Predicting The Production, Consumption and Size of The Gap for The Most Important Oil Crops in Egypt التنبؤ بإنتاج واستهلاك و حجم الفجوة لأهم محاصيل الزيوت في مصر

مقدمة:

 تعتبر المحاصيل الزيتية مصدراً هاماً ورئيسياً لاحتوائها على العديد من الفيتامينات الهامة الذائبة في الدهون بالإضافة إلى الاحماض الدهنية الأساسية لجسم الإنسان، ومع تزايد أعداد السكان فقد ازداد الطلب عليها بدرجة تفوق الإنتاج المحلي منها، الأمر الذي ترتب عليه وجود فجوة غذائية من الزيوت النباتية ومن ثم انخفاض نسبة الاكتفاء الذاتي وزيادة الواردات منها مما يترتب علية استمرار العجز في الميزان التجاري الزراعي المصري الذي يعاني من خلل سلبي منذ السبعينات واستمرار ارتفاع أسعارها بدرجة كبيرة لا تتناسب مع دخول المستهلكين في مصر الأمر الذي ترتب عليه انخفاض نصيب الفرد من الزيوت، التي تعد من السلع الضرورية للاستهلاك الغذائي المصري ومن المحاصيل الإستراتيجية الهامة بالإضافة لكونها احد العناصر الإنتاجية الهامة التي تدخل في العديد من الصناعات ومن أهم هذه المحاصيل فول الصويا، بذرة القطن، دوار الشمس، الذرة، وقد بلغ إجمالى الإنتاج المحلى من الزيوت النباتية نحو 429 ألف طن عام 2022 حيث ساهم زيت فول الصويا وزيت بذرة القطن مع زيت عباد الشمس بإنتاج نحو 389 ألف طن وهذا يغطى نحو30% من المتاح للاستهلاك من هذه الزيوت وبلغت الكميات المستوردة من هذه الزيوت النباتية نحو 240 ألف طن تمثل 18% من جملة المتاح للاستهلاك من الزيوت الذي بلغ نحو 1303 ألف طن عام 2022( وزارة الزراعة واستصلاح الأراضي، قطاع الشئون الاقتصادية، الإدارة المركزية للاقتصاد الزراعي، الميزان الغذائى، أعداد مختلفة.)الأمر الذي يتطلب زيادة الاستيراد من الخارج لسد الفجوة مما يمثل عبء على ميزان المدفوعات و تزايد هذا العبء في ظل تحرير سعر الصرف بالنسبة للجنية المصري وانخفاض قيمته بالنسبة للدولار بشكل غير مسبوق، كما يعد التنبؤ بالسلوك المستقبلي بإنتاج واستهلاك أهم محاصيل الزيوت أمر مهم لرسم السياسة الانتاجية لهذة الحاصيل.

مشكلة البحث

            نظرا للأهمية الاستراتيجية للمحاصيل الزيتية من الناحية الاستراتيجية حيث تعتبر مصر من الدول المستوردة لتلك المحاصيل بشكل عام ومع التغيرات العالمية الراهنة خاصة في الدول المصدرة للمحاصيل الزينية الأمر الذي يستعدى ضرورة الوقوف على الوضع الراهن لإنتاج واستهلاك تلك المحاصيل لما لذلك تأثير واضح على متخذي قرارات التجارة الدولية ورسم السياسات الإنتاجية لتلك المحاصيل وكذلك التنبؤ بإنتاج واستهلاك تلك المحاصيل لوضع الخطط المستقبلية لضمان استقرار إنتاج تلك المحاصيل لسد الفجوة الغذائية منها وتقليل حجم الواردات من تلك المحاصيل وبالتالي تخفيف العبء على الميزان التجاري المصري. ومن الناحية البحثية فقد تبين من الدراسات السابقة أنها تفتقر التحليلات الإحصائية للسلاسل الزمنية للتنبؤ بإنتاج واستهلاك المحاصيل الزيتية إلي الدقة نسبياً نظراً لما تتضمنه من تشوهات ناتجة عن التغيرات الاتجاهية أو الدورية فضلاً عما تتضمنه من مشكلات في التحليل مثل الارتباط الذاتي بين البواقي مما يؤثر سلباً علي درجة استقرار السلسلة الزمنية، ومن ثم تنحرف مستويات الدقة في التنبؤ بالفجوة الزيتية عن مسارها الصحيح ليصبح التنبؤ بها غير دقيق.

هدف البحث

إزالة أثر التغيرات الاتجاهية Trend والارتباط الذاتي بين البواقي Autocorrelation للوصول إلي سلسلة زمنية مستقرة باستخدام منهجية Box-Jenkins لتساعد متخذي القرار في رسم السياسات ووضع الخطط المستقبلية لحجم الفجوة الزيتية وإيجاد الحلول لتقليلها، والتنبؤ بإنتاج واستهلاك أهم المحاصيل الزيتية للاسترشاد بها في اتخاذ القرارات الإنتاجية والاستهلاكية التي قد تساعد واضعي السياسات الاقتصادية الزراعية.

الطريقة البحثية ومصادر البيانات

            تعددت أساليب التحليل الإحصائي المستخدمة في البحث، حيث استخدم أسلوب الانحدار الخطي البسيط لتقدير معادلات الاتجاه العام، والاعتماد علي نماذج التنبؤ (ARIMA) وهي لنماذج تكامل الانحدار الذاتي _ الوسط المتحرك " Auto Regressive Integrated Moving Average" الذي يعرف بنموذج بوكس- جينكيز (Box, G. and Jenkins, G., (1976) “Time Series Analysis: Forecasting and Control”, San Francisco. Calif, Holden- Day,U.S.A.) وقد استخدمت بعض المعايير الإحصائية لاختيار النموذج المناسب مثل Akaike Information Criterion (AIC) ومعيار Schwarz Information Criterion (SIC)، ومعيار  ومعيار  كما طبقت بعض الاختبارات علي السلسلة الزمنية مثل AugmentedDickey Fuller (ADF) و Normality Test وذلك لاستبعاد اثر التغيرات الموسمية والاتجاهية والارتباط الذاتي بين البواقي، كما تم الاعتماد علي البيانات المنشورة بوزارة الزراعة واستصلاح الأراضي، قطاع الشئون الاقتصادية، الإدارة المركزية للاقتصاد الزراعي، الميزان الغذائي (2002- 2022).

توصيف نموذج (ARIMA) للتنبؤ بإنتاج واستهلاك محاصيل فول الصويا، بذرة القطن، دوار الشمس Brock Well , P.J. and Davis , R.A. (1991) , " Time Series Theory and Methods " ,2nd ed , Springer Verlag New York Inc , New York.)

تحليل السلاسل الزمنية باستخدام نموذج ((ARIMA ذو المتغير الواحد، ويسمي هذا الأسلوب في التحليل بأسلوب بوكس- جنكنز، ويعتمد هذا الأسلوب علي استخراج التغيرات المتوقعة البيانات المشاهدة، وتتجزأ السلسلة الزمنية إلي عدة مكونات أو عناصر تسمي ثلاثة مرشحات⁽والترفاندل (1992) السلاسل الزمنية من الوجهة التطبيقية ونماذج بوكس –جنكنز، دار المريخ للنشر، الرياض المملكة العربية السعودية.) خطية هي مرشح السكون (المتكامل) "Integrated Filter"، مرشح الانحدار الذاتي "Autoregressive Filter"، ومرشح المتوسطات المتحركة "Moving Average Filter" هو نموذج يعتمد كلية علي القيم الزمنية فقط للمتغير في التنبؤ ومن ثم يمكن تطبيقه علي أي متغير يتوفر عنه سلسلة زمنية طويلة نسبيا، وعلي الرغم من وجود برامج جاهزة للتنبؤ باستخدام هذا الأسلوب إلا أن التعرف علي الشروط اللازمة لتطبيقه بطريقة صحيحة تضمن الحصول علي أفضل التقديرات. ويتضمن نموذج (ARIMA)(حمد بن عبد الله الغنام (2003)، تحليل السلاسل الزمنية لمؤشر أسعار الأسهم في المملكة العربية السعودية باستخدام منهجية بوكس جينكينز (Box-Jenkins Method), مجلة جامعة الملك عبد العزيز، الاقتصاد والإدارة، المجلد (17)، العدد(2).)

 ثلاث مرشحات

الأولي: مرشح السكون (المتكامل) (I) Integrated Filter

تحويل البيانات غير الساكنة إلى بيانات ساكنة وذلك باستخدام اختبار جذر الوحدة Unit root tests ومن أهم الاختبارات التي تستخدم في جزر الوحدة اختبار (AugmentedDickey Fuller (ADF.

الثانية: مرشح الانحدار ذاتي Autoregressive process(AR).

 يعني أن المتغير التابع (Y_t) في معادلة الانحدار الذاتي يكون دالة للقيم السابقة لهذا المتغير كما يلي:

حيث:F = دالة.     Y_t = المتغير المراد التنبؤ بقيمته.     P = عدد القيم السابقة المستخدمة.

الثالثة: مرشح المتوسطات المتحركة  Moving Average(MA)( Box, G. E. and Price, D. A. (1970), " Distribution of Residual Autocorrelations in Autoregressive – Integrated Moving Average Time Series Models " , JASA , Vol.55 , No.332 , PP.1509-1525.(

وتكون عن طريق جعل المتغير التابع (Y_t) دالة للقيم السابقة لحد الخطأError Term   كما يلي:

حيث: F = دالة.      E_t هو حد الخطأ المصاحب.      q عدد القيم السابقة المستخدمة.

ولتكوين نموذج (ARIMA) من المعادلتين السابقتين يكون شكل المعادلة كما يلي:

حيثθ، φ هي معاملات الانحدار الذاتي و المتوسطات المتحركة علي الترتيب، وقبل تطبيق المعادلة السابقة علي بيانات السلسلة الزمنية يجب التأكد من أن هذه السلسلة مستقرة Stationary ويقصد بذلك أن يكون المتغير التابع له متوسط وتباين ثابت خلال فترة الدراسة، فإذا تم توقيع السلسلة الزمنية وتبين أنها غير مستقرة أي تباينها غير ثابت واتجاهها متزايد أو متناقص، فإنه يجب تحويلها إلي سلسلة مستقرة عن طريق إيجاد الفرق الأول d لهذا المتغير First Difference كما يلي:

وإذا لم يترتب على الفرق الأول سلسلة مستقرة يمكن أخذ الفرق الأول لهذا الفرق كما يلي:

وبصفة عامة يمكن تكرار عملية الفروق هذه عدة مرات حتى نحصل على سلسلة مستقرة.

معايير المفاضلة

            يعتبر تحديد رتب نموذج (ARIMA) باستخدام دوال الارتباط الذاتي الجزئي مهمة صعبة يواجهها الباحث الذي يجد نفسه أمام عدة نماذج مرشحة ولا تكون جميعها مرفوضة، لهذا السبب تم وضع بعض المعايير التي تساعد في المفاضلة بين النماذج المرشحة، حيث يتم اختيار النموذج الأفضل الذي يملك اقل قيمة لهذه المعايير ومن هذه المعايير الإحصائي معيار Akaike information criterion (AIC) ومعيار Schwarz information criterion (SIC) ⁽زكريا يحي الجمال، وآخرون (2011)، استخدام بعض معايير المعلومات في تحديد أفضل نموذج موسمي مضاعف، المجلة العراقية للعلوم الإحصائية، العدد (19).) : كلا المعيارين مبني على تباين البواقي ، يفضل الحصول على نموذج يتضمن اصغر تباين للبواقي ولكن من المعروف أن تباين البواقي يتناقص بزيادة عدد المتغيرات المفسرة، ويتم اختيار النموذج الذي يمتلك اقل قيمة من AIC, SIC ، لأن السلسلة الزمنية تستخدم بأطوال مختلفة يتم تطبيع المعيار بقسمته على عدد المشاهدات المستخدمة بتقدير النموذج، معيار AIC, SIC يعرف كالتالي:

معيارSIC يعتبر خيار بدلا من AIC  لها نفس المعنى ولكن تعطي ثقل لعدد المعاملات k لهذا السبب SIC سوف تعطي نموذج ابسط من AIC وهذه ميزة هذه المعايير لا تستخدم لمقارنة نماذج التي تستخدم مستوى مختلف من الفروقات في هذه المرحلة يجب التأكد أن النموذج ساكن ومعيار  ومعيار  كما طبقت بعض الاختبارات علي السلسلة الزمنية مثل Augmented Dickey Fuller (ADF) و Normality Test وذلك لاستبعاد اثر التغيرات الموسمية والاتجاهية والارتباط الذاتي بين البواقي، معامل عدم التساوي لـ Theil(U ) يعرف معامل عدم التساوي لـ Theil(U )  بالصيغة التالية⁽Blieme .F,(1973) “Theils Forecast Accuracy Coefficient: A Clarification” Journal of Marketing Research,Vol.X (November), 444-446.):

حيث أن: N = عدد المشاهدات. = القيمة المقدرة للمتغير التابع. = القيمة الفعلية للمتغير التابع.

            تتراوح قيمة U بين الصفر والواحد الصحيح، فإذا كانت فأن قدرة نموذج الانحدار المقدر علي التنبؤ بالواقع خلال الفترة الزمنية للتقدير سوف تكون جيدة (له قدرة عالية علي التنبؤ)، أما إذا كانت  فأن قدرة نموذج الانحدار المقدر علي التنبؤ بالواقع خلال الفترة الزمنية للتقدير سوف تكون سيئة(عدم قدرة علي التنبؤ).

إنتاج محصول فول الصويا:

            بتقدير أنتاج محصول فول الصويا بالمربعات الصغرى OLS (Ordinary Least Square)(إبراهيم سليمان، وآخرون (2015)، مقدمة في الاقتصاد القياسي، الطبعة الأولي، المكتبة الأكاديمية.) خلال الفترة (2002- 2022) كانت المعادلة علي النحو التالي:

تشير المعادلة السابقة إلى أن إنتاج محصول فول الصويا يتزايد سنوياً بنحو 13.16 ألف طن وتعتبر هذا الزيادة معنوية إحصائياً ويفسر عامل الزمن نحو 58% من إجمالي التغيرات في أنتاج المحصول خلال فترة الدراسة والباقي يرجع إلي عوامل غير مدروسة، وبإجراء التنبؤ خلال الفترة خلال الفترة (2023- 2027)  تبين أن إنتاج المحصول يقدر بنحو296، 304، 322، 335، 348 ألف طن علي الترتيب للأعوام 2023، 2024، 2025، 2026، 2027 علي الترتيب .

ولاختبار سكون السلسلة الزمنية Stationarirty موضع الدراسة تم إجراء أحد اختبارات جذر الوحدة Unit Root TestوهوADF وقد تبين أن قيمته المحسوبة  تقدر بنحو (-1.05) وهي أقل من قيمته الجدولية(0,72) وكان ذلك مؤشراً على عدم سكون السلسلة، وبإجراء اختبار Durbin Watson للكشف عن الارتباط الذاتي بين البواقي في السلسلة الزمنية موضع الدراسة تبين أن قيمته تقدر بنحو 0.91 وبالكشف عن قيمة Durbin Watson في الجدول تبين وجود ارتباط ذاتي في السلسلة الزمنية مما يجعلها في حالة عدم السكون الأمر الذي يقلل من دقة التنبؤ بإنتاج المحصول مما يتطلب معالجة هذه المشكلة.

شكل (1) دالة الارتباط الذاتي والجزئي لإنتاج محصول فول الصويا

ويوضح شكل (1) دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي ومنها يتبين أن الارتباط الذاتي أخذ قيم موجبة اعتباراً من فترة الإبطاء الأولى، ثم أخذت الدالة بعد ذلك بتذبذب بين القيم الموجبة والقيم السالبة على امتداد السلسلة، مما يشير إلى وجود الارتباط الذاتي في السلسلة الزمنية موضع الدراسة وقد تعدت الحد الأعلى لحدود الثقة بدرجة ثقة 95%.

            وفي ضوء ما تقدم ينبغي معالجة مشكلة الارتباط الذاتي الموجود بالسلسلة الزمنية لإنتاج محصول فول الصويا خلال الفترة (2002- 2022) لإزالة التشوه في السلسلة الزمنية ولزيادة الدقة في التنبؤ بقيم إنتاج المحصول وذلك بالاعتماد علي أسلوب Box- Jenkins و يوضح جدول (1) معايير اختيار أفضل نماذج (ARIMA)( Deng, S. and Liu, B.  (1999), " Modeling and Forecasting demand for money in China, :co integration and nonlinear analysis" Journal of Annals Operations Research Vol 87 pp: 177-189.)  للتنبؤ بإنتاج فول الصويا تبين أن المحاولة رقم (2) من أفضل النماذج وذلك بعد اختيار أقل قيم للمفاضلة بين المعايير المستخدمة حيث بلغت أقل قيمة لمعيار Akaike Criterion نحو 230.88 وبلغت أقل قيمة لمعيار Schwarz Criterion نحو 234.87 بينما بلغت أقل قيمة لمعيار Log-LikeLihood نحو -111.44 وقيمة Hannan- Quinn نحو231.66.

جدول (1) معايير المفاضلة بين نماذج (ARIMA) للتنبؤ بإنتاج فول الصويا خلال الفترة (2002- 2022)

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

جدول (2) نموذج (ARIMA) للتنبؤ بإنتاج فول الصويا

حيث: (-), (*)، (**) تشير إلي المعنوية عند مستوي معنوية،0.05، 0.01 علي الترتيب.

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

جدول (3) التنبؤ بإنتاج فول الصويا بعد معالجة السلسلة خلال الفترة (2023- 2027)

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

بإعادة الكشف عن الارتباط الذاتي بين البواقي في السلسلة الزمنية لإنتاج فول الصويا موضع الدراسة تبين أن السلسلة خالية من الارتباط الذاتي وأن السلسلة في حالة سكون وتبين من الشكل (2) أن قيم دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي للبواقي تقع جميعها بين الحد الأعلى والحد الأدنى بدرجة ثقة 95% وتشير نتائج التحليل إلي تحسن قيمة اختبارTheil's U من نحو 0,87 إلي نحو 0.80 بعد معالجة الارتباط الذاتي وسكون السلسلة الزمنية وهو ما يدل علي أن النموذج المقدر له قدرة عالية علي التنبؤ كما هو موضح بجدول (3).

شكل (2) دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي للبواقي بإنتاج فول الصويا بعد معالجة السلسلة

  حسبت باستخدام برنامج Gretl

استهلاك محصول فول الصويا:

            بتقدير استهلاك محصول فول الصويا بالمربعات الصغرى OLS (Ordinary Least Square) خلال الفترة (2002- 2022) كانت المعادلة علي النحو التالي:

تشير المعادلة السابقة إلى أن استهلاك محصول فول الصويا يتزيد سنوياً بنحو 14 ألف طن وتعتبر هذه الزيادة معنوية إحصائياً ويفسر عامل الزمن نحو 35% من إجمالي التغيرات في أنتاج المحصول خلال فترة الدراسة والباقي يرجع إلي عوامل غير مدروسة، وبإجراء اختبار Durbin Watson للكشف عن الارتباط الذاتي بين البواقي في السلسلة الزمنية موضع الدراسة تبين أن قيمته تقدر بنحو 2.57 وبالكشف عن قيمة Durbin Watson في الجدول تبين عدم  وجود ارتباط ذاتي في السلسلة الزمنية مما يجعلها في حالة السكون الأمر الذي يعزز من دقة التنبؤ باستهلاك المحصول.

شكل (3) دالة الارتباط الذاتي والجزئي لاستهلاك محصول فول الصويا

حسبت باستخدام برنامج Gretl

ويوضح شكل (3) دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي ومنها يتبين تبين أن السلسلة خالية من الارتباط الذاتي وأن السلسلة في حالة سكون وأن قيم دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي للبواقي تقع جميعها بين الحد الأعلى والحد الأدنى بدرجة ثقة 95%.

جدول (4) التنبؤ باستهلاك فول الصويا بعد معالجة السلسلة خلال الفترة (2023- 2027)

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

الفجوة الغذائية لمحصول فول الصويا:

            تشير بيانات التنبؤ بحجم الفجوة خلال الفترة (2023-2027) إلي الانخفاض التدريجي في الفجوة لمحصول فول الصويا في مصر حيث بلغت نحو 68 ألف طن و66 ألف طن، 64 ألف طن، 63 ألف طن،61 ألف طن علي التوالي خلال فترة التنبؤ وهذه الكمية تمثل عبء عبء علي الميزان التجاري الزراعي المصري ومن ثم علي ميزان المدفوعات المصري، وتشير بيانات الفجوة الغذائية في ضوء الكمية المنتجة والمستهلكة من المحصول  ارتفاع الإنتاج بصورة تدريجية مما يشير إلي فاعلية المستوي التكنولوجي المستخدم في النهوض بإنتاجية المحصول والسعي وراء زيادة الإنتاج بصورة تتواكب مع زيادة الاستهلاك وهذا ملحوظ في عام 2027 بلغت الفجوة 61 ألف طن بالمقارنة بعام 2023 بلغت الفجوة 68 ألف طن.

إنتاج بذرة القطن:

            بتقدير أنتاج محصول بذرة القطن بطريقة المربعات الصغرى خلال الفترة (2002- 2022) كانت المعادلة على النحو التالي:

تشير المعادلة السابقة إلى أن إنتاج محصول بذرة القطن يتناقص سنوياً بنحو 3.32 ألف طن ويعتبر هذا التناقص معنوية إحصائياً ويفسر عامل الزمن نحو 69% من إجمالي التغيرات في أنتاج المحصول خلال فترة الدراسة والباقي يرجع إلي عوامل غير مدروسة، وبإجراء التنبؤ خلال الفترة خلال الفترة (2023- 2027)  تبين أن إنتاج المحصول يقدر بنحو5.78، 2.46، -0.86،-4.18، -7.50 ألف طن علي الترتيب للأعوام 2023، 2024، 2025، 2026، 2027 علي الترتيب.

وبإجراء اختبار Durbin Watson للكشف عن الارتباط الذاتي بين البواقي في السلسلة الزمنية موضع الدراسة تبين أن قيمته تقدر بنحو 0.61 وبالكشف عن قيمة Durbin Watson في الجدول تبين وجود ارتباط ذاتي في السلسلة الزمنية مما يجعلها في حالة عدم السكون الأمر الذي يقلل من دقة التنبؤ بإنتاج المحصول مما يتطلب معالجة هذه المشكلة.

شكل (4) دالة الارتباط الذاتي والجزئي لإنتاج محصول بذرة القطن

المصدر: حسبت باستخدام برنامج Gretl.

ويوضح شكل (4) دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي ومنها يتبين أن الارتباط الذاتي أخذ قيم موجبة اعتباراً من فترة الإبطاء الأولى، ثم أخذت الدالة بعد ذلك بالتذبذب بين القيم الموجبة والقيم السالبة على امتداد السلسلة، مما يشير إلي وجود الارتباط الذاتي في السلسلة الزمنية موضع الدراسة وقد تعدت الحد الأعلى لحدود الثقة بدرجة ثقة 95%.

            وفي ضوء ما تقدم ينبغي معالجة مشكلة الارتباط الذاتي الموجود بالسلسلة الزمنية لإنتاج محصول بذرة القطن خلال الفترة (2002- 2022) لإزالة التشوه في السلسلة الزمنية ولزيادة الدقة في التنبؤ بقيم إنتاج المحصول وذلك بالاعتماد علي أسلوب Box- Jenkins و يوضح جدول (5) معايير اختيار أفضل نماذج (ARIMA)  للتنبؤ بإنتاج بذرة القطن حيث تبين أن المحاولة رقم (3) هي أفضل النماذج وذلك بعد اختيار أقل قيم للمفاضلة بين المعايير المستخدمة حيث بلغت أقل قيمة لمعيار Akaike Criterion نحو 159.70 وبلغت أقل قيمة لمعيار Schwarz Criterion نحو 164.68 بينما بلغت أقل قيمة لمعيار Log-LikeLihood نحو -74.85 وقيمة Hannan- Quinn نحو160.67.

جدول (5) معايير المفاضلة بين نماذج (ARIMA) للتنبؤ بإنتاج بذره القطن خلال الفترة (2002- 2022)

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

ويوضح جدول (6) نتائج تقدير المحاولة رقم (3) لنموذج (ARIMA) للتنبؤ بإنتاج فول الصويا.

جدول (6) نموذج (ARIMA) للتنبؤ بإنتاج بذرة القطن

حيث: (-), (*)، (**) تشير إلي المعنوية عند مستوي معنوية،0.05، 0.01 علي الترتيب.

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

جدول (7) التنبؤ بإنتاج بذرة القطن بعد معالجة السلسلة خلال الفترة (2023- 2027)

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

بإعادة الكشف عن الارتباط الذاتي بين البواقي في السلسلة الزمنية لإنتاج بذرة القطن موضع الدراسة تبين أن السلسلة خالية من الارتباط الذاتي وأن السلسلة في حالة سكون وتبين من الشكل (5) أن قيم دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي للبواقي تقع جميعها بين الحد الأعلى والحد الأدنى بدرجة ثقة 95% وتشير نتائج التحليل إلي تحسن قيمة اختبارTheil's U من نحو 1.45 إلي نحو 0.95 بعد معالجة الارتباط الذاتي وسكون السلسلة الزمنية وهو ما يدل علي أن النموذج المقدر له قدرة عالية علي التنبؤ كما هو موضح بجدول (7).

شكل (5) دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي للبواقي بإنتاج بذرة القطن بعد معالجة السلسلة

  حسبت باستخدام برنامج Gretl

استهلاك محصول بذرة القطن:

            بتقدير استهلاك محصول بذرة القطن بطريقة المربعات الصغرى OLS (Ordinary Least Square) خلال الفترة (2002- 2022) كانت المعادلة علي النحو التالي:

تشير المعادلة السابقة إلى أن استهلاك محصول بذرة القطن ينخفض سنوياً بنحو 3.41 ألف طن وتعتبر هذا الزيادة معنوية إحصائياً ويفسر عامل الزمن نحو 69% من إجمالي التغيرات في أنتاج المحصول خلال فترة الدراسة والباقي يرجع إلي عوامل غير مدروسة، وبإجراء التنبؤ خلال الفترة خلال الفترة (2023- 2027)  تبين أن استهلاك المحصول يقدر بنحو5.56 ، 2.15 ، -1.26،-4.68 ، -8.09 ألف طن علي الترتيب للأعوام 2023، 2024، 2025، 2026، 2027 علي الترتيب

 وبإجراء اختبار Durbin Watson للكشف عن الارتباط الذاتي بين البواقي في السلسلة الزمنية موضع الدراسة تبين أن قيمته تقدر بنحو0.56 وبالكشف عن قيمة Durbin Watson في الجدول تبين  وجود ارتباط ذاتي في السلسلة الزمنية مما يجعلها في حالة عدم السكون الأمر الذي يقلل من دقة التنبؤ بإنتاج المحصول مما يتطلب معالجة هذه المشكلة.

شكل (6) دالة الارتباط الذاتي والجزئي لاستهلاك محصول بذرة القطن

حسبت باستخدام برنامج Gretl

ويوضح شكل (6) دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي ومنها يتبين تبين أن السلسلة في حالة عدم سكون أي وجود الارتباط الذاتي في السلسلة الزمنية موضع الدراسة وقد تعدت الحد الأعلى لحدود الثقة بدرجة ثقة 95%.

وفي ضوء ما تقدم ينبغي معالجة مشكلة الارتباط الذاتي الموجود بالسلسلة الزمنية لاستهلاك محصول بذرة القطن خلال الفترة (2002- 2022) لإزالة التشوه في السلسلة الزمنية ولزيادة الدقة في التنبؤ بقيم استهلاك المحصول وذلك بالاعتماد علي أسلوب Box- Jenkins و يوضح جدول (1) معايير اختيار أفضل نماذج (ARIMA)  للتنبؤ باستهلاك بذرة القطن حيث تبين أن المحاولة رقم (3) من أفضل النماذج وذلك بعد اختيار أقل قيم للمفاضلة بين المعايير المستخدمة حيث بلغت أقل قيمة لمعيار Akaike Criterion نحو 158.32 وبلغت أقل قيمة لمعيار Schwarz Criterion نحو 163.30 بينما بلغت أقل قيمة لمعيار Log-LikeLihood نحو -74.16 وقيمة Hannan- Quinn نحو159.30.

جدول (8) معايير المفاضلة بين نماذج (ARIMA) للتنبؤ بإنتاج بذرة القطن خلال الفترة (2002- 2022)

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

ويوضح جدول (9) نتائج تقدير المحاولة رقم (3) لنموذج (ARIMA) للتنبؤ باستهلاك بذرة القطن.

جدول (9) نموذج (ARIMA) للتنبؤ باستهلاك بذرة القطن

حيث: (-), (*)، (**) تشير إلي المعنوية عند مستوي معنوية،0.05، 0.01 علي الترتيب.

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

جدول (10) التنبؤ باستهلاك بذرة القطن بعد معالجة السلسلة خلال الفترة (2023- 2027)

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

بإعادة الكشف عن الارتباط الذاتي بين البواقي في السلسلة الزمنية لاستهلاك بذرة القطن موضع الدراسة تبين أن السلسلة خالية من الارتباط الذاتي وأن السلسلة في حالة سكون وتبين من الشكل (7) أن قيم دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي للبواقي تقع جميعها بين الحد الأعلى والحد الأدنى بدرجة ثقة 95% وتشير نتائج التحليل إلى تحسن قيمة اختبارTheil's U من نحو 1.34 إلى نحو 0.86 بعد معالجة الارتباط الذاتي وسكون السلسلة الزمنية وهو ما يدل علي أن النموذج المقدر له قدرة عالية علي التنبؤ.

شكل (7) دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي للبواقي لاستهلاك بذرة القطن بعد معالجة السلسلة

حسبت باستخدام برنامج Gretl

الفجوة الغذائية لمحصول بذرة القطن:

            تشير بيانات التنبؤ بحجم الفجوة خلال الفترة من (2023-2027) إلي الانخفاض التدريجي في الفجوة لمحصول بذرة القطن في مصر حيث بلغت نحو 0.99 ألف طن و0.24 ألف طن، 0.78 ألف طن، 0.36 ألف طن،0.33 ألف طن علي التوالي خلال فترة التنبؤ وهذه الكمية تمثل عبء علي ميزان المدفوعات المصري، وتشير بيانات الفجوة الغذائية في ضوء الكمية المنتجة والمستهلكة من المحصول الي ارتفاع الإنتاج بصورة تدريجية مما يشير إلي فاعلية المستوي التكنولوجي المستخدم في النهوض بإنتاجية المحصول والسعي وراء زيادة الإنتاج بصورة تتواكب مع زيادة الاستهلاك وقد لوحظ هذا في عام 2027  حيث بلغت الفجوة 0.66 ألف طن بالمقارنة بعام 2023  حيث بلغت الفجوة 0.99 ألف طن وهذا يعكس أن مصر تتمتع بنسبه عالية من الاكتفاء الذاتي من المحصول.

إنتاج عباد الشمس:

            بتقدير أنتاج محصول عباد الشمس بطريقة المربعات الصغرىخلال الفترة (2002- 2022) كانت المعادلة علي النحو التالي:

تشير المعادلة السابقة إلى أن إنتاج محصول عباد الشمس يتناقص سنوياً بنحو 0.070 ألف طن وتعتبر هذا التناقص غير معنوي إحصائياً، وبإجراء التنبؤ خلال الفترة (2023- 2027) تبين أن إنتاج المحصول يقدر بنحو15.33، 15.26، 15.19،15.12، 15.05 ألف طن للأعوام 2023، 2024، 2025، 2026، 2027 على الترتيب.

وبإجراء اختبار Durbin Watson للكشف عن الارتباط الذاتي بين البواقي في السلسلة الزمنية موضع الدراسة تبين أن قيمته تقدر بنحو 0.91 وبالكشف عن قيمة Durbin Watson في الجدول تبين وجود ارتباط ذاتي في السلسلة الزمنية مما يجعلها في حالة عدم السكون الأمر الذي يقلل من دقة التنبؤ بإنتاج المحصول مما يتطلب معالجة هذه المشكلة.

شكل (8) دالة الارتباط الذاتي والجزئي لإنتاج محصول عباد الشمس

المصدر: حسبت باستخدام برنامج Gretl.

ويوضح شكل (8) دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي ومنها يتبين أن الارتباط الذاتي أخذ قيم موجبة اعتباراً من فترة الإبطاء الأولى، ثم أخذت الدالة بعد ذلك في التذبذب بين القيم الموجبة والقيم السالبة علي امتداد السلسلة، مما يشير إلي وجود الارتباط الذاتي في السلسلة الزمنية موضع الدراسة وقد تعدت الحد الأعلى لحدود الثقة بدرجة ثقة 95%.

            وفي ضوء ما تقدم ينبغي معالجة مشكلة الارتباط الذاتي الموجود بالسلسلة الزمنية لإنتاج محصول عباد الشمس خلال الفترة (2002- 2022) لإزالة التشوه في السلسلة الزمنية ولزيادة الدقة في التنبؤ بقيم إنتاج المحصول وذلك بالاعتماد علي أسلوب Box- Jenkins و يوضح جدول (11) معايير اختيار أفضل نماذج (ARIMA)  للتنبؤ بإنتاج عباد الشمس حيث تبين أن المحاولة رقم (2) من أفضل النماذج وذلك بعد أختيار أقل قيم للمفاضلة بين المعايير المستخدمة حيث بلغت أقل قيمة لمعيار Akaike Criterion نحو 145.58 وبلغت أقل قيمة لمعيار Schwarz Criterion نحو 149.76 بينما بلغت أقل قيمة لمعيار Log-LikeLihood نحو -68.79 وقيمة Hannan- Quinn نحو146.49.

جدول (11) معايير المفاضلة بين نماذج (ARIMA) للتنبؤ بإنتاج عباد الشمس خلال الفترة (2002- 2022)

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

ويوضح جدول (12) نتائج تقدير المحاولة رقم (2) لنموذج (ARIMA) للتنبؤ بإنتاج عباد الشمس.

جدول (12) نموذج (ARIMA) للتنبؤ بإنتاج عباد الشمس

حيث: (-), (*)، (**) تشير إلي المعنوية عند مستوي معنوية،0.05، 0.01 علي الترتيب.

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

جدول (13) التنبؤ بإنتاج عباد الشمس بعد معالجة السلسلة خلال الفترة (2023- 2027)

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

بإعادة الكشف عن الارتباط الذاتي بين البواقي في السلسلة الزمنية لإنتاج بذرة القطن موضع الدراسة تبين أن السلسلة خالية من الارتباط الذاتي وأن السلسلة في حالة سكون وتبين من الشكل (9) أن قيم دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي للبواقي تقع جميعها بين الحد الأعلى والحد الأدنى بدرجة ثقة 95% وتشير نتائج التحليل إلي تحسن قيمة اختبارTheil's U من نحو 1.35 إلي نحو 0.71 بعد معالجة الارتباط الذاتي وسكون السلسلة الزمنية وهو ما يدل علي أن النموذج المقدر له قدرة عالية علي التنبؤ.

شكل (9) دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي للبواقي بإنتاج عباد الشمس بعد معالجة السلسلة

  حسبت باستخدام برنامج Gretl.

استهلاك محصول عباد الشمس:

            بتقدير استهلاك محصول عباد الشمس بالمربعات الصغري OLS (Ordinary Least Square) خلال الفترة (2002- 2022) كانت المعادلة علي النحو التالي:

تشير المعادلة السابقة إلى أن استهلاك محصول عباد الشمس يزيد سنوياً بنحو 10.134 ألف طن وتعتبر هذا الزيادة غير معنوية إحصائياً،أي ان استهلاك عباد الشمس يتصف بالثبات النسبي، وبإجراء التنبؤ خلال الفترة (2023- 2027)  تبين أن استهلاك المحصول يقدر بنحو328.24، 338.37، 348.51،358.64 ، 368.77 ألف طن علي الترتيب للأعوام 2023، 2024، 2025، 2026، 2027 علي الترتيب .

 وبإجراء اختبار Durbin Watson للكشف عن الارتباط الذاتي بين البواقي في السلسلة الزمنية موضع الدراسة تبين أن قيمته تقدر بنحو0.99 وبالكشف عن قيمة Durbin Watson في الجدول تبين  وجود ارتباط ذاتي في السلسلة الزمنية مما يجعلها في حالة عدم السكون الأمر الذي يقلل من دقة التنبؤ بإنتاج المحصول مما يتطلب معالجة هذه المشكلة.

شكل (10) دالة الارتباط الذاتي والجزئي لاستهلاك محصول عباد الشمس

حسبت باستخدام برنامج Gretl

ويوضح شكل (10) دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي ومنها تبين أن السلسلة في حالة عدم سكون أي وجود الارتباط الذاتي في السلسلة الزمنية موضع الدراسة وقد تعدت الحد الأعلى لحدود الثقة بدرجة ثقة 95%.

وفي ضوء ما تقدم ينبغي معالجة مشكلة الارتباط الذاتي الموجود بالسلسلة الزمنية لاستهلاك محصول عباد الشمس خلال الفترة (2002- 2022) لإزالة التشوه في السلسلة الزمنية ولزيادة الدقة في التنبؤ بقيم استهلاك المحصول وذلك بالاعتماد علي أسلوب Box- Jenkins و يوضح جدول (14) معايير اختيار أفضل نماذج (ARIMA)  للتنبؤ باستهلاك عباد الشمس حيث تبين أن المحاولة رقم (5) من أفضل النماذج وذلك بعد أختيار أقل قيم للمفاضلة بين المعايير المستخدمة حيث بلغت أقل قيمة لمعيار Akaike Criterion نحو 252.30 وبلغت أقل قيمة لمعيار Schwarz Criterion نحو 258.91 بينما بلغت أقل قيمة لمعيار Log-LikeLihood نحو -119.15 وقيمة Hannan- Quinn نحو253.42.

جدول (14) معايير المفاضلة بين نماذج (ARIMA) للتنبؤ باستهلاك عباد الشمس خلال الفترة (2002- 2022)

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

ويوضح جدول (15) نتائج تقدير المحاولة رقم (5) لنموذج (ARIMA) للتنبؤ باستهلاك عباد الشمس.

جدول (15) نموذج (ARIMA) للتنبؤ باستهلاك عباد الشمس

حيث: (-), (*)، (**) تشير إلي المعنوية عند مستوي معنوية،0.05، 0.01 علي الترتيب.

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

جدول (16) التنبؤ باستهلاك بذرة القطن بعد معالجة السلسلة خلال الفترة (2023- 2027)

المصدر: حسبت وجمعت من نتائج نماذج (ARIMA).

بإعادة الكشف عن الارتباط الذاتي بين البواقي في السلسلة الزمنية لاستهلاك عباد الشمس موضع الدراسة تبين أن السلسلة خالية من الارتباط الذاتي وأن السلسلة في حالة سكون وتبين من الشكل (11) أن قيم دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي للبواقي تقع جميعها بين الحد الأعلى والحد الأدنى بدرجة ثقة 95% وتشير نتائج التحليل إلي تحسن قيمة اختبارTheil's U من نحو 0.810 إلي نحو 0.717 بعد معالجة الارتباط الذاتي وسكون السلسلة الزمنية وهو ما يدل علي أن النموذج المقدر له قدرة عالية علي التنبؤ.

شكل (11) دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي للبواقي لاستهلاك عباد الشمس بعد معالجة السلسلة

  حسبت باستخدام برنامج Gretl