چکیده:
هدف از مطالعه حاضر بررسی اثر واردات بخش کشاورزی بر تقاضای نیروی‌کار (اشتغال) کشاورزی ایران برای دوره زمانی 1398-1357 و پیش‌بینی اشتغال این بخش برای چشم‌انداز 1404 است. در مطالعه حاضر، تقاضای نیروی‌کار در بخش کشاورزی تابعی از دستمزد، ارزش‌افزوده بخش کشاورزی، موجودی سرمایه و واردات منظور شده است. جهت برآورد رابطه هم‌جمعی و پویایی‌های کوتاه‌مدت و بلندمدت، از الگوهای خودرگرسیونی برداری و مدل تصحیح خطای برداری استفاده شد. همچنین از شبکه عصبی طراحیشده به دلیل کارایی بیشتر نسبت به دیگر الگوها در جهت پیش‌بینی اشتغال بخش کشاورزی ایران برای سال‌های 1399 تا 1404 استفاده شد. نتایج نشان داد که در بلندمدت ارزش‌افزوده بخش کشاورزی اثر مثبت و موجودی سرمایه، دستمزد و واردات اثر منفی بر اشتغال بخش کشاورزی دارد. همچنین نتایج نشان داد که روند کاهش سهم اشتغال در بخش کشاورزی ایران به نسبت کل اقتصاد تا سال 1404، همچون دهه‌های گذشته ادامه خواهد داشت و از رشد سالانه 03/1 درصد به 77/0 درصد میرسد. در نهایت سیاست‌های دولت باید با هدف افزایش ارزش‌افزوده بخش کشاورزی اجرایی شود تا از این طریق شغل‌های جدید، امنیت غذایی و خودکفایی فراهم شود.
The purpose of this study is to investigate the effect of imports in the agricultural sector on the demand of agricultural labor (employment) in Iran for the period 1978-2019 and forecast employment in this sector for the outlook 2026. In the present study, labor demand in the agricultural sector is a function of wages, value added in the agricultural sector, capital stock and imports. To estimate the aggregate relationship and short-term and long-term dynamics, vector autoregression patterns and vector error correction model were used. Also, the neural network designed due to greater efficiency than other models was used to predict employment in the agricultural sector of Iran for the years 2020 to 2026. The results showed that in the long run, value added in the agricultural sector has a positive effect and capital stock, wages and imports have a negative effect on employment in the agricultural sector. The results also showed that the trend of reducing the share of employment in the agricultural sector of Iran in relation to the total economy until 2026, will continue as in previous decades and from an annual growth of 1.03 percent to 0.77 percent. Ultimately, government policies must be implemented with the aim of increasing the value added of the agricultural sector in order to provide new jobs, food security and self-sufficiency.
خلاصه ماشینی:
همچنین از شبکه عصبی طراحیشده به دلیل کارایی بیشتر نسبت به دیگر الگوها در جهت پیش بینی اشتغال بخش کشاورزی ایران برای سال های ١٣٩٩ تا ١٤٠٤ استفاده شد.
همچنین نتایج نشان داد که روند کاهش سهم اشتغال در بخش کشاورزی ایران به نسبت کل اقتصاد تا سال ١٤٠٤، همچون دهه های گذشته ادامه خواهد داشت و از رشد سالانه ١/٠٣ درصد به ٠/٧٧ درصد میرسد.
نمای شبکه طراحیشده به صورت شکل (١) است : )به تصویر صفحه مراجعه شود) شکل (١) طراحی شبکه عصبی مصنوعی با متغیر خروجی اشتغال در بخش کشاورزی Figure (1) Design of artificial neural network with employment output variable in agriculture sector در مرحله بعد فراسنجه ها و عنصرهای درونی مدل مانند ضریب یادگیری، شمار تکرار در مدل ، مقدار خطای پیش بینی مطلوب و هم چنین نوع تابع های تبدیل در لایه های میانی و خروجی مشخص می شوند (٢٠١٣ ,Narimani).
جدول (٥) نتایج برآورد مدل تصحیح خطای برداری (VECM) Table (5) Estimation results of Vector Error Correction Model (VECM) )به تصویر صفحه مراجعه شود) با توجه به نتایج به دست آمده طی دوره مورد بررسی، لگاریتم ارزش افزوده بخش کشاورزی، تأثیر مثبت و معنیداری بر اشتغال بخش کشاورزی ایران دارد.
جدول (٨) نتایج پیش بینی برون نمونه ای با استفاده از شبکه عصبی مصنوعی Table (8) Results of sample output prediction using artificial neural network )به تصویر صفحه مراجعه شود) جدول (٨) نشان میدهد میزان اشتغال در بخش کشاورزی طی سال های مورد پیش بینی، روند افزایشی اما ناچیز را دنبال میکند.
(
, 
, 
)
