اخبار و اعلانات

 آمار

تعداد نشریات285
تعداد نشریات سازمان83
تعداد شماره‌ها3,094
تعداد مقالات34,549
تعداد مشاهده مقاله49,442,112
تعداد دریافت فایل اصل مقاله79,874,050
کهنسال, محمد رضا, رفیعی, هادی. (1398). بررسی عوامل مؤثر بر حاشیة بازاریابی در دشت نیشابور با استفاده از رگرسیون فضایی. سامانه مدیریت نشریات علمی, 27(2), 133-154. doi: 10.30490/aead.2019.95471
محمد رضا کهنسال; هادی رفیعی. "بررسی عوامل مؤثر بر حاشیة بازاریابی در دشت نیشابور با استفاده از رگرسیون فضایی". سامانه مدیریت نشریات علمی, 27, 2, 1398, 133-154. doi: 10.30490/aead.2019.95471
کهنسال, محمد رضا, رفیعی, هادی. (1398). 'بررسی عوامل مؤثر بر حاشیة بازاریابی در دشت نیشابور با استفاده از رگرسیون فضایی', سامانه مدیریت نشریات علمی, 27(2), pp. 133-154. doi: 10.30490/aead.2019.95471
کهنسال, محمد رضا, رفیعی, هادی. بررسی عوامل مؤثر بر حاشیة بازاریابی در دشت نیشابور با استفاده از رگرسیون فضایی. سامانه مدیریت نشریات علمی, 1398; 27(2): 133-154. doi: 10.30490/aead.2019.95471

بررسی عوامل مؤثر بر حاشیة بازاریابی در دشت نیشابور با استفاده از رگرسیون فضایی

اقتصاد کشاورزی و توسعه
مقاله 6، دوره 27، شماره 2 - شماره پیاپی 106، شهریور 1398، صفحه 133-154    اصل مقاله (514.48 K)
شناسه دیجیتال (DOI): 10.30490/aead.2019.95471
نویسندگان
محمد رضا کهنسال* 1؛ هادی رفیعی2
1استاد گروه اقتصاد کشاورزی دانشگاه فردوسی مشهد
2دانشجوی سابق دورة دکتری اقتصاد کشاورزی دانشگاه فردوسی مشهد
چکیده
ناکارآمدی شبکه‌های بازاریابی محصولات کشاورزی و اختلاف قیمت بین بهای فروش محصولات توسط کشاورزان و قیمت خرید توسط مصرف‌کننده نهایی یکی از مسائل اصلی در نظام بازاریابی محصولات کشاورزی است. برهمین‌اساس، هدف اصلی این مطالعه بررسی و شناسایی عوامل مؤثر بر حاشیة بازاریابی محصولات کشاورزی در دشت نیشابور بود. به این منظور، از مدل ارتقایافتة مارک‌آپ برای کل محصولات زراعی و در چارچوب رگرسیون وزنی جغرافیایی (GWR) استفاده شد. آمار و اطلاعات موردنیاز از طریق مصاحبة حضوری و تکمیل پرسش‌نامه از 366 نفر از کشاورزان دشت نیشابور در سال 1395 به دست آمد. در این مطالعه، برای دستیابی به اهداف موردنظر و تحلیل آمار و اطلاعات و با توجه به معنی‌داری آمارة موران، از رگرسیون وزنی جغرافیایی با هسته‌های تطبیقی (GWR-A) استفاده شد. نتایج آمارة موران نشان داد که خودهمبستگی مثبت فضایی در خصوص حاشیة بازاریابی محصولات زراعی دشت نیشابور وجود دارد. نتایج مدل حاشیة بازاریابی با به‌کارگیری رگرسیون وزنی جغرافیایی نشان داد که هزینة بازاریابی و قیمت خرده‌فروشی تأثیر مثبت و سطح زیر کشت تأثیر منفی بر حاشیة بازاریابی در اغلب مناطق دشت نیشابور دارند. در این مطالعه همچنین ضرایب برآوردی الگوی ارتقایافتة مارک‏آپ به‌صورت منطقه‌ای و بر اساس موقعیت جغرافیایی کشاورزان به دست آمد. بر اساس نتایج مطالعه، پیشنهادهای استفاده از روش‌های آماری مبتنی بر مکانمندی داده‌ها در مطالعات مشابه (همچون رگرسیون فضایی)، اصلاح نظام بازار رسانی و فروش محصولات مبتنی بر توسعة شرکت‌های بازرگانی حرفه‌ای، اجرای طرح‌های اطلاع‌رسانی ویژه و مرتبط با اطلاعات بازار محصولات کشاورزی و اجرای برنامه‌های خاص فرهنگی و اجتماعی ارائه شد.
کلیدواژه‌ها
بازاریابی؛ حاشیة بازاریابی؛ الگوی مارک‌آپ؛ رگرسیون وزنی جغرافیایی (GWR)؛ نیشابور
عنوان مقاله [English]
An Investigation of Factors Affecting the Marketing Margins Using Spatial Regression: A Case Study of Neyshabour Plain in Iran
نویسندگان [English]
Mohammad Reza Kohansal1؛ hadi rafiei2
1Professor, Department of Agricultural Economics, Ferdowsi University of Mashhad, Mashhad, Iran
2Former PhD Student in Agricultural Economics, Ferdowsi University of Mashhad, Mashhad, Iran
چکیده [English]
Inefficiency of marketing networks of agricultural products and the price differences between sale price by farmers and purchase price by final consumers are the main issues in the marketing of agricultural products. This study aimed mainly at investigating the factors affecting the marketing margins in Neyshabour plain of Iran. For this purpose, within the geographically weighted regression with adaptive cores (GWR-A), the upgraded version of ‘Mark Up Model’ was used for all crops. Statistics and information were obtained through interviews and questionnaires completed by 366 farmers in 2016. Moran test results showed that there was a positive spatial autocorrelation on the marketing margin of crops. The results of GWR model indicated a positive impact of marketing costs and retail prices in most areas is positive and a negative impact of cultivated areas on the marketing margins. Also, the coefficients of the Mark Up Model were estimated regionally and with respect to farmer’s location. Finally, a number of suggestions were made, including: reforming the marketing network in order to reduce the margin of the market, using statistical methods based on the location of data in similar studies, reforming the market system and the sale of products based on the development of professional commerce companies, implementing the special information plans related to the market information on agricultural products as well as the implementation of specific cultural and social programs.
کلیدواژه‌ها [English]
Marketing, Marketing Margin, Mark Up Model, Geographically Weighted Regression (GWR), Neyshabour (Plain)
مراجع
  1. Anselin, L. (1988). Spatial econometrics: methods and models. Dord drecht: Kluwer Academic Publishers.
  2. Azad, K.C. and Sikka, B.K. (2002). Production and marketing of temperate fruits in North – West Region of India. Available at http:/www.actahort.org.
  3. Bolurian Tehrani, M. (1999). Marketing and market management. Tehran: Publications Institute of Business Studies and Studies. (Persian)
  4. Borimnejad, V. and Radipour, A. (2013). Identification of factors affecting the marketing of products: case study of Tehran marked eggs. Marketing Management, 19: 47-65. (Persian)
  5. Brunsdon, C., Fotheringham, A.S. and Charlton, M. (1996). Geographically weighted regression: a method for exploring spatial non-stationary. Geographical Analysis, 28(4): 281-298.
  6. Charlton, M. and Fotheringham, A.S. (2009). Geographically weighted regression. National Centre for Geocomputation. National University of Ireland Maynooth.
  7. Coetzee, J.H., Eigenhuis, W.J.H. and Littlejohn, M. (2001). The South African indigenous flower industry: challenges and limitations. Available at: www.actahort.org.
  8. Dehdashti, Sh. and PourHoseini, A.H. (2013). Model sales and marketing strategy impact on sales performance. Business Management, 5(1): 48-61. (Persian)
  9. Estelaji, A.R. and Pazoki, M. (2013). Global marketing model to increase product exports flowers Pakdasht. Geography, 36: 123-138. (Persian)
  10. Fotheringham, A.S., Brunsdon, C. and Charlton, M. (2009). Geographically weighted regression: the analysis of spatially varying relationships. Chichester: Wiley.
  11. Fotheringham, A.S. (1997). Trends in quantitative methods I: stressing the local. Progress in Human Geography, 21: 88-96.
  12. Fotheringham, A.S., Brunsdon, C. and Charlton, M. (1996). The geography of parameter space: an investigation of spatial non-stationary. International Journal of Geographical Information System, 10: 605-627.
  13. Fotheringham, A.S., Charlton, M. and Brunsdon, C. (1997). Two techniques for exploring nonstationarity in geographical data. Geographical Systems, 4: 59-82.
  14. Fotheringham, A.S., Charlton, M.E. and Brunsdon, C. (1998). Geographically weighted regression: a natural evolution of the expansion method for spatial data analysis. Environment and Planning, 30: 1905-1927.
  15. Ghorbani, M. and Mirbemani, S.B. (2005). Beans marketing network assessment in the city of Mashhad. First national conference on cereals. Mashhad. Plant Science Research Center of Mashhad. 29 and 30 November. (Persian)
  16. Gillespie, J., Basarir, A. and Schupp, A. (2004). Beef producer choice in cattle marketing. Southern Agricultural Economics. Association Annual Meeting. Tulsa, Oklahoma, February 15-18.
  17. Hasanpour, B. (2000). Economic analysis of production and marketing of figs in Fars province. Master's Thesis of Agricultural Economy, Shiraz University. (Persian)
  18. Heidari, R. and Shahnoushi, N. (2012). Study of poultry meat marketing margin model with rational expectations. Agricultural Economics, 4(1): 179-193. (Persian)
  19. Hoseini, S., Nikookar, A. and Dourandish, A. (2010). Market structure and marketing margins in the beef industry's effect on the transfer price. Agricultural Economics and Development Research of Iran, 2: 2-41. (Persian)
  20. Hoseini, S., Peikani, Gh.R., Shahbazi, H. and Hoseini, A. (2009). Study of red meat marketing margin and effective factors in Iran. Agricultural Economics, 2(2): 1-17. (Persian)
  21. Lee, J. and Wong, D.W. (2001). Statistical analysis with arc view GIS. New York: John Wiley and Sons.
  22. Lesage, J. (1999). Spatial econometrics. Department of Economics. University of Toledo. Available at: www.rri.wvu.edu/WebBook/LeSage/spatial/spatial.html.
  23. Mehdipoor, A., Sadrolashrafi, S.M. and Karbasi, A.R. (2005). Study of marketing in the potato crop. Agricultural Sciences, 11(3): 121-131. (Persian)
  24. Mirzaee, M. and Najafi, B. (1999). Economic analysis of Bam Mazafati marketing with an emphasis on exports. Agricultural Economics and Development, 23: 7-40. (Persian)
  25. Muller, Ch.R. (2000). Results of a comparative analysis of flower marketing organizations with differents systems for sale in Germany. Available at: www.actahort.org.
  26. Najafi, B. and Farajzade, Z. (2010). The role of rural cooperatives in agribusiness: case study of Fars province. Cooperation, 21(1): 1-25. (Persian)
  27. Najafi, B. and Kazemnejad, M. (2004). Marketing of agricultural products in Iran. Tehran: Planning and Research Institute of Agricultural Economics. (Persian)
  28. Pandey, M. and Tewari, D. (2004). Rural and agriculture marketing: opportunities, challenges an business strategies. Delhi: Oscar Publications.
  29. Rafiei Darani, H. (2017). Study the effect of marketing network of agricultural products on the water resources management in Neyshabur basin. Ph.D. Dissertation, Ferdowsi University of Mashhad. (Persian)
  30. Rajaee, E. and Nasiri, P. (2010). Study of apple marketing in the city of Orumiyeh by using the Mark-Up model. Quantitative Studies in Management, 1(2): 21-34. (Persian)
  31. Rajaee, E., Rajaee, N. and Teimouri, M. (2012). Study of marketing margins grape, grapes and raisins in the city of Abhar, Zanjan Province. Quantitative Studies in Management, 3(4): 1-12. (Persian)
  32. Rezvani, M.R., Sadeghloo, T., Faraji, H.A. and Eftekhari, A.R. (2013). Analyze and explain the factors affecting in milk marketing space network in rural areas (case study: rural city Khodabande). Economy of Space and Rural Development, 2(1): 1-28. (Persian)
  33. Sadrolashrafi, M. and Kazemnejad, M. (2000). Economic analysis of marketing margin using economic models, case study of rice. Third Conference on Agricultural Economics of Iran, Mashhad. (Persian)
  34. Shahvali, M., Fatemi, M. and Malekian, A. (2013). Designing communication and information marketing optimization for saffron farmers in Estahban city of Fars province. Modares Human Sciences, 79: 87-104. (Persian)
  35. Shepherd, G.S. and Futrell, G.A. (1969). Marketing farm products: economic analysis. Iowa: State University Press.
  36. Shirvaniab, A. and Njafi, B. (1999). Tomato marketing survey in Fars province: a case study of Fasa. Agricultural Economics and Development, 26: 77-98. (Persian)
  37. Souri, D. and Javid, S. (2011). Analyze and explain the factors affecting in milk marketing space network in rural areas (case study: rural city Khodabande). Economy of Space and Rural Development. (Persian)
  38. Tahmasebi, A. and Moghaddasi, R. (2010). Determinants of the marketing chicken meat in Iran. Agricultural Economics and Development, 71: 163-178. (Persian)
  39. Vandal, K. (2001). Fruit marketing problem identification and management. Available at: www.actahort.org.
  40. Waugh, F.V. (1964). Demand and price analysis: some example from agriculture. Washington DC: U.S. Department of Agriculture Tech., No. 1316.
  41. Yadavar, H., Hejazi, E., Hoseini, S.M. and Saleh, A. (2010). Factors affecting of flowers marketing promotion and ornamental plants. Agricultural Economics and Development Research of Iran, 1: 29-39. (Persian)
آمار
تعداد مشاهده مقاله: 545
تعداد دریافت فایل اصل مقاله: 291


counter
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب