تحلیل بیزی مدل‌های پروبیت فضایی در بررسی پذیرش رقم پربازده گندم

مدلسازی اقتصادی

مقاله 5، دوره 7، شماره 21، فروردین 1392، صفحه 69-83   

نوع مقاله: پژوهشی

نویسندگان

آناهیتا نظری گوران¹؛ ولی بریم نژاد^{* 2}

¹کارشناس ارشد اقتصاد

²دانشیار دانشگاه آزاد اسلامی واحد کرج

چکیده

هدف کلی این مقاله بررسی و شناخت عواملی است که منجر به پذیرش کشت ارقام پر بازده گندم توسط زارعین گردیده است. هدف دیگر این مقاله در نظر گرفتن ﺗﺄثیرات همسایگی بر تصمیم‌گیری زارعین در خصوص پذیرش رقم گندم، به صورت داده‌های فضایی می‌باشد. برای این منظور از مدل انتخاب گسسته پروبیت فضایی و برای برآورد این مدل از روش بیز با کمک نرم افزار MATLAB استفاده گردید. آمار و اطلاعات مورد استفاده از 214 گندم‌کار بخش مرکزی شهرستان قزوین با روش نمونه‌گیری تصادفی ساده در تابستان سال1391 جمع‌آوری گردید. نتایج حاصل از برآورد مدل‌ها با استفاده از روش بیز نشان داد که متغیرهای ارتباط با تعاونی تولید روستایی، تجربه، سن، میزان تولید گندم و ضریب اتورگرسیو فضایی بر پذیرش رقم پربازده گندم ﺗﺄثیرگذار هستند.

کلیدواژه‌ها

پذیرش ارقام پر بازده؛ پروبیت فضایی؛ روش اقتصادسنجی بیزی

اصل مقاله

1.  مقدمه

گندم از نظر مقدار تولید و سطح زیر کشت مهم‌ترین محصول کشاورزی ایران است و افزایش محصول آن روز به روز مورد توجه قرار گرفته و از نظر اقتصادی و ﺗﺄمین غذای اصلی از اهمیت بسیاری برخوردار می­باشد. افزایش محصول گندم مانند سایر فرآورده­های کشاورزی بستگی به عوامل مختلفی دارد که علاوه بر افزایش سطح زیر کشت، به مقدار عملکرد محصول در واحد سطح نیز مربوط می­شود. بالا بردن عملکرد محصول تابع عوامل خاصی است که   مهم‌تر از همه انتخاب و کشت بذر اصلاح شده پر محصول می­باشد که باید در کنار عوامل دیگر زراعتی از قبیل تهیه زمین و بستر بذر، استفاده از کودهای مختلف، آبیاری صحیح و به موقع و مبارزه با آفات و امراض در نظر گرفته شود (خدابنده، 1367). به کارگیری فناوری مناسب علاوه بر این‌ که در تولید محصولات کشاورزی رشد چشم‌گیری ایجاد می­کند، ممکن است هزینه تولید را کاهش دهد و صرفه­های اقتصادی در پی داشته باشد (زارع مهرجردی و اکبری، 1380). تکنولوژی در کشاورزی به طور کلی به دو دسته مکانیکی و بیولوژیکی تقسیم می­شود. تکنولوژی مکانیکی باعث استفاده بیشتر از ماشین­هایی نظیر تراکتور، کمباین و غیره شده و جانشینی ماشین به جای نیروی کار را تسهیل می­نماید. تکنولوژی بیولوژیکی شامل توسعه ارقام جدید بذر می‌باشد که واکنش پذیری بالایی به استفاده از کودهای شیمیایی دارند.         این نوع تکنولوژی عملکرد محصول در واحد سطح را افزایش داده و بنابراین جایگزین زمین می­باشد. بنابراین زارعین با استفاده از ارقام پر بازده می­توانند تولید خود را بدون افزایش سطح زیر کشت افزایش دهند.  با توجه به این که کشاورزان در احاطه عوامل فردی، فرهنگی، اجتماعی و اقتصادی محیط خود هستند، بنابراین عوامل یاد شده بر نگرش و تصمیم­گیری پذیرفتن و نپذیرفتن نوآوری اثرگذار است. در مطالعه‌ی حاضر عوامل ﻣﺆثر بر پذیرش رقم پربازده گندم در میان کشاورزان بخش مرکزی شهرستان قزوین مورد بررسی قرار گرفته است. هم‌چنین یکی از عوامل مورد بررسی پارامتر فضایی، اثر همسایگی می­باشد. از اهداف دیگر این تحقیق برآورد مدل با استفاده از اقتصادسنجی بیزین به جای روش­های معمول کلاسیک می­باشد.

 

2. ‌ادبیات موضوع

در این قسمت به تعدادی از مطالعات داخلی و خارجی که در خصوص بررسی عوامل ﺗﺄثیرگذار بر پذیرش ارقام پر بازده و یا فن­آوری­های نوین در بخش کشاورزی  با استفاده از روش بیزی صورت گرفته، اشاره می­شود:

    در مطالعه­ای باقری و همکاران (۱۳۹۰) درجه اعتبار متقاضیان وام­های کشاورزی را در استان کهگیلویه و بویراحمد ارزیابی کرده­اند. در این تحقیق از مدل لاجیت و با روش­های برآورد کلاسیک و بیزین جهت تعیین ریسک قصور در باز­پرداخت و ارزش اعتباری وام گیرنده استفاده شده است. در تحقیقی دیگر کرباسی و همکاران (1389) ﺗﺄثیر عوامل مختلف را بر پذیرش بیمه کشاورزان گندم­کار شهرستان نیشابور با استفاده از روش­های اقتصادسنجی کلاسیک و بیز بررسی کردند. در این گونه مطالعات نتایج نشان می­دهد که برآوردهای روش بیز بیشتر از برآوردهای روش کلاسیک به واقعیت نزدیک است. بنابراین در این تحقیق از روش اقتصادسنجی بیز استفاده شده است. از طرفی عبدشاهی (۱۳۸۵) به بررسی‌عوامل ﻣﺅثر بر پذیرش تکنولوژی و کار خارج از مزرعه توسط زارعین پرداخته است. برای این منظور از مدل­های گسسته لاجیت و پروبیت با روش­های نمونه­گیر گیبز و متروپولیس هستینگز که ابزار آمار بیز در شبیه سازی انتگرل­های پیچیده در برآورد ضرایب مدل رگرسیون است استفاده کرده است. اما با توجه به اینکه در این مطالعه از اقتصادسنجی فضایی استفاده نشده است ﺗﺄثیر همسایگی را بر تصمیم زارعین نادیده گرفته است.

     جوشی و پاندی[1] (2005) عواملی که بر پذیرش واریته­های جدید برنج ﻣﺆثر هستند را با یک مدل توبیت مورد بررسی قرار دادند. اما با توجه به این که برای آورد مدل فقط از روش کلاسیک استفاده شده نسبت به روش بیز دقت کمتری دارد.

     از مطالعاتی در رابطه با ﺗﺄثیر همسایگی می­توان به مطالعه­ی لوسیلا و همکاران[2] (۲۰۰۳) اشاره کرد که ﺗﺄثیر همسایگی را بر مفاهیم ذهنی ‌بازار مشارکتی توسط پرورش‌دهندگان خرد دام بررسی‌کرده­اند. با استفاده از برآورد پروبیت ﺗﺄثیرات همسایگی بر تصمیمات خرده مالک در خصوص ورود به بازار بررسی ‌شده­اند. مدل تجربی ‌بر اساس داده‌های مقطعی از ۱۱۰ زارع در شمال فیلیپین در سال تولید ۲۰۰۰-۲۰۰۱ طی‌دو مرتبه (یک پانل از ۲۲۰ مشاهده) در نظر گرفته شده است. شیوه تحلیل یک فرمول بیزین برای یک مدل پروبیت استاندارد است و نتایج به دست آمده نشان داد که علاوه بر ویژگی‌ها و دارایی­های تولید کننده، همسایگی بر مشارکت در بازارها ﺗﺄثیر می‌گذارد. هم‌چنین هالوی و همکاران[3] (2002) عوامل ﻣﺅثر بر پذیرش رقم پر بازده برنج در بنگلادش را با مدل پروبیت فضایی و به روش بیزین بررسی کرده­اند و نتیجه گرفتند که عامل همسایگی بر انتخاب رقم پر بازده برنج در بنگلادش ﺗﺄثیر مثبت و زیادی دارد.

3.‌ روش شناسی

برای رسیدن به هدف­های مورد نظر در این مطالعه از آزمون­هایی برای بررسی این که بین مشاهدات خودهمبستگی فضایی وجود دارد، هم‌چنین از مدل­های پروبیت برای بررسی     داده‌های دودویی و با فرض خودهمبستگی فضایی بین مشاهدات استفاده می­شود و در ادامه روش­ بیزی برای برآورد پارامترها در مدل­های پروبیت فضایی ارایه خواهد شد که در زیر به طور اجمالی شیوه برآورد و مدلسازی بیزی، اقتصادسنجی فضایی و فرم­ مدل­های پروبیت فضایی بیان می­شود.

 

3-1.‌ شیوه‌ی برآورد و مدلسازی بیزی

اغلب روش­های آماری به عنوان روش­های فراوانی­­گرا یا کلاسیک شناخته شده­اند. در این روش­ها فرض می­شود که پارامتر­های نامعلوم ثابت هستند و با استفاده از فراوانی­های نسبی محدود، احتمال را تعیین می­کنند. از این فروض نتیجه­گیری می­شود که احتمالات واقعی (عینی) هستند و نمی­توان خواص احتمالی پارامتر­ها را به دست آورد، زیرا آنها ثابت هستند. روش­­های بیزین رهیافت جایگزینی را پیشنهاد می­کنند؛ این روش­ها پارامترها را به صورت متغیرهای تصادفی در نظرمی­گیرند و احتمال را به عنوان درجات باورها تعیین می­کنند       (به صورتی که احتمال یک اتفاق، درجه­ای است که شما باور دارید آن اتفاق واقعی است). از این انگاره­ها این چنین برداشت می­شود که احتمالات ذهنی هستند و می­توان خواص احتمالی پارامتر­ها را به دست آورد.

     در شیوه بیز، باورها قبلی در مورد مساله (توزیع پیشین)، با داده‌های جمع­آوری شده ترکیب و یک باور (ایده) پسین درباره مساله به دست می­آید.

     در روش­های رگرسیونی سعی بر توضیح روابط بین دو متغیر  Y و X دارند. Y تصادفی و X ثابت در نظر گرفته می­شوند. شیوه ساده توصیف رابطه بین Y و X این است که Y ترکیبی خطی از X بعلاوه جزﺀ اخلال تعریف شود ( ). که فرض می­شود  سپس هدف تعیین مقادیر قابل قبولی برای β و ²σ است.

     در رگرسیون کلاسیک فقط احتمال بر روی متغیرها را می­توان تعیین کرد اما پیر- سیمون لاپلاس این ایده را بیان کرد که به جای فقط تعیین احتمال بر روی متغیرها می‌توان احتمال بر روی پارامترها را نیز تعیین کرد. فرض کنید بخواهیم  را از داده­های  با استفاده از یک مدل آماری شرح داده شده توسط چگالی ، تخمین بزنیم. فلسفه بیزین نشان می­دهد که  به طور دقیق مشخص نمی­شود و عدم اطمینان در مورد این پارامتر از طریق خواص و توزیع­های احتمال بیان می­شود. می­توان گفت θ توزیع نرمالی با میانگین صفر و واریانس یک دارد، اگر اعتقاد بر این باشد که این توزیع بهترین توصیف از عدم اطمینان در ارتباط با این پارامتر­ است. مراحل زیر عناصر اساسی در استنباط بیزی را توصیف می­کنند:

1. توزیع احتمالی برای  به صورت   نشان داده می­شود که به عنوان توزیع پیشین شناخته می­شود. توزیع پیشین باور­های قبلی (برای مثال باور­های قبلی از میانگین، سطح، چگالی و غیره) را در مورد پارامتر نشان می­دهد قبل از این که داده­ها آزمون شوند.
2. با توجه به داده­های مشاهده شده Y، می­توان یک مدل آماری   برای توصیف توزیع Y به شرط  انتخاب کرد.
3. باور­هایی در مورد  ، با ترکیب اطلاعاتی از توزیع پیشین داده­ها از طریق محاسبه­ی توزیع پسین ، تجدید می­شوند (انجمن SAS ، 2008).

سومین مرحله با استفاده از نظریه بیز اجرا می­شود به طوری که می­توان توزیع پیشین و مدل را به صورت زیر ترکیب کرد:

   (1)                                                                                      

 

به طوری که توزیع پسین گفته می­شود که با توجه به آن استنتاج در مورد پارامترهای  صورت خواهد گرفت. راستنمایی است و حاوی تمامی اطلاعات در مورد θ است که می­توان از داده­ها به دست آورد.   توزیع پیشین برای θ  است که شامل اطلاعاتی در مورد θ  است که قبل از مشاهده داده­ها می­دانیم.   ثابت نرمال شده­ی تابع  است.(جانسون[4]، 2012)

     در ساده‌ترین مسایل، محاسبه توزیع پسین مستلزم محاسبه انتگرال‌های چندگانه است. اما انجام بسیاری از انتگرال­­های چندگانه مشکل هستند (مانع قدیمی رهیافت بیزین). هرچند روش­های مونت کارلوی زنجیره مارکوف (MCMC) این مشکل را تا حدودی حل کرده­اند، اما نتوانسته­اند محاسبه دقیقی از فرم توزیع پسین را به دست آورند، در عوض شبیه­سازی از آن را تولید کردند.

    روش­های MCMC به طور کلی شامل چندین مرحله­ی مجزا هستند که گسترش الگوریتم به ساختارهای پیچیده­تر را آسان می­سازند.MCMC  روش­هایی مبتنی بر شبیه­سازی هستند به طوری که به جای به دست آوردن برآوردهای نقطه­ای، برای تکرارهای بسیاری اجرا می­شوند و در هر تکرار یک تخمین برای هر پارامتر ناشناخته حاصل می­شود. این تخمین­ها در هر تکرار مستقل نخواهند بود، برآوردهای حاصل از تکرار قبلی برای به دست آوردن تخمین­های بعدی استفاده می­شوند. هدف از این رهیافت به دست آوردن یک نمونه از مقادیر توزیع پسین پارامترهای ناشناخته است. این بدان معناست که این روش­ها برای به دست آوردن تخمین­های فاصله­ای دقیق مفید هستند (براون[5]، 2012). برای ساخت زنجیره­های مارکف برای MCMC با توزیع مناسب محدود، از روش­های نمونه­گیری مستقیم مانند گیبز برای توزیع­های معلوم و از روش­های نمونه­گیری غیرمستقیم مانند الگوریتم متروپولیس- هستینگز برای توزیع­های نامعلوم استفاده می­شود (صحرایی و عباسپور، 1387).

3-2.‌ اقتصادسنجی فضایی

انجام کارهای تحقیقاتی در علوم منطقه­ای به طور وسیع مبتنی بر داده­های نمونه­ای منطقه­ای است، که محقق با مراجعه به مکان­ها و محل­های مشخص شده که به صورت نقاطی در فضا تعیین مکان شده­اند به آنها دست می­یابد. حال وقتی در تحقیق با داده­هایی روبرو هستیم که دارای جزء مکانی هستند، دیگر به کارگیری شیوه­های اقتصادسنجی مرسوم چندان مناسب  نمی‌باشد و روش اقتصادسنجی فضایی مطرح می­شود (ابریشمی و همکاران، 1386).

زمانی که داده­های نمونه­ای دارای جزء مکانی­اند دو ﻣﺴاله رخ خواهد داد:

1)      وابستگی فضایی میان مشاهدات وجود خواهد داشت.

2)      ناهمسانی فضایی در روابطی که مدلسازی می­کنیم، رخ خواهد داد.

که در این مطالعه وابستگی فضایی مد نظر است. وابستگی فضایی در داده­های نمونه، بدین معنا است که مشاهده­ای در موقعیت i به دیگر مشاهدات در موقعیت­های j، j≠i بستگی دارد (رحمانی و امیری، 1386).

     لازم است کمیت و مقدار عددی جنبه­های مکانی تعیین شود به طوری که با داشتن موقعیت داده­ها می­توان از مفهوم همسایگی برای نشان دادن ارتباط موقعیت­ها با یکدیگراستفاده نمود. برای محسوب کردن همسایگی داده­های فضایی می­توان از ماتریس وزن فضایی استفاده کرد. ماتریس وزن فضایی W دارای ابعاد n×n و عناصر مثبتی است، که بر حسب نوع همسایگی به دو صورت مجاورت یا فاصله موقعیت­های جغرافیایی تعیین می­شوند (رسولی، 1390). در این تحقیق همسایگی داده­ها با روش مجاورت نشان داده شده است.

3-3.‌ فرم کلی مدل­های پروبیت فضایی

متغیر پاسخ در این تحقیق دودویی با دو مقدار 0 و 1 است بنابراین مدلی که استفاده شده است با درنظر گرفتن داده­های فضایی، مدل پروبیت فضایی است.

 (1)                                                                      

 (2)                                                                                

    (3)                                                                                

با قرار دادن W₁=0 مدل رگرسیونی با خودهمبستگی فضایی در جزﺀ اخلال­ها نتیجه می­شود و با قرار دادن W₂=0 یک مدل آمیخته رگرسیو- اتورگرسیو فضایی (ﺗﺄخیر فضایی) به دست    می‌آید (لسج، 1998).

 4.‌ برآورد مدل

آمار و اطلاعات مورد نیاز مطالعه‌ی حاضر از  214نفراز گندم­کاران بخش مرکزی شهرستان قزوین که ازطریق نمونه­گیری تصادفی درسال1391 انتخاب شده­اند، با تکمیل پرسشنامه جمع‌آوری گردید. سپس از نرم افزار MATLAB در بررسی عوامل ﻣﺆثر بر پذیرش رقم پربازده گندم در میان کشاورزان استفاده شد.

     از مدل­های پروبیت فضایی با فرض این که بین متغیر پنهان مدل ﺗﺄخیر فضایی و خطا فضایی برقرار باشد، برای بررسی ﺗﺄثیر عوامل مختلف بر پذیرش رقم پر بازده به صورت زیر استفاده شد.

 

مدل ﺗﺄخیر فضایی: 

 

(1)     

 

و مدل خطا فضایی:

  ,                                                                                               (2)   

که در این روابط،

Y= متغیر وابسته است که اگر زارع رقم پربازده بذر گندم را مورد استفاده قرار داده باشد، مقدار یک و در غیراینصورت مقدار صفر اختیار می­کند.

𝜌= ضریب اتورگرسیو فضایی در مدل ﺗﺄخیر فضایی (ضریب WY) است که شدت اثر همسایگی را در این مطالعه نشان می­دهد.

𝜆= ضریب اتورگرسیو فضایی در مدل خطا فضایی است.

ε= بردار خطاها با میانگین و واریانس ثابت است.

W= ماتریس وزن فضایی است که در این مطالعه با بعد 214×214 است. به طوری که به کشاورزانی که در یک روستا هستند به عنوان همسایه یکدیگر در نظرگرفته شده است و به آنها وزن یک داده شد. ماتریس وزن فضایی به صورت استاندارد شده در مدل لحاظ شده است.

COOP = نشان دهنده‌ی استفاده زارعین از خدمات تعاونی تولید روستایی است. این متغیر به صورت متغیر مجازی درنظرگرفته شده است به طوری که اگر زارع از خدمات تعاونی تولید روستایی استفاده کند، مقدار یک و در غیر این صورت مقدار صفر لحاظ می­شود.

EDU = نشان دهنده‌ی سطح تحصیلات زارع می­باشد. نحوه‌ی لحاظ کردن این متغیر در توابع مورد بررسی برحسب تعداد سال­های تحصیل درنظرگرفته شده است.

EXP= نشان دهنده سال­های تجربه زارع در بخش کشاورزی است.

SIZE= نشان دهنده مساحت اراضی ملکی کشاورز و بر حسب هکتار است.

AGE= سن زارع را نشان می­دهد.

Q= میزان تولید گندم بر حسب تن است.

 

برای تحلیل بیزی از 5000 بار تکرار الگوریتم و مرحله داغیدن 2000 حاصل شده است، به طوری که با توجه به نمودارهای (1) و (2) اثر توزیع پسین پارامتر 𝜌 در مدل ﺗﺄخیر فضایی و 𝜆 در مدل خطا فضایی به همگرایی رسیده است. با در نظر گرفتن توزیع­های پیشین ناآگاهی بخش برای پارامترهای مدل، برآورد بیزی پارامترها به دست آورده شده است. برای برآورد مدل­ها از روش نمونه­گیر گیبز و برای تولید نمونه­های 𝜌 از الگوریتم متروپولیس هستینگز استفاده شده است.

 

 

 

 

 

نمودار 1. نمودار اثر توزیع پسین پارامتر 𝜌 در مدل ﺗﺄخیر فضایی

 

    ﻣﺄخذ: یافته­های تحقیق

 

نمودار 2. نمودار اثر توزیع پسین پارامتر 𝜆 در مدل خطا فضایی

            ﻣﺄخذ: یافته­های تحقیق

برای این که مشخص شود مدل باید به صورت وقفه فضایی باشد یا خطای فضایی از     آزمون‌های ضریب لاگرانژ استفاده شد.

 

 

جدول 1. آزمون­های تشخیص مدل فضایی

ردیف	آزمون	مقدار	خی دو	احتمال
1	LM(Error)	901/93	611/17	0
2	LM(Lag)	236/11	611/17	0

ﻣﺄخذ: یافته­های تحقیق

هر دو مدل در سطح 95 درصد معنا­دار هستند بنابراین تفاوت چندانی در انتخاب مدل وجود ندارد و از هر دو مدل نتایج یکسانی حاصل می­شود. نتایج حاصل از برآورد مدل­ها در جدول (2) آمده است.

جدول2. پارامترهای برآورد شده مدل­ها

مدل
پارامتر	ضریب	خطای استاندارد	احتمال	ضریب	خطای استاندارد	احتمال
β0	323/1	729/0	032/0	117/2	884/0	002/0
β1	565/0	246/0	014/0	804/0	292/0	001/0
β2	052/0	052/0	159/0	021/0	053/0	346/0
β3	022/0	016/0	075/0	023/0	016/0	069/0
β4	016/0-	013/0	121/0	007/0-	014/0	307/0
β5	047/0-	019/0	003/0	05/0-	02/0	003/0
β6	012/0	009/0	06/0	012/0	008/0	052/0
𝜌	694/0	1/0	000/0
λ				696/0	071/0	000/0

ﻣﺄخذ: یافته­های تحقیق

نتایج نشان می­دهد در هر دو مدل ﺗﺄخیر فضایی و خطا فضایی، متغیرهای ارتباط با تعاونی تولید روستایی، تجربه، سن، میزان تولید گندم و ضریب اتورگرسیو فضایی معنا­دار هستند.

در مدل ﺗﺄخیر فضایی ضرایب متغیرها بدین صورت می­باشند:

     متغیر مجازی ارتباط زارعین با تعاونی­های تولید روستایی با ضریب 565/0 بیانگر این مطلب است که لگاریتم نسبت مزیت به نفع پذیرش رقم پربازده در زارعینی که از خدمات تعاونی استفاده می­نمایند حدود 56 درصد بیشتر از سایر زارعین است.

    متغیر سطح تحصیلات در هر دو مدل معنا­دار نشده است و نشان می­دهد که ﺗﺄثیری بر پذیرش رقم پر بازده نداشته است و آن نیز به این دلیل است که زارعین حتی با داشتن تحصیلات بالا با علم به مزیت­های ارقام اصلاح­شده به دلیل ریسک­پذیر نبودن از این گونه بذرها استفاده نمی­کنند مگر این که بذرهای اصلاح شده از طریق جهاد توزیع شود.

     متغیر تجربه با ضریب 022/0 نشان می­دهد که هر سال تجربه بیشتر، نسبت مزیت به نفع پذیرش رقم پربازده را حدود 2/2 درصد افزایش می­دهد.

     متغیر اراضی ملکی کشاورز معنا­دار نشده است و بیانگر این است که استفاده از بذر پربازده ارتباطی با میزان اراضی زارع ندارد. سن زارعین نیز با ضریب منفی 047/0 نمایانگر کاهش 7/4 درصدی نسبت مزیت به نفع پذیرش رقم پربازده به ازای هر سال افزایش سن می­باشد.

     میزان تولید نیز با  ضریب 012/0 نشان می­دهد که زارع در انتخاب نوع بذر به میزان تولید و عملکرد بذر توجه دارد و هرچه میزان تولید بیشتر باشد، نسبت مزیت به نفع پذیرش رقم پربازده افزایش می­یابد.

    معنا­دار شدن ضریب اتورگرسیو فضایی 𝜌 و𝜆 نشان دهنده وجود خودهمبستگی فضایی است. به طوری که ضریب اتورگرسیو فضایی در مدل ﺗﺄخیر فضایی 694/0 و برای مدل خطای فضایی 696/0 به دست آمده است.

5. ‌نتایج و پیشنهادها

هدف مطالعه حاضر بررسی عوامل ﻣﺆثر بر پذیرش رقم پربازده توسط گندم­کاران بود. همبستگی فضایی با فرض این که بین متغیرهای وابسته یا خطاها رابطه اتورگرسیو برقرار باشد، در مدل­بندی داده­ها مورد بررسی قرار گرفت که باعث افزایش کارایی مدل­ها می­شود.

      با توجه به نتایج حاصل از برآورد بیزین مدل­های پروبیت فضایی ﺗﺄثیر متغیرهای مختلفی نظیر تجربه، سن زارع، ارتباط با تعاونی تولید روستایی بر تصمیم­گیری زارعین در انتخاب نوع بذر مشخص شد. با توجه به آمارهای توصیفی دو روستای عبدل آباد، مشخص شد که 9/90 درصد زارعین از ارقام پربازده استفاده نمی­کنند. از علل این امر می­توان به موارد زیر اشاره کرد:

- ‌پایین بودن سطح سواد زارعین به طوری که 50 درصد بی­سواد و 50 درصد دیگر در سطح ابتدایی و راهنمایی می­­باشند.

‌‌-‌ نبود مراکز ترویج و تعاونی­های تولید روستایی در محدوده­ی این دو روستا

-‌‌ بالا بودن میانگین سنی زارعین که حدود 60 سال می­باشد باعث عدم استفاده از تجارب جدید در استفاده از بذرهای پربازده و تکیه بر تجارب خود در استفاده از بذرهای بومی شده است.

     با توجه به آمارهای توصیفی ذکر شده می­توان نتیجه گرفت که نقش مراکز ترویج در شناساندن تکنولوژی در بخش مرکزی قزوین بسیار ضعیف است و دلیل آن تعداد بسیار کم مراکز ترویجی در روستاهای بخش مرکزی قزوین می­باشد.

     یکی از دلایل عمده استفاده از بذر پر بازده توسط زارعین با وجود متغیرهایی که ﺗﺄثیرگذار تلقی شدند، در اختیار قرار دادن بذرهای اصلاح­شده به کشاورزان از سوی تعاونی­های تولید روستایی است و طبق اطلاعات جمع­آوری شده 54 درصد زارعین، بذر مورد نیاز خود را از جهاد کشاورزی و تعاونی­های تولید روستایی ﺗﺄمین می­کنند. بنابراین پیشنهاد می­شود که برای بالا بردن سطح آگاهی کشاورزان در استفاده از ارقام پربازده، مراکز ترویجی در روستاهای مختلف افزایش داده و برنامه­ها و کلاس­های ترویجی را گسترش دهند. هم‌چنین ایجاد زمینه برای ارتباط مستمر مدیران تعاونی‌های تولید با مراکز تحقیقات کشاورزی و کسب اطلاعات از نتایج طرح‌های تحقیقاتی وآخرین دستاوردهای علمی ‌و انتقال آن به زارعین تحت پوشش تعاونی‌ها لازم می‌باشد.

     از طرفی با کارآمد کردن بیشتر نظام انتقال دانش، کشاورزان می­توانند با آگاهی از ارقام پربازده استفاده ­کنند تا به گونه­ای نباشد که تصمیم­گیری خود را فقط براساس ارقامی که مراکز دولتی توزیع می­کنند، قرار دهند.

     با توجه به عدم ارتباط تحصیلات و استفاده از بذرهای اصلاح شده می­بایست در برنامه سوادآموزی و آموزش بزرگسالان تجدید نظر به عمل آید به نحوی که علاوه بر جلوگیری از اتلاف هزینه، سوادآموزی وسیله­ی ﻣﺆثر در توسعه اقتصادی می­باشد که یکی از نتایج آن استفاده از بذرهای اصلاح شده است که می­تواند نقش مهمی در افزایش عملکرد در هکتار و در نتیجه‌ی افزایش درآمد کشاورزان باشد.

     به طور کلی استفاده از بذرهای پربازده به عنوان یک امر در راه افزایش درآمد نه تنها به سبب اهمیت اقتصادی آن و با توجه به نحوه‌ی بهره­برداری انتخاب نمود بلکه بایستی بهره‌برداران به طور کامل به اهمیت آن واقف و از طریق ترویج استفاده از بذرهای پربازده را برای خود و اقتصاد خانوار مهم و ضروری بدانند.

     به ﺗﺄثیرات اجتماعی استفاده از بذهای اصلاح شده علاوه بر نتایج اقتصادی آن توجه شود، به طوری که با افزایش عملکرد در هکتار و در نتیجه افزایش درآمد کشاورز، عدم مهاجرت زارعین به شهرها را در پی خواهد داشت.

---

[1]. Joshi and Pandey

[2]. Lucila et al

[3]. Holloway et al

[4]. Johnson

[5]. Browne

مراجع

منابع  

‌-‌ ابریشمی، حمید، علم الهدی، ندا، امیری، میثم (1386). بررسی همگرایی بهره­وری انرژی در کشورهای اسلامی (طی دوره 2003-1980 به روش اقتصادسنجی فضایی). فصلنامه مطالعات اقتصاد انرژی، 4 (15): 34-7.

-‌ باقری، مهرداد، ترکمانی، جواد، معززی، فاطمه، کرمی، آیت اله(1390). ارزیابی درجه اعتبار متقاضیان وام­های کشاورزی مطالعه موردی استان کهگیلویه وبویراحمد. اقتصادکشاورزی وتوسعه، 19 (73): 171-147.

-‌ خدابنده، ناصر (1367). زراعت غلات. مرکز نشر سپهر، تهران.

-‌ رحمانی، تیمور، امیری، میثم (1386). بررسی ﺗﺄثیر اعتماد بر رشد اقتصادی در استان­های ایران با روش اقتصادسنجی فضایی. مجله تحقیقات اقتصادی دانشگاه تهران، (78): 58-23

-‌ رسولی، حمیدرضا (1390). تحلیل مدل­های اتورگرسیو فضایی- زمانی. پایان­نامه کارشناسی ارشد، گروه آمار، دانشگاه تربیت مدرس.

-‌ زارع مهرجردی، محمدرضا، اکبری، احمد (1380). اثر نهاده­های جدید (بذر اصلاح شده) بر میزان تولید گندم. اقتصاد کشاورزی و توسعه، 9 (36)‏:137.

-‌ صحرایی، رضوان و عباسپور، عباس (1387). پیش­بینی عرضه داخلی نیروی انسانی سازمان­ها با استفاده از مدل زنجیره مارکوف (مطالعه موردی شرکت ملی پخش فرآورده­های نفتی ایران). مدیریت و منابع انسانی در صنعت نفت، 2 (4): 154-133.

-‌ عبدشاهی، عباس (1385). بررسی عوامل مؤثر بر پذیرش تکنولوژی و کار خارج از مزرعه توسط زارعین. پایان­نامه‌ی دکتری اقتصاد کشاورزی، دانشکده کشاورزی دانشگاه شیراز.

-‌ کرباسی، علیرضا، ضیایﻲ، سامان، عبدشاهی، عباس (1389). تعیین عوامل ﻣﺆثر بر تقاضای بیمه گندم: مقایسه­ی رویکردهای اقتصادسنجی کلاسیک و بیز. نشریه اقتصادکشاورزی، 4 (2): 163-149.

 

-Browne, W. J. (2012). MCMC estimation in Mlwin version 2.25. Center for multilevel modeling university of Bristol, updated for University of Bristol.

-Holloway, G., & Shankar, B., & Rahman, S. (2002). Bayesian spatial probit estimation: A primer and an application to HYV rice adoption.  Agricultural Economics, 3(27):383–402.

-Johnson, N. (2012). Bayesian methods for regression in R. laboratory for interdisciplinary statistical analysis department of statistics, Virginia Tech.

-Joshi, G., & Pandey, S. (2005). Effects of farmers’ perceptions on the adoption of modern rice varieties in Nepal. Conference on international agricultural research for development, Stuttgart-Hohenheim.

-Lesage, J. P. (1998). Spatial econometrics. Department of economics university of Toledo, Circulated for review.

-Lucila, M., &Lapara, A., & Holloway, G., & Ehuic, S. (2003). How big is your neighborhood? Spatial implications of market participation by smallholder livestock producers. Contributed paper selected for presentation at the 25th international conference of agricultural economists, Durban, South Africa: 16-22.

-SAS Institute InC. (2008) .SAS/STAT 9.2User’s Guide. Cary, NC: SAS Institute Inc.