تقدير الدورات الموسمية وأهم العوامل المؤثرة على الإنتاج السمكي بمصايد البحر الأحمر في مصر

الرسول, أد/ أحمد أبواليزيد and معيزة, د/ شيماء إبراهيم and برجل, د/إلهام شعبان (2020): تقدير الدورات الموسمية وأهم العوامل المؤثرة على الإنتاج السمكي بمصايد البحر الأحمر في مصر. Published in: مجلة المنوفية للعلوم الااقتصادية والاجتماعية الزراعية، كلية الزراعة، جامعة المنوفية , Vol. 5, (February 2020): pp. 1-20.

Abstract

استهدف البحث دراسة مدى إمكانية زيادة الإنتاج السمكي من البحر الأحمر في ضوء تحديد نوع الموسمية السائدة بمصايد البحر الأحمر سواء كانت موسمية منتظمة أم موسمية عشوائية. وقد توصلت الدراسة لمجموعة من النتائج تتمثل فيما يلي: (1) يتناقص الإنتاج السمكي من مصايد البحر الأحمر بمعدل سنوي معنوي إحصائياً عند مستوى 1% بلغ نحو 3.42%، في حين ازداد الدخل السمكي من مصايد البحر الأحمر بمعدل نمو سنوي معنوي إحصائياً عند مستوى 1% بلغ نحو 2.86%، ويساهم هذا الدخل بحوالي 36.8% من متوسط إجمالي الدخل السمكي من المصايد البحرية، أو حوالي 4.6% من متوسط إجمالي الدخل السمكي المصري. (2) المتغيرات التفسيرية الأكثر تأثيراً على كمية الإنتاج السمكي من مصايد البحر الأحمر استناداً إلى معامل الانحدار الجزئي القياسي (Beta) هي متغير متوسط سعر الطن، يليه متغير أعداد الصيادين، ثم درجة حرارة المياه عند عمق 2m، وأخيراً يأتي متغير أعداد المراكب الآلية. (3) يتميز نمط الموسمية السائدة في هذا المصيد من خلال دراسة مؤشر Seasonality Indexأن متوسط الإنتاج السمكي الشهري يقل عن المتوسط العام خلال الشهور مايو ويونيو ويوليو وأغسطس وسبتمبر، والذي يأتي تزامناً مع فترة وقف الصيد لبعض حرف الصيد في مصايد البحر الأحمر وبداية موسم الصيد. (4) الموسمية منتظمة أو حتمية "محددة" Deterministic تم اختبار مدى وجود الموسمية بافتراض الاستقرار وذلك بإستخدام اختبار F تبين استقرارها عند مستوى 1%. ولتأكيد تلك النتيجة تم إجراء اختبار لا معلمي وهو اختبار كروسكال-واليسKruskal-Wallis تبين استقرارها عند مستوى 5%، كما تبين استقرار الموسمية المتحركة Moving Seasonality باستخدام اختبار F عند مستوى 1%. وبتطبيق اختبار HEGY على البيانات الشهرية للإنتاج السمكي بمصايد البحر الأحمر خلال فترة الدراسة توجد دورات موسمية منتظمة أو حتمية أو متكررة في الإنتاج عند مستوى %5. وهذا يدل على أن التأثير المباشر للدورة الإنتاجية (المناخية) يهيمن على أي تطورات تكنولوجية محتملة في الإنتاج السمكي المصري بمصايد البحر الأحمر. (5) تبين أن نموذج ARIMA (1,1,1) هو الأفضل بين جميع النماذج التي تم تقديرها للتنبؤ بالإنتاج السمكي الشهري من مصايد البحر الأحمر، وأن معامل الارتباط بين القيم الفعلية والقيم التنبؤية بلغ حوالي 0.937 وهو معنوي عند مستوى 1%.

ABSTRACT: There is an urgent need to study the productive seasonality from natural fisheries in general and Red Sea fisheries in particular. The fish catch deficit is about 263.3 thousand tons in 2016, due to the inability of natural fisheries to meet fish needs due to depletion of fish stock, the negative effects of pollution in those fisheries and Fish seasonality of fish catch that causes fluctuations in fish supply in the local market and fish price in market and its alternatives, which ultimately affects individuals ’ability to obtain their needs of fish protein. This paper aimed to study the possibility of increasing fish catch from the Red Sea in light of the prevailing fish seasonality in the Red Sea, whether it is a deterministic seasonality or stochastic seasonality. This study reached a set of results as follows: (1) Fish catch from Red Sea fisheries decreases about 3.42% at a statistically significant annual rate at the level of 1%, while fish income from Red Sea fisheries increased at a statistically significant annual growth rate of about 2.86%, and this income contributes about 36.8% of The average gross fish income from marine fisheries, or about 4.6% of the average total fish income from Egypt. (2) The explanatory variables that most affect the amount of fish catch from Red Sea fisheries based on the standard partial regression coefficient (Beta) are the average price per ton, followed by the number of fishers, then the water temperature at a depth of 2m, and finally comes the variable number of motorboats. (3) The prevailing seasonal pattern in Red sea fisheries by studying the Seasonality Index that the average monthly fish catch is less than the general average during the months May, June, July, August and September, which coincides with the stop fishing period of some fishing methods in the Red Sea fishery and the beginning of the fishing season. (4) Deterministic seasonality is regular or inevitable. Seasonal presence was tested with the assumption of stability using F test showing stability at 1% level. To confirm this result, a non-teacher test was conducted, which was the Kruskal-Wallis test, which showed stability at 5%, and Moving Seasonality using F test at 1%. By applying the HEGY test to monthly data for fish production in Red Sea fisheries during the study period, there are regular, inevitable, or repeated seasonal cycles of production at the 5% level. This indicates that the direct impact of the (climate) productive cycle dominates any potential technological developments in Egyptian fish production in the Red Sea fisheries. 5) Predicting monthly fish production from Red Sea fisheries shows that the ARIMA model (1,1,1) is the best among all the models that were estimated and the highest correlation coefficient, where the correlation coefficient between actual and predictive values was about 0.937 which is statistically significant at the level of 1%. Key words: Red Sea Fisheries, Seasonality, Fish Production, Forecasting, HEGY Test

• Item Type: MPRA Paper
• English Title: Estimating the seasonal courses and the most important factors affecting fish production in the Red sea fisheries in Egypt
• Language: Arabic
• Keywords: مصايد البحر الأحمر، الدليل الموسمي، الدورات الموسمية، اختبار HEGY، التنبؤ، نموذج آريما.
• Subjects: Q - Agricultural and Natural Resource Economics ; Environmental and Ecological Economics > Q2 - Renewable Resources and Conservation > Q22 - Fishery ; Aquaculture

References

الرسول، أحمد أبواليزيد (1993)، تحليل إحصائي لموسمية أسعار وكميات بعض الزروع الفاكهية في سوق الجملة بمحافظة الإسكندرية، مجلة الإسكندرية للبحوث الزراعية، المجلد 38، العدد 2، أغسطس. الساعي، صلاح الدين فكري و محمد شوقي القطان (2016)، دراسة بعض الآثار البيئية والاقتصادية والاجتماعية للتغير المناخي على قطاع المصايد من وجهة نظر المتخصصين، مجلة الاقتصاد الزراعي والعلوم الاجتماعية، كلية الزراعة، جامعة المنصورة، المجلد 7، العدد 2. إسماعيل، محمد علي (2007)، ضبط السلاسل الزمنية موسمياً، مركز المعلومات ودعم اتخاذ القرار، مجلس الوزراء، القاهرة. آل سلطان، مهدي بن معيض (2011)، تحليل التغيرات الموسمية لمتوسط أسعار الجملة والتجزئة والهامش التسويقي لأهم أصناف التمور بالمملكة العربية السعودية، مجلة الجمعية السعودية للعلوم الزراعية، المجلد (10)، العدد (1أ)، الرياض. طلبه، أحمد عبدالعزيز (2018)، تحليل اقتصادي للعلاقة بين تقلبات أسعار أهم السلع الغذائية والنمو في القطاع الزراعي المصري، رسالة دكتوراه، قسم الاقتصاد وإدارة الأعمال الزراعية، كلية الزراعة، جامعة الإسكندرية. عزام، عبدالمرضي حامد و أحمد حسين هارون (1992)، السلاسل الزمنية من الجهة التطبيقية ونماذج بوكس-جنكينز، دار المريخ، الرياض. علي، أميرة جابر محمد (2017)، دراسة اقتصادية تحليلية لمصايد البحر الأحمر المصرية، رسالة ماجستير، قسم الاقتصاد وإدارة الأعمال الزراعية، كلية الزراعة، جامعة الإسكندرية. معيزة، شيماء إبراهيم، إبراهيم عوض الكريوني، سعيد محمد عبدالحافظ، منى الزفتاوي (2019)، دراسة اقتصادية للإنتاج السمكي المصري (الوضع الحالي- المشاكل والحلول)، مجلة الجديد في البحوث الزراعية، المجلد (24)، العدد (2)، كلية الزراعة (سابا باشا)،جامعة الإسكندرية. يوسف، إيمان فخري (2017)، أثر موسمية بعض محاصيل الخضر والفاكهة على التقلبات السعرية في مصر، المجلة المصرية للاقتصاد الزراعي، المجلد (27)، العدد (4 ب)، القاهرة، ديسمبر. وزارة الزراعة، الهيئة العامة لتنمية الثروة السمكية، إحصاءات الإنتاج السمكي في ج.م.ع،أعداد متفرقة، القاهرة. AbdElsalam, Nidal Mohamed Mustafa (2013). “A Time Series Analysis for Fish Production and Fish Supply in Sudan”, Journal of Science and Technology, Vol. 14, June. Ahmed, M. Musa (2017). “Effects of Seasonal Variation on Fish Catching in Jebel Aulia Reservoir on the White Nile, Sudan”, Fisheries and Aquaculture Journal Vol. 8, Issue 2. Atuk, O. and Ural, B.P. (2002). “Seasonal Adjustment in Economic Time Series”, Central Bank of the Republic of Turkey, Statistics Department, Discussion Paper No: 2002/1, Ankara, June. Available Online at: https://www.tcmb.gov.tr/wps/wcm/connect/cc0e0210-9973-44df-ac0b- Brander, K.M. (2007). “Global Fish Production and Climate Change”, US National Library of Medicine, National Institutes of Health, 104(50):19709-14. Dec. Available Online at: https://doi.org/10.1073/pnas.0702059104 Cochrane, Kevern, Cassandra, De Y., Doris S. and Tarûb B. (2009).“Climate ChangeImplications for Fisheries and Aquaculture Overview of Current Scientific Knowledge”, Food and Agriculture Organization of the United Nations Rome, FAO, Fisheries and Aquaculture, Technical Paper 530, Rome, Italy. Eurostat, (2018).“Handbook on Seasonal Adjustment: 2018 edition”, Manuals and Guidelines, Publications Office of the European Union, Luxembourg, May. Gilbert, C.L., L. Christiaensen and J. Kaminski, 2015. “Food Price Seasonality in Africa: Measurement and Extent”. Available Online at: https://sites.google.com/site/christopherlesliegilbert/publications/unpublishedmanuscripts Hylleberg, S., Engle, R.F., Granger, C.W.J., Yoo, B.S. (1990).“Seasonal Integration and Cointegration”, Journal of Econometrics, 44. Jumah, Adusei and Robert M. Kunst (2006).“Seasonal Cycles in European Agricultural CommodityPrices”, Institute for Advanced Studies, Economics Series, 192, Vienna, September. Kaminski, Jonathan, Luc Christiaensen and Christopher, L. Gilbert (2015).“Seasonality in Local Food Markets and Consumption: Evidence from Tanzania”, World Bank Group, Africa Region, Policy Research Working Paper 7520, December. Khandker, S., (2012).“Seasonality of Income and Poverty in Bangladesh”, Journal of Development, Economics, 97. Makridakis S, Wheelwright S.C, and Hyndman R.J. (1998).“Forecasting Methods and Applications”,3rdedition.John Wiley, New York, USA. Miron, Jeffrey A. (1996). “The Economics of Seasonal Cycles”, MIT Press Books, The MIT Press, 1st edition, Vol. 1, No. 0262133237, January. National Institute of Oceanography & Fisheries, Egyptian National Oceanographic Data Centre (ENODC), Alexandria, Piot-Lepetit, I., and M’Barek, R. (2011).“Methods to Analyse Agricultural Commodity Price Volatility”. In I. Piot-Lepetit& R. M’Barek (Eds.), Methods to Analyse Agricultural Commodity Price Volatility (pp. 1-12): Springer. Sargent, T. (2001). Foreword to: Ghysels, E., and Osborn, D.R.“The Econometric Analysis of Seasonal Time Series”, Cambridge University Press. “Seasons and Cycles in Time Series”, Lecture Available Online at: https://www.le.ac.uk/users/dsgp1/COURSES/TSERIES/2CYCLES.PDF