1

Grain Markets and Large Social Transfers: An Analysis of Productive Safety Net Program in Ethiopia 

     

Shahidur Rashid1 International Food Policy Research Institute 

 Alemayehu Seyoum Taffesse 

International Food Policy Research Institute 

Contributed Paper prepared for presentation at the International Association of Agricultural Economists Conference, Beijing, China, August 16-22, 2009

Copyright 2009 by the authors. All rights reserved. Readers may make verbatim copies of this document for non-commercial purposes by any means, provided that this copyright notice appears on all such copies.

 

1 E-mail addresses are: S.Rashid@cgiar.org and A.Seyoumtaffesse@cgiar.org, respectively.

2

Grain Markets and Large Social Transfers:  An Analysis of Productive Safety Net Program in Ethiopia 

 

 

1. Introduction 

It  is  almost  universally  agreed  that  providing  access  to  food  to  the  poor  through  social transfer programs  is a valid policy  intervention,  irrespective of economic  ideology, functioning of markets,  or  even  the  level  of  development  of  a  given  country. However,  there  is  a  long standing debate as to whether these transfers should be  in‐kind or  in cash (Sen, 1990; Coate, 1989; Basu 1996). Four main arguments are made  in  favor of cash transfers are that they:  (i) avoid  potential  disincentive  effects  of  food  aid  on  domestic markets,  (ii)  can  provide more choices  to  the beneficiaries and hence relatively  improve  their well‐being,  (iii) are more cost‐effective than  food transfers, as they entail  food handling costs, and  (iv) can boost consumer market demand, which in turn can contribute towards market development (World Bank 2005).  A critical underlying assumption behind all these arguments is that the markets are integrated and  well‐functioning  so  that  food  is  available  in  local  markets  at  moderate  prices,  an assumption which may not hold  in many developing countries. This  is one of the reasons why both emergency assistance and safety net programs continue to be food‐based. 2  

However, apart  from situations of extreme civil conflict or war,  it  is unlikely  that market locations in all parts of a country will be isolated from major central markets. This implies that in most cases,  it should be possible to  implement a mix of  food and cash based safety net or emergency  assistance  programs.  Cash  transfer  programs  could  be  implemented  in  more developed geographic locations, where transactions costs are low and cash injection is likely to create demand for local products, yet not raise food prices excessively. Food transfer programs could  be  implemented  in more  remote  places where markets  are  thin  (not  integrated with other markets), so as to avoid possible surges in food prices in local markets from cash transfers that would adversely affect not only  the households  receiving  social  transfers, but also poor non‐beneficiaries (Basu 1996). Food transfers may also be easier to implement in more remote areas if these areas also lack implementation capacity (e.g., non‐functioning or non‐existence of financial  institutions). Thus,  from operational and  cost effectiveness viewpoints, an optimum policy option might be to combine both cash and food.  

Ethiopia’s Productive Safety Net Program (PSNP), launched in January 2005, is one example of  large scale social transfer program with a mix of cash and  in‐kind transfers.  Introduction of the PSNP was a strategic move on the part of the Ethiopian government towards reducing food aid  dependence,  boosting  domestic  production,  and  fostering  market  development.  The country’s  food  aid  imports  did  in  fact  declined  from  861  thousand  tons  in  2004‐05  to  377 thousand tons  in 2005‐06 and 447 thousand tons  in 2006‐2007. Meanwhile, official estimates 

2 Food aid donors’ desire to support their own domestic farmers and shippers is another major reason for preference for transfers‐in‐kind. See Barrett and Maxwell (2005). 

3

of production of the four major cereals (teff, wheat, maize and sorghum) showed a 40 percent increase from 8.3 million tons in 2004‐05 to 11.7 million tons in 2006‐07.3   

The PSNP spans up to 262 woredas4 that had been regular recipients of food aid between 2002 and 2004.  It operates as a safety net, targeting transfers to poor households in two ways, through public works (PW) schemes and direct support (DS).  Public works, the larger of the two programs, pays selected beneficiaries 6 Birr per day, raised to 8 Birr per day  in December, as payments  for  their  labor  on  labor‐intensive  projects  designed  to  build  community  assets.5  Direct  support  is provided  to  labor‐scarce households  including  those whose primary  income earners are elderly or disabled. This component  thus aims  to maintain  the safety net  for  the poorest households who cannot participate in public works.6 

The main objective of  this paper  is  to analyze whether PSNP  is  linked with  this unusual price trend. The analysis is based on a large data set collected by the Central Statistical Agency (CSA) of Ethiopia, which contains Peasant Association  (smallest administrative unit)  level data on  prices,  production,  yields,  and marketing  of  all major  cereals.  Two  sets  of  analyses  are conducted, with first set focusing on targeting characteristics and overall price trends and the other  on  the  price  relationships  between  PSNP  and  non‐PSNP  areas  using  co‐integration methods.  

     

2. PSNP Transfers and Grain Market Linkages 

The effects of PSNP transfers on the prices in any given woreda will depend on: 1) whether or not the woreda’s cereal markets are integrated with the national or larger regional market; and 2) whether the transfers are delivered  in cash or  in‐kind.  If cereal markets are  integrated both before and after a cash or food transfer, the transfer effectively  increases the supply (in the case of a food transfer) and demand (in the case of both cash and food transfers) for the entire  integrated  market.    In  this  case,  the  price  effect  will  generally  be  small,  although comparing PSNP to a counterfactual of no food transfers whatsoever, PSNP actually  increases national wheat supply by about 10 percent.  

In  addition  to market  integration,  a  critical  assumption  is whether or not market  in  the PSNP regions is large enough to influence prices in the non‐PSNP regions.7 Given almost half of the woreda are covered by the program, which includes woreda close to PSNP, it is realistic to assume that PSNP can  influence prices  in the non‐PSNP regions. Based on these assumptions, price effects of food or cash transfers are characterized in Table 1, which forms the conceptual basis of most of the analyses carried out in this paper.  

 

3 However, prices of major cereals rose rapidly between 2006 and 2008, despite consecutive years of good harvest, suggesting that production increases may have been over‐estimated. 4 Ethiopia has about 500 woredas (an administrative unit below region and zone.  5 These fall between US$0.75‐US$0.85 reflecting exchange rate differences.  6 Further details on the nature and interim impact of the PSNP can be found in Gilligan et al. (2007, 2008).  7 This is similar to standard small / large country assumptions in trade literature

4

 Table 1: Price effects of food versus cash transfers 

Forms of Transfers 

Market Integration Status 

Effects on prices and price dynamics Direction of Price Change   Changes in Price relatives 

(Convergence /Divergence)  Food 

Markets are Integrated 

Prices in both markets decline proportionately  

No convergence or divergence. 

Markets are not Integrated 

Prices in A decline  Prices in B remain the same if transfers do not trigger 

trade. 

Leads to convergence if transfers do not trigger interregional trade 

 Cash 

Markets are Integrated 

Prices in both markets increase proportionately 

No convergence or divergence 

Markets are not Integrated 

1. Prices in A increase only if transfers do not trigger trade 

2. Prices in both A and B increase

3. Divergence if transfers do not trigger trade;  

4. Higher price differentials if transfers trigger trade 

Source: Authors’ compilation 

The more  interesting cases are for PSNP woredas that are autarkic (non‐integrated). As  is shown  in  section  3  below,  prices  in  PSNP woredas  are  in  general  above  those  in  non‐PSNP woredas. A  cash  transfer  could  raise  cereal demand  and  local market prices enough  so  that trade  from  non‐PSNP  woredas  to  a  PSNP  woreda  becomes  profitable,  thus  potentially integrating the two markets and increasing the price differential between PSNP and non‐PSNP woredas. Alternatively, a food transfer could lower prices in a PSNP woreda, reducing the price differential between PSNP and non‐PSNP woredas.  

 

 5. The basic analyses of PSNP  

This  section  presents  some  basic  statistical  results  on  program  characteristics  and,  to  a limited extent, operational performance of  the PSNP.  Specifically, we  carry out  some  simple statistical tests on remoteness and agricultural developments, examine welfare implications of cash  versus  food  transfers  since  the  launching  of  the  program,  and  provide  descriptive  and simple statistical test results on price relationships between PSNP and non‐PSNP areas.  

a. The program characteristics 

The PSNP program  implementation manual provides detail descriptions of the process by which  to determine  the  form of  transfers  in a given  locality. The manual states  that “….Food Security Task Force (FSTF) makes a request for specific types of resources (cash and/or food as the means of transfers to households), for each kebele considered chronically food insecure, to the  Regional  Food  Security  Steering  Committee.  The  Regional  Food  Security  Steering Committee  will  then  reconcile  these  requests  with  resource  availability  from  the  federal 

5

allocation and allocate resources to each woreda. After approval by the Regional Council, the overall request for resources will be sent to the Federal level as part of the Regional Safety Net budget plan”. The key determining factors are (i) community preferences regarding food versus cash,  (ii)  food  availability  at  the  community  level,  (iii) market  access,  and  (iv)  institutional capacity of a given region.    

To examine to what extent these criteria are met, we have carried out some simple mean difference tests between non‐PSNP and PSNP areas  in terms of agricultural development and remoteness  indicators. The results are presented  in Table 1, which presents  two sets of  tests results; one testing the equality of variance and the other testing the equality of mean.  

 b. Welfare implications for cash versus food transfers 

When a social program combines both  food and cash, a critical challenge  is making sure that  the  values  of  transfers  remain  the  same  for  both  types  of  beneficiaries.  It  becomes particularly difficult  in high  inflation macroeconomic environment. When PSNP was  launched, low inflation was a hallmark of Ethiopian economy, which has dramatically changed since 2006. The  food  component  of  the  national  consumer  price  index  has  increased  from  about  eight percent  in 2003  to 19 percent  in 2006, with an average annual  increase of about 13 percent (World Bank, 2007). Inflation continued at approximately 20 percent in 2007, but has since then further  accelerated, with  total  inflation  approaching  100  percent  for  calendar  year  2008.  In spite of this high  inflation rate, however, the amount of the cash transfer  (ETB 6 or US$0.70) remained the same until December 2007, causing severe erosion of benefits to the households receiving cash transfers. 

Figure  1,  constructed with  PSNP woreda  level  data,  illustrates  this  fact.  It  plots wheat equivalent  of  cash  transfers;  nominal  daily  agriculture wage  (represented  by  the  right  axis); wheat  equivalent  of  daily  nominal  wages;  and  food  transfers  (3kgs  of  wheat  per  day) represented by the horizontal line.  

c. The price relationships 

As  the  previous  section  has  demonstrated,  the  starting  point  for  analyzing  the  linkage between PSNP  and non‐PSNP price  relationships  should be  examining whether prices  in  the PSNP  regions are  indeed  larger  than  the prices  in  the non‐PSNP  regions. Thus, we begin our analysis by plotting averages of monthly prices of  the cereals  in PSNP and non‐PSNP areas  in three areas, (data for maize are shown in Figure 2).  

As shown in Table 2, prices in PSNP areas are indeed higher than prices in non‐PSNP areas. Statistical analysis of mean differences (not shown in Table 2) indicate that mean prices in PSNP woredas  are  statistically  significantly  higher  than mean  prices  in  non‐PSNP woredas. Mean prices in PSNP woredas with cash transfers only are statistically significantly higher than mean prices in PSNP woredas with food transfers only.    

6

Notice that the convergence of prices between PSNP and non‐PSNP began in the 2002‐05 period and then continued in the 2005‐08 period. The convergence from 2002 to 2005 is most likely  attributable  to  improvement  in  road  and  communication  networks.    Indeed,  available data show that there was a large increase in public expenditure on roads since 2000.  

To  further  examine  these  trends, we  further  examined  the  differences  between  prices disaggregated by three sub‐periods. Tests of the mean‐differences  in growth rates of prices  in PSNP  versus  non‐PSNP woredas  showed  that  these  differences were  statistically  significant during the 2005‐08 period. Growth rates of prices of PSNP cash woredas were not statistically significantly different  from growth  rates of prices  in non‐PSNP woredas, however. The  same lack of a statistically significant difference was found in comparing growth rates for PSNP food transfer and non‐PSNP woredas. The  lack of a statistically significant difference may be due  in part to the small sample size of the cash and food transfer woredas. 

6. Econometric analysis of price dynamics  

a. A brief note on analytical method 

The  analyses  in  the previous  section  suggest  that  cereal prices between PSNP  and non‐PSNP  areas  are  converging. However,  this  convergence  can  be  driven  by  factors  other  than launching of PSNP. To explore any possible linkage with PSNP, we carry our further tests within Johansen’s  (1988)  and  Johansen  and  Juselius’s  (1990)  co‐integration  framework.  In implementing  the  method,  all  preliminary  tests  on  time  series  properties  and  model specifications are  conducted before estimating  the  long  run  relationships among prices. This includes  tests  for  non‐stationarity,  lag  length  determination,  inclusion  of  deterministic components into the cointegarion space, and misspecification tests on residuals. For the sake of brevity,  these  results  are  not  presented  here,  but  are  available  upon  request  from corresponding author.   Once unit  root  tests  confirm  that all prices are  I(1),  Johansen’s  trace tests  are  performed  to  determine  co‐integrating  relationship  between  prices  of  three major cereals (wheat, maize, and teff) in PSNP and non‐PSNP areas. After determining co‐integration rank, normality and auto‐correlation tests are performed on the saved residuals.    

Three specific sets of tests are conducted on co‐integrating relationships: (1) tests for price convergence,  (2)  tests  for Granger causality, and  (3)  the analyses of shocks using generalized impulse  response,  proposed  in  Pesaran  and  Shin  (1995).  The  intuition  behind  the  test  for convergence follows from the very meaning of  it—that  is, a decline prices between PSNP and non‐PSNP over time, suggesting non‐stationarity of B

tA

t PP − .  This restriction implies that,   

( ) )(,,, 4………………∗∗α−αβ ′ =BA

i

where  BA and α−α ,  are the long run coefficients of the prices in PSNP and non‐PSNP prices and the  asterisks mean  that  the  other  coefficients  are  left  unrestricted.  Following  Johansen  and Juselius (1992), the null hypothesis can be formulated as,

 ( )50 ………………,=β′R

7

[ ]0011=′RWhere .  The  hypothesis  is  tested  using  a  Likelihood  Ratio  test,  in which eigenvalues of the full model are compared with the eigenvalues of the restricted model.  

The Granger  causality  test  follows  the method proposed by Hall  and Milne  ().   The  test relies  on  imposing  zero  restrictions  on  the  loading  coefficients  to  the  long  run  cointegarion relationship. The intuition behind the test can be illustrated by the following equation: 

 

)(

Btε

Atε

Bkt

P

Akt

PBβ

Aβ

Bα

Aα

Bit

ΔP

Ait

ΔPk

i i,BBΓi,BAΓ

i,ABΓi,AAΓ

Bμ

Aμ

BtΔP

AtΔP

61

1………………⎥

⎦

⎤⎢⎣

⎡

⎥⎥⎥

⎦

⎤

⎢⎢⎢

⎣

⎡

⎥⎦⎤

⎢⎣⎡

⎥⎥

⎦

⎤

⎢⎢

⎣

⎡

⎥⎥⎥

⎦

⎤

⎢⎢⎢

⎣

⎡

⎥⎦

⎤⎢⎣

⎡⎥⎥

⎦

⎤

⎢⎢

⎣

⎡

⎥⎥⎦

⎤

⎢⎢⎣

⎡+

−

−+

−

−∑−

=+=

 

 Where A and B represent PSNP and Non‐PSNP areas,  Γ are  22×  matrices of coefficients; )( LI−=Δ and  L  is  the  lag  operator;  k  is  lag  length;  μ   is  a  vector  of  constants,  sands '' βα are   

loading  and  long  run  coefficients,  respectively.  There  are  three  possible  cases  of  causality testing:  ii)  ;, 00 ≠α=α BA   ii)  ;, 00 =α≠α BA  and  iii)  ,, 00 ≠α≠α BA  where  the  first  two cases  imply unidirectional  causality  and  the  third  case  suggest  feedback  between B

tAt PandP .  To  see  how 

causality  implications  are  drawn,  suppose  that 0=αA .  This  implies  that  the  error  correction term,  i.e.,  the  third  term on  the RHS,  is  eliminated  and  the  long  run  solution  to  t

AP  will be unaffected by the deviations from the equilibrium path defined by the co‐integrating vector.  

 b. Econometric  Results 

 Co‐integration results are presented  in Table 3. Following Johansen (1992), three different 

models are considered. The first model restricts all deterministic components to a constant  in the  cointegration  relation;  the  second model  allows  a  constant plus  a deterministic  trend  in level; and the third model accounts for a constant in the cointegrating relation, a trend in level, and a trend in cointegrating relations.  Note that for r=0 the null is clearly rejected for all three models and for all three commodities. The first time the null hypothesis is accepted at 5% level of significance  is when r=1 under the first model for all three commodities. Thus, based upon these  results, we  conclude  that  the model  that  restricts all deterministic  components  into  a constant  is  the  appropriate model;  all  pairs  of  PSNP  and  non‐PSNP  prices  are  have  unique cointegrating vector.  

 Given  cointegrating  relationships,  tests  for  convergence  of  prices  are  carried  out  using 

equations (4) and (5). The Likelihood Ratio Test statistics, which follows χ2(1), are calculated as 10.42 for wheat, 16.15 for maize, and 15.57 for teff. This implies that the differences between the pairs of prices are non‐stationary. This further strengthens the earlier of price convergence between PSNP and non‐PSNP regions. 

 The  long  run  Granger  causality  test  results,  presented  in  Table  4,  suggest  that  both  in 

absolute numerical terms and in terms of statistical significance, the main direction of long run causality  of  prices  flows  into  the  non‐PSNP.  So  this  result  strongly  argues  that  PSNP  prices 

8

Granger cause the non‐PSNP prices. However,  in  interpreting these results one has to keep  in mind that the term  'causality' refers to some variant on  'Granger causality', that  is X Granger causes Y if a change in X generally predates a change in Y.   In this sense, the results mean that changes in PSNP predate changes in price in no‐PSNP. 

 7. Summary and policy implications 

In 2005, Ethiopia  implemented a major new social transfer program, the Productive Safety Net Program (PSNP), that involved some form of work requirement in exchange for either cash or in‐kind transfers (or a mix of the two), with the composition of the transfers administratively set  to  be  uniform  throughout  the  administrative  region  (woreda).  In  this  paper, we  analyze monthly data on  cereal prices over 12  years  in areas,  comparing price movements  for areas included  in  the  PSNP with  those  outside  the program.   We  find  that  prices  have  converged between PSNP and non‐PSNP woredas over time, but that this convergence began well before the introduction of the program.  

This result suggests that the impact of cash transfers in non‐integrated PSNP (which would tend  to  produce  divergence  of  prices  for  woredas  that  are  not  integrated  with  non‐PSNP woredas)  is  not  the  dominant  driver  of  these  price  movements.  Rather,  the  observed convergence  in prices suggests either  that  the effect of  in‐kind  transfers dominates  (and  that PSNP and non‐PSNP markets are not  integrated) or  that  the  convergence  is caused by other factors  (such as  improved  road  infrastructure). Given  that we also  find  that  the markets  (on average)  are  co‐integrated,  the  implication  is  that on  average  the  convergence  is  caused by other factors (most likely, infrastructure improvements). 

To arrive at more definitive conclusions will require further disaggregated analysis involving distinguishing between the  levels of transfers, the size of woreda markets and their  locations. Such analysis, provided that it can updated at regular intervals, may be able to provide valuable inputs into operational decisions on where to use cash and where to use in‐kind transfers in the PSNP program in rural Ethiopia. 

REFERENCES 

Barrett, Christopher B. and Daniel G. Maxell  (2005).  Food Aid After  Fifty Years: Recasting  Its Role. Routledge: New York. 

Basu, K., (1996) Relief Programs: When  it May be Better to Give Food  Instead of Cash, World Development, Vol.24, No.1, pp.91‐96, 1996; 

Central Statistical Agency (CSA) of Ethiopia 

Coate,  Stephen.  (1989).  Cash  versus  Direct  Food  Relief,  Journal  of  Development  Economics, .30(2), pp. 199‐224 

Gilligan, D., J. Hoddinott, A. S. Taffesse, S. Dejene, N. Tefera, and Y. Yohannes. 2007.   Ethiopia Food  Security Programme: Report on 2006 Baseline  Survey.  International  Food Policy Research Institute, Washington, D.C. Photocopy. 

9

Gilligan, D., J. Hoddinott, A. S. Taffesse. 2008.  “The Impact of Ethiopia’s Productive Safety Net Programme and its Linkages,” Journal of Development Studies, forthcoming. 

Hall, S. G. and Milne, A. (1994), “The Relevance of P‐Star Analysis to UK Monetary Policy,” The Economic Journal, 104, 597‐604. 

Johansen, S. (1992), “Determination of Cointegration Rank  in the Presence of a Linear Trend”, Oxford Bulletin of Economics and Statistics, 54(3), 383‐397. 

_______  and  Juselius,  K.  (1990),  “Maximum  Likelihood  Estimation  and  Inference  on Cointegration  with  applications  to  the  Demand  for  Money”,  Oxford  Bulletin  of Economics and Statistics, 52(2), 169‐210. 

_______ and Juselius, K. (1992), “Testing Structural Hypotheses in a Multivariate Cointegration Analysis of the PPP and the UIP for UK”, Journal of Econometrics, 53, 211‐244. 

10

Figure 1: Rural Agricultural Wages and Real Value of Cash Transfers, Jan 2005 to Feb 2008

Figure 2: Comparison of Maize Price Trends in PSNP and non-PSNP Prices, Sep 1996 to Feb 2008

11

Table 1: Agricultural Development and Remoteness Indicators between PSNP and non-PSNP   Test for Equality of 

Variances Mean 

difference between non‐PSNP and PSNP 

 

Tests of Equality of Means** 

Ag development and remoteness Indicators*  Test Stats  P‐Values  Test Stats  P‐Values 

  (F‐Value)     (t‐Values)    Per capita cereal production  7.511  0.007  15.26  2.84  0.005 Yield per hectare  12.309  0.001  37.66  2.31  0.022 Travel time of Addis Ababa  3.444  0.065  ‐4.51  ‐4.07  0.00 Cereal sales as % of production  0.743  0.39  2.75  2.86  0.005 Travel times to the nearest town of 20,000 people  1.38  0.242  ‐0.77  ‐1.127  0.261 *Cereal production and marketing data are from CSA; and remoteness measures are from Chamberlin et al. 2006. 

Table 2: Comparison PNSP non-PSNP differences in price and price growth

Commodities/Period % difference between PSNP and Non-PSNP

prices growth rates Mean price Price Growth

Pre-period I (1996-2001) Wheat white 8.66 -10.28 Maize 24.48 9.38 Teff white 14.19 90.38 Barely 15.13 133.54

Pre-PSNP period II (2002-2005) Wheat white 4.49 -56.61 Maize 8.22 -3.59 Teff white 3.79 -10.17 Barely 5.46 -15.10

Post-PSNP period (2005-2008) Wheat white 3.14 -12.98 Maize 7.25 -4.78 Teff white 2.68 -10.10 Barely 1.65 13.40

12

Table 3: Johansen’s Cointegration Rank Test and Model Selection for PSNP and Non-PSNP Price Relationships

Commodities Null Hypotheses

Model 2 Model 3 Model 4

Trace Test

95 % Critical Value

Trace Test

95 % Critical Value

Trace Test

95 % Critical Value

Maize r = 0 23.94 19.96 25.78 15.41 31.12 25.32 r ≤ 1 2.04 9.25 2.04 3.76 2.19 12.25

Wheat r = 0 31.35 19.96 31.29 15.41 35.62 25.32 r ≤ 1 6.04 9.24 5.99 3.76 6.47 12.25

Teff r = 0 23.3 19.96 22.91 15.41 42 25.32 r ≤ 1 5.62 9.24 5.26 3.76 9.34 12.25

13

Table 4: Long Run Granger Causality Test Results

 

Commodity Prices

Estimated Loading

weights (αi)

Granger Causality* H0: αi = 0

Statistics χ2(1) P-value

Maize Prices in PSNP areas (lmsn) -0.022 0.090 0.770 Prices in Non-PSNP areas (lmnsn) 0.194 3.900 0.050 Wheat Prices in PSNP areas (lwsn) -0.050 0.120 0.730 Prices in Non-PSNP areas (lwnsn) 0.389 9.210 0.000 Teff Prices in PSNP areas (ltsn) 0.210 3.761 0.050 Prices in Non-PSNP areas (ltnsn) -0.101 0.530 0.470