RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      검색결과 좁혀 보기

      선택해제
      • 좁혀본 항목 보기순서

        • 원문유무
        • 원문제공처
          펼치기
        • 등재정보
        • 학술지명
          펼치기
        • 주제분류
        • 발행연도
          펼치기
        • 작성언어
        • 저자
          펼치기

      오늘 본 자료

      • 오늘 본 자료가 없습니다.
      더보기
      • 무료
      • 기관 내 무료
      • 유료
      • 통계로 본 세계 속의 한국농업

        최성천,김준기,옥소연 한국농촌경제연구원 2021 한국농촌경제연구원 기타연구보고서 Vol.- No.-

        이 보고서는 주요 해외 농업 통계를 총량지표, 농업생산지표, 생산요소지표, 수출입지표, 소비지표 등으로 구분하여 국가별, 품목별로 정리한 것이다. 제2장 세계편에서는 다수의 선진국을 포함하는 OECD 회원국과, 한국과 연관성이 높은 중국을 비교대상국으로 선정하여 주요 농업거시지표들에 대한 국가 간 비교를 통해 농업부문의 구조 변화를 파악하였다. 제3장 품목편에서는 각 국가의 생산 및 재배면적 변화 추이를 살펴보고 한국 농산물 생산 및 수출입과 연관성이 높은 품목을 선정하여 수출입 현황을 정리하였다. 마지막으로 제4장 국가편에서는 한국을 중심으로 미국, 브라질, 호주, 중국, 프랑스 등 대륙별 주요 국가의 농업 예산 및 농가경제 현황 지표에 대해 해당 국가의 정부기관 자료를 이용하여 정리하였다. 주요 농업 거시지표 중 한국의 농림어업 GDP는 2019년 267억 달러로 전년보다 11.3% 감소하였고, 총 GDP에서 농림어업이 차지하는 비중도 1.7%로 전년 대비 0.1%p 감소하였다. 2018년 세계의 농촌인구는 34억 1천만 명으로 전년보다 증가하였다. 한국의 농촌인구는 948만 명으로, 전년보다 0.1%p 증가하였다. 2018년 세계 경지면적은 15억 6,492만 ha으로 전년과 비슷하며, 한국의 경지면적은 159만 ha로 전체 국토면적의 16.0%를 차지하였다. 한국의 유기농업 면적은 2019년 2만 971ha로 전년보다 20.3% 증가하여 전체 경지면적의 1.8%를 차지하였다. 한국농업보조금의 경우, 전체 농업생산액에서 차지하는 비중이 2019년 4.5%로 2018년(5.0%)보다 감소하였으며, 미국(10.2%)과 일본(8.3%)에 비해 낮은 수준이다. 수출입지표 중 농축산물 수출액을 살펴보면, 2019년 기준 세계의 농축산물 총 수출액은 1조 4,196억 달러이며, 수출규모 1위는 미국(9.7%), 다음은 네덜란드(7.0%), 독일(6.0%), 브라질(5.5%), 프랑스(5.0%) 순이다. 한국의 농축산물 수출규모는 전년 보다 증가한 69억 달러이며, 한국의 주요 수출 농축산물로는 배, 딸기, 배추로 각각 세계 전체 수출액의 3.3%, 1.9%, 1.5%를 차지하였다. 한편, 세계의 농축산물 총 수입액은 1조 4,018억 달러이며, 수입규모 1위는 미국이 10.5%로 가장 크고, 중국(9.0%)과 독일(7.2%), 네덜란드(4.7%)가 그 뒤를 잇고 있다. 한국의 농축산물 수입액은 전년보다 증가한 274억 달러이며, 주요 수입 농축산물은 옥수수, 쇠고기, 돼지고기 등으로 각각 세계 전체 수입액의 6.2%, 5.9%, 5.0%를 차지하는 것을 볼 수 있다. 2019년 주요 생산지표 중 세계 곡물 생산량은 29억 7,898만 톤으로 전년 대비 2.3% 증가하였으며, 한국은 전년 대비 2.9% 감소한 820만 톤으로 나타났다. 그중 세계 쌀 생산량은 7억 5천만 톤으로 전년 대비 1.0% 감소하였으며, 중국과 인도가 전체의 약 51.2%의 비율을 보였다. 국내 곡물 수급에 대해 해외 의존도가 높은 한국은 전년보다 3.5% 감소한 501만 톤의 쌀을 생산해 전체의 0.7%를 차지하였다. 세계 채소류 생산량은 전년 대비 2.2% 증가한 11억 3,020만 톤이며, 한국은 1,002만 톤으로 세계 채소류 생산량의 약 0.9%를 차지하였다. 특히, 세계 배추 생산량은 전년보다 1.3% 증가한 7,015만 톤이며, 한국의 배추 생산량은 257만톤으로 전세계에서 네 번째(3.7%)로 많은 것으로 나타났다. 세계 육류 생산량은 전년 대비 1.9% 감소한 3억 3,663만 톤이며, 한국의 육류 생산량은 전년과 비슷한 260만 톤으로 세계 생산량의 0.8%를 차지하였다. 한국의 쇠고기 생산량은 사육두수 증가로 전년보다 2.5% 증가한 28만 톤이며, 돼지고기 생산량은 136만 톤으로 세계 생산량의 1.2%를 차지하였다. 주요국 농업 예산을 살펴보면, 한국은 2019년 기준 14조 6,596억 원으로 전년 대비 1.1% 증가하였다. 미국은 2019년 1,464억 달러로 전년 대비 9.6% 감소하였고, 일본은 2조 3,108억 엔으로 전년과 비슷하였다. 한편, 한국의 농가 소득은 2019년 기준 4,118만 원으로 전년 대비 2.1% 감소하였다.

      • KCI등재

        공간 패널 회귀모형을 이용한 양파 생산량 추정

        최성천,백장선,Choi, Sungchun,Baek, Jangsun 한국통계학회 2016 응용통계연구 Vol.29 No.5

        노지에서 재배되는 양파 생산량은 기후환경에 의하여 영향을 받으며, 특정 지역에서 많이 생산되는 지역적인 특성을 가지고 있다. 따라서 생산량 예측시 기상과 지역을 동시에 고려하는 접근이 필요하다. 본 논문에서는 공간 패널 회귀모형을 이용하여 기상변화에 따른 생산량을 추정하였다. 양파 주산지 13곳에 대한 2006년부터 2015년까지의 기상 패널자료를 사용하여, 공간시차를 반영한 공간자기회귀(spatial autoregressive)모형을 사용하였다. 공간가중치 행렬은 임계치 설정방법과 최근거리 설정방법으로 나누어 분석하여, 최근 3곳까지 거리 설정방법을 사용한 모형이 최종 모형으로 선택되었으며, 자기상관성이 유의함을 보였다. 하우스만 검정을 통해 채택된 확률효과모형으로 분석한 결과 누적일조시간(1월), 평균상대습도(4월), 평균최저기온(6월), 누적강수량(11월) 등이 양파 생산량 예측에 유의한 변수로 나타났다. Onions are grown in a few specific regions of Korea that depend on the climate and the regional characteristic of the production area. Therefore, when onion yields are to be estimated, it is reasonable to use a statistical model in which both the climate and the region are considered simultaneously. In this paper, using a spatial panel regression model, we predicted onion yields with the different weather conditions of the regions. We used the spatial auto regressive (SAR) model that reflects the spatial lag, and panel data of several climate variables for 13 main onion production areas from 2006 to 2015. The spatial weight matrix was considered for the model by the threshold value method and the nearest neighbor method, respectively. Autocorrelation was detected to be significant for the best fitted model using the nearest neighbor method. The random effects model was chosen by the Hausman test, and the significant climate variables of the model were the cumulative duration time of sunshine (January), the average relative humidity (April), the average minimum temperature (June), and the cumulative precipitation (November).

      연관 검색어 추천

      이 검색어로 많이 본 자료

      활용도 높은 자료

      해외이동버튼