, inflation, and the Gini coefficient. Separate models are estimated for crop products and for livestock and poultry products due to differences in explanatory variables.

Findings

The results indicate that cultivated area has the strongest positive effect on the production of strategic crop products in Iran, with a 1% increase in cultivated area leading to a 1.06% increase in production. In contrast, the Gini coefficient exerts the most significant negative effect: a 1% increase in income inequality reduces crop production by 0.29%. For livestock and poultry products, economic openness has a positive and significant effect, such that a 1% increase in openness raises production by 0.452%. Conversely, the Gini coefficient again shows a strong negative impact, with a 1% increase reducing production by 1.507%. Increases in livestock and poultry units positively affect production, while higher production of alfalfa and barley also significantly boosts livestock and poultry output. Oil income fluctuations negatively affect production, though the magnitude is small. Economic sanctions negatively influence livestock and poultry production, but this effect is not statistically significant.

Limitations/Research Implications

The study is subject to several limitations. First, its reliance on available panel data constrains the range of variables that can be included, particularly qualitative or institutional factors. Second, the analysis is context-specific to Iran, which may limit the generalizability of findings to other countries. Third, while production resilience is captured through trend and cycle components, longer time horizons and alternative resilience measures could provide deeper insights. Future research could extend the analysis by incorporating micro-level farm data, sectoral comparisons, or alternative indicators of resilience.

Practical Implications

The findings suggest that increases in production resilience in Iran have largely been driven by expanding cultivated land and increasing livestock and poultry units, approaches that are not sustainable in the long run. Policymakers should therefore prioritize productivity-enhancing strategies rather than extensive growth. Practical measures include providing farmers and ranchers with improved seeds, modern farming and animal husbandry techniques, and genetic improvement through cross-breeding. Additionally, targeted support policies aligned with internal capacities can strengthen production resilience without exacerbating resource pressures.

Social Implications

The significant negative impact of the Gini coefficient highlights the role of income inequality in undermining the resilience of strategic agricultural production. Unequal income distribution limits farmers’ and ranchers’ access to production facilities and reduces productivity, ultimately threatening food security. Addressing inequality through affordable credit, equitable access to inputs, and income-stabilizing mechanisms can enhance both social justice and production resilience. Strengthening farmers’ incomes contributes to rural stability and broader social sustainability.

Originality/Value

This study adds value by empirically estimating the resilience of production for a broad set of strategic agricultural products in Iran using panel data techniques. By distinguishing between crop and livestock products and incorporating both internal and external economic factors, the research provides a comprehensive assessment of production resilience. The findings offer evidence-based insights for policymakers seeking to enhance food security through resilient agricultural production.

 

Keywords: Production resilience, Agriculture, Strategic products, Panel data model.

Ansah, I.G.K., Gardebroek, C. & Ihle, R. (2019). Resilience and household food security: a review of concepts, methodological approaches and empirical evidence. Food Sec. (11), 1187–1203. https://doi.org/ 10.1007/s12571-019-00968-1
Bagheri Fahroji, R.; Gharechaie, H. R. & Savari, M. (2018). The Role of Resilience to Climate Change on the Level of Food Security in Villages households under the Menarid Project in Yazd Province. Iranian Journal of Agricultural Economics and Development Research, 49(2), 347-359. https://doi.org/10.22059/ijaedr.2018.244244.668507. (In Persian)
Baltagi, B.; Demetriades, P. & Law, S. H. (2008). Financial Development and Openness: Evidence from panel data. Journal of Development Economics, 89(2), 285-296. https://doi.org/10.1016/ j.jdeveco.2008.06.006.
Bastani, M.; Hoseini, S. S. & Asadi, H. (2022). Estimating Total Factor Productivity Model of Irrigated Wheat Production of Iran with Emphasis on the Role of Knowledge-Based Economy Policy in Food Security. Iranian Journal of Agricultural Economics and Development Research, 53(1), 179-202. https://doi.org/ 10.22059/ ijaedr.2020.295669.668868. (In Persian)
Biniaz, A. & Mohamadi, H. (2018). The Effect of Agriculture Trade Openness on Food Security in Iran (ARDL Approach). Agricultural Economics Research10(38), 81-104. https://doi.org/20.1001.1. 20086407.1397.10.38.6.8 (In Persian)
Borkar, N. (2019). Agricultural Mechanization for Small Holders Necessary for Climate Resilient Agriculture. Climate Resilient Agricultural Technologies for Future. Training Manual, Model Training Course on Climate Resilient Agricultural Technologies for Future, 3, 64. Retrieved from https://academia.edu/download/ 76520148/MTC_TM.pdf#page=67
Briguglio, L. P. (2016). Exposure to external shocks and economic resilience of countries: evidence from global indicators. Journal of Economic Studies, 43(6), 1057-1078. https://doi.org/10.1108/JES.
Bullock, J.M.; Dhanjal-Adams, K.L.; Milne, A.; Oliver, T.H.; Todman, L.C.; Whitmore, A.P. & Pywell, R.F. (2017). Resilience and food security: rethinking an ecological concept. J Ecol, (105), 880-884. https://doi.org/10.1111/1365-2745.12791
Chemeris, A.; Liu, Y. & Ker, A. P. (2022). Insurance subsidies, climate change, and innovation: Implications for crop yield resiliency. Food Policy(108), 102232. https://doi.org/10.1016/j.foodpol.2022.102232.
Chopra, S. & Khanna, V. (2015). Interconnectedness and interdependencies of critical infrastructures in the US economy: Implications for resilience. Physica A: Statistical Mechanics and its Applications, (436), 865-877. https://doi.org/10.1016/j.physa. 2015.05.091
Duchek, S. (2020). Organizational resilience: a capability-based conceptualization. Bus Res, 13(1), 215–246. https://doi.org/10.1007/ s40685-019-0085-7
Ehsani, M. & Shokoohi, Z. (2022). Estimation of Iran's Agricultural Resilience Index to Climate Change. Strategic Research Journal of Agricultural Sciences and Natural Resources, 7(1), 63-78. Retrieved from https://sid.ir/paper/1055047/en. (In Persian)
Faryadras, V. (2015). The impact of sanctions and analysis of the subsequent situation on Iran's agricultural sector. the Islamic Parliament Research Center (IPRC), Tehran. Retrieved from https://rc.majlis.ir/fa/report/show/943942 (In Persian)
Ghiasvand, A. & Abdolshah, F. (2016).The concept and measurement of economic Resilience. Journal of Economic Research, 15(59), 161-187. Retrieved from https://joer.atu.ac.ir/article_1832.html?lang=fa.
Gujarati, D. (2022). Basics econometrics. Translated by Hamid Abrishami. Tehran: Ney Publication.
Hassani, L.; Daneshvar Kakhki, M. & Sabouhi, M. (2018). Determination of Resilience and Sustainability of Industrial Dairy Farms in Mashhad. Journal of Agricultural Economics and Development, 32(3), 269-285. https://doi.org/10.22067/jead2.v32i3.73994. (In Persian)
Hosseini, S. S. & Hassanpour, E. (2005). Economic analysis and evaluation model of iranian agricultural research: A case study of sugar beet. Ph.D. dissertation, University of Tehran, Iran. (In Persian)
Hosseini, S.S. & Hassanpour, E. (2006). Economic evaluation of agricultural research in iran: case study of sugar beet. Iranian Journal of Agricultural Sciences, 37(2), 75-83. Retrieved from https://jijas.ut.ac.ir/article_17746.html (In Persian)
Hosseini, S. S. & Shahbazi, H. (2012). Evaluation of Iranian agricultural research. Ph.D. Dissertation, University of Tehran, Iran. (In Persian)
Hosseini, S. S. & Shahbazi, H. (2013). Assessment of R&D role for agricultural supply and demand gap adjustment. Agricultural Economics and Development, 21(84), 177-203. Retrieved from http://aead.agri-peri.ac.ir/article_58724.html (In Persian)
Hosseini, S. S. & Shahbazi, H. (2014). Determination of Iran's agricultural optimal R&D expenditure. Iranian Journal of Agricultural Economics and Development Research, 45(1), 23-40. Retrieved from https://ijaedr.ut.ac.ir/article_51575.html (In Persian)
Hosseini, S. S. & Khaledi, M. (2004). Investigating the economic impact of Iranian agricultural research. case study of high rice cultivars. Iranian Journal of Agricultural Sciences, 35(2), 403-413. Retrieved from https://jijas.ut.ac.ir/article_17959.html?lang=fa (In Persian)
Hosseini, S. S.; Pakravan, M. R. & Etghaei, M. (2014). Effects of Agriculture Sector Total Support Estimate on Food Security in Iran. Iranian Journal of Agricutural Economics and Development Research, 44(4), 533-544. Retrieved from https://sid.ir/paper/146197/en. (In Persian)
Hosseini, S. S.; Shahnavazi, A. & Yazdani, S. (2012). Evaluation of income redistribution of investment in almond late flowering cultivars developed in Sahand horticultural station. Iranian Journal of Agricultural Economics and Development Research, 42-2(4): 493-500. https://doi.org/10.22059/IJAEDR.2012.28581 (In Persian)
Hsiao, C. (2003). Analysis of Panel Data (2nd ed.). Cambridge University Press. https://doi.org/10.1017/CBO9780511754203
International Monetary Fund. (2019). Building Resilience in Developing Countries Vulnerable to Large Natural Disasters. Working papar. Press Release No. 19/241. Retrieved from https://www.imf.org/en/Publications/Policy-Papers/Issues/2019/06/24/
Iranian Supreme Leader. (2003). General policies of the resistance economy. Retrieved from https://farsi.khamenei.ir/news-content?id=25370
Jarque, C. M. & Bera, A. K. (1981). An efficient large sample test for normality of observations and regression residuals. Australian National University, Faculty of Economics and Research School of Social Sciences, Working Paper, Econometric(40), 20-21.
Kalbasi Esfahani, A.A.; Mirdamadi, S.M.; Farajollah Hosseini, S.J. & Lashgarara, F. (2020). To Analysis The Requirements Of Overseas Cultivation Realization For Improvement Of Food Security In Iran. Eqtesad-E Keshavarzi Va Towse'e, 28(110), 169-204. Retrieved from https://sid.ir/Paper/357815/En. (In Persian)
Kiani Ghalehsard, S.; Shahraki, J.; Akbari, A. & Shahraki, A. (2020). Investigating the Effects of Climate Change on Food Security of Iran. Journal Of Natural Environment Hazards, 8(22), 19-40. Retrieved from https://sid.ir/paper/395464/en. (In Persian)
Kumar, P. & Kumar Singh, R. (2022). Strategic framework for developing resilience in Agri-Food Supply Chains during COVID 19 pandemic. International Journal of Logistics Research and Applications, 25(11), 1401-1424. https://doi.org/10.1080/13675567. 2021.1908524.
Kusku, U. Sahin, T. Tunc and F. M. Kiziluglu. (2010). Determnating water –yield Relationship, Water Use efficiency, Bulgarian Journal of Agricultural Science, 16(4), 482-492. Retrieved from https://www.researchgate.net/profile/Yasemin-Kuslu/publication/
Li, Zh.; Qinming L.; Chunming Y.; Ming D. & Yihan Zh. (2022). Achieving Resilience: Resilient Price and Quality Strategies of Fresh Food Dual-Channel Supply Chain Considering the Disruption. Sustainability, 14(11), 6645. https://doi.org/10.3390/su14116645.
Lipper, L.; Thornton, P.; Campbell, B. M.; Baedeker, T.; Braimoh, A.; Bwalya, M. ... & Torquebiau, E. F. (2014). Climate-smart agriculture for food security. Nature climate change, 4(12), 1068-1072. https://www.nature.com/articles/nclimate2437
Meuwissen, M. P.; Feindt, P. H.; Spiegel, A.; Termeer, C. J.; Mathijs, E.; De Mey, Y. ... & Reidsma, P. (2019). A framework to assess the resilience of farming systems. Agricultural Systems(176), 102656. https://doi.org/10.1016/j.agsy.2019.102656.
Morkūnas, M.; Volkov, A.; Bilan, Y. & Raišienė, A.G. (2018). The role of government in forming agricultural policy: economic resilience measuring index exploited. Administratie si Management Public, (31), 111-131, https://doi.org/10.24818/amp/2018.31-08
Nakhli, S. R. & Rafei, M. (2025). How can optimal monetary policies reduce oil sanctions’ impacts? Evidence from Iran. Economic and Political Studies, 13(2), 144–173. https://doi.org/10.1080/20954816. 2024.2312759
Nakhli, S. R.; Rafat, M.; Dastjerdi, R. B. & Rafei, M. (2021). Oil sanctions and their transmission channels in the Iranian economy: A DSGE model. Resources Policy, (70), 101963. https://doi.org/10.1016/ j.resourpol.2020.101963
Nakhli, S.R. & Bastani, M. (2023). An Investigating and calculating the resilience of agricultural production with an emphasis on Iran's food security. Defence Economics and Sustianable Development. 8(29), 75-101. https://dor.org/20.1001.1.25382454.1402.8.29.3.6. (In Persian)
Nerlove, M. (2000). An Essay on the History of Panel Data Econometrics. Department of Agricultural and Resource Economics, United Kingdom, Cambridge University Press.
Pan, S.C.; Hu T.S.; You J.X. & Chang S.L. (2023) Characteristics and influencing factors of economic resilience in industrial parks. Heliyon. 9(4):e14812. https://doi.org/10.1016/j.heliyon.2023.e14812. PMID: 37025849; PMCID: PMC10070526.
Quan, T.; Zhang, H.; Quan, T. & Yu, Y. (2024). Unveiling the impact and mechanism of digital technology on agricultural economic resilience. Chinese Journal of Population, Resources and Environment, 22(2), 136-145. https://doi.org/10.1016/j.cjpre.2024.06.004
Qun, W.; Ranran, C.; Jingsuo, L. & Khan, N. (2024). Toward a sustainable agricultural system in China: exploring the nexus between agricultural science and technology innovation, agricultural resilience and fiscal policies supporting agriculture. Frontiers in Sustainable Food Systems(8), 1390014. https://doi.org/10.3389/fsufs.2024.1390014
Rafiee S.; Khoshnevisan B.; Mohammadi I.; Aghbashlo M. & Clark S. (2016). Sustainability evaluation of pasteurized milk production with a life cycle assessment approach: An Iranian case study. Science of the Total Environment, (562), 614-627. https://doi.org/10.1016/ j.scitotenv.2016.04.070
Rivza, B. & Kruzmetra, M. (2017). Through economic growth to the viability of rural space. Entrepreneurship and Sustainability Issues, 5(2), 283-296. https://doi.org/10.9770/jesi.
Saini, R.; Kaur, M.; Singh, R.; Arora, K.; Singh, G.; Kaur, G.; Singh, S.; Singh, A. & Singh, D. (2022). Understanding Sustenance of Small Farm Holders: A Study of Income Inequality among Farm Households in Indian Punjab. Sustainability, (14), 13438. https://doi.org/10.3390/ su142013438
Saranjam, B. & Mohsenzade, M. (2024). Analogy theory of national power and structure, algorithm of threats and resilience of the Islamic Republic of Iran’s national power. Protective and Security Research, 12(46), 107-134. (In Persian) Retrieved from https://jpas.ihu.ac.ir/article_209096.html?lang=fa
Shakeri Bostanabad, R.; Esmaili, M.M.R. & Salehi Kamroudi, M. (2022). Economic Resilience of Iran's Agriculture Sector. Journal of Agricultural Economics Research, 13(4), 41-59. Retrieved from https://sid.ir/paper/999909/en. (In Persian)
Tyler, S.; Bizikova, L.; Hammill, A.; Zamudio, N. & Swanson, D. (2013). Climate Resilience and Food Security: A framework for planning and monitoring. The International Institute for Sustainable Development (IISD), Retrieved from https://www.iisd.org/publications/report/ climate-resilience-and-food-security-framework-planning-and-monitoring
Usigbe, M. J.; Asem-Hiablie, S.; Uyeh, D. D.; Iyiola, O.; Park, T. & Mallipeddi, R. (2024). Enhancing resilience in agricultural production systems with AI-based technologies. Environment, Development and Sustainability, 26(9), 21955-21983. https://doi.org/10.1007/s10668-023-03588-0.
Wilhite D.A. & Buchanan, S. M. (2005). Drought as a natural hazard: Understanding the natural and social context. In: Wilhite DA (ed) Drought and water crises: Science, technology, and management issues. CRC Press, Boca Raton, FL, 3–29. https://doi.org/10.1201/9781420028386
www.dpe.maj.ir/amar
www.amar.org.ir/agricultural-statistics
www.tsdview.cis.cbi.ir/
www.data.wrm.ir/cs/Download/41/
Zheng, X.; Xia, T.; Yang, X.; Yuan, T. & Hu, Y. (2013). The Land Gini Coefficient and Its Application for Land Use Structure Analysis in China. PLoS ONE, 8(10), e76165. https://www.doi.org/10.1371/ journal.pone.0076165.
Volume 13, Issue 52 - Serial Number 52
Autumn 2025
Pages 1023-1058

  • Receive Date 31 January 2025
  • Revise Date 12 August 2025
  • Accept Date 24 September 2025