Distributional Consequences of Subsidy Removal from Agricultural and Food Industry Sectors in Iran: A Price-based SAM Analysis
محل انتشار: مجله علوم و فناوری کشاورزی، دوره: 16، شماره: 1
سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 57
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JASTMO-16-1_001
تاریخ نمایه سازی: 1 آذر 1402
چکیده مقاله:
This paper explores the distributive impacts of subsidy removal in agricultural sectors and related industry in Iran, using a social accounting matrix (SAM)-based price model. The structural path analysis approach is used to decompose the overall influences into direct, global, and total effects. The simulation results reveal that a shock therapy strategy, which involves the removal of all subsidies from all food producing sectors at once, amplifies the adverse effects of this policy option, especially on the low income households. Also, results indicate that removing subsidy from food producing sectors has distributional consequences for the Iranian households. The rural low income group is the most adversely affected group while the urban high income group is the least affected among the Iranian households. In addition, reducing subsidy in food industry sector has the largest impact on the households’ welfare. Based on the results of the path decomposition of the households’ expenditure, it is expected that less than ۵۰ percent of the overall effects of subsidy removal appear almost immediately after implementing this policy.
کلیدواژه ها:
نویسندگان
V. Ansari
Department of Agricultural Economics, University of Tehran, Karaj, Islamic Republic of Iran.
H. Salami
Department of Agricultural Economics, University of Tehran, Karaj, Islamic Republic of Iran.
T. Veeman
Department of Resource Economics and Environmental Sociology, University of Alberta, Canada.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :