จะเกิดอะไรขึ้นหากการเปลี่ยนแปลงสภาพภูมิอากาศส่งผลกระทบต่อผู้ส่งออกข้าวรายใหญ่ 3 อันดับแรกของโลก : การวิเคราะห์ข้อมูลพาแนลทางเศรษฐมิติ
คำสำคัญ:
การวิเคราะห์ทางเศรษฐมิติ, ข้อมูลแบบพาแนล, ความสัมพันธ์ระหว่างผลผลิตและการเปลี่ยนแปลงสภาพภูมิอากาศ, ผู้ส่งออกข้าวบทคัดย่อ
งานวิจัยนี้ศึกษาผลกระทบของการเปลี่ยนแปลงสภาพภูมิอากาศต่อผู้ส่งออกข้าวรายใหญ่ 3 อันดับแรก ได้แก่ อินเดีย เวียดนาม และไทย ด้วยการวิเคราะห์ผลกระทบและความเสี่ยงของการเปลี่ยนสภาพภูมิอากาศต่อการผลิตข้าว การศึกษานี้มีเป้าหมายเพื่อท าความเข้าใจผลที่ตามมาของการเปลี่ยนแปลงสภาพภูมิอากาศต่อการผลิตข้าว ประเมินความเปราะบาง และให้ข้อมูลเชิงลึกสำหรับผู้กำหนดนโยบาย
การใช้การวิเคราะห์ข้อมูลพาแนลเพื่อขจัดแนวโน้มและความแปรปรวนของข้อมูล โดยการแปลงข้อมูลให้อยู่ในรูปของลอการิทึมธรรมชาติเพื่อลดผลกระทบของอิทธิพลต่อเวลาในระยะยาวก่อนที่จะนำไปใช้ในการวิเคราะห์ทางเศรษฐมิติตามสมการ OLS และกรอบทฤษฎีฟังก์ชันการผลิต Stochastic Production Function การศึกษานี้ได้สร้างสภาพภูมิอากาศ - ความสัมพันธ์ระหว่างผลผลิต Feasible Generalized Least Squares (FGLS) ใช้เพื่อระบุความแตกต่างและความสัมพันธ์อัตโนมัติ มีการจ าลองเชิงตัวเลขเพื่อประเมินการเปลี่ยนแปลงในอนาคตของการผลิตข้าวภายใต้สถานการณ์สภาพอากาศที่แตกต่างกัน โดยใช้ค่าสัมประสิทธิ์ตัวแปรสภาพอากาศจากการวิเคราะห์ทางเศรษฐมิติ
ข้อค้นพบนี้แสดงให้เห็นถึงความอ่อนไหวของผลผลิตข้าวต่อการเปลี่ยนแปลงของอุณหภูมิ (p<0.00) และปริมาณน้ าฝน (p<0.00) ให้ข้อมูลเชิงลึกเกี่ยวกับการเปลี่ยนแปลงที่อาจเกิดขึ้นในอนาคตในการผลิตข้าว โดยรวมแล้ว การศึกษาเน้นย้ำถึงความเร่งด่วนของการนำกลยุทธ์การปรับตัวและการบรรเทาผลกระทบมาใช้ เพื่อให้แน่ใจว่าภาคข้าวมีความยั่งยืนและคืนสภาพได้เมื่อเผชิญกับความท้าทายด้านการเปลี่ยนแปลงสภาพภูมิอากาศ
เอกสารอ้างอิง
Antle, J. M. (1983). Testing the Stochastic Structure of Production: A Flexible Moment-Based Approach. Journal of Business & Economic Statistics, 1(3), 192-201. https://doi.org/10.1080/07350015.1983.10509339
Antle, j. M. (2010). Asymmetry, Partial Moments, and Production Risk [https://doi.org/10.1093/ajae/aaq077]. American Journal of Agricultural Economics, 92(5), 1294-1309. https://doi.org/https://doi.org/10.1093/ajae/aaq077
Antle, J. M., & Havenner, A. (1983). FORMULATING AND ESTIMATING DYNAMIC STOCHASTIC PRODUCTION MODELS (83-8, Issue. https://ageconsearch.umn.edu/record/225711/files/ageconucdavis-83-8.pdf
Battese, G. E., Rambaldi, A. N., & Wan, G. H. (1997). A Stochastic Frontier Production Function with Flexible Risk Properties. Journal of Productivity Analysis, 8(3), 269-280. https://doi.org/10.1023/A:1007755604744
Breusch, T. S., & Pagan, A. R. (1980). The Lagrange Multiplier Test and its Applications to Model Specification in Econometrics. The review of economic studies, 47(1), 239-253. https://doi.org/10.2307/2297111
Di Falco, S., & Chavas, J.-P. (2006). Crop genetic diversity, farm productivity and the management of environmental risk in rainfed agriculture. European Review of Agricultural Economics, 33(3), 289-314. https://doi.org/10.1093/eurrag/jbl016
Di Falco, S., & Chavas, J.-P. (2009). On Crop Biodiversity, Risk Exposure, and Food Security in the Highlands of Ethiopia. American Journal of Agricultural Economics, 91(3), 599-611. https://doi.org/https://doi.org/10.1111/j.1467-8276.2009.01265.x
Dinar, A., & Mendelsohn, R. (2011). Handbook on Climate Change and Agriculture. Edward Elgar Publishing.
FAOSTAT, F. (2020). Online statistical database: Food balance. In: FAOSTAT.
Greene, W. H. (2000). Econometric analysis (4th ed.). Prentice Hall.
Im, K. S., Pesaran, M. H., & Shin, Y. (2003). Testing for unit roots in heterogeneous panels. Journal of Econometrics, 115(1), 53-74.
Isik, M., & Devadoss, S. (2006). An analysis of the impact of climate change on crop yields and yield variability. Applied Economics, 38(7), 835-844. https://doi.org/10.1080/00036840500193682
Jatuporn, C., & Takeuchi, K. (2022). Assessing the impact of climate change on the agricultural economy in Thailand: an empirical study using panel data analysis. Environmental Science and Pollution Research. https://doi.org/10.1007/s11356-022-22743-0
Just, R. E., & Pope, R. D. (1978). Stochastic specification of production functions and economic implications. Journal of Econometrics, 7(1), 67-86. https://doi.org/https://doi.org/10.1016/0304-4076(78)90006-4
Just, R. E., & Pope, R. D. (1979). Production Function Estimation and Related Risk Considerations. American Journal of Agricultural Economics, 61(2), 276-284. https://doi.org/https://doi.org/10.2307/1239732
Kim, K., & Chavas, J.-P. (2003). Technological change and risk management: an application to the economics of corn production. Agricultural Economics, 29(2), 125-142. https://doi.org/https://doi.org/10.1016/S0169-5150(03)00081-1
Levin, A., Lin, C.-F., & Chu, C.-S. J. (2002). Unit root tests in panel data: asymptotic and finite-sample properties. Journal of Econometrics, 108(1), 1-24.
Pakeechai, K., Sinnarong, N., Autchariyapanitkul, K., & Supapunt, P. (2020). The impacts of climate change factors on rice production and climate-smart agriculture in the watershed areas of central Thailand. RMUTSB ACADEMIC JOURNAL (HUMANITIES AND SOCIAL SCIENCES), 5(2), 196-218.
Pakeechay, K. (2020). The Climate Smart Agriculture For Rice Production In The Central Region of Thailand (การเกษตรที่ปราดเปรื่องเรื่องสภาพภูมิอากาศส าหรับการผลิตข้าว ในภาคกลาง ประเทศไทย) Maejo University]. Maejo University, Chiang Mai.
Saha, A., Havenner, A., & Talpaz, H. (1997). Stochastic production function estimation: small sample properties of ML versus FGLS. Applied Economics, 29(4), 459-469. https://doi.org/10.1080/000368497326958
Sinnarong, N. (2013). Essays on the Impact of Climate Change in Agricultural Production [Doctoral Dissertation of Applied Economics, National Chung Hsing University, Taiwan]. Taiwan.
Sinnarong, N., Chen, C.-C., McCarl, B., & Tran, B.-L. (2019). Estimating the potential effects of climate change on rice production in Thailand. Paddy and Water Environment, 17, 1-9. https://doi.org/10.1007/s10333-019-00755-w
Sinnarong, N., Kuson, S., Nunthasen, W., Puphoung, S., & Souvannasouk, V. (2022). The potential risks of climate change and weather index insurance scheme for Thailand's economic crop production. Environmental Challenges, 8, 100575. https://doi.org/https://doi.org/10.1016/j.envc.2022.100575
Statista. (2023). https://www.statista.com/statistics/255947/top-rice-exporting-countries-worldwide-2011/Studenmund, A. (2011). using Econometrics: A practical Guide, pears-on. New York, 440-447.
Wang, C., Deser, C., Yu, J.-Y., Dinezio, P., & Clement, A. (2017). El Niño and Southern Oscillation (ENSO): A review. In (Vol. 8, pp. 85-106). https://doi.org/10.1007/978-94-017-7499-4_4
Wooldridge, J. M. (2002). Econometric analysis of cross section and panel data MIT press. Cambridge, ma, 108(2), 245-254.
World Bank. (2019). The World Bank Group: Climate Change Knowledge Portal. https://climateknowledgeportal. worldbank. org/country/pakistan/climate-sector-healthAccessed, 10.
Yu, Y., Clark, J. S., Tian, Q., & Yan, F. (2 0 2 2 ) . Rice yield response to climate and price policy in highlatitude regions of China. Food Security, 14(5), 1143-1157. https://doi.org/10.1007/s12571-021-01253-w
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2023 วารสารเศรษฐศาสตร์ มหาวิทยาลัยแม่โจ้
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
