南方灌溉农田微观模拟模型

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《A micro-simulation model of irrigation farms in the southern
  Murray-Darling Basin》
---
作者：
Huong Dinh, Manannan Donoghoe, Neal Hughes and Tim Goesch
---
最新提交年份：
2019
---
英文摘要：
  This paper presents a farm level irrigation microsimulation model of the southern Murray-Darling Basin. The model leverages detailed ABARES survey data to estimate a series of input demand and output supply equations, derived from a normalised quadratic profit function. The parameters from this estimation are then used to simulate the impact on total cost, revenue and profit of a hypothetical 30 per cent increase in the price of water. The model is still under development, with several potential improvements suggested in the conclusion. This is a working paper, provided for the purpose of receiving feedback on the analytical approach to improve future iterations of the microsimulation model.
---
中文摘要：
本文提出了Murray-Darling盆地南部农田灌溉微观模拟模型。该模型利用详细的ABARES调查数据来估计一系列输入需求和输出供给方程，这些方程是从标准化二次利润函数推导出来的。然后，利用这一估计中的参数来模拟假设水价上涨30%对总成本、收入和利润的影响。该模型仍在开发中，结论中提出了一些潜在的改进。这是一份工作文件，旨在接收有关分析方法的反馈，以改进微观模拟模型的未来迭代。
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> A_micro-simulation_model_of_irrigation_farms_in_the_southern_Murray-Darling_Basin.pdf (1.4 MB)

2022-6-14 07:17:26 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Improvements Quantitative Contribution IMPROVEMENT QUANTITATIV

Murray Darling BasinHuong Dinh南部灌溉农场的微观模拟模型，Manannan Donoghoe，Neal Hughes，Tim GoeschABARES工作文件2018年11月所有作者均在澳大利亚首都堪培拉的澳大利亚农业和资源经济与科学局（ABARES）。本文中表达的观点是作者自己的观点，并不一定反映阿巴雷斯的观点。ABARES工作文件(c)澳大利亚联邦2018知识产权所有权除非另有说明，本出版物中的版权（以及任何其他知识产权，如有）归澳大利亚联邦（简称英联邦）所有。知识共享许可本出版物中的所有材料均根据知识共享署名3.0澳大利亚许可证进行许可，但第三方提供的内容、徽标和英联邦盾徽除外。知识共享署名4.0澳大利亚许可证是一种标准形式的许可协议，允许您在赋予作品署名的情况下复制、分发、传输和改编本出版物。请参阅许可条款或正式许可条款的摘要。有关许可证和本文档的任何使用的查询，请通过电子邮件发送至copyright@agriculture.gov.au.CataloguingdataHuong，D.、Donoghoe，M.、Hughes，N&Goesch，T.2018，《南默里-达令盆地灌溉农场的微观模拟模型》，ABARES工作论文，堪培拉，11月互联网。该出版物可在《农业》上查阅。gov.au/abares/publications。澳大利亚农业和资源经济与科学局（ABARES）邮政地址：堪培拉法案第858号邮政信箱2601电话总机+61 2 6272 2010电子邮件信息。abares@agriculture.gov.auWeb农业gov.au/abaresABARES工作文件摘要本文介绍了MurrayDarling盆地南部农场级灌溉微观模拟模型。

该模型利用详细的ABARES调查数据来估计一系列输入需求和输出供给方程，这些方程是从标准化二次利润函数导出的。然后，使用此估算中的参数来模拟假设水价上涨30%对总成本、收入和利润的影响。该模型尚不完善，结论中提出了一些潜在的改进。这是一份工作文件，旨在接收有关分析方法的反馈，以改进微观模拟模型的未来迭代。ABARES关于该论文的工作文件介绍了由ABARES代表农业和水资源部开发的南墨累达令盆地（sMDB）灌溉活动的新农场级微观模拟模型。该模型仍在开发中，本文记录了对该模型的一些计划改进。本文保留了技术性质，并记录了模型数据源和假设。本文给出的结果是假设的，用于验证模型的性能。该模型具有一系列潜在的未来应用，例如评估水政策改革、气候变化以及投入和产出价格对sMDB灌溉行业的影响。ABARES工作文件1简介在过去十年中，南墨累-达令盆地（sMDB）内的灌溉农场受到了广泛的气候、市场和政策冲击。首先，水资源可用性存在巨大变化，包括千年干旱和随后的洪水，以及该地区与气候变化相关的冬季降雨量减少的长期趋势（BOM，CSIRO 2012）。

此外，商品价格和技术的变化改变了灌溉部门，导致一些部门（如坚果和棉花）扩张，其他部门（如葡萄和奶制品）收缩。与此同时，有许多政府政策与默里-达令盆地计划相关，重点是从灌溉农场回收水用于环境用途。因此，衡量和区分不同气候、市场和政策冲击对sMDB灌溉农场盈利能力的影响非常有兴趣。本报告介绍了sMDB中灌溉农场的一个新的微观模拟模型，该模型是使用巴雷斯农场调查数据开发的。该模型模拟给定固定投入（如土地和资本）、气候条件（如降雨）、投入价格（如水价）和产出价格的农场投入使用、产出供应、收入、成本和利润。该模型使用2006-07年至2014-15年间sMDB中3627个灌溉农场的样本进行估算。该模型包括四个灌溉行业或农场类型：乳品业、园艺业、broadacre（水稻）和broadacre（非水稻）。对于这些行业中的每一个行业，都需要对一组投入需求和产出供给函数进行计量经济学估计。然后将这些功能组合成一个微观仿真模型。以2014-15年调查的农场为基线，该模型模拟了投入使用、产出供应和利润在特定的潜在冲击下的变化。该模型具有广泛的潜在应用。特别是，该模型可用于评估由于气候或水政策的变化而导致的水市场价格变化对农业产出、投入和利润的影响。为此，微观模拟模型补充了Sabares最近开发的水交易模型（WTM）（Gupta et al.2018）。

例如，WTM模型可用于模拟政策变化（即环境水恢复）对水市场价格的影响，然后将这些结果应用于微观模拟模型，以衡量对灌溉农场盈利能力的影响。该模型同样可用于模拟其他外生变量的变化，如关键产出（如大米、牛奶或葡萄）的价格或气候变化（农场降雨量）。与WTM类似，微观模拟模型本质上是短期的，模拟持有农田面积和固定基础设施的农业生产的年变化。微观模拟模型旨在考虑灌溉行业观测到的不同类型的短期农场响应。例如，为了应对水价上涨，奶牛场有能力用灌溉水代替牲畜饲料。Broadacre农场在短期内可以灵活地改变作物面积，从而改变需水量，而园艺农场由于其永久性植树，灵活性有限。此报告以数据描述开始。第3节简要概述了模型结构和计量经济学估计过程（附录a中给出了模型的完整处理方法）。第4节展示了30%水价任意上涨情景的微观模拟模型，展示了每个行业中农场投入、产出和利润的平均变化结果。最后，第5节给出了一些结论，并概述了一些可供进一步研究的选项。ABARES工作文件2 DataABARES Murray-Darling流域灌溉调查（MDBIS）本研究的数据主要来自ABARES Murray-Darling流域灌溉调查（MDBIS）。MDBIS是从2006-07年开始对整个MDB的灌溉乳品、阔地和园艺农场进行的年度调查。

调查包括农场层面的物理和财务数据，包括土地面积和价值、作物和牲畜生产和销售、灌溉用水、农场收入和成本、农民特征、债务和农场资本。有关ABARES调查方法的更多详细信息，请参见Ashton and Oliver（2011）和Ashton et al.（2013）。请注意，由于方法的不同，本报告中呈现的统计数据与巴雷斯曼农场调查出版物中的统计数据不同（例如，包括异常值的处理和调查权重的使用）。该调查涵盖了三个行业类别：乳品业、园艺业和broadacre。在这项研究中，我们进一步将broadacre农场分为水稻农场和非水稻农场。在这里，水稻农场被认为有能力生产水稻（根据其地理位置和生产历史）。水稻农场是在机会主义的基础上运作的，因此不一定每年都种植水稻。以下图1提供了按年份和行业划分的观测数量。在这项研究中，2006-07年至2014-15年间，sMDB共提供了3579个农场观察结果。这包括1740个园艺观测，864个奶牛场，622个非水稻农场和353个水稻农场。在Murray Darling盆地南部，调查覆盖了6个集水区，包括：Goulburn Broken、LoddonCampaspe、Murrumbidgee、Murray、Lower Darling和Mt Lovotal（地图1）。图1 industryObs2007 2008 2009 2010 2011 2012 2013 2014 2015观测Ricenon Ricedairyhoticultureabares working paperMap 1微观模拟区域每年sMDB中的MDBIS观测值用于估计模型的数据集定义了总共12个输出和4个变量输入，以及一系列固定输入和其他控制变量。

如图2所示，为每个行业定义了不同的输出和输入集。下面将对这些输出和输入中的每一个进行详细说明。图2灌溉微观模拟模型中的关键变量产出数量表1提供了整个调查期间各行业产出的汇总统计数据。在乳制品行业，定义了两种产出：牛奶和奶牛。牛奶产量以生产的牛奶升来衡量。奶牛产量是以售出的奶牛数量加上结业数减去开业数来衡量的。ABARES工作文件在broadacre（水稻）产业中，定义了三种产出：水稻、broadacre作物（包括小麦）和牲畜。除牲畜外，所有产出均以生产吨数计量。牲畜的数量是指出售的牲畜数量加上收尾数量和开盘数量之间的差额。Broadacre（非水稻）农场包括托里斯农场的一组类似产量，但水稻产量不包括在产量中。在园艺行业，定义了七种产出：柚子（例如苹果、梨和纳什水果）、核果（例如桃子、油桃和李子）、柑橘类水果、桌上葡萄、酿酒葡萄、蔬菜和其他园艺产品。所有园艺产出均以生产的吨数计量。表1 2006-07年至2014-2015年期间按行业统计的产出汇总表MeansdMediandairymilk（L）200195717336381530108奶牛（数量）Broadacre（水稻）rice（t）1158其他Broadacre，包括。

小麦（t）12812495家畜（t）11021371阔英亩（非水稻）其他阔英亩作物（t）16952731牲畜（t）12701562园艺类水果（t）10821472柑橘（t）1346核果（t）鲜食葡萄（t）酿酒葡萄（t）10081820蔬菜（t）35089045其他园艺（t）注：汇总统计是在农场层面计算的变量输入数量表2提供了按行业划分的可变投入。在所有行业中，该模型包括三个可变输入：雇佣劳动力、水、材料和服务（例如化肥、电力和燃料）。材料和服务不包括利息支付。饲料也被纳入乳品行业，以解释饲料和水之间的潜在替代。雇佣劳动力按工作周数计量，包括永久性劳动力和临时性劳动力。家庭劳动力不作为变量输入，但作为控制变量使用。水量以生产用水的总百万升计量。使用的材料和服务数量是通过将材料和服务总支出除以ABARES加权材料和服务价格指数来计算的。

饲料支出除以ABARES饲料价格指数来衡量饲料。ABARES工作文件表2 2006-07年至2014-2015年期间各行业可变投入汇总统计数据MeansdMediandairyFolder数量指数352386143249713雇佣劳动力（周）水（ML）材料和服务指数79616674395635Broadacre（大米）雇佣劳动力（周）水（ML）13631733材料和服务指数542933568135Broadacre（非大米）雇佣劳动力（周）水（ML）10132091材料和服务指数496239714552281019园艺雇佣劳动力（周）水（ML）1114材料和服务指数7040201540585232735注：汇总统计数据按农场水平固定投入和外生变量计算。微观模拟模型还包括可能影响投入需求和产出供应的其他自变量，如表3所示。这是假定在短时间内固定的输入。固定投入继Arnade和Kelch（2007）之后，本研究将家庭劳动力、土地、资本和开放牲畜数量作为固定投入。家庭劳动力是指在农场工作的家庭成员人数。土地按给定财政年度运营的总开放公顷数计量。在园艺业中，分配给每个产出的土地面积在中期内是固定的，因此ABARES在产出方程式中使用了每个产出的土地面积。资本的计量方法是，在农场上使用的车辆、机械和设备的总开盘价值。资本记录为零的农场被认为是数据收集错误。这些观察结果将替换为插补值，而不是删除。这是为了尽可能多地保留初始样本，因为农场生产模型需要相对较大的样本量才能有效工作。

估算值计算为农场总资本（包括土地、水权和其他资本）与土地和水权价值之间的差额。在财政年度开始时，绵羊、牛肉和奶牛以动物数量计量。外部变量数据集包含一系列控制变量，包括水权持有量、降雨量、地区、教育和年龄。除非另有说明，否则相同的控制变量适用于所有行业。水权按财政年度开始时水权的市场价值计量。ABARES工作文件降雨量以农场年降雨量的总毫升数计量。该数据是通过将农场位置映射到澳大利亚水资源可用性项目（AWAP）（csiro.au/AWAP）的空间降雨数据获得的。教育确定农场经营者在调查时是否已完成高等教育资格。