" أثر التغيرات المناخية علي إنتاجية الحاصلات الزراعية في مصر "

نوع المستند : مقالات سیاسیة واقتصادیة

المؤلف

مدرس الاقتصاد – معهد طيبة للحاسب والعلوم الإدارية - جمهورية مصر العربية

المستخلص

المستخلص
هناک عدد قليل جدا من الدراسات التي تتناول العلاقة بين التغيرات المناخية وأثرها على انتاجية الحاصلات الزراعية في الدول النامية ولاسيما مصر، وتهدف هذه الدراسة قياس إثر التغيرات المناخية ممثلة في درجات الحرارة وهطول الامطار على انتاجية الحاصلات الزراعية المصرية (القمح والذرة الشامية) في الاجل الطويل والاجل القصير، وذلک خلال الفترة من عام 1981 الي عام 2014، وفقا لتقسيم المحافظات المنتجة للمحاصيل الزراعية الي ثلاث أقاليم: مصر العليا، ومصر الوسطي، والوجه البحري. وتتمثل المساهمة العلمية لتلک الدراسة في استخدام أسلوب الاقتصاد القياسي من خلال بيانات حقيقية على خلاف الدراسات الأخرى التي تستخدم بيانات تجريبية. وتم استخدام بعض تقنيات الاقتصاد القياسي الحديثة المتمثلة في تقنية المربعات الصغرى العادية المعدلة بالکامل Full-Modified OLS (FMOLS)، لتقدير متجه التکامل المشترک للبيانات الجدولية Panel Data لاستخلاص تقديرات طويلة الاجل لأثار التغييرات المناخية على إنتاجية على الحاصلات الزراعية من القمح والذرة الشامية. وقد توصلت الدراسة الي ان هناک علاقة معنوية طويلة الاجل بين متوسط درجات الحرارة وانتاجية کل من محصولي الذرة الشامية والقمح. وان درجة الحرارة تؤثر بشکل کبير على إنتاجية المحصولين في الاجل الطويل أکثر منها في الاجل القصير. 

الموضوعات الرئيسية


أولا: المقدمة:

تؤثر التغیرات المناخیة على صحة البیئة المحیطة، حیث من المحتمل أن ترتفع وتیرة حدوث الکوارث الطبیعیة کالجفاف والفیضانات وغیرها، والتی قد تهدد سلامة وصحة الإنسان بصورة مباشرة وغیر مباشرة، حیث أوضح عدد من الهیئات الدولیة أن للتغیرات المناخیة آثارًا صحیة محتملة على الإنسان، من ضمنها انتشار الأمراض المنقولة بالنواقل، وعدد من الأمراض المعدیة، والأمراض المنتقلة عن طریق تناول الماء، أو الغذاء الملوث، وقد تؤثر فی صحة الأشخاص الذین یعانون الأمراض المزمنة کمرضى القلب والربو مثلًا، وتفاقم الحالة الصحیة لهم.

ویعتبر القطاع الزراعی من أهم القطاعات التی سوف تتأثر بالتغیرات المناخیة وذلک لحساسیة الحاصلات الزراعیة لتغیر درجات الحرارة سواء بالارتفاع أو الانخفاض، حیث تنخفض إنتاجیة بعض الحاصلات مثل القمح والأرز بارتفاع درجة الحرارة، فی حین ترتفع إنتاجیة محصول القطن بهذا الارتفاع، هذا إلى جانب زیادة استهلاک المیاه بسبب زیادة مرات الری للحفاظ على درجة رطوبة التربة. وجدیر بالذکر، ان من اهم حقوق الانسان الحق فی الغذاء، والذی قد یتأثر بالتغیرات المناخیة نتیجة ارتفاع درجات الحرارة وارتفاع مستوی سطح البحر وکمیات الامطار. وبالتالی، یجب على الحکومات وضع الاستراتیجیات اللازمة لحمایة هذا الحق.

لذلک، أصبحت حساسیة الزراعة لتغیر المناخ مجالا مهما للبحوث فی العصـر الحالی، حیث من المتوقع ان یحدث 20% من الاضرار الناجمة عن تغیر المناخ فی القطاع الزراعی على المستوی العالمی (Zaied, 2013). وتقدر التغییرات فی الرفاهیة العالمیة فی قطاع الزراعة ما بین خسائر تبلغ 61.2 بلیون دولار ومکاسب تبلغ 0.1 بلیون دولار (Reilly, Hohmann & Kane, 1994).

ویعرف تغیر المناخ طبقا لاتفاقیة الأمم المتحدة الاطاریة للتغیرات المناخیة على "انه التغیر الناجم بصورة مباشرة او غیر مباشرة عن النشاطات البشریة التی تفضی الی تغیر فی تکوین الغلاف الجوی العالمی، والذی یلاحظ على فترات زمنیة متماثلة" (مرکز المعلومات ودعم اتخاذ القرار، 2009). اما فریق العمل الحکومی لتغیر المناخ (GIEC) فیعرف التغیرات المناخیة باعتبارها "کل اشکال التغیرات التی تمکن التعبیر عنها بوصف احصائی، والتی یمکن ان تستمر لعقود طویلة، الناتجة عن النشاط الإنسانی او الناتجة عن التفاعلات الداخلیة لمکونات النظام المناخی". ونستنتج من التعریفین السابقین ان التغیر المناخی ناتج عن کل من النشاط الإنسانی والعوامل الطبیعیة، ویتسم بالاستمراریة حیث وان کانت أسبابها انیة، الا ان اثارها السلبیة سوف تستمر لأجیال قادمة. ومن اهم المتغیرات المناخیة ارتفاع درجة حرارة الجو، واختلاف کمیات واوقات هطول الامطار، وما یتبع ذلک من تغیر فی الدورة المائیة وعملیاتها المختلفة. وخلاصة القول، ان التغیر المناخی عبارة عن تغیر فی الخصائص المناخیة للکرة الأرضیة نتیجة الزیادات الحالیة فی نسبه ترکز الغازات المتولدة عن عملیات الاحتراق فی الغلاف الجوی، بسبب الأنشطة البشریة والعوامل الطبیعیة التی ترفع من درجة حرارة الجو، ومن هذه الغازات ثانی أکسید الکربون، والمیثان، وأکاسید النتروجین، والکلوروفلورکربون (فواز & سلیمان، 2015).

ولا تعتبر مصر بعیدة عن هذه التغیرات المناخیة، ولا سیما الحاصلات الزراعیة المصریة التی تعتبر أکثر عرضه للتأثر بشکل مباشر وغیر مباشر بتغیرات المناخ. وقد صاحب تزاید عدد السکان فی مصر من 27 ملیون نسمة فی عام 1960 الی 96 ملیون نسمة فی عام 2016، بمتوسط معدل نمو سنوی یبلغ حوالی 2%، الی ان تتزاید مساحة الأراضی الزراعیة من 2.58% من مساحة الأراضی فی عام 1960 لتصل الی حو الی 3.76% من مساحة الأراضی فی عام 2013، بمتوسط معدل تزاید سنوی مقداره 0.75%. مع العلم ان هناک فقدان کبیر للأراضی الصالحة للزراعة نتیجة للزحف العمرانی. وعلى الرغم، من تزاید مساحة الأراضی الزراعیة، الا ان مساهمة القطاع الزراعی فی الناتج المحلی المصری قد انخفضت من 29% فی عام 1965، لتصل الی حوالی 12% فقط فی عام 2016. وهو ما ادی الی انخفاض المشتغلین فی الزراعة من 51% من اجمالی المشتغلین فی مصر عام 1960، لتصل الی حوالی 26% من اجمالی المشتغلین المصریین فی عام 2015. ومما سبق، یتضح انه على الرغم من انخفاض نسبة العاملة فی المجال الزراعی الی النصف تقریبا، الا انها تستوعب نسبة لا یستهان بها من قوة العمل المصریة. ومن الجدیر بالذکر، انه حدث تحسن کبیر فی إنتاجیة المحاصیل الزراعیة، حیث بلغ الرقم القیاسی لإنتاجیة المحاصیل الزراعیة وفقا لسنة الأساس 2004-2006 حوالی 21.5% فی عام 1961، لیصل الی 118% فی عام 2014. ولذلک، فان أی اثار سلبیة متوقعة نتیجة تغیر المناخ سوف تسبب ضررا کبیرا للاقتصاد المصری، من خلال تزاید معدلات البطالة وتدنی الناتج المحلی الإجمالی وتزاید معدلات الفقر. وما یؤکد ما سبق، ان نسبة عدد الفقراء فی المناطق الریفیة عند خط الفقر الوطنی یمثل حوالی 32% من سکان الریف فی عام 2010 (http://data.worldbank.org/indicator). 

ویؤکد ارتفاع درجة الحرارة وانخفاض هطول الامطار وزیادة انبعاثات ثانی أکسید الکربون، حقیقة التغیرات المناخیة التی تتأثر بها مصر. وفیما یلی تطور اهم المتغیرات المناخیة فی مصر خلال الفترة من عام 1901 الی عام 2015:

  • تطور درجة الحرارة: لقد ارتفعت متوسط درجة الحرارة فی مصر من 22.34 درجة مئویة فی عام 1901 الی 23.37 درجة مئویة فی عام 2015، بمعدل نمو قدرة 4.6%. الا ان متوسط معدل النمو السنوی لدرجة الحرارة فی مصر خلال تلک الفترة یبلغ 0.07% سنویا. وقد تزاید متوسط درجة الحرارة فی مصر من 22.68 درجة مئویة فی عام 2011 الی 23.37 درجة مئویة فی عام 2015، بمعدل نمو قدرة 3%

http://sdwebx.worldbank.org/climateportal/countryprofile/home.cfm?page=country_profile&CCode=EGY, Climate Change Knowledge Portal.

مما یوضح ان هناک اتجاه لا یمکن أغفاله لتزاید درجات الحرارة فی مصر، مما یستلزم وضع الاستراتیجیات المناسبة للتعامل مع تلک الظاهرة.

  • تطور هطول الامطار: لقد انخفض متوسط هطول الامطار فی مصر من 3.91 مم فی عام 1901 الی 2.93 مم فی عام 2015، بمعدل نمو سالب قدرة 25%. الا ان متوسط معدل النمو السنوی لهطول الامطار فی مصر خلال تلک الفترة یبلغ 4.6% سنویا. وقد تزایدت متوسط هطول الامطار فی مصر من 2.12 مم فی عام 2011 الی 2.93 مم فی عام 2015، بمعدل نمو قدرة 38%. ومما سبق، یتضح ان مصر تتسم بالتقلبات الشدیدة فی هطول الامطار الا ان الاتجاه الواضح هو انخفاض هطول الامطار خلال تلک الفترة.

http://sdwebx.worldbank.org/climateportal/countryprofile/home.cfm?page=country_profile&CCode=EGY, Climate Change Knowledge Portal.

  • تطور ثانی أکسید الکربون: لقد تزایدت بشدة انبعاثات ثانی أکسید الکربون من 16054.13 کیلوطن فی عام 1960 الی 213012.36 کیلو طن فی عام 2013، بمعدل نمو کبیر جدا یبلغ 1226.8%. الا ان متوسط معدل النمو السنوی یبلغ حوالی 5.4% سنویا. وفی السنوات الخمس الأخیرة، قد تزایدت أیضا انبعاثات ثانی أکسید الکربون من 206734.5 کیلو طن فی عام 2009 الی 213012.4 کیلو طن، بمعدل نمو یبلغ 3% (البنک الدولی، http://databank.worldbank.org). مما یتضح ان هناک زیادة مستمرة فی انبعاثات ثانی أکسید الکربون.

ومما سبق، ان یتضح ان کافة المتغیرات المناخیة تتدهور بشکل کبیر، مما یوحی بتفاقم أثر التغیرات المناخیة على الاقتصاد المصری، ولاسیما القطاع الزراعی الأکثر حساسیة لتغیر المناخ.

وقد أجریت العدید من الدراسات فی الدول المتقدمة فی العقود الثلاثة الماضیة لمحاولة فهم العلاقة بین تغیر المناخ والإنتاج الزراعی. وعلى العکس من ذلک، فان هناک القلیل جدا من الدراسات عن تغیر المناخ فی الدول النامیة الأکثر تأثر بتغیر المناخ. ولذا وجب التعرف علی اهم عوامل التغییرات المناخیة المؤثرة على إنتاجیة الحاصلات الزراعیة المصریة سواء فی الاجل القصیر او الاجل الطویل. مما یتیح لمتخذی القرار تقریر الأسلوب المناسب للتعامل مع تلک الاثار سواء الإیجابیة او السلبیة التی تختلف تبعا للأقالیم المصریة المختلفة.

وتعد من الحاصلات الزراعیة الاستراتیجیة المؤثرة فی غذاء الاسرة المصریة القمح والذرة الشامیة، والتی سوف تتأثر حتما بالتغیرات المناخیة. ومن ثم، لابد من استشراف إثر التغیرات المناخیة على إنتاجیة هذه الحاصلات الزراعیة الاستراتیجیة فی الاجلین القصیر والطویل.

ثانیا: الاستعراض المرجعی:

هناک عدة تقسیمات للنهج والنماذج الاقتصادیة المستخدمة فی قیاس الاثار الاقتصادیة لتغیر المناخ على الزراعة. واحد التصنیفات البسیطة لهذه النهج اما "النهج الهیکلیة" structural Approaches التی تجمع بین الاستجابة الزراعیة للحاصلات الزراعیة والقرارات الاقتصادیة للمزارعین او "النهج التماثلیة المکانیة" Spatial Analogue Approaches التی تستخدم الاختلافات الملحوظة فی الانتاج الزراعی والمناخ بین البلدان والاقالیم المختلفة (Adams, Hurd, Lenhart & Leary, 1998) .

ویستخدم النهج الهیکلی نماذج متعددة التخصصات Interdisciplinary Models  لقیاس الاثار الاقتصادیة لتغیر المناخ.  فقد یعتمد هذا النهج على نماذج محاکاة المحاصیل Crop Simulation Models، وبناء على الاثار المقدرة، یتم استخدام نموذج محاکاة تغیرات الانتاج وفقا للمحصول والمنطقة. وتتمثل میزة هذا النهج المنهجی فی انه یتیح الحصول على معلومات مفصلة حول الاستجابات الفزیائیة والبیولوجیة والاقتصادیة، فضلا عن التعدیلات الممکنة Closset, Dhehibi & Aw-Hassan, 2015)). ومن ثم، فان هذا النهج یسهل مباشرة ادراج اثار تغیر المناخ على انتاج المحاصیل. ومع ذلک، ان أحد اهم عیوب هذا النهج هو انه یحتاج الی اجراء استنتاجات متعددة من مواقع ومحاصیل قلیلة نسبیا بشأن الامتدادات الکبیرة من الاراضی والنظم الانتاجیة المتنوعة. ویتمثل التحدی فی تنفیذ هذا النهج الهیکلی فی تحدید وادماج التکیفات Adaptation الهامة التی قد یقوم بها المزارعون لتقلیل المبالغة المحتملة فی تقدیر الجوانب السلبیة (Adams et al., 1998).

وفی المقابل، تقدر النماذج التماثلیة المکانیة اثار تغیر المناخ على الزراعة من خلال الاختلافات بین نوع الأراضی والإنتاج الزراعی والمتغیرات الإقلیمیة الأخرى التی تتصل بالمناخ فی قطاع الزراعة. وتسعی النماذج التماثلیة المکانیة الی استخلاص استنتاجات حول کیفیة تبنی المناطق الأکثر برودة للممارسات المناطق الأکثر دفئا، إذا ارتفعت درجة حرارة المناخ. ویمکن للنماذج التماثلیة المکانیة ان تستخدم اما أسالیب إحصائیة او برمجیة لتحلیل التغیرات فی الأنماط المکانیة للإنتاج الزراعی (Adams et al., 1998) . ویستند النهج التماثلی المکانی على عدة افتراضات، وتنص الفرضیة الاولی على ان المزارعین سیکونون قادرین ومستعدین على تبنی الممارسات الزراعیة، واصناف المحاصیل، وممارسات الحصاد التی یتبعها المزارعون فی المناطق الأکثر دفئا. اما الفرضیة الثانیة فتوضح ان التعدیلات المادیة والحیویة والاقتصادیة التی یفرضها تغیر المناخ تتم تلقائیا. ولهذا تری الفرضیة الأخیرة انه من غیر الضروری وضع نموذج لسلوکیات التکیف للمزارعین فیما یتعلق بتکالیف التکیف على المدی القصیر والمتوسط، وهو ما یمثل أحد نقاط ضعف النهج التماثلی المکانی. اما نقطة الضعف الأخرى فهی ان النماذج المدرجة فی النهج المکانی تعتمد بدرجة کبیرة جدا علی توافر المعلومات. فی حین، تکمن قوه النماذج التماثلیة المکانیة فی ان التغییرات الهیکلیة واستجابات المزارعین تنطوی ضمنا فی التحلیل، وبالتالی تتسم هذه النماذج بمعقولیة التکیف المکانی کاستجابة أولیة لتغیر المناخ (Adams et al., 1998). ومن اهم النماذج المستخدمة فی النهج التماثلی المکانی النموذج الریکاردی Ricardian Model، ونموذج التوازن العام الحسابی Computable general equilibrium Model، ونماذج نظم المعلومات الجغرافیة Geographic Information System (GIS).

ویمکن تقسیم النهج والنماذج المستخدمة فی قیاس الأثر الاقتصادی لتغیر المناخ على الزراعة وفقا لمستوی التقییم الی نماذج على مستوی الاقتصاد ککل Economy-Wide او ما یطلق علیها نماذج التوازن العام General Equilibrium ونماذج التوازن الجزئی Partial Equilibrium. وتعد النماذج على مستوی الاقتصاد ککل (التوازن العام) نماذج تحلیلیة، والتی تنظر الی الاقتصاد باعتباره نظام متکامل من مجموعة من المکونات المترابطة مثل الصناعات، عوامل الإنتاج، والمؤسسات، وباقی العالم. وفی المقابل، وتقوم نماذج التوازن الجزئی على تحلیل جزء من الاقتصاد الکلی مثل سوق واحد، سلعة واحدة، او مجموعة فرعیة من الأسواق او القطاعات(Deressa, 2007) .

وسوف نتناول اهم النماذج المستخدمة فی قیاس الأثر الاقتصادی لتغیر المناخ على المستوی الکلی والجزئی کما یلی:

نماذج تغیر المناخ على المستوی الکلی:

وبما ان تغیر المناخ یؤثر تأثیرا مباشرا او غیر مباشر على قطاعات الاقتصاد المختلفة، فان هناک حاجة ملحة لوضع نماذج على نطاق الاقتصاد ککل، والتی تشمل التفاعلات المعقدة بین مختلف القطاعات، والتی ینمو استخدامها فی مجالات دراسات تقییم اثار تغیر المناخ. ومن اهم النماذج المستخدمة فی قیاس أثر التغیرات المناخیة على الاقتصاد ککل نماذج التوازن العام الحسابیة Computable General Equilibrium Model (CGM).

  • نماذج التوازن العام الحسابیة: أن نماذج التوازن العام هی عبارة عن النماذج التی تمثل الاقتصاد باعتباره مجموعة من دوال الطلب والعرض المرتبطة بکل قطاع من قطاعات الاقتصاد(Ortiz & Markandya, 2009) . وتعتبر نماذج التوازن العام الحسابیة هی أحد أنواع نماذج تقییم تأثیر السیاسات على نطاق الاقتصاد ککل، والتی احتلت مکانا هاما فی التحلیل الاقتصادی للقضایا والسیاسات البیئیة، نظرا لقدرتها علی استخلاص المعقدة علی نطاق الاقتصاد ککل من التغیرات الخارجیة Exogenous Changes مثل درجات الحرارة، هطول الامطار، ... الخ. ومن اهم أوجه القصور التی تعانی منها نماذج التوازن العام الحسابیة صعوبات اختیار النموذج المستخدم، ومواصفات المعلمات، والاشکال الدالیة، واتساق البیانات، ومشاکل التقییم. فضلا عن عدم وجود اختبارات إحصائیة لمواصفات النموذج وتعقد نماذج التوازن العام الحسابیة واحتیاجها الی مهارات عالیة من اجل تطویره واستخدامه (Deressa, 2007).

نماذج تغیر المناخ على المستوی الجزئی:

یمکن تصنیف نماذج التوازن الجزئی وفقا لطریقتین لتحلیل حساسیة الزراعة لتغیر المناخ، الأولی تعتمد على نماذج محاکاة المحاصیل Crop Growth Simulation Models، والثانیة تستخدم أسالیب الاقتصاد القیاسی Econometric Procedures. وسوف نتعرض لکل منهم کالاتی:

  • نماذج محاکاة المحاصیل: تستند هذه النماذج على التجارب المتحکم بها Controlled Experiments حیث تنمو المحاصیل وفقا لإعدادات حقلیة او مختبریة التی تحاکی مختلف أنواع المناخ ومستویات ثانی أکسید الکربون، ومن اجل تقدیر استجابات الغلة لمجموعة محاصیل معینة لبعض المتغیرات المناخیة وغیرها من المتغیرات. ولا تشمل تقدیرات هذه النماذج اثار تکیف المزارعین مع الظروف المناخیة المتغیرة. ونتیجة لذلک، تمیل نتائج هذه النماذج الی المبالغة فی الاضرار التی لحقت بالإنتاج الزراعی بسبب تغیر المناخ (Economic Commission for Latin America and the Caribbean [ECLAC], 2011). ویمکن تقسیم نماذج محاکاة المحاصیل وفقا لنهج ملائمة المحاصیل Crop Suitability Approach، ونهج دالة الإنتاج Production Function Approach.
  • نهج ملائمة المحاصیل: ویشار الی هذا النهج أیضا باسم نهج تقسیم المناطق الزراعیة الایکولوجیة Agro-ecological zone (AEZ) method، ویستخدم نموذج المناطق الزراعیة الایکولوجیة معلومات تفصیلیة عن ظروف المناخ والتربة والمحاصیل والتکنولوجیات لقیاس حساسیة المناخ لغلات المحاصیل التی محاکاتها. ویعتمد النموذج بشکل کبیر على علاقات العلوم الطبیعیة وتطویر نموذج مفصل لعملیة الفیزیولوجیة البیئیة. ویتنبأ النموذج بأنواع استخدامات الأراضی Land Utilization Types (LUT)  استنادا مزیج من التکنولوجیات والتربة والمناخ الحالی لتحدید المحاصیل المناسبة لکل خلیة. وبالتالی، یمکن نموذج المنطقة الزراعیة الایکولوجیة من محاکاة تأثیرات التغیرات فی درجات الحرارة وهطول الامطار على الإنتاج الزراعی المحتمل وانماط الزراعة علی نطاق عالمی (Nhemachena, 2009) . وبما ان النموذج یتضمن المناخ کأحد محددات ملائمة الأراضی الزراعیة لإنتاج المحاصیل، فأنه یمکن استخدامه للتنبؤ بأثر المتغیرات المناخیة المتغیرة على المخرجات الزراعیة المحتملة وانماط المحاصیل (Deressa, 2007). کما یمکن نموذج تقسیم المناطق الزراعیة الایکولوجیة من معالجة التکیف مع الظروف المناخیة المتغیرة من خلال تولید سیناریوهات ثابتة تقارن مع التغیرات فی المعاملات التکنولوجیة.

وتتمثل إحدى نقاط القوة الهامة فی نموذج المناطق الزراعیة الایکولوجیة فی التغطیة الواسعة للبلدان النامیة، حیث لم تجرى سوی بحوث قلیلة حول المناخ، وحیثما تکون قیود البیانات قد تجعل استخدام أسالیب اخری امر صعبا. ویتمیز النموذج فی قدرته على محاکاة تأثیرات تغیر هطول الامطار والغطاء السحابى على انتاج المحاصیل المحتمل وبدرجة اقل اثار تغیرات درجات الحرارة. کما ان نموذج المناطق الزراعیة الایکولوجیة یمکن من وضع نماذج للحساسیات المناخیة المستقبلیة استنادا الی العلاقات البیئیة الفیزیولوجیة المفصلة، فی ظل المعرفة الکاملة بالأثر المحتملة للتکنولوجیا المستقبلیة والسلالات الوراثیة على معاییر محددة (Nhemachena, 2009) .

ویعانی نموذج تقسیم المناطق الزراعیة الایکولوجیة من عیب انه من غیر الممکن التنبؤ بالنتائج النهائیة دون وضع نماذج واضحة لجمیع المکونات ذات الصلة. وبالتالی، فان اغفال عامل رئیسی واحد من شأنه ان یؤثر بشکل کبیر على تنبؤات النموذج.

  • o      نهج دالة الإنتاج: تعتمد دالة الإنتاج فی تقدیر أثر تغیر المناخ على دالة الإنتاج التجریبیة او التجریب لتقدیر العلاقة بین الإنتاج الزراعی والتغیرات البیئیة (Mendelsohn, Nordhaus, & Shaw, 1994). وفی هذا النهج، یتم تحدید الإنتاج فی ظل مجموعة متنوعة من الظروف البیئیة، وذلک باستخدام نماذج غلات المحاصیل المعایرة بعنایة فائقة، ثم یتم ادخال متغیرات المدخلات المناخیة مثل درجات الحرارة، وهطول الامطار، ومستویات ثانی أکسید الکربون على مستویات مختلفة وتسجل النتائج. ثم یتم تقدیر دالة الإنتاج لتقیم الأثر الملحوظ لتغیر المناخ على الغلة.

ویوضح مندلسون واخرون انه على الرغم من ان هذه النماذج توفر خط أساس مفید لتقدیر اثر تغیر المناخ علی الزراعة، فأنها تنطوی علی تحیز جوهری وتمیل الی المبالغة فی تقدیر الضرر، نظرا لأنها تحذف مجموعة متنوعة من التکیفات التی یقوم بها المزارعون عادة استجابة للظروف الاقتصادیة والبیئیة المتغیرة(Mendelsohn et al., 1994) .  فمن المرجح، ان یستجیب المزارعون للعوامل البیئیة المتغیرة وغیرها من العوامل من خلال تعدیل مزیج المحاصیل، ومواعید الزراعة والحصاد، جدولة الری واستخدامات الأسمدة ومبیدات الآفات للتخفیف من الاثار الضارة المحتملة لتغیر المناخ. وبالتالی، فان هذه النماذج غالبا ما تتنبأ بتخفیضات کبیرة فی الغلة نتیجة للاحترار العالمی. وأشار مندلسون واخرون الی ان معظم الدراسات تفترض القلیل من التکیف وتقدر ببساطة تأثیر درجة الحرارة علی غلات المزارع. ویسمح البعض بتغیرات محدودة فی استخدام الأسمدة او الری او الأصناف. ولا تسمح أی بإدخال التکیفات التی یقوم بها المزارع تلقائیا للتأقلم مع الظروف المناخیة والاقتصادیة المتغیرة مثل ادخال محاصیل جدیدة، التغیر التکنولوجی، التغییرات فی استخدام الأراضی، فان التحیز الرئیسی او ضعف النموذج هو فشلة فی السماح للإحلال الاقتصادی مع تغیر الظروف.

وبما ان تأثیر تغیر المناخ على غلات المحاصیل یتم تقدیره من خلال التجارب الخاضعة للتحکم، فان میزة هذا النموذج تتمثل فی انه سیکون أکثر موثوقیة فی التنبؤ بکیفیة تأثیر التغیرات المناخیة على الغلة.

  • o      نهج الاقتصاد القیاسی: النموذج الریکاردی: ویستخدم النهج الریکاردی بیانات من استقصاءات المزارع او البیانات على المستوی القطری لتحلیل العلاقة بین القدرات الزراعیة مثل قیمة الأراضی والمتغیرات المناخیة مثل درجة الحرارة وهطول الامطار. ومن اجل تصحیح أی تحیزات جوهریة فی دالة الإنتاج، یستخدم هذا النموذج بیانات اقتصادیة عن القیمة الصافیة للإیجار او قیمة الأراضی، بدلا من دراسة غلات محاصیل محددة(ECLAC, 2011) . وقد استخدم مندلسون واخرون صافی الإیرادات وقیمة الأراضی لتمثیل دخل المزرعة. ومن خلال التقدیر المباشر للإیرادات الصافیة، فان هذا النهج یأخذ فی الاعتبار الاثار المباشرة لتغیر المناخ علی غلات المحاصیل المختلفة، فضلا عن الاحلال غیر المباشر للمدخلات المختلفة والتکیف المحتمل مع مختلف الظروف المناخیة، والذی ینعکس فی التکالیف. وتفترض هذا النموذج ان الأسواق تعمل بشکل صحیح، مما یسمح بقیاس الاثار الاقتصادیة لتغیر المناخ علی القیمة الاقتصادیة للأنشطة المختلفة (Mendelsohn et al., 1994).

وأهم ما یمیز النموذج الریکاردی هو قدرته علی دمج التکیفات التی یقوم بها المزارعون للتأقلم مع تغیر المناخ بهدف تحقیق اقصی قدر من الأرباح عن طریق تغییر مزیج المحاصیل، ومواعید الزراعة والحصاد، ومجموعة اخری من الممارسات الزراعیة. وتنعکس استجابة المزارعین فی التکالیف، مما یتسبب فی اضرار اقتصادیة تنعکس فی صافی الإیرادات. ومن ثم، فان الحساب الکامل لتکالیف او منافع التکیف یجب ان تنعکس فی المتغیر التابع صافی الإیرادات او قیمة الأراضی، ولیس الغلة (Deressa, 2007). والمیزة الأخرى للنموذج هی انه فعال من حیث التکلفة، حیث ان البیانات الثانویة عن المواقع العرضیة یمکن ان تکون سهلة نسبیا فی جمعها عن العوامل المناخیة والإنتاجیة والاجتماعیة والاقتصادیة.

اما النقد الرئیسی الذی یوجه لهذا النموذج هو انه لا یراعی التغیرات فی الأسعار. ویری مندلسون ان فرض ثبات الأسعار له ما یبرره لأنه لا یشکل مشکلة خطیرة فی استخدام النموذج. اما نقطة الضعف الأخرى فی النموذج الریکاردی هی انه لا یقوم على التجارب الخاضعة للتحکم عبر المزارع. اذ تختلف استجابات المزارعین عبر الأراضی المختلفة لیس فقط بسبب العوامل المناخیة، بل أیضا بسبب العدید من الظروف الاجتماعیة والاقتصادیة. ونادر ما تدرج هذه العوامل غیر المناخیة بشکل کامل فی النموذج (Deressa, 2007).

ومن اجل التغلب على الانتقادات الموجهة الی النموذج الریکاردی کأحد نماذج نهج الاقتصاد القیاسی، یری زاید Zaied  (2013) ان استخدام أسلوب الاقتصاد القیاسی الذی یسمح بتقدیر العلاقة الحقیقیة بین تغیر المناخ والإنتاج الزراعی والإنتاجیة باستخدام قاعدة بیانات حقیقیة، مما یتیح الاستفادة من تقنیات الاقتصاد القیاسی فی رسم صورة حقیقیة للواقع من خلال استکشاف البیانات الحقیقیة ولیس التجریبیة.

اما من جانب الدراسات التجریبیة فهناک العدید من الدراسات التی تناولت تقیم الأثر الاقتصادی لتغیر المناخ على الحاصلات الزراعیة فی العدید من الدول. ولعل اغلب هذه الدراسات ترکزت فی الدول المتقدمة، وان کان بدأ یظهر أخیرا القلیل من الدراسات التی تکشف الأثر الاقتصادی لتغیر المناخ على الزراعة فی الدول النامیة. ولقد اتبعت هذه الدراسات العدید من النهج والنماذج فی سبیل تحقیق اغراضها. ولعل من اهم هذه الدراسات تلک الدراسة التی قام بها مندلسون واخرون Mendelsohn et.al (1994) لقیاس أثر تغیر المناخ علی الزراعة فی الولایات المتحدة الامریکیة، واعتمدت الدراسة علی المقارنة بین النهج الریکاردی ونهج دالة الإنتاج التقلیدی. ولذلک استخدمت الدراسة بیانات مقطعیة حول المناخ وأسعار الأراضی الزراعیة وبعض البیانات الاقتصادیة والجیوفیزیائیة لحوالی 3000 مقاطعة فی الولایات المتحدة الامریکیة. وقد توصلت الدراسة الی ان درجات الحرارة المرتفعة فی جمیع الفصول باستثناء الخریف تقلل من متوسط قیم المزرعة، بینما یزید هطول الامطار بخلاف فصل الخریف من قیم المزرعة. وأوضحت الدراسة ان تطبیق النموذج الریکاردی على سیناریو الاحترار العالمی على الزراعة فی الولایات المتحدة یظهر تأثیر اقل بکثیر بالمقارنة مع النهج التقلیدی لدالة الإنتاج. ولعل ذلک یرجع الی ان النهج الریکاردی یدمج التکیفات التی یقوم بها المزارعون للتأقلم مع درجات الحرارة المتغیرة.

وفی دراسة اخری قام بها داروین، تسیغاس، لیفاندروفسکی، ورانیس Darwin, Tsigas, Lewandrowski, and Raneses (1995) للتعرف علی اثر التغیرات المحتملة فی المناخ علی التحولات الجغرافیة فی الهیکل والإنتاج الزراعی فی الولایات المتحدة الامریکیة والعالم من خلال نموذج الموارد الزراعیة المستقبلیة Future Agricultural Resources Model (FARM) . ویتکون نموذج الموارد الزراعیة المستقبلیة من نظام المعلومات الجغرافیة geographic information system (GIS) والنموذج الاقتصادی للتوازن العام القابل للحساب computable general equilibrium (CGE). ویربط نظام المعلومات الجغرافیة المناخ مع إمکانیات الإنتاج فی ثمان مناطق حول العالم. ویحدد نموذج التوازن العام القابل للحساب کیف ان التغیرات فی إمکانیات الإنتاج تؤثر فی الإنتاج والتجارة والاستهلاک لثلاثة عشرة سلعة. وقد توصلت الدراسة الی انه من غیر المرجح ان تؤدی التغیرات العالمیة فی أنماط درجة الحرارة وهطول الامطار خلال القرن القادم الی اضعاف القدرة على انتاج الغذاء فی العالم کله. على الرغم من ان الإنتاج العالمی من المحاصیل بخلاف الحبوب من المرجح ان تنخفض بنسبة تتراوح ما بین 0.2% الی 1.3%، فی حین من المرجح ان یزداد انتاج القمح بنسبة تتراوح ما بین 0.5% الی 3.3%. وتتراوح التغیرات فی الإنتاج العالمی من الحبوب الأخرى ما بین -0.1% الی 0.4%. وقد توصلت الدراسة أیضا الی ان التکیفات التی یقوم بها المزارعون یمکن ان تعوض ما بین 79% الی 88% من التخفیضات فی الحبوب العالمیة الذی یرجع بشکل مباشر لتغیر المناخ. وأخیرا، ان تکالیف ومنافع تغیر المناخ لا تتوزع بالتساوی بین جمیع انحاء العالم، فقد تحقق المناطق الجلیدیة مکاسب تفوق المناطق الاستوائیة من حیث کمیة الأراضی الصالحة للزراعة وانتاجیة المزارع والغابات.

واما دراسة شیاو واخرون Xiao et. al (2002) قد استخدمت نهج تقسیم المناطق الزراعیة الایکولوجیة Agro-ecological zoning (AEZ)، والذی یستند علی المناخ والتربة والطوبوغرافیا، لتقدیر مساحة الأراضی الزراعیة المحتملة وتوزیعها المکانی عالمیا فی ظل المناخ الحالی، وتقیم اثر التغیرات المناخیة العابرة التی یتوقعها نموذج النظام العالمی المتکامل  MIT Integrated Global System Model[1] لتقیم المناخ. وقد توصلت الدراسة الی ان مساحة أراضی المحاصیل الزراعیة المحتملة على مستوی العالم تبلغ 32.91 × 106 کم مربع فی ظل الظروف المناخیة الحالیة، وتزداد بشکل کبیر على مدی الفترة الزمنیة 1977-2100. واعتمدت الدراسة على ثلاثة سیناریوهات للتنبؤ وفقا للظروف المناخیة العابرة، وکانت نتائجها حول مساحة أراضی المحاصیل الزراعیة المحتملة عالمیا بانها سوف تتزاید بنسبة 6.7% لتصبح حوالی 2.2× 106 کم مربع، او بنسبة 11.5% لتصبح حوالی 3.78 × 106 کم مربع، او بنسبة 12.5% لتصبح حوالی 4.12 × 106 کم مربع فی عام 2100، على التوالی. ومن بین اثنی عشرة منطقة اقتصادیة فی العالم، یحقق الاتحاد السوفیتی السابق وبلدان منظمة التعاون والتنمیة الاقتصادیة OECD أکبر الزیادات فی الأراضی الزراعیة المحتملة. فی حین ان البلدان النامیة تحقق زیادات ضئیلة فی الأراضی الزراعیة المحتملة. ویتغیر التوزیع المکانی للأراضی الزراعیة المحتملة تغییرا کبیرا بمرور الزمن، وذلک رهنا بتنبؤات التغیر المناخی العابرة.

وقد أوضحت الدراسات التی قامت بها وحدة بحوث الأرصاد الزراعیة والتغیر فی المناخ التابعة لمعهد بحوث الأرضی والمیاة والبیئة بمرکز البحوث الزراعیة ان نتائج التنبؤ بعید المدى باستخدام نماذج المحاکاة وسیناریوهات تغیر المناخ المختلفة أن التغیرات المناخیة وما تسببه من ارتفاع فی درجة حرارة سطح الأرض سوف تؤثر سلبیا على إنتاجیة العدید من المحاصیل الزراعیة المصریة حیث تسبب نقص شدید فى إنتاجیة معظم محاصیل الغذاء الرئیسیة فى مصر بالإضافة إلى زیادة الاحتیاجات المائیة اللازمة لها. فمثلا، وجدا ان التأثیر المتوقع للتغیرات المناخیة على إنتاجیة الذرة والقمح والأرز سوف تؤدی إلى تناقص إنتاجیة القمح بنحو 18% والشعیر والذرة الشامیة بنحو 19%، بینما سینقص محصول الأرز بحوالی 17%(أبو حدید، 2009).

وتعتمد الدراسات الحدیثة علی نهج الاقتصاد القیاسی ولاسیما النموذج الریکاردی. فقد توالت الدراسات التی استخدمت هذا النموذج بعد الدراسة الرائدة التی قام بها مندلسون واخرون (1994) فی الدول المتقدمة، اما فی الدول النامیة فنجد القلیل جدا من الدراسات التی استخدمت النموذج الریکاردی. وتعد دراسة میشرا وساهو Mishra and Sahu (2014) أحد هذه الدراسات، حیث تسعی هذه الدراسة الی استکشاف الأثر الاقتصادی لتغیر الماخ على الزراعة فی منطقة اودیشا الساحلیة فی الهند باستخدام النهج الریکاردی. وقد تم تقدیر دالة الاستجابة المناخیة لصافی الإیرادات على مستوی المزرعة من خلال تحلیل للقطاعات المقطعیة المجمعة والسلاسل الزمنیة مع التحکم فی جمیع المتغیرات الجغرافیا والاقتصادیة. واظهرت النتائج ان معظم التغیرات المناخیة ومتغیرات التحکم لها تأثیر کبیر علی صافی الإیرادات لکل هکتار فی منطقة اودیشا. وباستخدام الاتجاهات المقدرة للمواسم المختلفة على مدی 30 عاما، وجد ان ارتفاع درجة الحرارة قد تؤثر سلبا على الزراعة فی المنطقة الساحلیة فی اودیشا.

فی دراسة دریسا Deressa (2007) التی استخدمت النهج الریکاردی لتحلیل تأثیر تغیر المناخ على الزراعة الاثیوبیة، حیث رکزت الدراسة على 11 منطقة ایکولوجیة زراعیة تمثل أکثر من 74% من اثیوبیا. وتم اجراء مقابلات مع حوالی 1000 مزارع من 50 مقاطعة. وتم دراسة العلاقة بین صافی الإیرادات ومتغیرات المناخ، والعائلات، والتربة. وتوصلت النتائج الی ان هذه المتغیرات لها تأثیر کبیر علی صافی الإیرادات لکل هکتار للمزارعین فی ظل الظروف الاثیوبیة. کما تناولت الدراسة الأثر الحدی لزیادة درجة الحرارة وهطول الامطار خلال الفصول الأربعة علی صافی الإیرادات لکل هکتار. حیث بینت النتائج ان الزیادة الحدیة للحرارة خلال الصیف والشتاء سیؤدی الی انخفاض صافی الإیرادات لکل هکتار بمقدار 177.62 دولار، 464.71 دولار على التوالی. فی حین ان الأثر الحدی لهطول الامطار خلال الربیع سیزید صافی الإیرادات لکل هکتار بمقدار 225.09 دولار. کما بحثت الدراسة تأثیر سیناریوهات مناخیة موحدة علی صافی الإیرادات لکل هکتار للمزارعین الأثیوبیین. وتشمل هذه السیناریوهات الموحدة زیادة درجة الحرارة بمقدار 2.5 درجة مئویة، و5 درجات مئویة، وخفض هطول الامطار بنسبة 7%، 14% على التوالی. وتشیر النتائج الی زیادة الحرارة وانخفاض هطول الامطار تضر بالزراعة الاثیوبیة، وان انخفاض هطول الامطار أکثر ضررا من زیادة درجة الحرارة.

اما دراسة زاید Zaied (2013) تعتمد على بحث تجریبی على المدی القصیر والطویل لأثار تغیر المناخ على قطاع الزراعة التونسی. ویستند التحلیل الی أربعة وعشرین منطقة فی تونس تقوم بإنتاج الحبوب، للفترة زمنیة من 1979 الی 2011. وکذلک خمس مدن من المنطقة الجنوبیة تقوم بإنتاج التمر، لذات نفس الفترة الزمنیة. وتوصلت الدراسة الی ان درجة الحرارة تقلل سنویا من انتاج الحبوب والتمور باستثناء المناطق المرتفعة. فضلا عن ذلک، فان الامطار السنویة لها تأثیر إیجابی على انتاج الحبوب، ولکن نقص هذه الامطار فی الجنوب یؤثر سلبا على الإنتاج فی المنطقة. وقد تبین ان تأثیر المناخ على المدی القصیر اقل من تأثیره على المدی الطویل. کما ان هطول الامطار له أثر إیجابی ولکنة ضعیف، الا ان هذا الضعف یعوض عن طریق خطر ارتفاع درجة الحرارة خلال العقود الماضیة.

ثالثا: منهجیة الدراسة:

تتمثل منهجیة الدراسة فی إیجاد العلاقة بین التغیرات المناخیة والمتمثلة فی درجات الحرارة والرطوبة فی الأقالیم المصریة المختلفة وإنتاج مجموعة من اهم الحاصلات الزراعیة المصریة (القمح، والذرة الشامیة) فی الاجل القصیر والاجل الطویل. من خلال استخدام المنهج القیاسی من خلال استخدام بعض تقنیات الاقتصاد القیاسی الحدیثة المتمثلة فی تقنیة المربعات الصغرى العادیة المعدلة بالکامل Full-Modified OLS (FMOLS) لتقدیر متجه التکامل المشترک للبیانات الجدولیة Panel Data لاستخلاص تقدیرات طویل الاجل لأثار التغیرات المناخیة على إنتاجیة مجموعة من اهم الحاصلات الزراعیة (القمح، والذرة الشامیة). ویرجع اختیار سلعة القمح لأنها تعد سلعة استراتیجیة بالنسبة للإنسان، اما سلعة الذرة الشامیة فأنها أیضا من السلعة الهامة للإنسان والحیوان.

وترکز الدراسة على منطقة وادی النیل، حیث تقسیم المحافظات المنتجة للمحاصیل وفقا لثلاثة أقالیم، مصر العلیا، ومصر الوسطی، والوجه البحری. ویشمل إقلیم مصر العلیا محافظات أسیوط، وسوهاج، وقنا، ومرکز ومدینة الأقصر، واسوان. اما إقلیم مصر الوسطی فیشمل محافظات حلوان، و6 أکتوبر، الجیزة، بنی سویف، الفیوم، المنیا. واخیر، یشمل إقلیم الوجه البحری محافظات الإسکندریة، البحیرة، الغربیة، کفر الشیخ، الدقهلیة، دمیاط، الشرقیة، الاسماعلیة، بورسعید، السویس، المنوفیة، القلیوبیة، القاهرة.

واتباعا لدراسة زاید Zaied (2013)، یتمثل النموذج المستخدم فی القیاس فیما یلی:

,     …..…………….…..    (1)

حیث ان

 

إنتاجیة المحصول (القمح او الذرة الشامیة)

 

معدل هطول الامطار (مم)

 

درجة الحرارة

 

المعاملات

 

حد الخطأ

وتعتمد الدارسة على البیانات التی یوفرها قطاع الشئون الاقتصادیة بوزارة الزراعة، البنک الدولی، موقع الطقس العالمی، من خلال التقاریر السنویة المختلفة. وتتمثل الفترة الزمنیة التی تتناولها الدراسة من عام 1980 الی عام 2014.

ومن اجل الحصول علاقة طویلة الاجل بین جمیع المتغیرات، لابد من اختبار جذور الوحدة للبیانات الجدولیة Panel Data، ثم نطبق الاختبارات السبعة التی وضعها بیدرونی Pedroni (1999). وللتغلب علی عیوب طریقة المربعات الصغری العادیة OLS التی تعطی نتائج متحیزة نتیجة التباین Endogeneity والارتباط الذاتی Serial Correlation  للانحدار، نستخدم أسلوب المربعات الصغرى العادیة المعدلة بالکامل Full Modified OLS (FMOLS) لتقدیر متجه التکامل المشترک لبیانات الجدولیة المتکاملة المتباینة.

  • o      اختبار جذر الوحدة للبیانات الجدولیة:

هناک العدید من الاختبار التی تستخدم للتحدید مدی استقراریه البیانات الجدولیة، ومن أشهر اختبارات جذر الوحدة اختبار لیفین ولین وتشو Levin, Lin and chu (2002)، واختبار أم وبساران وشین Im, Pesaran and shin (1997).

یعتبر اختبار لیفین ولین وتشو اول اختبار لجذر الوحدة للبیانات الجدولیة حیث تم وضعه فی عام 1997. ویمکن اعتبار هذا الاختبار امتداد لاختبار دیکی فولر (DF)، ویأخذ نموذجهم الشکل التالی (Asteriou & Hall, 2007) :

 

ویسمح هذا النموذج للأثار الثابتة فی الاتجاهین. والأول یأتی من ، والثانی من . ومن ثم یکون کل من الاثار الثابتة محددة الوحدة والاتجاه الزمنی محدد الوحدة. وتعتبر الاثار الثابتة محددة الوحدة عنصر هاما جدا لأنها تسمح بالتباین heterogeneity، وبما ان معامل  مقیدا فانة یمکن ان یکون متجانس homogeneous عبر جمیع الوحدات الجدولیة.

وتکون الفرضیة الصفریة لهذا الاختبار کما یلی:

 

 

ویفترض اختبار لیفین ولین وتشو ان العملیات الفردیة مستقلة عبر القطاعات مثل معظم اختبارات جذر الوحدة. وبموجب هذا الافتراض، یستمد الاختبار الشروط التی سیتبع فیها مقدر المربعات الصغرى العادیة المجمعة لقیمة p التوزیع الطبیعی المعیاری فی اطار الفرضیة الصفریة. وبالتالی، یمکن النظر الی اختبار لیفین ولین وتشو علی انه اختبار دیکی فولر DF المجمع، مع احتمال وجود فترات أبطا عبر القطاعات المختلفة فی البیانات الجدولیة.

اما اختبار ام وبیساران وشین Im, pesaran and shin (1997) فقد تغلب علی العیب الرئیسی لاختبار لیفین ولین وتشو، اذ انه یقید p لتکون متجانسة فی جمیع i. لذا، قد وسع أم وبیساران وشین اختبار لیفین ولین وتشو لیسمع للتباین لمعامل التغیر ، واقترحا اجراء اختبار أساسی واحد استنادا الی متوسط إحصاءات جذر الوحدة الفردیة(Asteriou & Hall, 2007).

یوفر اختبار أم وبیساران وشین Im, pesaran and shin (1997) تقدیرات منفصلة لکل قطاع i، مما یسمح بمواصفات مختلفة للقیم المعلمیة، وتباین البواقی، واطوال فترات التباطؤ. ویأخذ نموذجهم الشکل التالی:

 

وقد صیغت الفرضیات الصفریة على النحو التالی:

 

لکل (i).

 

ل (i) واحدة على الأقل.

وبالتالی، فان الفرضیة الصفریة لهذا الاختبار هی ان جمیع السلاسل تکون غیر مستقرة، اما الفرض البدیل فهو ان هناک جزء من سلسلة البیانات الجدولیة مستقرة. وهو ما یتناقض بشدة مع اختبار لیفین ولین وتشو الذی یفترض ان جمیع السلسلة مستقرة فی أطار الفرضیة البدیلة.

وقد وضع ام وبیساران وشین Im, pesaran and shin (1997) نموذجهم فی اطار الافتراض التقیدی بان t یجب ان تکون نفسها لجمیع المقاطع العرضیة، مما یتطلب بیانات جدولیة متوازنة لحساب إحصائیة t. ولا تمثل إحصائیة t سوی متوسط إحصاءات t لدیکی فولر الموسع (ADF) الفردیة لاختبار ان  لکل i (ویشار الیة ):

 

واضح ام وبیساران وشین (1997) أیضا انه فی ظل افتراضات محددة بان  یتقارب الی إحصائیة تدل علی  موزعة بشکل متماثل ومستقل، والتی أیضا لها متوسط وتباین محدود. ثم تم حساب القیم المتوسط  ، والتباین  لإحصائیة  للقیم المختلفة N، التباطؤ المدرج فی المعادلة (1). واستنادا على تلک القیم، تم حساب إحصائیة ام وبیساران وشین لاختبار جذور الوحدات فی البیانات الجدولیة کالاتی:

 

والتی تثبت انهــــــــــا تتبع التوزیع الطبیعی المعیاری باعتبار ان T-----> ∞ ومتبوعـــــــــــــــــــــا >∞  N----- علی التوالی.

  • o      اختبار التکامل المشترک للبیانات الجدولیة:

من أشهر اختبارات التکامل المشترک للبیانات الجدولیة اختبارات بیدرونی The Pedroni Tests. واقترح بیدرونی (1997، 1999، 2000) عدة اختبارات للتکامل المشترک فی نماذج البیانات الجدولیة التی تسمح بتباین کبیر. یختلف نهج بیدرونی عن اختبارات التکامل المشترک الأخرى فی افتراض وجود اتجاهات للمقاطع العرضیة وانه یأخذ فی الاعتبار الفرضیة الصفریة القائلة انه لا یوجد ت کامل مشترک. ومن اهم ممیزات اختبارات بیدرونی انها تسمح لعدة منحدرین Repressors لمتجه التکامل المشترک ان یختلفوا عبر المقاطع المختلفة للبیانات الجدولیة، وأیضا ان یختلفوا فی التباین فی الأخطاء عبر المقاطع المستعرضة.

ونموذج الانحدار البیانات الجدولیة الذی یقترحه بیدرونی یأخذ الشکل التالی(Asteriou & Hall, 2007):

 

وقد اقترح بیدونی سبعة إحصاءات مختلفة للتکامل المشترک للحصول على الاثار داخل Within، وبین Between فی البیانات الجدولیة. ویمکن تصنیف اختباراته الی فئتین. وتشمل الفئة الاولی أربعة اختبارات علی أساس التجمیع Pooling علی طول بعد داخل البیانات الجدولیة (تجمیع معاملات الانحدار الذاتی عبر المقاطع العرضیة المختلفة للبیانات الجدولیة لاختبار جذر الوحدة للبواقی). وتتضمن هذه الاختبارات حساب متوسط إحصاءات الاختبار للتکامل المشترک فی اطار السلاسل الزمنیة عبر المقاطع المختلفة. وفیما یلی إحصاءات الاختبار لکل من هذه الاختبارات:

1-إحصائیة V  للبیانات الجدولیة:

 

2-إحصائیة p للبیانات الجدولیة:

 

3-إحصائیة t لبیانات الجدولیة (غیر معلمیه)

 

 

 

4-إحصائیة t لبیانات الجدولیة (معلمیه):

 

وتشمل الفئة الثانیة ثلاثة اختبارات تجمع البعد "بین Between" (متوسط معاملات الانحدار الذاتی لکل عضو من البیانات الجدولیة لاختبار جذر الوحدة للبواقی). لذلک، بالنسبة لهذه الاختبارات المتوسط تم اخذة فی الاعتبار فی المقطع. بذلک، فان التوزیعات المحددة تعتمد على التعبیر الریاضی للباسط والمقام من ناحیة المقطع.

وفیما یلی إحصاءات هذه الاختبارات:

5-إحصاءات المجموعة p (معلمیة)

 

6-إحصائیة المجموعة t (لا معلمیة)

 

7-إحصائیة المجموعة  t(معلمیة)

 

ومن العوائق الرئیسیة للاختبارات المذکورة أعلاه فرضیة التقیید المسبقة لمتجه التکامل المشترک الفرید. وهناک أیضا عدة اختبارات اخری للتکامل المشترک یمکن اللجوء الیها للتعرف علی وجود علاقة طویلة الاجل بین المتغیرات موضع الدراسة، ومن امثلة تلک الاختبارات اختبار کاو The Kao test، واختبار فیشر The Fisher test.

رابعا: النتائج والمناقشة:

یتطلب التعرف على العلاقة طویلة الاجل بین متوسط درجات الحرارة ومتوسط هطول الامطار وانتاجیة کل من محصول القمح ومحصول الذرة الشامیة، ان یکون هناک تکامل مشترک بین تلک المتغیرات. وللحصول على التکامل المشترک لابد ان تکون کافة السلاسل الزمنیة متکاملة من نفس الدرجة. ویتضح من الجدول رقم (1) بمحلق الدراسة ان کافة السلاسل الزمنیة للبیانات الجدولیة لمحصول الذرة الشامیة غیر مستقرة فی المستوی لاحتوائها على جذر الوحدة، الا انها مستقرة بعد الفرق الأول. مما یدل انها کافة السلاسل الزمنیة متکاملة من الدرجة I(1). ویتضح أیضا من الجدول رقم (2) بملحق الدراسة ان السلاسل الزمنیة للبیانات الجدولیة لمحصول القمح متکاملة من نفس الدرجة I(1). وبالتالی نستطیع ان ننتقل لاختبار وجود تکامل مشترک بین کافة السلاسل الزمنیة للبیانات الجدولیة، حیث تم اجراء اختبار بدرونی للتکامل المشترک، والذی أوضح بعدم وجود تکامل مشترک بین تلک السلاسل الزمنیة سواء لمحصول الذرة الشامیة او القمح. وللمزید من التأکد تم اجراء اختبار جوهانسون للتکامل المشترک للبیانات الجدولیة، والذی أوضح وجود تکامل مشترک بین السلاسل الزمنیة سواء لمحصول الذرة الشامیة او القمح، مما یدل على وجود علاقة طویلة الاجل بین متغیرات الدراسة. وهو یتضح من جدول رقم (3)، (4) بملحق الدراسة. للتعرف علی قوة واتجاه العلاقة بین متوسط درجات الحرارة ومتوسط هطول الامطار وکل من إنتاجیة محصول الذرة الشامیة ومحصول القمح کلا علی حدة، تم اجراء التقدیر للعلاقة الانحداریة بین تلک المتغیرات باستخدام طریقة المربعات الصغرى العادیة المعدلة بالکامل FMOLS، حیث یتضح من الجدول رقم (5) بمحلق الدراسة ان ارتفاع درجة الحرارة بمقدار درجة واحد مئویة یؤثر بشکل معنوی سلبا علی إنتاجیة محصول الذرة الشامیة بمقدار 0.212 طن لکل فدان فی الاجل الطویل، فی حین لا توجد علاقة معنویة بین متوسط هطول الامطار وانتاجیة محصول الذرة الشامیة فی الاجل الطویل. اما الجدول رقم (6) بملحق الدراسة یبن ان ارتفاع متوسط درجة الحرارة بمقدار درجة واحد مئویة یؤثر بشکل معنوی سلبا على إنتاجیة محصول القمح بمقدار 0.260 طن لکل فدان فی الاجل الطویل. کما لا توجد علاقة معنویة بین متوسط هطول الامطار وانتاجیة محصول القمح فی الاجل الطویل.

وللتعرف على العلاقة قصیرة الاجل بین متوسط درجات الحرارة ومتوسط هطول الامطار وانتاجیة کل من الذرة الشامیة والقمح کلا على حدة، نستخدم نموذج تصحیح الخطأ للبیانات الجدولیة VECM. ویتضح من الجدول رقم (7) بملحق الدراسة انه لا توجد علاقة معنویة بین درجة الحرارة وهطول الامطار وانتاجیة محصول الذرة الشامیة، الا ان النموذج یظهر وجود علاقة طویلة الاجل بین تلک المتغیرات لان معامل C(1) بالسالب ومعنوی. وهو ما تم التأکد منه بأجراء اختبار Wald الذی أکد عدم وجود علاقة معنویة فی الاجل القصیر. اما الجدول (8) بملحق الدراسة فیوضح انه لا توجد علاقة قصیر الاجل بین هطول الامطار وانتاجیة محصول القمح، الا انه توجد علاقة ضعیفة معنویا بین درجة الحرارة وانتاجیة محصول القمح، الا ان النموذج یظهر وجود علاقة طویلة الاجل بین تلک المتغیرات لان معامل C(1) بالسالب ومعنوی. وهو ما تم التأکد منه بأجراء اختبار Wald الذی أکد عدم وجود علاقة معنویة فی الاجل القصیر.

مما سبق، نخلص الی ان هناک علاقة معنویة طویلة الاجل بین متوسط درجة الحرارة وانتاجیة کل من محصولی الذرة الشامیة والقمح، مما یدل ان درجة الحرارة تؤثر فی الاجل الطویل سلبا على إنتاجیة محصولی الذرة الشامیة والقمح، مما یتطلب وضع استراتیجیات للتکیف او التخفیف من الارتفاع المتوقع للدرجات الحرارة. کما اننا نستنج ان درجة الحرارة توثر على إنتاجیة محصولی الذرة الشامیة والقمح فی الاجل الطویل أکثر منها فی الاجل القصیر. ونخلص أیضا الی ان هطول الامطار لم یکن له تأثیر یذکر – کما هو متوقع – على إنتاجیة محصولی الذرة الشامیة والقمح سواء فی الاجل الطویل او الاجل القصیر.

سادسا: الخلاصة والاستنتاج:

تهدف الدراسة الی التعرف على أثر التغیرات المناخیة ممثلة فی درجات الحرارة وهطول الامطار علی اهم الحاصلات الزراعیة المصریة (القمح والذرة الشامیة) فی الاجل الطویل والاجل القصیر. وقد توصلت الدراسة الی ان هناک علاقة معنویة طویلة الاجل بین متوسط درجات الحرارة وانتاجیة کل من محصولی الذرة الشامیة والقمح. وان درجة الحرارة تؤثر بشکل کبیر على إنتاجیة المحصولین فی الاجل الطویل أکثر منها فی الاجل القصیر. وان متوسط هطول الامطار لم یکن له تأثیر معنوی سواء على الاجل الطویل والقصیر. وتوصی الدراسة بشدة بضرورة وضع استراتیجیة واضحة للتخفیف والتکیف مع التغیرات المناخیة ولاسیما ارتفاع درجة، وان یکون للتکنولوجیا النظیفة دورا هاما فی تقلیل الانبعاثات الملوثة للبیئة.

 

المراجع:

  1. أبو حدید، ایمن فرید (2009). التغیرات المناخیة المستقبلیة وأثرها على قطاع الزراعة فی مصر وکیفیة مواجهتها، مرکز البحوث الزراعیة. وزارة الزراعة واستصلاح الأراضی، أکتوبر.
  2. فواز، محمود محمد، سرحان احمد عبد اللطیف سلیمان (2015). دراسة اقتصادیة للتغیرات المناخیة واثارها على التنمیة المستدامة فی مصر. المجلة المصریة للاقتصاد الزراعی. المجلد (25). العدد. (2). یونیو.
  3. مرکز المعلومات ودعم اتخاذ القرار (2009). هل تغیر المناخ فی مصر خلال العشرین عاما الماضیة؟ تقاریر معلوماتیة، مجلس الوزراء المصری. السنة (3). العدد (27). مارس.
    1. Adams, R. M., et al. (1998). "Effects of global climate change on agriculture: an interpretative review."  11(1): 19-30.
    2. Asteriou, D., & Hall, G. S. (2007). Applied Econometrics: a Modern Approach Palgrave Macmillan. New York.
    3. Climate Change Knowledge Portal, http://sdwebx.worldbank.org/climateportal/countryprofile/home.cfm?page=country_profile&CCode=EGY
    4. Closset, M., Dhehibi, B. B. B., & Aw-Hassan, A. (2015). Measuring the economic impact of climate change on agriculture: a Ricardian analysis of farmlands in Tajikistan. Climate and Development, 7(5), 454-468.‏
    5. Darwin, R., Tsigas, M. E., Lewandrowski, J., & Raneses, A. (1995). World agriculture and climate change: economic adaptations (No. 1473-2016-120700).
    6. Deressa, T. T. (2007). Measuring the economic impact of climate change on Ethiopian agriculture: Ricardian approach. The World Bank.‏
    7. ECLAC (2011). An Assessment of The Economic Impact of Climate Change on the Agriculture Sector in Guyana. Economic Commission for Latin America and the Caribbean. Sub regional Headquarters for the Caribbean, LC/CAR/L.323, October,1-63.
    8. lm, K.S., M.H. Pesaran and Y. Shin (1997). Testing for Unit Roots in Heterogeneous Panels. Manuscript. Department of Applied Economics. University of Cambridge.
    9. Levin, A., C.F. Lin and C.S. Chu (2002). Unit Root Tests in Panel Data: Asymptotic and Finite Sample Properties. Journal of Econometrics. 108. pp. 1-24.
    10. Mendelsohn, R., Nordhaus, W. D., & Shaw, D. (1994). The impact of global warming on agriculture: a Ricardian analysis. The American economic review, 753-771.
    11. Mishra, D., & Sahu, N. C. (2014). Economic impact of climate change on agriculture sector of Coastal Odisha. APCBEE procedia, 10, 241-245.
    12. Nhemachena, C. (2009). Agriculture and future climate dynamics in Africa: Impacts and adaptation options (Doctoral dissertation, University of Pretoria).
    13. Ortiz, R. A., & Markandya, A. (2009). Integrated impact assessment models of climate change with an emphasis on damage functions: a literature review. Basque Centre for Climate Change, 1-35.‏
    14. Pedroni, P. (1999). Critical Values for Cointegration Tests in Heterogeneous Panels with Multiple Regressors. Oxford Bulletin of Economics and Statistics. special issue. November. 61. pp. 653-70.
    15. Reilly, J., Hohmann, N., & Kane, S. (1994). Climate change and agricultural trade: who benefits, who loses?. Global Environmental Change, 4(1), 24-36.‏
    16. World bank, http://data.worldbank.org/indicator
    17. Xiao, X., Melillo, J. M., Kicklighter, D. W., Mcguire, A. D., Tian, H., Pan, Y., ... & Yang, Z. (2002). Transient climate change and potential croplands of the world in the 21st century. In Massachusetts Institute of Technology, Joint Program on the Science and Policy of Global Change, Report No. 18. Cambridge: MIT. RECENT IFPRI DISCUSSION PAPERS For.
    18. Zaied, Y. B. (2013, December). Long Run Versus Short Run Analysis of Climate Change Impacts on Agriculture. In Economic Research Forum Working Papers (No. 808).

 

ملاحق الدراسة

 

جدول رقم (1)

اختبارات جذر الوحدة للبیانات الجدولیة للذرة الشامیة

الاختبارات

P

rp

r

rr

t

rt

Levin, Lin & Chu t*

 

 2.31934

 

-10.3182*

 

 0.29698

 

 2.07005*

 

 558.054

 

 1.08002*

 

ADF - Fisher Chi-square

 

 0.58768

 

-10.3182*

 

    2.07005

 

2.07005*

 

 1.08002

 

 1.08002*

 

ADF - Fisher Chi-square

 

 0.35160

 

 98.7729*

 

 2.07005

 

 558.054*

 

 1.08002

 

 1.08002*

 

ملاحظة: * تشیر الی رفض الفرض العدم عند 1%


 

جدول رقم (2)

اختبارات جذر الوحدة للبیانات الجدولیة للقمح

الاختبارات

P

rp

r

rr

t

rt

Levin, Lin & Chu t*

 

 2.93896

 

-14.7289*

 

 0.29698

 

-15.2784*

 

 1.94556

 

-18.6943*

 

ADF - Fisher Chi-square

 

 0.16010

 

 201.793*

 

 

 2.07005

 

 267.946*

 

 1.08002

 

 444.489*

 

ADF - Fisher Chi-square

 

  0.44719

 

 

 176.467*

 

 2.94495

 

 558.054*

 

 

 1.18892

 

 593.811*

 

ملاحظة: * تشیر الی رفض الفرض العدم عند 1%

 

 

جدول رقم (3)

اختبار جوهانسون فیشر للتکامل المشترک للبیانات الجدولیة للذرة الشامیة

 

 

Johansen Fisher Panel Cointegration Test

 

 

 

 

 

 

 

Series: P T R

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Unrestricted Cointegration Rank Test (Trace and Maximum Eigenvalue)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Hypothesized

Fisher Stat.*

 

Fisher Stat.*

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

No. of CE(s)

(from trace test)

Prob.

(from max-eigen test)

Prob.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

None

20.04

0.0027

24.28

0.0005

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

At most 1

3.609

0.7294

3.320

0.7677

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

At most 2

3.356

0.7630

3.356

0.7630

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

* Probabilities are computed using asymptotic Chi-square distribution.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


 

جدول رقم (4)

اختبار جوهانسون فیشر للتکامل المشترک للبیانات الجدولیة للقمح

Johansen Fisher Panel Cointegration Test

Series: P R T 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Unrestricted Cointegration Rank Test (Trace and Maximum Eigenvalue)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Hypothesized

Fisher Stat.*

 

Fisher Stat.*

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

No. of CE(s)

(from trace test)

Prob.

(from max-eigen test)

Prob.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

None

 17.12

 0.0088

 20.76

 0.0020

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

At most 1

 3.369

 0.7613

 3.597

 0.7310

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

At most 2

 2.365

 0.8833

 2.365

 0.8833

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

* Probabilities are computed using asymptotic Chi-square distribution.

 

 

 

 

 

 

جدول رقم (5)

تقدیر المربعات الصغرى العادیة المعدلة بالکامل للبیانات الجدولیة للذرة الشامی

Dependent Variable: P

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Method: Panel Fully Modified Least Squares (FMOLS)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

R

0.049136

0.090902

0.540536

0.5901

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

T

-0.212174

0.123741

-1.714655

0.0897

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

R-squared

0.804955

    Mean dependent var

2.857725

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Adjusted R-squared

0.790430

    S.D. dependent var

0.563041

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S.E. of regression

0.257753

    Sum squared resid

6.245049

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Long-run variance

0.164192

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

جدول رقم (6)

تقدیر المربعات الصغرى العادیة المعدلة بالکامل للبیانات الجدولیة للقمح

Dependent Variable: P

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Method: Panel Fully Modified Least Squares (FMOLS)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

R

0.082263

0.093973

0.875384

0.3836

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

T

-0.260117

0.127922

-2.033411

0.0448

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

R-squared

0.749948

    Mean dependent var

2.379255

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Adjusted R-squared

0.731328

    S.D. dependent var

0.489312

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S.E. of regression

0.253628

    Sum squared resid

6.046746

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Long-run variance

0.175473

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

جدول رقم (7)

نموذج تصحیح الخطأ للبیانات الجدولیة للذرة الشامیة

System: UNTITLED

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Estimation Method: Least Squares

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Date: 08/28/17   Time: 11:40

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Sample: 1983 2014

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Included observations: 96

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Total system (balanced) observations 288

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Coefficient

Std. Error

t-Statistic

Prob.  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(1)

-0.100390

0.031688

-3.168053

0.0017

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(2)

-0.299153

0.110065

-2.717966

0.0070

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(3)

-0.260677

0.109804

-2.374011

0.0183

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(4)

0.019544

0.040500

0.482568

0.6298

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(5)

0.016719

0.038204

0.437626

0.6620

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(6)

-0.068459

0.058904

-1.162212

0.2462

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(7)

-0.062136

0.053490

-1.161645

0.2464

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(8)

0.069508

0.018890

3.679573

0.0003

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(9)

-0.037582

0.161479

-0.232739

0.8161

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(10)

0.151468

0.560874

0.270057

0.7873

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(11)

1.255276

0.559546

2.243381

0.0257

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(12)

-0.331234

0.206380

-1.604971

0.1097

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(13)

-0.218595

0.194684

-1.122821

0.2625

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(14)

-0.499818

0.300165

-1.665142

0.0971

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(15)

0.125698

0.272575

0.461149

0.6451

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(16)

-0.045692

0.096262

-0.474659

0.6354

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(17)

0.135304

0.117570

1.150835

0.2508

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(18)

0.322871

0.408364

0.790645

0.4299

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(19)

1.146998

0.407397

2.815431

0.0052

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(20)

0.043237

0.150262

0.287743

0.7738

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(21)

-0.107790

0.141746

-0.760440

0.4477

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(22)

-0.779127

0.218546

-3.565053

0.0004

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(23)

0.062704

0.198458

0.315957

0.7523

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(24)

-0.011563

0.070087

-0.164979

0.8691

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Determinant residual covariance

0.001668

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Equation: D(P) = C(1)*( P(-1) + 0.740570700782*R(-1) - 1.06236332467*T(

        -1) - 0.353553502046 ) + C(2)*D(P(-1)) + C(3)*D(P(-2)) + C(4)*D(R(-1)) 

        + C(5)*D(R(-2)) + C(6)*D(T(-1)) + C(7)*D(T(-2)) + C(8)

Observations: 96

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

R-squared

0.197714

    Mean dependent var

0.042458

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Adjusted R-squared

0.133896

    S.D. dependent var

0.179721

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S.E. of regression

0.167257

    Sum squared resid

2.461787

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Durbin-Watson stat

1.952035

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Equation: D(R) = C(9)*( P(-1) + 0.740570700782*R(-1) - 1.06236332467*T(

        -1) - 0.353553502046 ) + C(10)*D(P(-1)) + C(11)*D(P(-2)) + C(12)*D(R(

        -1)) + C(13)*D(R(-2)) + C(14)*D(T(-1)) + C(15)*D(T(-2)) + C(16)

Observations: 96

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

R-squared

0.401654

    Mean dependent var

0.005521

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Adjusted R-squared

0.354058

    S.D. dependent var

1.060481

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S.E. of regression

0.852314

    Sum squared resid

63.92670

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Durbin-Watson stat

1.917471

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Equation: D(T) = C(17)*( P(-1) + 0.740570700782*R(-1) - 1.06236332467

        *T(-1) - 0.353553502046 ) + C(18)*D(P(-1)) + C(19)*D(P(-2)) + C(20)

        *D(R(-1)) + C(21)*D(R(-2)) + C(22)*D(T(-1)) + C(23)*D(T(-2)) + C(24)

Observations: 96

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

R-squared

0.498841

    Mean dependent var

0.041979

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Adjusted R-squared

0.458977

    S.D. dependent var

0.843672

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S.E. of regression

0.620557

    Sum squared resid

33.88800

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Durbin-Watson stat

1.990974

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

جدول رقم (8)

نموذج تصحیح الخطأ للبیانات الجدولیة للقمح

System: UNTITLED

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Estimation Method: Least Squares

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Date: 08/28/17   Time: 12:22

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Sample: 1983 2014

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Included observations: 96

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Total system (balanced) observations 288

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Coefficient

Std. Error

t-Statistic

Prob.  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(1)

-0.121105

0.033997

-3.562217

0.0004

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(2)

-0.442356

0.108979

-4.059108

0.0001

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(3)

-0.044988

0.115177

-0.390594

0.6964

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(4)

-0.043288

0.033726

-1.283516

0.2004

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(5)

-0.047673

0.033766

-1.411852

0.1592

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(6)

0.099184

0.047963

2.067941

0.0396

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(7)

0.079209

0.048312

1.639524

0.1023

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(8)

0.058856

0.017288

3.404518

0.0008

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(9)

0.083913

0.198375

0.423003

0.6726

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(10)

0.295626

0.635894

0.464898

0.6424

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(11)

0.516893

0.672064

0.769113

0.4425

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(12)

-0.437860

0.196794

-2.224970

0.0269

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(13)

-0.250800

0.197028

-1.272920

0.2042

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(14)

-0.309966

0.279864

-1.107559

0.2691

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(15)

0.147342

0.281901

0.522671

0.6016

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(16)

-0.013718

0.100873

-0.135990

0.8919

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(17)

0.120007

0.147368

0.814334

0.4162

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(18)

0.293153

0.472392

0.620573

0.5354

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(19)

0.286107

0.499262

0.573060

0.5671

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(20)

0.028337

0.146194

0.193829

0.8465

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(21)

-0.097737

0.146368

-0.667752

0.5049

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(22)

-0.756900

0.207905

-3.640603

0.0003

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(23)

-0.022425

0.209418

-0.107080

0.9148

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

C(24)

0.034216

0.074936

0.456602

0.6483

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Determinant residual covariance

0.001479

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Equation: D(P) = C(1)*( P(-1) + 0.123499260455*R(-1) - 0.138571352541

        *T(-1) - 2.86070899903 ) + C(2)*D(P(-1)) + C(3)*D(P(-2)) + C(4)*D(R(

        -1)) + C(5)*D(R(-2)) + C(6)*D(T(-1)) + C(7)*D(T(-2)) + C(8)

Observations: 96

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

R-squared

0.396513

    Mean dependent var

0.038865

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Adjusted R-squared

0.348508

    S.D. dependent var

0.185424

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S.E. of regression

0.149665

    Sum squared resid

1.971177

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Durbin-Watson stat

1.963136

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Equation: D(R) = C(9)*( P(-1) + 0.123499260455*R(-1) - 0.138571352541

        *T(-1) - 2.86070899903 ) + C(10)*D(P(-1)) + C(11)*D(P(-2)) + C(12)

        *D(R(-1)) + C(13)*D(R(-2)) + C(14)*D(T(-1)) + C(15)*D(T(-2)) + C(16)

Observations: 96

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

R-squared

0.371822

    Mean dependent var

0.005521

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Adjusted R-squared

0.321854

    S.D. dependent var

1.060481

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S.E. of regression

0.873303

    Sum squared resid

67.11385

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Durbin-Watson stat

2.002532

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Equation: D(T) = C(17)*( P(-1) + 0.123499260455*R(-1) - 0.138571352541

        *T(-1) - 2.86070899903 ) + C(18)*D(P(-1)) + C(19)*D(P(-2)) + C(20)

        *D(R(-1)) + C(21)*D(R(-2)) + C(22)*D(T(-1)) + C(23)*D(T(-2)) + C(24)

Observations: 96

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

R-squared

0.452257

    Mean dependent var

0.041979

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Adjusted R-squared

0.408687

    S.D. dependent var

0.843672

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

S.E. of regression

0.648758

    Sum squared resid

37.03800

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Durbin-Watson stat

2.037513

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


 

The impact of climate changes on the productivity of agricultural crops in Egypt

Abstract

There are very few studies that deal with the relationship between climate changes and their impact on productivity of agricultural crops in developing countries, especially Egypt. This study aims to measure the impact of climate changes represented in temperatures and precipitation on productivity of Egyptian agricultural crops (wheat and corn) in the long and short term, that during the period from 1981 to 2014, according to the division of governorates producing agricultural crops into three regions: Upper Egypt, Middle Egypt, and Lower Egypt. The scientific contribution of that study is to use the econometric method through real data, unlike other studies that use experimental data. Some of the modern econometric techniques of Full-Modified OLS (FMOLS) were used to estimate the Co-integration trend of Panel Data to derive long-term estimates of climate change effects on productivity on crops of wheat and maize. The study concluded that there is a long-term significant relationship between the average temperatures and the productivity of both maize and wheat crops, that the temperature greatly affects the productivity of the two crops in the long term rather than in the short term. And that the average rainfall did not have a significant effect for both the long and the short term.

 

key words:

Climate change, productivity of agricultural crops, Egyptian agricultural, Full-Modified OLS (FMOLS), Co-integration trend of Panel Data.



[1] لقد بتطویر هذا النموذج معهد ماساتشوستس للتکنولوجیا Massachusetts Institute of Technology (MIT).