تحلیل قیمت زمین‌های کشاورزی شهرستان سبزوار به روش هدنیک

نوع مقاله: مقاله پژوهشی

چکیده

در این مقاله از روش هدنیک1 برای برآورد مدلی برای ارزش بازاری زمین‌های کشاورزی در شهرستان سبزوار در سال زراعی 1388-1387 استفاده شده است. روش هدنیک از قیمت یک کالا برای ارزش گذاری ویژگی های آن کالا، که در بازار به شکل رسمی معامله نمی‌شوند، استفاده می‌کند. داده‌ها به روش پرسشنامه و به تعداد 350 عدد از زمین های آبی گردآوری شده است نتایج نشان می دهد میزان آبدهی چاهها، میزان فاصله ی زمین معامله شده تا سبزوار و نوع بافت خاک بیشترین تاثیر را بر قیمت زمین های اطراف آن ایفا می کنند.



1. Hedonic

کلیدواژه‌ها


1ـ مقدمه

منابع طبیعی یکی از مولفه های اصلی در سیاست های کلان جهانی بوده به شکلی که بسیاری از مولفه های دیگر، از جمله مولفه های اقتصادی را تحت تاثیر قرار می دهد. به همین دلیل مهم ترین عامل و پیش نیاز هر فعالیتی، سازگاری آن با محیط زیست می باشد. اهمیت این موضوع به اندازه ای است که در بسیاری از
برنامه­ریزی­ها و سیاست گذاری های بخشی، حفظ منابع طبیعی به عنوان اولویت برنامه ها مطرح می باشد. سیاست های کلان اقتصادی می توانند تغییراتی را در کارکرد نظام زیست محیطی ایجاد کنند که این تغییرات از نقطه نظر میزان مصرف این نوع کالاها می توانند مهم باشند. مساله اساسی در زمینه تخریب کالاهای زیست محیطی، درجه­ی تاثیرگذاری تغییرات قیمت نسبی، بر انگیزه­ی بهره برداران برای حرکت از بهره برداری بی رویه ی این کالاها به سمت بهره برداری مطلوب و پایدار از آن می باشد. هر سیاست اقتصادی از طریق بازارها بر قیمت های نسبی نهاده ها، محصولات و... اثر می گذارد. بهره برداران بر اساس این قیمت های نسبی و نیز شرایط کشاورزی اکولوژیکی و وضعیت منابع طبیعی، تصمیمات خود را در ارتباط با الگوی بهره برداری اتخاذ می کنند.

در سال­های اخیر توجه زیادی به منابع طبیعی شده است. امروزه مفهوم توسعه با رعایت حفظ منابع طبیعی همراه است. در اقتصاد منابع طبیعی این فرضیه پذیرفته شده است که ارتباط تنگاتنگی بین نظام اقتصادی و محیط زیست وجود دارد، زیرا برای محیط زیست سه کارکرداصلی تامین مواد اولیه برای تولید محصولات، جذب ضایعات حاصل از فرآیندهای تولید و رضایت خاطر معنوی برای افراد، وجود دارد.

ابزارهای مختلفی برای کنترل مقدارمصرف منابع طبیعی وجود دارد:

رهیافت اول به راه حل بازار یا حقوق مالکیت موسوم است و از طریق چانه زنی میان گروه­هایی که ازمسائل زیست محیطی متاثر می شوند مساله را حل می کند.

رهیافت دوم بردخالت دولت استواراست و به دو شکل ابزارهای مبتنی بر بازار و ابزارهای فرمان وکنترل طبقه بندی می شود. ابزارهای مبتنی بر بازار برای کاهش آلودگی، از متغیرهای اقتصادی مثل قیمت استفاده می کند.

بنابراین ارزش گذاری کالاهای زیست محیطی و منابع طبیعی ٬ گامی مهم درجهت تعدیل تصمیمات اقتصادی در سیاست های کلان کشور می باشد. در دو دهه ی اخیر پیشرفت های قابل توجهی در ارائه روش هایی برای ارزش گذاری و تعیین قیمت منابع طبیعی به دست آمده است. اگرچه منابع طبیعی مهم ترین مولفه ی زیست انسانها محسوب می شود، اما تا کنون ارزش واقعی آن به درستی مشخص نشده است. به همین دلیل ارائه ی روشهایی که بتواند این ارزش گذاری ها را به مقدار واقعی آن نزدیک کند ضروری به نظر میرسد. (قربانی،1387،ص14)

پرسش از طرح ایرانی عبارتند از:

1- بیشترین سهم در قیمت زمینها مربوط به میزان آبدهی چاهها و کیفیت آن می باشد.

2- سهم قیمت ضمنی بافت خاک بر قیمت زمین قابل ملاحظه می باشد.

3- آیا می توان به طور مشابه، یک مدل هدنیک برای قیمت زمین های شهرستان سبزوار برآورد کرد؟

4-کدام یک از متغیرهای الگو ( ویژگی های زمین ) تاثیر بیشتری بر قیمت آن دارند؟

2- مبانی نظری

یکی از الگوهای شناخته شده در اقتصاد، تعیین قیمت در بازار است. بازار یک کالای خاص، شامل تعداد زیادی مصرف کننده است که تقاضای آنها برای این کالا با عرضه ی همان کالا توسط تعداد زیادی از بنگاه­ها برخورد می کند. در این قیمت گفته می شود بازار در تعادل است و تقاضای اضافی برای این کالاوجود ندارد. اما برای بعضی از کالاها این الگو کافی نیست، برای مثال در بازاری مانند بازار مسکن، ویژگی های مختلفی وجود دارد که هر کدام قیمت های مختلفی را پیشنهاد می کنند. در واقع مسکن نوعی کالای ناهمگن[1] است. چنین کالاهایی در برگیرنده ی مجموعه متنوعی از ویژگی­هامی باشند. بسیاری از کالاهای دیگر مثل محصولات کشاورزی، اتومبیل­ها، زمین کشاورزی و... نیز در این گروه قرار می گیرند. (قربانی،1387، ص64)

بنابراین، چون می توان کالاها را بر اساس ویژگی های قابل مشاهده و قابل اندازه گیری آنها تقسیم بندی نمود، پس می توان برداری از ویژگی های آن کالا را به شکل  Z=(Z1,Z2,…..,Zn) تعریف کرد که Zi مقدار ویژگی iام در کالا را نشان می دهد. بسته های مختلف و متفاوت از ترکیب این ویژگی ها با یکدیگر کالاهای متفاوتی را به خریدار پیشنهاد می دهند. (قربانی،1387، ص64)

به شکل خاص تابع ,….) P(z)=P(Z1,Z2 نشان دهنده قیمت حاصل از برخورد عرضه و تقاضای کالای  Zدر بازار این کالا می باشد.  Pziها مجموعه ای از قیمت های ضمنی می باشند. (رزن،1974)[2] به عبارت دیگر این تابع، قیمت های ضمنی صفات یا ویژگی های کالا را نسبت به کل قیمت کالا دربر می گیرد. بنابراین میتوان گفت روش هدانیک تقاضای یک محصول یا کالارا تابعی از خصوصیات آن در نظر می گیرد. اگر قیمت کالایی که دو واحد از یک ویژگی را دارا می باشد (این کالا را کالای  aمی­نامیم) دو برابر قیمت کالایی باشد که یک واحد از این ویژگی را دارا می باشد (این کالا را کالای b می نامیم) پس قیمت کالای a با مجموع قیمت دو واحد از کالایb  برابر شده است. این نوع رفتار در بازار کالاها، امکان بسته بندی مجدد کالاها را به شکل خطی[3]، تعریف می کنند (باتسیک،2007)[4]. البته چنین عملی در خرید کالاهای ناهمگن غیرممکن است. به این دلیل که کالاهای ناهمگن را نمی توان دوباره جمع کرد یا به اصطلاح دوباره بسته بندی کرد. یعنی افراد نمی توانند کالاهای ناهمگن را به اجزای تشکیل دهنده آن بشکنند و از منافع هر ویژگی به شکل جدا لذت ببرند. (قربانی،1387،ص65)پس در بازار این کالاها:

1- قیمت های نهایی ویژگی ها ممکن است ثابت نباشد.

2- قیمت هر ویژگی ممکن است به مقدار سایر ویژگی ها بستگی داشته باشد.

تشریح قیمت های نهایی غیر ثابت برای یکویژگی، در نمودار زیر قابل بیان است. افراد برای حرکت به سطح بالاتر از ویژگی مورد نظر، در حالی که سایر شرایط و ویژگی ها ثابت بمانند، حاضرند پول بیشتری برای کالا بدهند، ولی با افزایش این ویژگی، اضافه پولی که مصرف کنندگان بابت این کالا می دهند کمتر از قبل خواهد بود و این باعث می شود منحنی قیمت کیفی به سمت پایین تحدب داشته باشد.                                              

 

نمودار1: تابع قیمت کیفی ویژگی zi

 

 
   

 

قیمت کالا

 

 

                                                              

 

 

                                            مقدارویژگیZi

 

چون قیمتنهایی ویژگی، مقدارثابتی ندارد پس یک تابع قیمت ضمنی، برای ویژگی مورد نظر، قابل تصور است. اگر بخواهیم با استفاده از نمودار1 قیمت ضمنی ویژگی مورد نظر را رسم کنیم به شکل نمودار2 خواهد بود.

 

 

әp(z)

әzi

 

  (1)                                                                                        P(z)=F(z1,z2,…..,zi,….,zn)            

 (2)                                                                                                       Pzi=

 

معادله ی 1همان تابع هدنیک می باشد. معادله ی 2 تابع قیمت نهایی ویژگی  zرا نشان می دهد که لزومی به ثابت بودن مقدار آن نیست. این مدل بیان میکند، می توان کالا را بر اساس مطلوبیت حاصل از ( مصرف ) ویژگی هایش قیمت گذاری نمود. ضرایب هدنیک، قیمت های ضمنی ویژگی های کالا هستند. به تعبیر دیگر، این قیمت ها میزان اهمیت ویژگی های موجود در کالاها را نشان می­دهند

 

نمودار2: قیمت ضمنی ویژگی zi

 

                                                                                              قیمت ضمنی(نهایی) ویژگی zi

   

 

 

 

                                   مقدارویژگیzi

 

ترجیحات مشخص شده ی خانوارها برای کالاها با تابع مطلوبیت  U(z,x;s)نشان داده میشود.  zسطوح ویژگی های مختلف یک کالا می باشد که خانوار می تواند اجاره کند یا بخرد. x سایر کالاها می باشد که برای سادگی، قیمت آنها را واحد در نظر می گیریم و s بیان گر ویژگی های خانوارها می باشد. خانوارها به گونه ای x و z را انتخاب می کنند که مطلوبیتشان با توجه به محدودیت بودجه ای که دارند، حداکثر شود. با تشکیل تابع لاگرانژ و حل آن به معادلات زیر دست می یابیم:

 

L = U(z,x;s)+λ (Y-x-P(z) )

 

∂L/∂z i= Uzi - λPzi=0                                                                          

∂L/∂x = Ux- λ = 0                                                                           

∂L/∂λ = y-x-P(z )= 0

                                                              

Uzi/Ux=Pzi              یا                 Uzi/Pzi=Ux

 

pzi قیمت بازاری یک واحد اضافی از ویژگی zi و uzi/ux نشان دهنده ی تمایل به پرداخت برای دست­یابی به کالای مورد نظر می باشد. این رابطه بیان می کند، ارزش آخرین واحد از هر ویژگی کالا بایستی معادل قیمت ضمنی باشد که برای آن پرداخت می شود ( شرط اول بهینه یابی مصرف ).

اگرمعادله­یU(z,x;s)  را بر حسب x حل کنیم به معادله ی X(z,;s,u) ( معادله ی منحنی بی تفاوتی ) می رسیم که رابطه یx  و z را با شرط ثابت بودن مطلوبیت نشان می دهد. منحنی های بالاتر نشان دهنده ی مطلوبیت بیشتر ناشی از افزایش ویژگی Zi در کالای Z  می باشد.                                          

 

نمودار3: منحنی های بی تفاوتی

                                                                                                         مقدار سایرکالا(کالای مرکب x)

                                               

                                              

 

                              X(z2;s,u2)

X(z1;s,u1)                                                                                                                                                       

        

 

                                                   مقدار ویژگی Zi در کالای Z

 

اگرمحدودیت بودجه (Y) را به نمودار بالا اضافه کنیم به نقطه ی حداکثر مطلوبیت با توجه به قید بودجه دست می یابیم. محدودیت بودجه بیان گرکلیه ی ترکیبات x و zi است که خانوار قادر به خرید آن است.

 

نمودار 4: امکان انتخاب بهینه ی کالای مورد نظر با استفاده از منحنی بی تفاوتی

 

                                                                                                             مقدار کالای مرکب x

                                                                    

                                                                                                                             

 

 

                                          

 

 
   

 

                             مقدار ویژگی Zi

از نظر لغت شناسی، واژه هدانیک از لغت یونانی هدنیکوس[5]  گرفته شده است و اشاره به میل، لذت جویی و خوشی دارد. مفهوم اقتصادی این واژه به معنای مطلوبیت یا رضایت ناشی از مصرف کالاها و خدمات، می باشد (چین، 2003)[6].

بارتیک[7] در سال 1987 بیان کرده است که اولین استفاده و کاربرد رسمی از تئوری قیمت هدانیک توسط کرت[8] در سال 1941 صورت گرفته است، البته قبل از آن مطالعات غیر رسمی دیگری هم وجود داشته است. کول ول و دیل مور[9] در مطالعه خود در سال 1994 ذکر کرده اند که هاس[10]، 15 سال قبل از کرت مطالعه ای در مورد تکنیک هدانیک داشته است و او اولین کسی بوده است که واژه هدانیک را بکار برده است.

مدل هدانیک برای قیمت، از تئوری مصرف لانکستر [11]در سال 1966 و رزن در سال 1974 به دست آمده است و نشان می دهد که یک کالا مجموعه ای از تعداد زیادی ویژگی مختلف است که این ویژگی ها، در ترکیب با هم، بر مطلوبیت مصرف کننده تاثیر گذار هستند (چین، 2003).

دو روش اصلی در مورد تکنیک های نظری و تئوریکی قیمت گذاری هدانیک بیان شده است:  اولین روش مربوط به مطالعه لانکستر در سال 1966می باشد، که بعدها لانکستر در سالهای 1979 و1990 این نظریه را کامل ترکرد و دومی مربوط به مدلی است که رزن در سال 1974در تحقیق خود با نام" قیمت های هدانیک و بازارهای ضمنی: تفاوت کالاها و رقابت کامل" مبنای کارش قرار داده است.

هر دوی این روشها بر پایه ی ارتباط بین قیمت مشاهده شده ی کالاهای مختلف و تعدادی از ویژگی ها و صفات مرتبط با این کالاهای تولید شده پایه ریزی شده اند. مدل لانکستر، مدل رزن و در مجموع همه مدلهای قیمت هدانیک بر این فرض استوار است که هر کالایی از مجموعه زیادی از ویژگی های مختلف تشکیل شده است و این خصوصیات در ترکیب با یکدیگر آن کالارا ساخته اند. (و این ویژگی ها به تنهایی در بازار قیمتی ندارند). ولی این مدل ها چند تفاوت اساسی با یکدیگر دارند:

پیش فرض مدل لانکستر  این است که کالاها اعضای یک گروه هستند و بنابراین تعدادی از کالاها یا همه ی آنها در آن گروه، به شکل ترکیبی و با توجه به محدودیت یا قید بودجه مصرف می شوند.

در مقابل آن، مدل  رزن  فرض می کند که دامنه­ای از کالاها وجود دارند، ولی مصرف کنندگان ترجیحاتشان را با خریدن ترکیبی از کالاها به دست نمی آورند. هر کالایی از طیف زیادی از انواع کالاها انتخاب می شود و به شکل جداگانه مصرف می شود. بنابراین در روش قیمت گذاری هدانیک لزومی به مصرف مشترک و توام کالاها در داخل گروه کالاها نیست. لذا روش لانکستر برای مصرف کنندگان کالاهای ناهمگن مناسب تر است، در حالی که مدل رزن می تواند بیشتر برای کالاهای بادوام (مانند زمین های کشاورزی) مورد توجه قرار گیرد.

همچنین تئوری لانکستر  فرض می کند که یک رابطه خطی بین قیمت کالاها و ویژگی های موجود درآن کالاها وجود دارد؛ قیمت های ضمنی، در دامنه ای از مقادیر مشخص از ویژگی ها ثابت هستند و فقط وقتی می توانند تغییر کنند که در ترکیب کالاهای مصرف شده تغییری به وجود آمده باشد.به طور در مورد زمین های کشاورزی این فرض بیان می کند رابطه ی بین ویژگی های زمین و قیمت آن رابطه ی خطی برقرار است و ضرایب به دست آمده از این نوع رابطه، که همان قیمت های ضمنی  برای ویژگی ها ی زمین هستند، مقدار ثابتی می باشند مگر اینکه مقدار زمین مصرف شده (در ترکیب با سایر نهاده ها) تغییر کند. در مقابل، رزن، عقیده دارد با بسته بندی مجدد کالاها[12]این عمل برای مصرف کننده ممکن نخواهد بود. بنابراین احتمال اینکه یک رابطه غیر خطی بین قیمت کالاها و ویژگی های اصلی و چسبیده به آن کالا وجود داشته باشد، بیشتر است. وجود یک تابع غیر خطی به این موضوع اشاره می کند که اولا قیمت ضمنی مقدار ثابتی ندارد و دوما مقدار ویژگی خریداری شده در یک کالا با مقدار ویژگی های دیگر موجود در کالا مرتبط است. این فرض متناسب با نمودارهای رسم شده در قسمت قبلی می باشد.

مدل رزن دو مرحله مجزا دارد:    

- در مرحله اول قیمت نهایی یک ویژگی را با رگرس کردن قیمت کالاها بر روی ویژگی هایش به دست می آوریم. این مرحله، مستقیما تابع تقاضای معکوس برای هر ویژگی را به ما نمی دهد.

- در مرحله دوم منحنی تقاضای معکوس یا تابع " تمایل به پرداخت نهایی"[13] را به دست می آوریم که از تابع قیمت ضمنی تخمین زده شده در مرحله اول به دست آمده است. رزن مستقیما در آمد را به شکل محدودیت در بودجه وارد کرده است. لذا وقتی که در آمد افزایش می یابد تمایل به پرداخت نهایی مصرف کننده نیز در مورد یک ویژگی ضمنی معین، تغییر می کند. فرض می شود که قیمت مورد تقاضا برای خریدار یک ویژگی، تابعی از سطح مطلوبیت، در آمد خریدار و متغیرهای دیگر مثل سن و سواد (ویژگی خانوارها) است که بر سلیقه و ترجیحات او تاثیر می گذارد. به عبارتی اگر معادله U(z,x,s) در قسمت قبل را بر حسب Z حل کنیم خواهیم داشت Z(u,;x,s). رزن معتقد است تابع تقاضای معکوس، که با توجه به تغییر در سطح در آمد و مطلوبیت به دست می آید، می تواند با استفاده از قیمت نهایی به عنوان یک متغیر همگن دریک معادله ی همزمان، و در مرحله دوم، برآورد شود. اگر بتوانیم تابع تقاضای معکوس برای یک ویژگی را بر اساس تابع قیمت نهایی ضمنی ترسیم کنیم، اندازه گیری تغییرات مطلوبیت ناشی از تغییرات مشخص در ویژگی های کیفی کالا قابل برآورد خواهد بود ( نمودار2). در عین حال این نظریه در مورد تابع تقاضای معکوس به دلیل اینکه فقط به سمت عرضه، در بازار ضمنی یک ویژگی، توجه می کند چند مشکل ایجاد می کند:

اگر عرضه یک کالا کاملا کشش پذیر باشد یا برعکس، مقدار عرضه آن ثابت بماند، در برآورد تابع تقاضای معکوس، قیمت نهایی ویژگی مورد نظر، برون زا[14] می شود. به همین دلیل بارتیک در سال1987 با روش رزن در برآورد مدل قیمت هدانیک مخالف بود و عقیده داشت که قیمت برآورد شده برای یک ویژگی به روش هدانیک، نتیجه ارتباط بین عرضه و تقاضا نیست. به این دلیل که مصرف کننده نمی تواند بر عرضه اثر بگذارد. درحالی که در برآورد تابع تقاضای هدانیک و با توجه به محدودیت بودجه غیر خطی، هم قیمت ها و هم مقدار ویژگی ها، هر دو درون زا فرض می شوند. بنابراین هیچ لزومی به تخمین مدل برای طرف عرضه در بازار نخواهد بود (چین، 2003).

از بعد دیگری، می توان در مدل هدنیک، تقاضا برای یک نهاده ( از جمله زمین کشاورزی ) را نیز تابع خصوصیات آن در نظرگرفت. بنگاهی را در نظر بگیرید که محصول Y را تولید می کند. اگر تابع تولید این محصول  به شکل ) Y=f(z بیان شود، که در آن Z برداری از خصوصیات نهاده ها ی مورد نظر بوده و هدف بنگاه حداکثر کردن سود باشد، تابع سود آن را می توان به شکل زیر تعریف کرد:                                                                                                                               π=P.f(z)-wx                                                                                                                

 

 

P قیمت محصول،w بردار قیمت نهاده ها (نهاده ی زمین کشاورزی) و x بردار مقدار نهاده ها می باشد. شرط مرتبه ی اول برای حداکثر شدن سود به صورت مقابل است:

می توان عبارت p.∂f/∂zj را با Tj نشان داد. به این ترتیب خواهیم داشت: 

                                                                                                                                           Tj=p.∂f/∂zj

wi=ΣTj (∂zj/∂xi)                 j=1,…….. ,m

 

Tj ارزش نهایی j امین ویژگی می باشد. رابطه ی بالا نشان می دهد قیمت نهاده ی i ام برابر است با ارزش نهایی ضمنی هر ویژگی ضرب در بازده نهایی آن ویژگی نسبت به نهاده ی i. این رابطه نیز نشان دهنده ی یک تابع هدنیک می باشد (قربانی،1379،7).

3- مروری بر مطالعات انجام شده

در زمینه استفاده از روش قیمت­گذاری هدانیک برای زمینهای کشاورزی تاکنون درایران مطالعه زیادی انجام نشده است ولی مطالعات خارجی فراوانی در این زمینه انجام شده است.

فوب کندری[15] و همکارش در مقاله ای با نام "تحلیل قیمت هدانیک و انحراف یا اریب در نمونه گیری" در سال 2002 اثر اریب در تخمین ضرایب ناشی از نمونه گیری ( انتخاب نمونه) را در یک مدل قیمت هدانیک بررسی کرده اند. مطالعه ی آنها در مورد تقاضا برای زمین، در حالتی که شوری آب بر آن تاثیر گذار است، می باشد. آن ها در مقاله خود بیان کرده اند کیفیت آب های زیر زمینی به عنوان یک نهاده، بر عملکرد و در نتیجه قیمت زمین های کشاورزی تاثیر زیادی دارد و از طرفی ساختار اجاره بهای زمین ها یا قیمت آن ها، منعکس کننده ی اختلاف موجود در عملکرد زمین ها می باشد. پس می توان با استفاده از داده های مربوط به اجاره ی زمین ها یا قیمت فروش آن ها ( که به خاطر ویژگی های متفاوتشان قیمت های مختلفی هم خواهند داشت ) سهم هر کدام از این ویژگی ها و از جمله کیفیت آب زیر زمینی را در قیمت زمین بدست آورد. این قیمت ها یک قیمت سایه ای یا ضمنی برای هر کدام از ویژگی ها خواهند بود. آن ها این ادعا را بررسی کرده اند که ویژگی های کیفی یک نهاده نه تنها بر قیمت نهاده تاثیر گذار است، بلکه بر نوع کاربرد آن نهاده، نیز اثر گذار است. همچنین در مقاله آمده است ناتوانی در شناسایی کاربرد های جایگزین یک نهاده، باعث ایجاد مشکل در انتخاب نمونه ی مناسب می شود و در نتیجه پارامتر های برآورد شده که همان قیمت های سایه ای ( ضرایب متغیرهای کیفی ) مدل هستند، گمراه کننده خواهند بود.       

دیوید مدیسن[16] در سال 2002 در مقاله ای با نام" تحلیل هدنیک قیمت هدنیک زمین های کشاورزی" از روش هدانیک برای برآورد قیمت زمین های کشاورزی در انگلستان و منطقه ی والس[17] استفاده کرده است. قیمت زمین در اصل نشان دهنده ی ارزشی است که کشاورزان به عوامل و فاکتورهای کیفی آن زمین می دهند. قیمت به وسیله ی اثر متقابل بین تعداد زیاد خریداران و فروشندگان تعیین می شود که با حذف عرضه و تقاضای اضافی برای هر نوع زمینی تعدیل می شود.

حسن ورال[18] و همکارش در سال 2009 در مقاله ای با نام "بازار زمین و مدل هدنیک قیمت" قیمت زمین در بخش کشاورزی را با روش هدانیک در بازار ترکیه و در منطقه ی کاراکابی[19] بررسی کرده اند. هدف این مقاله بررسی متغیر های تاثیرگذار بر قیمت زمین های کشاورزی عنوان شده است. اطلاعات مربوطه از 54 کشاورز در این منطقه و از 12 روستا جمع آوری شده­اند.

در مدل ارائه شده ارتباط معنی داری بین مقدار موارد ارگانیک خاک و اندازه زمین ها وجود دارد. مدل به شکل لگاریتمی و خطی،جداگانه برآورد شده است.از هشت متغیر، پنج متغیر اثر مثبت بر قیمت زمین دارند. البته در حالت لگاریتمی ضرایب کاملا متفاوت شده اند. مهم ترین فاکتور اثر گذار بر قیمت زمین، متغیر فاصله تا زمین و متغیر پتاسیم می باشد که به ترتیب با ضرایب 577/6 و 216/0 در مدل ظاهر شده اند.

سیلز و هریس[20] در سال 2008 رابطه ارزش هر هکتار زمین کشاورزی در برزیل را با متغیرهای فاصله تا بازار، وسعت کل مزرعه و فرسودگی خاک معکوس و با متغیر سرمایه گذاری در مزرعه مستقیم به دست آوردند.  آنها در مورد رابطه وسعت کل مزرعه و ارزش زمین، پراکندگی زیادی مشاهده کردند و علت آن را ناشی از مقیاس اقتصادی مزرعه معرفی کردند. (توانا، 1388 )

هیانگ و همکارانش در مطالعه ای در ایالات متحده آمریکا[21] به این نتیجه رسیدند که ارزش زمین­های کشاورزی مرتبط با عواملی است که بر کیفیت محیط و بهره وری اثر می­گذارند؛ مانند فاصله تا بازار، کیفیت خاک و وسعت زمین (همان منبع).

چومیتز و همکارانش[22]در مطالعه ای در برزیل به این نتیجه رسیدند که محدودیتهای کشاورزی شامل شیب تند، بارش بیش از اندازه و کیفیت پایین خاک، عوامل منفی در ارزش زمین هستند، اما نزدیکی به ساحل و به خصوص نزدیکی به جاده ی اصلی در نواحی ساحلی، به دلیل جذب گردشگر، رانت بالایی نصیب مالکان آنها میکند.  ( همان منبع )

لینچ و لوول[23] در مطالعه ای در آمریکا رابطه معکوسی بین ارزش هر هکتار زمین کشاورزی با متغیرهای فاصله تا شهر، فاصله تا جاده اصلی و وسعت زمین و رابطه مستقیمی با متغیرهای فاصله تا بازار و میزان آب در دسترس یافتند.  (همان منبع )

باستین و همکارانش[24] با استفاده از روش هدانیک، رابطه معکوسی بین ارزش هر هکتار زمین کشاورزی در آمریکا و فاصله تا شهر و رابطه مستقیمی با متغیرهای فعالیتهای تفریحی وگردشگری مشاهده کردند.(همان منبع )

حمید توانا در سال1388 به قیمت گذاری زمین های کشاورزی شهرستان لارستان در استان فارس پرداخته است. او داده های مورد نیاز را به روش تصادفی ساده انتخاب کرده و با40 پرسش نامه تحلیل ها را انجام داده است. عواملی که در این منطقه، موثر بر قیمت زمین بوده­اند شامل: فاصله­ی قطعه زمین معامله شده تا شهر، حاصل خیزی، فاصله تاجاده ی اصلی، مساحت زمین کشاورزی و درصدی از زمین که برای فعالیتهای کشاورزی استفاده شده، می باشد.

4- روش تحقیق و نتایج تجربی

این مطالعه در پاییز 1388 شهرستان سبزوار از توابع استان خراسان رضوی انجام شده است.داده های مورد نیاز با استفاده از نمونه گیری تصادفی ساده جمع آوری شد. برای این کار350 پرسشنامه به صورت مصاحبه ی حضوری با کشاورزان تکمیل شده است.

جامعه آماری در این مطالعه کل زمین های آبی معامله شده ( اجاره شده ) در اطراف چاه­ها می باشد. به دلیل غیررسمی بودن و ثبت نشدن این معاملات، آمار مربوط به تعداد معاملات انجام شده در هیچ سازمانی وجود ندارد. زمین های موجود در نمونه ی گرفته شده، از چاههای مختلفی جمع آوری شده اند و هر کدام از چاه ها دارای حقابه ای متفاوت از دیگر چاهها می باشند. هم چنین زمین و آب در این منطقه معمولا برای یک سال زراعی اجاره می شوند. برای محاسبه حجم نمونه از فرمول کوکران استفاده شده است:

          N= Z2α/22/e2                          

 

e بیان کننده درصد خطا در برآورد نقطه ای مقدار میانگین یک متغیر می باشد که 10درصد انتخاب شده است. متغیر کلیدی انتخاب شده در این پژوهش، اندازه ی قطعات معامله شده می باشد. برای محاسبه ی تعداد اعضای نمونه ی اصلی، در ابتدا، بر اساس پرسش نامه ی طراحی شده، یک نمونه ی 54 تایی از زمین های اجاره شده جمع آوری گردید. در مرحله ی بعد میانگین اندازه ی زمین ها در این نمونه محاسبه شد. مقدار میانگین اندازه ی زمین برای 54 مشاهده،0627/1 هکتار به دست آمد. واریانس این متغیر برای 54 مشاهده ی اولیه 27/1 می باشد. مقدار حداقل برای این 54 مشاهده، زمین اجاره شده ای به اندازه ی 1400 متر مربع (14/0 هکتار ) بوده که به کاشت فلفل ( قرمز ) اختصاص یافته و حداکثر آن، زمینی 5 هکتاری برای کشت هندوانه ی بذری می باشد. طبق معادله ی بالا حجم نمونه،480 مشاهده به دست می آید. جمع آوری اطلاعات برای این تعداد مشاهده نیاز به هزینه های زیادی داشت. از طرف دیگر با بیش از 1000 کشاورز آبی کار مصاحبه شده است که تعداد معدودی از آنها زمین معامله کرده بودند. به دلیل اینکه شغل اصلی بسیاری از مردم شهرستان سبزوارکشاورزی بوده و کشاورزان این منطقه بیشتر خرده مالک می باشند، تعداد معاملات زمین و آب در بخش کشاورزی شهرستان زیاد نبوده و کشاورزانی که مالک زمین و آب می باشند ترجیح می دهند خود از این امکانات برای انجام فعالیتهای کشاورزی استفاده کنند تا اینکه آن را به دیگران اجاره داده یا بفروشند. در نهایت 380 پرسش نامه ی با کشاورزان شهرستان پر شد که حدود 50 مشاهده یا به دلیل ناقص پر شدن پرسش نامه و یا بعد از انجام تحلیل ها با نرم افزار ایویوز حذف شدند.


جدول 1: معرفی متغیرها

قیمت اجاره یک هکتار زمین (متغیر وابسته) Rpoph =

 

تغیر

توضیحات

Size

Slope

Caly

Sandy

Clay_sandy

Sandy_clay

Loam

Pc1

Pc2

Pc3

Dtre

Dtv

Dtr

Dts

Debi

اندازه زمین معامله شده

متغیر مجازی (اگر زمین معامله شده مسطح باشد مقدار آن صفر و اگر شیب دار باشد یک می باشد) متغیر مجازی (بافت رسی=1، بافت غیر رسی=0)

متغیر مجازی (بافت شنی=1، بافت غیرشنی=0)  

متغیر مجازی (بافت رسی شنی=1و بافتهای دیگر=0)

متغیر مجازی (بافت شنی رسی=1و بافتهای دیگر=0)

متغیر مجازی (بافت لمی=1وبافت غیرلمی=0 )

متغیر مجازی ( اگر مقدار کربن خاک کمتر از 5/0 درصد باشد مقدار آن یک وگرنه صفر می شود

متغیر مجازی ( اگر میزان کربن خاک بین 5/0 و یک درصد باشد مقدار یک را به خود می گیرد وگرنه مقدار آن صفر می باشد)

متغیر مجازی ( اگر مقدار کربن خاک بیشتر از1 درصد مقدار آن یک وگرنه صفر می باشد)

فاصله قطعه زمین معامله شده تا چاهی که از آب آن چاه برای آبیاری قطعه استفاده می شود (کیلومتر)

فاصله قطعه تا روستایی که این چاه از آن روستا می باشد (کیلومتر)

فاصله قطعه تا نزدیک ترین جاده آسفالت فرعی یا اصلی (کیلومتر)

فاصله قطعه تا سبزوار (کیلومتر)

مقدارآب قابل برداشت از چاه یا حقابه ( لیتر در ثانیه )

 

منبع: یافته های مقاله

 

در این مقاله متغیر وابسته لگاریتم طبیعی قیمت یک هکتار زمین آبی اجاره شده در سال زراعی 88 -87 می باشد. متغیرهای مستقل ویژگی های کیفی، موقعیت جغرافیایی، ویژگی های ساختاری و ویژگی های چاه و آب استفاده شده در زمین ها را نشان می دهند.

برای برآورد ضرایب از هر چهار نوع تابع خطی، خطی- لگاریتمی، لگاریتمی- خطی و لگاریتمی- لگاریتمی استفاده شده است. ولی به دلیل اینکه R2 و تعداد ضرایب معنی دار در فرمهای خطی و خطی- لگاریتمی پایین بوده این دو مدل حذف شدند.

از میان توابع لگاریتمی- لگاریتمی و لگاریتمی- خطی نیز مدل لگاریتمی- خطی، به این دلیل که تعداد متغیرهای معنی دار آن نسبت به مدل لگاریتمی- لگاریتمی کمتر بود، حذف شد. ولی R2 در هر دو مدل تقریبا شبیه بود. در نتیجه مدل پیشنهادی برای این مطالعه مدل لگاریتمی- لگاریتمی می باشد.

شکل کلی مدل به کار رفته به صورت لگاریتمی – لگاریتمی می باشد:                                  

Ln RP=C+∑αLnXi+∑βDi

متغیرهای مجازی با Di نشان داده شده است و Cمقدار ثابت یا عرض از مبداء را نشان می دهد.

 

Ln Rent price(RP) irrigated land=F(size,slope,texture,percent of carbon(pc), geograghical positon(distance to village,distance to city,distance to road,distance to well) ,amount of water(debi))

 

قیمت زمین های آبی معامله شده در منطقه تابع اندازه، شیب، بافت، درصد کربن، موقعیت مکانی قطعه ی معامله شده و مقدارآب استفاده شده در قطعه زمین می باشد. با برآورد مدلها این فرض قابل اثبات خواهدبود، که آیا می توان از روش هدنیک برای تخمین مدل قیمت زمین های کشاورزی منطقه استفاده کرد یا خیر.

آب عرضه شده به زمین ها از چاههای مختلفی برداشت می شوند که کیفیت آب هر چاه متفاوت از دیگر چاهها می باشد. در شهرستان سبزوار کیفیت آب چاهها بسیار متفاوت بوده تا جایی که در مناطقی از این شهرستان آب سفره های زیرزمینی بسیار شیرین بوده وEC آب این چاهها به 1000میکرومهوس نیز نمی رسد. برعکس در دشت  های دیگر شهرستان شوری آب چاهها بسیار زیاد می باشد تا جایی که به 13000 میکرومهوس نیز می رسد.

از طرفی در جمع آوری مشاهدات با هدف برآورد یک مدل مناسب، هرچه همگنی مشاهدات بیشتر باشد، نتایج، ضرایب و قیمت ها، بهتر و دقیق تر خواهد بود. لذا برای کاهش ناهمگنی زمین های آبی موجود در نمونه و برای به دست آوردن نتایج بهتر، از مدلهای تفکیک شده استفاده شده است. به این شکل که داده ها بر اساس کیفیت آب چاهی که زمین ها با آن آبیاری می شوند تفکیک شده اند. همگن کردن داده ها براساس کیفیت آب می باشد. کیفیت آبی[25] که زمین با آن آبیاری می­شود یکی از ویژگی های موثر بر قیمت زمین ها ست. این متغیر در مطالعه دارای چهار سطح مختلف است:

- گروه اول زمین هایی هستند که شوری آب بهره برداری شده از چاه برای آنها کمتر از2000 میکرومهوس می باشد و در اصطلاح با آبهای شیرین آبیاری می شوند (EC=1).

-گروه دوم زمین هایی هستند که شوری آب آنها بین2000 تا4000 میکرومهوس می باشد. آب این گروه از چاهها را به نام آبهای لب شور می شناسند (EC=2).

- مشاهدات گروه سوم زمین هایی هستندکه آب آنها شور بوده و ECآنها بین 4000 تا6000 میکرومهوس می باشد. (EC=3).

- بالاخره گروه چهارم مربوط به زمین هایی است که EC آب آنها بیشتر از6000 بوده و به آبهای خیلی شور معروفند (EC=4).

به این ترتیب 4 گروه مشاهده برای زمین های آبی منطقه وجود دارد که برای هر گروه یک مدل برآورد می شود.


جدول 2: خلاصه نتایج تحلیل های آماری برای کل زمین های آبی موجود در نمونه

 

متغیر

میانگین

حداکثر

حداقل

واریانس

rpoph

306465.7

1500000

20000

255179.6329

Size

2.029667

12

0.14

2.006768

Clay

0.366667

 

 

 

Sandy

0.038889

 

 

 

clay_sandy

0.155556

 

 

 

sandy_clay

0.1

 

 

 

Loam

0.338889

 

 

 

pc1

0.783333

 

 

 

pc2

0.177778

 

 

 

pc3

0.038889

 

 

 

Dtre

1.115

1.115

0.01

1.735245

Dtv

4.364361

24

0.01

4.2892

Dts

65.04278

150

18.7

25.55625

Debi

30.73611

63

2

12.15673

PATW

4.244405

13.33333

0.416667

2.240017

منبع: یافته های مقاله

 

اولین مدل برای زمین هایی برآورد شده است که با آب های شیرین آبیاری می شوند. به عبارت دیگر شوری[26] آب این چاهها کمتر از2000 میکرومهوس می باشد (اعداد داخل پرانتز مقدار آماره ی t را نشان می دهند)

 

LN RPOPH = 0.012*LN_SIZ - 0.124*SLOPE - 0.13*CLAY - 0.215*SANDY +

t                               0/5                      -2/3                     -2/12                   -1/83           

0.02*CLAY SANDY - 0.3*SANDY CLAY + 0.175*PC2+ 0.3*PC3 - 0.056*LN DTRE-  

t               0/32                                 -3/74                 3/13          2/78                   -5/26  

0.033 *LN DTV + 0.0007 *LN DTR - 0.158*LN DTS + 0.87 *LN DEBI + 10.1                                                                            

t          -1/81                     0/04                      -2/84                        17/19          36/1  

 

تعداد مشاهدات 152 عدد می باشد.R2 تعدیل شده 78% می باشد.

متغیر اندازه ی زمین معامله شده (SIZE) از نظر آماری معنی دار نشده است. از طرفی علامت آن مخالف انتظار بوده و منفی شده است. دلیل مثبت شدن ضریب این متغیر را می توان این گونه بیان کرد که در زمین های بزرگتر امکان استفاده از ماشین آلات کشاورزی بیشتر فراهم میشود. به همین دلیل، به نظر می رسد  برای کشاورزان آبی کار تقاضا برای زمین های بزرگتر، بیشتر از زمین های کوچکتر باشد.

ضریب متغیر میزان آبدهی چاه (DEBI) نسبت به بقیه ی ضرایب سهم بیشتری در قیمت زمین داشته و دارای تاثیر مستقیم بر قیمت زمین ها می باشد. به این ترتیب می توان گفت اگر سایر شرایط ثابت مانده، ولی میزان حقابه یا آبدهی یک حلقه چاه، یک درصد افزایش یابد قیمت زمین های اطراف این چاه به مقدار 87/0درصد افزایش می یابد.

بافت خاک یا کلاس زمین ها در 5 سطح بررسی شده است. در میان متغیرهای مربوط به بافت خاک، بافت Clay-Sandy معنی دار نشده است و علامت مخالف انتظار است. به این دلیل که طبق ادعای کارشناسان و کشاورزان شهرستان، به نظر می رسد بافت لوم از بقیه بافتها بهتر باشد. لذا چون ضریب این بافت با بافت لوم مقایسه
می­شود، باید مقدار آن منفی باشد. برعکس بافت شنی-رسی یا Clay-Sandy ( بافتی که ذرات شن آن بیشتر از رس می باشد ( دارای ضریب بزرگی بوده و از بقیه ی بافت ها سهم بیشتری در کاهش قیمت زمین دارد. با توجه به اینکه بافت لوم (Loam) که خاک مناسبی برای کشاورزی می باشد به عنوان متغیر پایه بیرون از مدل نگه داشته شده است، می توان در تفسیر ضریب متغیر sandy-clay این گونه بیان کرد که اگر دو زمین داشته باشیم که از نظر ویژگی های مختلف کاملا مشابه باشند، به جز اینکه یکی از زمین ها دارای بافت شنی-رسی و دیگری دارای بافت لوم باشد، قیمت زمین اول نسبت به زمین دوم 3/0درصدکمتر خواهد بود. یا اینکه قیمت زمین لمی 35/1برابر (e0/3 برابر ) قیمت زمین شنی-رسی می باشد. در این گروه، دومین متغیر از نظر سهمی که در قیمت زمین دارد بافت شنی یا sandy می باشد. به ازای تغییر بافت از لمی به شنی قیمت زمین به مقدار 215/0 درصد کاهش می یابد. ارزش زمین های با بافت رسی نیز نسبت به بافت لوم کمتر می باشد. در این مدل هم چنان که مشاهده می شود با تغییر زمین از بافت های سنگین به سمت بافتهای سبک تر قیمت زمین ها بیشتر کاهش می یابد و قدر مطلق ضرایب بزرگتر می شود.

در گروه متغیرهای مربوط به حاصل خیزی خاک (PC) هر دو متغیر معنی دار شده اند. حاصل خیزی خاک به عنوان یک متغیر مجازی، در سه سطح بررسی شده است. متغیر پایه در این گروه PC1 می باشد و مربوط به زمین هایی است که کربن خاکشان کمتر از نیم درصد می باشد. در تفسیر ضریب متغیر PC3 می توان گفت اگر دو زمین کاملا مشابه داشته باشیم، به جز اینکه میزان کربن خاک یکی از زمینها بیشتر از یک درصد باشد ( یا زمین مرغوب تر باشد ) قیمت آن حدودا 3/0درصد بیشتر از قیمت زمینی می باشد که کربن آن کمتر از نیم درصد باشد. هم چنین قیمت زمین هایی که میزان کربن آنها بین نیم تا یک درصد می باشد (PC2)، نسبت به زمین های گروه پایه 175/0درصد بیشتر می باشد. لذا هر چه زمین ها حاصل خیز تر می شوند قیمت آنها بیشتر افزایش می یابد.

متغیر شیب (SLOPE) نیز یک متغیر مجازی می باشد و تاثیر زیادی بر قیمت زمین های کشاورزی دارد. این ضریب در سطح 95 درصد معنی دار شده و نشان میدهد اگر زمین شیب دار ( پلکانی) باشد قیمت آن 124/0درصد کمتر از زمینی است که کاملا شبیه آن بوده ولی بدون شیب و مسطح باشد.

در بین ویژگیهای مربوط به موقعیت مکانی زمین ها، فاصله ی قطعه زمین تا نزدیکترین جاده ی آسفالت معنی دار نشده است و علامت آن مخالف انتظار می باشد. فاصله ی قطعه زمین تا سبزوار ( Dts ) از بقیه، تاثیر بیشتری بر قیمت دارد. به شکلی که اگر این فاصله یک درصد افزایش یابد قیمت زمین 158/ 0درصد کاهش می یابد. فاصله ی قطعه تا منبع آبیاری (چاه) یعنی متغیرDtre  نیز دارای اهمیت است. ضریب این متغیر نشان می دهد با افزایش یک درصد در فاصله ی قطعه تا منبع آب قیمت آن 056/0درصد کاهش می یابد. فاصله ی قطعه تا روستا (Dtv ) نیز معنی دار شده است، ولی ضریب اهمیت آن کمتر از بقیه می باشد.

چون مدل، به صورت لگاریتمی-لگاریتمی می باشد، ضرایب، میزان حساسیت یا کشش متغیر وابسته نسبت به متغیرهای مستقل را نیز نشان می­دهد.

مدل دومبرای زمین هایی برآورد شده است که آب مورد استفاده برای آنها در گروه آبهای لب شور (EC=2) قرار دارد:

LN RPOPH = 0.022*LN SIZ - 0.166 *SLOPE - 0.228*CLAY - 0.356 *SANDY -

t                            0/9                       -3/3                -3/89                        -3/3

0.089*CLAY SANDY - 0.282 *SANDY CLAY + 0.183 *PC2+ 0.2685 *PC3 - 0.0313*LN

t              -1/49                                -2/89                           3/15           1/47                  -2/895

DTRE - 0.006 *LN DTV - 0.0847*LN DTR- 0.272 *LN DTS  + 1.02 *LN DEBI + 10.138

t                     -0/32                       -4/2                    -7/46                         17/76                48/5

تعداد مشاهدات در این مدل کمتر از مدل های قبلی می باشد. این گروه شامل 69 مشاهده بوده که 4 تای آن حذف شدند.

مقدار R2 و R2تعدیل شده در این مدل به ترتیب 93/ 0 و90/ می باشند که نشان دهنده ی سطح بالای معنی داری رگرسیون می باشد.

F  جدول برای 65 مشاهده و در سطح پنج درصد، 84/1می باشد، در حالی کهF به دست آمده از این مدل 52/49 می باشد که به مراتب بزرگتر ازF  جدول بوده و تاییدکننده ی رگرسیون می باشد.

معیار شوارتز و آکائیک به ترتیب 15/0- و 62/0- می باشد و چون مقدار آن کوچک است می تواند دلیلی بر خوب بودن مدل برآورد شده باشد.

متغیر اندازه ی زمین معامله شده (SIZE) از نظر آماری معنی دار نشده است. از طرفی علامت آن مخالف انتظار بوده و منفی شده است.

ضریب متغیر دبی (DEBI) چاهها نشان دهنده ی تاثیر بالای این ویژگی بر قیمت زمین ها می باشد. به ازای افزایش یک درصدی در آبدهی چاه، قیمت زمینها 02/1 درصد افزایش می یابد.

ضرایب متغیرهای مربوط به بافت خاک نشان دهنده ی این موضوع هستند که اگر زمین مورد نظر به ترتیب در هرکدام از کلاس های رسی، رسی_شنی، شنی_رسی یا شنی قرارگیرد قیمت آن نسبت به زمین لومی که کاملا شبیه آنها باشد، به اندازه ی 228/0، 089/0،282/0 و 356/0 درصد کاهش می یابد. در بین ضرایب مربوط به بافت خاکها بافت شنی از بقیه تاثیر بیشتری درکاهش قیمت زمین ها دارا می باشد که دلیل این موضوع دربخش قبلی بیان شده است، ولی ضریب بافت رسی_شنی معنی دار نشده است.

هم چنین متغیرSlope  تاثیر معنی داری در قیمت زمین های کشاورزی ایفا می­کند. با فرض ثابت ماندن بقیه ی شرایط، اگر زمین شیب داشته باشد، قیمت آن نسبت به زمینی که مسطح باشد166/0درصد کاهش خواهد یافت. به عبارت دیگراگر دو زمین کاملا شبیه یکدیگر داشته باشیم، ولی یکی از زمین ها مسطح بوده و دیگری شیب دار باشد قیمت زمین اولی 18/1برابر( e 0/166برابر) قیمت زمین شیب دار خواهد بود.

در بین ویژگیهای مربوط به موقعیت مکانی زمین ها فاصله ی قطعه زمین تا سبزوار از بقیه ی متغیرها تاثیر بیشتری برقیمت دارد. به شکلی که اگراین فاصله یک درصد افزایش یابد قیمت زمین27/0درصد کاهش می یابد. در این گروه باز هم متغیر Dtv (فاصله تا روستا) از نظر آماری معنی دار نشده است.

در بین متغیرهای PC یا درصدکربن خاک، ضریب متغیر PC3 معنی دار نشده است و قیمت زمینی که میزان کربن خاک آن در گروه دوم قرار داردد، 268/0 درصد بیشتر از زمین های موجود در گروه پایه است.

مدل سوم برای زمین هایی برآورد شده است که آب مورد استفاده برای آنها درگروه آبهای شور (EC=3) قرار دارد:  

 

LN RPOPH = -0.05 *LN SIZ - 0.15 *SLOPE - 0.2 *CLAY - 0.52 *SANDY - 0.083                                                                                                             

                                  -0/67                    -1/49               -1/48               -2/47                   

*CLAY SANDY - 0.32 *SANDY CLAY + 0.38 *PC2 + 0.27 *PC3 - 0.0166*LN DTRE  -

          -0/71                           -2/28                  2/42                     0/67                    -0/74                                                                                                                                                                 

0.08 *LN DTV + 0/044 *LN DTR- 0.29 *LN DTS + 0.88*LN DEBI + 10.498

       -1/65                        1/1                   -4/61                        6/59             22/44  

 

تعداد مشاهدات موجود دراین نمونه 56 عدد بوده که یکی از آنها، از مدل حذف شده است. مقدار  R2به دست آمده از این رگرسیون 80/0 و R2 تعدیل شده 74/0می باشد. Fبه دست آمده از این مدل 14/13می باشدکه بزرگتر از Fجدول می باشد. هم چنین معیارهای شوارتز و آکائیک حاصل از این برازش به ترتیب 11/1 و 6/ 0
می­باشد. تعداد ضرایب معنی دار این مدل نسبت به مدل های قبلی به 6 متغیرکاهش یافته است. شاید بتوان گفت دلیل کاهش تعداد متغیرهای معنی دار دراین مدل، کاهش تعداد مشاهدات دراین گروه می باشد.

متغیر  PC2در سطح 99 درصد معنی دار شده و دارای ضریب بزرگی می باشد. این ضریب بیان می کند قیمت زمین هایی که از نظر حاصل خیزی در این سطح قرار دارند نسبت به زمین های سطح 1 به مقدار 38/0درصد افزایش می یابد. متغیر مربوط به سطح سوم (PC3) در این مدل معنی دار نشده است.

بر خلاف دو مدل قبلی در این مدل متغیر اندازه ی زمین (SIZE)  دارای علامت منفی می باشد. ولی این متغیر باز هم معنی دارنشده است. دلیل منفی شدن این متغیر، این می باشد که چون آبی که برای آبیاری زمین ها استفاده می شود شور است، کشاورزان ترجیح می دهد زمین های بزرگ را زیر کشت نبرده و آنها را به قطعات کوچکتر تبدیل کنند.

میزان آبدهی چاهها بیشترین سهم را در قیمت زمین دارا می باشد. ضریب این متغیر بیان می کند اگرآبدهی چاه یک درصد افزایش یابد قیمت زمین88/0درصد افزایش می یابد.

در میان متغیرهای مربوط به فاصله، میزان فاصله تا سبزوار، بیشترین سهم را در قیمت زمین دارا می باشد. به شکلی که با افزایش یک درصدی فاصله ی قطعه تا سبزوار، قیمت آن 29/0 درصدکاهش می یابد. فاصله ی قطعه تاروستا در سطح 90 درصد معنی دار شده است و ضریب آن قیمت ضمنی این ویژگی را نشان میدهد. با افزایش یک درصدی فاصله ی زمین تا روستا قیمت آن 08/0 درصد کاهش می یابد. رابطه ی بین فاصله زمین تا جاده ی آسفالت و قیمت آن نیز بر خلاف انتظار مثبت به دست آمده است.

در بین متغیرهای مربوط به بافت قطعه زمین بافت شنی و شنی-رسی معنی دار شده اند. با قرار گرفتن زمین در گروه  زمین های شنی، قیمت آن نسبت به زمین لوم مشابه،  52/0 درصدکاهش می یابد. هم چنین اگر بافت خاک شنی-رسی باشد قیمت آن نسبت به زمین لوم 32/0درصدکاهش می یابد.

متغیرشیب زمین معنی دار نشده است، ولی علامت ضریب آن با آنچه مورد انتظار بوده متناسب می باشد. در نتیجه، بین قیمت این گروه از زمین ها و شیب دار بودنشان رابطه ای وجود ندارد.

مقایسه­ مدل­ها

در همه­ی مدل ها میزان آبدهی چاه ها، بدون توجه به کیفیت آن، و نسبت به
بقیه­ی ویژگی های زمین، تاثیر بیشتری بر قیمت زمین ها داشته، که نشان دهنده ی میزان اهمیت و توجه کشاورزان به این ویژگی زمین­ها می باشد.

در همه­ی مدلها و در بین متغیرهای فاصله، تاثیر فاصله ی قطعه زمین تا شهر سبزوار بر قیمت آن، از همه ی متغیرهای دیگر بیشتر می باشد. ولی تاثیر این متغیر در گروه اول، کمتر از گروه های دیگر می باشد و این نشان می دهد آنقدر تاثیر شیرین بودن آب آبیاری بر قیمت زمین ها زیاد بوده که تاثیر این ویژگی را خنثی کرده است. به نظر میرسد تغییر کاربری زمین و کاهش هزینه های کشاورزان، در اثر کاهش این فاصله، مورد توجه بسیاری از کشاورزان قرار داشته که اثر این ویژگی را افزایش داده است.

تقریبا در همه ی مدل ها با افزایش حاصل خیزی خاک از PC1 به PC2 و PC3، قیمت زمین ها نیز افزایش می یابد. با افزایش شوری آبها میزان اهمیت متغیر PC3، کاهش می یابد. ولی در مورد متغیر PC2، برعکس، با افزایش شوری آب، میزان اهمیت حاصل خیزی خاک بیشتر می شود.

هم چنین با افزایش شوری آب، اهمیت شیب زمین و اثر آن بر کاهش قیمت، کاهش می یابد، به شکلی که در مدلهای سوم و چهارم سطح معنی داری آن نیز کاهش می یابد.

تقریبا در همه ی مدلها با افزایش شوری آب، قدر مطلق ضریب بافت شنی و رسی-شنی افزایش می یابد. به عبارت دیگر همراه با افزایش شوری آب استفاده شده در زمین، کاهش قیمت این گروه از زمین ها نیز بیشتر می شود. این روند، در مورد بافت رسی و شنی-رسی کاهشی می باشد. در این بافتها با افزایش شوری آب، کاهش قیمت زمین ها کمتر می شود. لذا مشخص نیست که با شور شدن آب،کدام بافت برای کاشت محصولات مناسب تر می باشد.   

اندازه ی زمین ها در هیچ کدام از مدلها معنی دار نشده­اند. ولی با مقایسه ی مدلها مشاهده می شود هرچه آب مورد استفاده در زمین ها شورتر باشد قطعات کوچکتر، نسبت به قطعات بزرگتر بیشتر استفاده می شوند. چرا که برای آبهای شیرین زمین های بزرگتر گرانتر هستند ولی برای آبهای شور زمین های بزرگتر ارزانتر می باشند. لذا اگر آب مصرف شده در زمین شور باشد می توان، با تبدیل مجدد قطعات به قطعات کوچکتر سودمند بیشتری برد.

5- نتیجه­گیری و پیشنهادها

به دلیل وجود آب و هوای نسبتا خشک،کمبود بارندگی در این منطقه و تبخیر سریع آب، انتظار میرود اهمیت آب و نوع بافت خاک در بخش کشاورزی زیاد باشد. ارزش آب را می توان به خوبی در ضریب مربوط به میزان حقابه ی چاهها مشاهده کرد. در همه ی مدل های زمین آبی، سهم این متغیر در قیمت زمین ها از بقیه ی ویژگی­ها بیشتر است. ضریب این متغیر،که قیمت ضمنی میزان آبدهی چاهها را نشان میدهد، از همه ی ضرایب دیگر بزرگتر می باشد. نوع بافت خاک نیز به دلیل مدت زمان ذخیره و نگهداری آب در زمین آبیاری شده، فاکتور مهمی در منطقه می باشد. بیشتر خاک سبزوار را پنج نوع بافت معرفی شده در مطالعه، پوشش داده اند. در میان این بافت ها قدرت حفظ و ذخیره ی آب در بافت شنی و شنی-رسی از انواع دیگرکمتر است. به همین دلیل تقریبا ارزش این نوع زمین ها در مدلها کمتر از بقیه می باشد. بافت رسی مدت زمان بیشتری آب ذخیره می کند ولی با نوع محصولات موجود درمنطقه سازگاری زیادی ندارد. به دلیل اینکه زمین های رسی بعد از آبیاری، سفت شده و برای رشد محصولاتی مثل گندم ایجاد مشکل می کند. زمین رسی-شنی به دلیل دارا بودن درصد کمی شن، از زمین رسی بهتر است. در بیشتر مدلها نیز قدرمطلق ضریب این متغیرکمتر از ضریب متغیر رسی می باشد. یعنی این نوع بافت کمتر از بافت رسی باعث کاهش قیمت زمین می شود یا اختلاف قیمت این نوع زمین ها با زمین های لوم از بقیه کمتر است. طبق نظرکار شناسان متناسب با نوع محصولات کشت شده در شهرستان بهترین بافت در این منطقه بافت لمی می باشد. بافت این نوع خاک ترکیبی متناسب از شن، رس و سیلت می باشد.

در نهایت می توان در روش هدنیک، برای بررسی مجموعه ی بیشتری از ویژگی­ها، جامعه­ی آماری را بزرگتر در نظر گرفت تا بتوان تاثیر متغیرهای دیگر از جمله میزان بارندگی، تراکم جمعیت در هر منطقه، نوع منبع آبی استفاده شده برای آبیاری زمین­ها (چشمه، قنات، رودخانه و.... ) و... را نیز بر قیمت زمین ها بررسی کرد. هم چنین می توان برای هر منطقه از یک مدل جداگانه استفاده کرد و مدل ها را با یکدیگر مقایسه کرد. یکی از روشهای برآورد توابع هدنیک زمین، مسکن و دارایی هایی از این قبیل، استفاده از رگرسیون های فضایی برای تخمین مدل ها می باشد. با این کار می توان مانند مدل های سری زمانی که اثر یک متغیر را در زمان های مختلف بررسی می کند، اثر مکان های مجاور بر قیمت دارایی مورد نظر را سنجید تا وجود یا عدم وجود خود همبستگی فضایی بین زمینهای موجود را بررسی کرد.

 



[1]. Differentiated

[2]. Rosen

[3]. Repackage Linearly

[4]. Butsic, Van

[5]. Hedonikos

[6]. Chin

[7]. Bartik

[8]. Covrt

[9]. Dilmore

[10]. Haas

[11]. Lancaster

[12]. Repackage

[13]. MWTP

[14]. Exogenous

[15]. Koundouri, Phoebe

[16]. Maddison, David

[17]. Wales

[18]. Vural,Hasan

[19]. Karacaby

[20]. Sills & Harris, 2008

[21]. Huang & et al , 2006

[22]. Chomitz & et al , 2005

[23]. Lynch & Lovell , 2002

[24]. Bastian & et al., 2002

1. EC

1. EC

منابع

ـ اطلس جغرافیایی ارشاد، 1379، انتشارات ارشاد.

ـ آقاپورصباغی، محمد.1385: "برآورد تابع قیمت گذاری کیفی برای پنیر در استان تهران"، فصل نامه ی اقتصادکشاورزی و توسعه، شماره57.

ـ انواری، محمود.1385: "برآورد تابع قیمت هدنیک مسکن شهر اهواز به روش داده های ترکیبی"، فصل نامه پژوهش­های اقتصادی ایران، شماره28.

ـ توانا، حمید،1387: "قیمت گذاری زمین های کشاورزی شهرستان لارستان دراستان فارس"، فصل­نامه­ی اقتصاد کشاورزی و توسعه. شماره64.

ـ جانستون،جک، 1388: "روش­های اقتصاد سنجی"، ترجمه علی اکبر خسروی نژاد، تهران، انتشارات نور علم.

ـ خواجه پور، محمدرضا، 1378: "اصول و مبانی زراعت"، اصفهان، انتشارات دانشگاه صنعتی اصفهان.

ـ خوش اخلاق، رحمان، 1378: "اقتصاد منابع طبیعی ،، اصفهان، انتشارات دانشگاه اصفهان.

ـ درخشان، مسعود، 1374: "اصول اقتصاد سنجی"، تهران، انتشارات مهر.

ـ رائو و میلر،1370: "اقتصادسنجی کاربردی"، ترجمه حمید ابریشمی، تهران، موسسه تحقیقات پولی و بانکی بانک مرکزی.

ـ سوری، علی، 1385: "اقتصاد منابع طبیعی و محیط زیست"، همدان، انتشارات نور علم.

ـ قربانی، محمد،1387: "مقدمه­ای بر ارزش گذاری محیط زیست"، مشهد، انتشارات دانشگاه فردوسی.

ـ قربانی، محمد، 1376: "عوامل موثر بر قیمت برنج شهرآمل: کاربرد مدل هدنیک"، مجموعه مقالات همایش شناخت استعدادهای بازرگانی – اقتصادی مازندران.

ـ کردوانی، پرویز،1381: "منابع و مسائل آب در ایران"، تهران، انتشارات دانشگاه تهران.

ـ گجراتی، دامودار، 1382: "مبانی اقتصادسنجی"، ترجمه حمید ابریشمی، تهران، انتشارات دانشگاه تهران.

ـ نوفرستی، محمد، 1385: "آمار در اقتصاد و بازرگانی"، تهران، انتشارات رسا.

- Best Practice Methods for Valuing Irrigation Benefits.2000.Douglas Southgate Department of Agricultural Economics,Ohio,State University,USA.

- Bjornlund, H & O’Callaghan, B. Implicit Values And Explicit Prices Of Water – Do They Converge?. Centre For Land Economics And Real Estate Research. School Of International Business.University Of South Australia, Adelaide.

- Butsic,Van. And R.Netusil, Noelwah.2007.Valuing Water Rights In Douglas County,Oregon,Using The Hedonic Price Method. Journal Of The American Water Resources, 43,3.                                                     

- Chin, T.L & Chau, K.W. 2003. A Critical Review Of Literature On The Hedonic Price Model And Its Application To The Housing Market In Penang. International Journal of Housing and its Applications,Vol 27,n0 2,pp 145-165.

- Chumpitaz, Ruben.2006. Hedonic Price Function Estimation In Economics And Marketing: Revisiting Lancaster´Issue Of "Noncombinable"Goods. Lille Economie & Management.

- C.Spurgeon, Kyle & D.Mullen, Jeffrey.2005. Estimating The Value Of Irrigation Water In Georgia. Water Resources Conference, Georgia.

- Egan,Kevin j.2009.Valuing Water Quality As a Function of Water Quality Measures.American Journal of Agricultural Economic.Vol 91,106-123.

- Ekeland, Ivar. Identifying Hedonic Models, The Institute For Fiscal Studies,Department Of Economics, Ucl,Cemmap Working Paper CWP 06/02.                                                 

- Faux, J. And Perri, G.M..1999.Estimating Irrigation Water Value Using Hedonic Price Analysis: Malher County. Land Economic.                                                     

- Koundouri, Phoebe & Pashardes, Panos.2001. Hedonic Price Analysis And Selectivity Bias: Water Salinity And Demand For Land. Elsevier.

- Torel, L.Allen.1990. The Market Value Of Water In The Ogallala Aquifer,Land Economics,66, 2.

- Latinopoulos, P.2004. Valuation Of Irrigation Water By Hedonic     Price Method:Acase Study In Chalkidiki,Greece. Water, ,Air And Soil Pollution:Focus 4.                                                                                   

- Maddison, David.2000. A Hedonic Analysis Of Agricultural Land Prices In England,Wales. European Review Of Agricultural Economics, 27,4.                                                                                                       

- Mallios, Z. 2007. Spetial Hedonic Pricing Model For The Valuation Of Irrigation Water. 10th International Conference On Environmental Scince And Technology,Greece.

- Molle, Francois.2008. Can Water Pricing Policies Regulate Irrigation Use?. 13th WorldWater Congress, France.                                                 

- Mueller,Julie.2008.Spatial Dependence Result in Economically Significant Differences in Estimated Implicit Prices?Journal of Agricultural And Resource Economics,vol 33.Iss 2.pg 212.

- Notie H. Lansford Jr & Lonnie L. Jones.1995.Recreational And Aesthetic Value Of Water: Using Hedonic Price Analysis. Journal Of Agricultural And Resource Economics 20,2.

- Perry,G. M.1999. Personal Relationships: Do They Influence The Sail Price Of Land?. Western Agricultural Association Annual Meeting.

- Pullen , Jennifer & Bonnie G. Colby. Negotiated Water Prices In Colorado And Arizona:The Role Of  Drought, The University Of Arizona.

- Pullen , Jennifer & Bonnie G. Colby.2008.Influence of Climate Variability on the Market Price of  Water in the Gila-San Fransisco Basin. Journal of Agricultural And Resource Economics,vol 33.Iss 3.pg 473.

- Johansson, Robert C.2002. Pricing Irrigation Water: A Review Of Theory And Practice, Water Policy 4. Elsevier.

- Johansson, Robert C..2000. Pricing Irrigation Water:A Literature Survey. The World Bank,Rural Development Department.

- Rogers, Peter.1998. Water as a Social and Economic Good: How To Put the Principle in practice? Elsevier

- Rogers, Peter.2002. Water Is An Economic Good: How To Use Prices To Promote Equity, Efficiency, And Sustainability,Water Policy 4. Elsevier.

- Rosen, Shrvin.1974. Hedonic Prices And Implicit Markets:Product Differentiation In Pure Competition. The Journal Of Political Economy,Vol 82,No 1.

- Valuing Ground Water: Economic Conce pts And Approaches.Committee On Valuing Ground Water, National,Research Council.1997.

- Vural, Hasan And Halil Fidan.2009. Land Marketing And Hedonic Price Model In Turkish Markets: Case Study Of Karacabey District Of Bursa Province. African Journal Of Agricultural Research Vol. 4 (2).