ارزیابی و اولویت بندی متغیر های کلان اقتصادی بخش کشاورزی در استان های ایران با استفاده از ماتریس حسابداری اجتماعی چند منطقه ای
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 19
فایل این مقاله در 32 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_IJAEDR-57-3_006
تاریخ نمایه سازی: 21 آبان 1405
چکیده مقاله:
این مطالعه با هدف اولویت بندی استان های ایران در بخش کشاورزی، از ماتریس حسابداری اجتماعی چندمنطقه ای و روش آنتروپی-تاپسیس بهره گرفته است. بدین منظور، نخست جدول داده-ستانده چندمنطقه ای با روش CHARM-RAS طراحی و سپس برای نخستین بار در ایران، ماتریس حسابداری اجتماعی چندمنطقه ای تدوین شده است. در ادامه، اولویت بندی استان ها بر اساس برخی متغیرهای کلان اقتصادی صورت گرفته است. یافته ها با توجه به متغیرهای ارزش افزوده، تقاضای خانوار، تقاضای واسطه، هزینه واسطه، خالص صادرات خارجی برای زیربخش های کشاورزی و نیز انتقالات بین نهادی نشان می دهد که میان جمعیت، ارزش افزوده و تقاضای خانوار در زیربخش های کشاورزی ارتباط مثبت وجود دارد. همچنین شاخص های پیوند پسین و پیشین (اعم از مستقیم و نیز مستقیم و غیرمستقیم) بیانگر آن است که زیربخش های کشاورزی در برخی استان ها توانایی بیشتری در افزایش تقاضا برای تولیدات واسطه ای سایر بخش ها نسبت به دیگر استان ها دارند. این نتایج حاکی از آن است که عدم توزیع مناسب منابع و کم توجهی برنامه ریزان به ظرفیت های تولیدی برخی استان ها، مانعی جدی در مسیر توسعه متوازن منطقه ای محسوب می شود. از این رو، توزیع عادلانه و مبتنی بر ظرفیت های زیربخشی منابع میان استان ها ضرورتی اجتناب ناپذیر برای تحقق توسعه متوازن است.
کلیدواژه ها:
متغیرهای اقتصادی ، جدول داده - ستانده چندمنطقه ای ، ماتریس حسابداری اجتماعی چند منطقه ای ، روش آنتروپی - تاپسیس
نویسندگان
شهربانو باقری
فارغ التحصیل دکتری گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه تبریز، ایران
سعید یزدانی
گروه اقتصاد کشاورزی،دانشکده اقتصاد کشاورزی، دانشگاه تهران، کرج، تهران، ایران
معصومه باقری
دانشجوی دکتری گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران
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 :