بررسي نقش عوامل موثر بر تابع تقاضاي آب خانگي در شهر ايلام

The role of Economic and Noneconomic Factors on Residential

آب و تقاضاي آن در بخش هاي مختلف يكي از موضوع هاي مهم و مورد توجه پژوهشگران، سياست گذاران و محافل علمي و اجرايي است. امروزه، كمتر شهري وجود دارد كه با تنگناهاي تامين آب آشاميدني سالم سروكار نداشته باشد، از اين رو تخمين تقاضاي آب اهميت بالايي دارد. در اين مطالعه، با استفاده از تيوري هاي اقتصاد خرد، مدل تابع تقاضاي استون گري براي كالاي ضروري آب با تامين سطح حداقل معاش به وسيله توابع رگرسيوني خطي و لگاريتمي برآورد شد و عوامل مختلف و موثر بر تقاضاي آب آشاميدني شناسايي، اندازه گيري و تخمين زده شد؛ آنگاه كشش‌ قيمتي و كشش درآمدي تقاضاي آب محاسبه شد. بر اساس نتايج تحقيق، مصرف آب فصل هاي تابستان و پاييز خانوارهاي مورد بررسي 7/1 برابر مصرف فصل هاي زمستان و بهار آن هاست. از آنجا كه متغيرهاي قيمت و درآمد سهم بسيار كمي از تقاضا براي آب را توضيح داده اند، در سياست گذاري و مديريت تقاضاي آب بايد علاوه بر آ ن ها به عوامل و متغيرهاي ديگري نظير ويژگي هاي خانوار، ويژگي هاي ساختمان، ميزان و فشار آب در دسترس و دماي هوا نيز توجه كرد. نتايج حاصل از تحقيق نشان داد كه توجه صرف به متغيرهاي اقتصادي در برنامه ريزي هاي اقتصادي مربوط به آب ما را به نتيجه مطلوب نمي رساند.

Estimation of water demand in the different sectors, spatially in the urban areas is an important subject that it has considered by scientists and economic researchers’. Water shortage and related challenges are most important problems of cities. This study was done according to Stonegray function and consumer behavior in microeconomic theory. Lineline, log line, loglog and some kinds of econometricsʹ functions was used in the analysis. Price and income elasticties were and respectively. Water consumption in autumn and summer was 1.7 times greater than winter and spring. Three hindered and eighty households were chosen by using systematic sampling in Ilam. Price and income variables were measured on water consumption. Results show that, if we want to decision making to block rate pricing of residential water, we should pay attention to another variable such as weather temperature, size of home, size of family, tabs number, garden, yard, pool, pressure of water and consumption zone. Regression coefficients show that there were significance associations between water price and income with water demand.