ЮФУ
ул. М. Горького, 88, к. 211
г.Ростов-на-Дону, Россия
344002
+7 (863) 250-59-54
Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

TERRA ECONOMICUS

  • Главная
  • Архив номеров
  • 2023
  • Номер 4
  • Применение модели ARDL для анализа растениеводства в разных географических регионах (на примере Латинской Америки и Южной Азии)

Применение модели ARDL для анализа растениеводства в разных географических регионах (на примере Латинской Америки и Южной Азии)


TERRA ECONOMICUS, , Том 21 (номер 4),
Цитирование: Neogi D. (2023). Application of ARDL model to capture the differences in causal relations operating in crop production across geographic regions: A study on Latin America and South Asia. Terra Economicus 21(4), 106–122. DOI: 10.18522/2073-6606-2023-21-4-106-122

Выявление причинно-следственной связи между факторами, влияющими на растениеводство, и индексом производства продукции растениеводства имеет высокую значимость для политики. Учитывая важность, придаваемую сельскому хозяйству в странах Латинской Америки и Карибского бассейна, а также в странах Южной Азии, необходимо понимать различия, характеризующие растениеводство в этих регионах, особенно в контексте специфики политических решений, направленных на преодоление отсталости. Цель исследования состоит в выяснении различий между обозначенными регионами в том, что касается характера причинно-следственных связей между отдельными факторами, воздействующими на растениеводство. В работе использованы данные Всемирного банка. В модели в качестве зависимой переменной выступает индекс производства продукции растениеводства, который определяется его лагированными значениями. На зависимую переменную также влияют лагированные значения ряда независимых переменных, таких как: доля постоянных пахотных земель в общей площади земельных участков, имеющихся в регионе; использование удобрений; выбросы углекислого газа; рост ВВП на душу населения. Для анализа данных используется модель авторегрессии с распределенным лагом (ARDL). Результаты показали, что в странах Латинской Америки и Карибского бассейна между зависимой и независимыми переменными не существует долгосрочных связей. Для стран Южной Азии, в свою очередь, обнаружены значимые долгосрочные связи между переменными.


Ключевые слова: причинно-следственная связь; растениеводство; выбросы углекислого газа; темпы роста ВВП на душу населения; удобрения

Список литературы:
  • Ayyildiz, M., Erdal, G. (2021). The relationship between carbon dioxide emission and crop and livestock production indexes: A dynamic common correlated effects approach. Environmental Science and Pollution Research 28, 597–610. DOI: 10.1007/s11356-020-10409-8
  • Blyde, J., Fernandez, A. (2004). Why does Latin America grow more slowly? Inter-American Development Bank, Economic and Social Study Series, October. https://publications.iadb.org/publications/english/document/Why-does-Latin-America-Grow-More-Slowly.pdf
  • Devarajan, S., Nabi, I. (2006). Economic growth in South Asia: Promising, unequalizing, sustainable? Economic and Political Weekly 41(33), 3573–3580. https://www.jstor.org/stable/4418586
  • Fukuyama, F., Marwah, S. (2000). Dimensions of development. Journal of Democracy 11(4), 80–94. Project MUSE, doi:10.1353/jod.2000.0076.
  • Kohli, A. (2012). Coping with globalization: Asian versus Latin American strategies of development, 1980–2010. Brazilian Journal of Political Economy 32(4). DOI: 10.1590/S0101-31572012000400001
  • Kripfganz, S., Schneider, D. (2018). ARDL: Estimating autoregressive distributed lag and equilibrium correction models. London Stata Conference 2018, Stata Users Group. http://repec.org/usug2018/uk18_Kripfganz.pdf
  • Lin, C.Y (1988). East Asia and Latin America as contrasting models. Economic Development and Cultural Change 36(3), Supplement: Why does overcrowded, resource-poor East Asia succeed: Lessons for the LDCs? (Apr., 1988), S153–S197. https://www.jstor.org/stable/1566542?seq=1#metadata_info_tab_contents
  • Mulatu, D., Eshete, Z., Gatiso, T. (2016). The impact of CO2 Emissions on agricultural productivity and household welfare in Ethiopia: A computable general equilibrium analysis. Environment for Development Discussion Paper Series, EfD DP 16-08, March. https://www.efdinitiative.org/sites/default/files/publications/efd-dp-16-08.pdf
  • Nissanke, M., Thorbecke, E. (2010). The Poor under Globalization in Asia, Latin America, and Africa. University Press Scholarship Online. DOI: 10.1093/acprof:oso/9780199584758.001.0001
  • Pesaran, M., Shin, Y., Smith, R. (2001). Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics 16(3), 289–326. http://www.jstor.org/stable/2678547
  • Sah, D., Devakumar, A. (2018). The carbon footprint of agricultural crop cultivation in India. Carbon Management 9(3). DOI: 10.1080/17583004.2018.1457908
  • Shrestha, M., Bhatta, G. (2018). Selecting appropriate methodological framework for time series data analysis. The Journal of Finance and Data Science 4, 71–89. DOI: https://doi.org/10.1016/j.jfds.2017.11.001
  • Tsunekawa, K. (2019). Emerging states in Latin America: How and why they differ from their Asian counterparts. In: Tsunekawa, K., Todo, Y. (eds.) Emerging States at Crossroads. Emerging-Economy State and International Policy Studies. Singapore: Springer. DOI: 10.1007/978-981-13-2859-6_4
  • Wiebe, K., Sulser, T., Dunston, S., Rosegrant, M., Fuglie, K., Willenbockel, D., Nelson, G. (2021). Modeling impacts of faster productivity growth to inform the CGIAR initiative on Crops to End Hunger. PLoS ONE 16(4), e0249994. DOI: 10.1371/journal.pone.0249994
  • Zettelmeyer, J. (2006). Growth and reforms in Latin America: A survey of facts and arguments. IMF Working Paper WP/06/210. https://www.imf.org/external/pubs/ft/wp/2006/wp06210.pdf
Издатель: Южный Федеральный Университет
Учредитель: Южный федеральный университет
ISSN: 2073-6606