ارزيابي عملكرد مدل هاي رگرسيوني پانلي در برآورد رابطه بين آب و ارزش افزوده كشاورزي كشورهاي حوضه رودخانه مرزي ارس

Evaluation of Panel Regression Models in Estimating the Relationship between Water and Countries' Agricultural Added Value in the Aras River Basin

كشورهاي حاشيه رودخانه هاي مرزي همواره در استفاده از منبع آب مشترك به رقابت پرداخته اند. تعداد، موقعيت قرارگيري ازلحاظ بالادستي و پايين دستي و عملكرد اقتصادي هر يك از كشورها بر پيچيدگي هاي مسائل آب‌هاي مشترك مرزي افزوده است. از اين‌رو تحليل عملكرد اقتصادي كشورها، كمك شاياني در مطالعات آتي خواهد داشت. در تحقيق حاضر با انتخاب رودخانه ارس به‌عنوان يك رود مرزي مشترك بين كشورهاي ايران، تركيه، ارمنستان و آذربايجان، ابتدا مرز حوضه آبريز در محل اتصال به رودخانه كورا با استفاده از نقشه رقومي ارتفاعي با اندازه سلولي 30 متر استخراج و سپس به 10 زيرحوضه با برآورد خصوصيات فيزيوگرافي ازنظر شيب، مساحت و ارتفاع تقسيم بندي شد. با استفاده از داده هاي بارش ايستگاه هاي سينوپتيك و رواناب سطحي مشاهداتي ايستگاه هاي هيدرومتري، پتانسيل آب سطحي توليدي سالانه هر يك از زيرحوضه ها برآورد گرديد. سپس ارتباط بين ارزش‌افزوده سالانه بخش كشاورزي به‌عنوان متغير وابسته با مقادير سالانه آب قابل‌دسترس، ميزان نيروي كار و سرمايه هر يك از كشورها به‌عنوان متغيرهاي مستقل، با استفاده از مدل هاي رگرسيون به‌ظاهر نامرتبط و رگرسيون داده هاي پانلي برآورد گرديد. بررسي نتايج نشان داد در تحقيق حاضر مدل رگرسيون با اثرات ثابت بهترين مدل ازنظر آماري است و مي تواند ناهمگني مقطعي در حوضه را تا 73 درصد تغييرات ارزش‌افزوده توجيه نمايد. علاوه بر آن معني دار بودن ضريب جمله توان دوم آب ازلحاظ آماري، تأكيد بر وجود ارتباط غيرخطي مابين آب و ارزش‌افزوده است.

Countries in trans-boundary river basin have always been competing in use of common water source. The geographical location and the number of countries included as well as economic performance of these countries escalate the complexities of shared waters. Therefore, proper analysis of the economic performance of neighboring countries will assist future studies. In this research, Aras River between Iran, Turkey, Armenia and Azerbaijan is chosen. First, the basin is extracted using 30 meters cell size Digital Elevation Model in ArcMap and then it is divided into 10 sub-basins to obtain physiographic properties in terms of average slope, average height and area. Using rainfall data of synoptic stations and surface runoff of hydrometric stations, average annual stream-flow of each sub-basin is estimated. Then, Seemingly Unrelated Regression model as well as Panel Data regression model are used to model the relationship between annual added value data of agricultural sector as dependent variable on available annual water, labor force and capital of each country. Statistical interpretation of the results from different models, proves that Fixed Effect model describes the relationship better and can explain the cross sectional heterogeneity up to 73 percent in added value. Moreover, squared water coefficient term, illustrates the nonlinear relationship between water and added value and is statistically significant.