Präsentation 1

Česká zemědělská univerzita v Praze
Provozně ekonomická fakulta
Doktorská vědecká konference
7. února 2011
T
T
THINK TOGETHER
Think Together 2011
Přímé platby, technologická změna a technická efektivnost:
české zemědělství po vstupu do Evropské unie
Direct payments, technological change and technical efficiency: Czech agriculture
after the EU enlargement
Kateřina Matulová
53
Abstrakt
Abstract
Článek se zabývá analýzou změn technologie a technické
efektivnosti českého zemědělství po vstupu České republiky
do Evropské unie v roce 200). Cílem je zodpovědět následující
dvě otázky. První otázka je spojena s technologickou změnou
a technickou efektivností, resp. je zjišťováno, zda je možné
vývoj českého zemědělství charakterizovat přijetím nových
technologií a redukcí plýtvání zdroji (po vstupu ČR do EU).
Druhá otázka se zabývá rolí Společné zemědělské politiky,
resp. přímých plateb (konkrétně jednotná platba na plochu –
SAPS a národní doplňková platba – TOP UP) – přispívají přímé
platby k redukci plýtvání zdroji?
Odpovědi na tyto otázky jsou hledány s využitím parametrické
metody Stochastické hraniční analýzy (SFA). Produkční proces
byl odhadován na základě translog produkční funkce. Přímé
platby pak (SAPS, TOP UP) vstupují do modelu jako proměnné
vysvětlující neefektivnost, čímž lze usuzovat na jejich vliv na
vývoj efektivnosti.
Analýza prokázala, že v českém zemědělství prozatím
nedochází k signifikantní redukci v plýtvání zdroji. Přímé
platby však prokazatelně ovlivňují úroveň tohoto plýtvání
v pozitivním smyslu (snižují technickou neefektivnost
zemědělských podniků).
The paper deals with the analysis of changes in technology
and technical efficiency in Czech agriculture after the EU
enlargement in 2004. The paper attempts to elaborate on the
following two questions. The first question is connected to
technological change and technical efficiency. In particular, we
investigate whether the development of Czech agriculture is
characterized by adoption of new technology and by reduction
of waste of resources after the EU enlargement. The second
question concerns the role of CAP – or specifically direct
payments (single area payment scheme - SAPS and TOP UP).
Do the direct payments contribute to the reduction of waste of
resources?
We elaborate on these questions by employing parametric
approach - Stochastic Frontier Analysis (SFA). We assume that
the production process can be well approximated by translog
frontier production function model. Since the direct payments
enter the model as a variable explaining the inefficiency we
may decide on their impact on the efficiency development.
The results do not show significant reduction of the waste
of resources in the development of Czech agriculture. Direct
payments negatively influence the level of technical inefficiency,
i.e. they lower the level of waste of resources.
Klíčová slova
Key Words
Technická efektivnost, technologická změna, přímé platby,
SFA (stochastická hraniční analýza), české zemědělství.
JEL klasifikace: C 33, D 24, Q 12.
Technical efficiency; technological change; direct payments;
SFA (stochastic frontier analysis); Czech agriculture.
JEL classification: C 33, D 24, Q 12.
ISBN: 978-80-213-2169-4
54
Úvod
Vstup České republiky (ČR) do Evropské unie (EU) lze
charakterizovat jako jeden ze dvou milníků novodobého vývoje
českého zemědělství (druhým, resp. prvním byl přechod
ekonomiky z centrálně plánované na tržní v roce 1989).
Zásadní vliv na vývoj českého zemědělství po vstupu do EU má
Společná zemědělská politika (CAP) EU. Přijetí závazků CAP
vedlo k významným změnám v celém sektoru zemědělství.
Česká republika od roku 2004 uplatňuje zjednodušený systém
přímých plateb – tzv. jednotnou platbu na plochu (SAPS), jež
dostávají všechny zemědělské subjekty, které o ni požádají,
obhospodařují zemědělskou půdu (jež je vedena v systému
LPIS a jejíž výměra je větší než 1 ha).1
Zavedení dotačních politik bylo jednou z nejvýraznějších
změn tohoto období. Zatímco do roku 2004 byly ekonomické
výsledky českých zemědělských podniků spíše podprůměrné
(viz následující graf), od tohoto roku dále je tomu naopak.
Příčinou může být právě poskytování nových dotačních
prostředků (přímých plateb) jednotlivým farmám.
Otázkou však je, zda jsou tyto dotační prostředky
využívány efektivně, tj. zda jsou naplňovány základní
myšlenky poskytování přímých plateb sledující zvyšování
konkurenceschopnosti farem na základě zvyšování jejich
výkonnosti, resp. efektivnosti (jež může být dosažena skrze
1
V rámci poskytovaných přímých plateb lze v současnosti identifikovat
následující dotační prostředky – SAPS (jednotná platba na plochu, přičemž tato podmiňuje
některé dále uvedené platby), TOP-UP (doplňková platba k platbě na plochu), LFA (platby
pro hospodaření v méně příznivých oblastech) a AEO (platby na agroenvironmentální
opatření). Mezi další typy dotačních politik, jež ale nejsou zařazeny mezi přímé platby,
patří platby národní pomoci – tzv. state aid či programy PGRLF. Kromě výše uvedených
finančních prostředků zaměřených na neinvestiční akce mají české zemědělské podniky
možnost získat prostředky zaměřené na zlepšování konkurenceschopnosti (tzv. investiční
projekty – v současné době se jedná o dotační tituly v rámci Programu rozvoje venkova
ČR).
Think Together 2011
technologický rozvoj a nárůst velikosti – resp. využití úspor
z rozsahu – jednotlivých farem).
Coelli et al. (2005) uvádí, že ekonomickou výkonnost lze měřit
mírou efektivnosti a produktivity. Efektivnost jako takovou
(ve smyslu ekonomické efektivnosti) lze dále členit na složky:
technická efektivnost, alokační efektivnost (ve smyslu efektivní
alokace vstupů i výstupů) a efektivnost z rozsahu (Kumbhakar,
2000). Shrnutí vlivů jednotlivých složek efektivnosti na
ekonomickou efektivnost firmy orientované na maximalizaci
zisku uvádí Čechura (2009): „Firma musí vyrábět maximální
množství výstupů z daných vstupů, správně kombinovat
vstupy a výstupy vzhledem k jejich cenám a rovněž vyrábět
optimální rozsah produkce.“
Na základě výše uvedeného předpokladu o chování firmy je
možné konstatovat že pokud firma není technicky efektivní
– tj. produkční jednotka spotřebovává více vstupů než je pro
daný výstup nutné, což negativně působí na výši jednotkových
nákladů (ve srovnání s technicky efektivnějšími jednotkami),
nemůže být ani ekonomicky efektivní (Čechura, 2009).
Jelikož základem konkurenceschopnosti každého zemědělského
podniku je efektivní vynakládání (resp. využívání) zdrojů,
jednou z možností, jak zkoumat efekty dotační politiky
Evropské unie na výkon jednotlivých zemědělských podniků
proto může být právě studium vlivu Společné zemědělské
politiky (resp. přímých plateb) na technickou efektivnost
zemědělských podniků a tedy i celého sektoru.
V rámci dostupné literatury se názory ohledně vlivu přímých
plateb na technickou efektivnost zemědělských podniků různí,
v mnoha případech byl však potvrzen spíše negativní vliv
(např. v Maďarsku – Bakucs et al., 2006; Španělsku – Gaspar et
al., 2009; Řecku – Rezitis et al., 2003, Francii – Guyomard, 2006;
Irsku – O’Neill et al., 1999).
Dostupné z: http://www.thinktogether.cz/
Poskytnutí přímých plateb může ovlivnit rozhodnutí
jednotlivých farmářů o setrvání v sektoru zemědělství
(Chau and de Gorter, 2005; Väre, 2007) – fixní náklady
spojené s produkcí mohou být díky dodatečným finančním
prostředkům pokryty, což umožní farmářům setrvat v odvětví
déle, než by činili v opačné situaci.
Zemědělské podniky, jež byly poskytnutím dotačních
prostředků ochráněny před bankrotem, nemusejí mít takovou
snahu (resp. nejsou ničím nuceni) o reorganizaci svých činností
s cílem zlepšení celkové výkonnosti jako ty podniky, které
finanční prostředky nedostaly (viz např. Ferjani, 2008). Navíc
se dá předpokládat, že pokud však v sektoru setrvají zemědělci,
jejichž činnost by za jiných podmínek byla považována
za ekonomicky neefektivní, může toto zpomalit celkovou
technologickou změnu odvětví jako takového (Sipiläinen and
Kumbhakar, 2010).
Jak v zahraničí, tak i v České republice jsou pro hodnocení
technické efektivnosti, resp. neefektivnosti, zemědělských
podniků využívány dvě základní metody – neparametrická
metoda DEA (Data Envelopment Analysis, např. Bakucs et
al., 2006; Ferjani, 2008; Gaspar et al., 2009; Medonos, 2006),
parametrická metodu SFA (Stochastic Frontier Analysis, např.
O’Neill et al., 1999; Jelínek et al., 2009; Čechura, 2009).
Jak uvádí Čechura (2010), v rámci studií provedených v České
republice byla technická efektivnost identifikována jako
prvek významný v sektoru zemědělství, problémem je však
rozdílnost stanovení její úrovně (což může být dáno např.
odlišnou specifikací modelu či charakterem výběrových dat).
Tento příspěvek si klade za cíl zodpovědět následující otázky.
Jaký je vývoj technologické změny a technické efektivnosti
českých zemědělských podniků (resp. zda po vstupu ČR do EU
došlo ke snížení plýtvání zdrojů a zavedení nových technologií
ISBN: 978-80-213-2169-4
do praxe)? A dále, jaká je role Společné zemědělské politiky
v ČR – přispívají přímé platby ke snížení úrovně plýtvání
zdroji u českých ZP?
Pro nalezení odpovědi na výše uvedené otázky je zde pro
odhad produkční hranice a pro měření technické efektivnosti
použit stochastický parametrický přístup, tzv. stochastická
hraniční analýza (SFA, stochastic frontier analysis).
Materiál a metody
Datová základna
Soubor panelových dat byl převzat z databáze Creditinfo
Firemní Monitor, jež byla vytvořena (s každoročními
aktualizacemi) firmou Creditinfo Česká republika, s.r.o.
Tato databáze obsahuje všechny společnosti a organizace
registrované v České republice. Databáze kromě jiného
zahrnuje informace týkající se účetní závěrky a finanční
analýzy jednotlivých firem, přičemž data jsou shromažďována
od roku 1992.
Na základě dat Státního zemědělského intervenčního fondu
(SZIF) bylo možné identifikovat jednotlivé zemědělské podniky
jako příjemce konkrétních dotačních titulů.
Dále byla využita databáze LPIS. Tato databáze obsahuje
informace ohledně množství vlastněné půdy využité pro
produkci jednotlivými zemědělskými podniky. Tato databáze
obsahuje data až od roku 2004.
Cenové indexy a regionální mzdy byly převzaty z Českého
statistického úřadu (CZSO). Zdrojem oficiálních cen půdy je
studie Němce et al. (2006).
Protože cílem této analýzy je (mezi jinými) vyhodnotit vliv
poskytnutých dotačních prostředků na technickou efektivnost
56
českých zemědělských podniků, byla použita datová základna
let 2004 – 2008.
Pro účely této analýzy byly použity informace z účetních
závěrek těch společností, jejich převládající aktivitou je dle
klasifikace OKEČ zemědělství (OKEČ 01). Jelikož však databáze
Creditinfo neobsahuje kompletní údaje o všech společnostech,
byla databáze očištěna – pro další analýzu byla použita pouze
data těch společností, které měly v databázi uvedeny více než
dvě účetní závěrky v období 2004 – 2008 a zároveň jejichž
hodnoty proměnných využitých v modelu byly nenulové
a kladné. Dále byly z panelových dat odstraněny odlehlé
hodnoty. Po očištění vytvořené databáze byl pro další práci
využit nevyrovnaný panel dat obsahující 1 098 zemědělských
podniků s celkem 4 727 pozorováními za období let 2004 – 2008,
tj. 4,305 pozorování v průměru na jeden zemědělský podnik.
Do modelu byly zařazeny následující proměnné: výstup, práce,
půda, kapitál, materiál, dotace SAPS, dotace TOP UP:
• Výstup je reprezentován celkovým prodejem zboží,
produktů a služeb, který byl pro účely odstranění vlivu
cenových pohybů deflován indexem zemědělských cen
(2005 = 100).
• Práce je reprezentována celkovými osobními náklady
společnosti dělená průměrnou roční regionální mzdou
v zemědělství (region = NUTS 3).
• Půda je reprezentována celkovým množstvím půdy
používané pro produkci podniku upraveným o kvalitu
půdy (index kvality půdy je vyjádřen jako podíl oficiální
ceny půdy konkrétního regionu a maximální oficiální
regionální ceny půdy).
•
Kapitál je reprezentován účetní hodnotou hmotného
majetku a je deflován indexem průmyslových cen (2005 =
100).
• Materiál je reprezentován celkovými náklady na spotřebu
materiálu a energie podnikem a je opět deflován indexem
průmyslových cen (2005 = 100).
Dotace SAPS jsou reprezentovány výší poskytnuté jednotné
platby na plochu (SAPS). Dotace TOP UP jsou reprezentovány
výší poskytnuté národní doplňkové platby (TOP UP).
Tabulka č. 1: Deskriptivní statistiky výstupu (tis. Kč)
Proměnná
Průměr
Směrodatná
odchylka
Minimum
Maximum
Výstup (y)
54 768,80
60 256,10
6,00
904 200,00
Na základě výsledků deskriptivních statistik (viz Tabulka č. 1)
zemědělské produkce (výstupu) lze konstatovat, že zkoumaný
soubor panelových dat je značně heterogenní (směrodatná
odchylka je vyšší než průměrná hodnota výstupu, vysoký
rozdíl mezi minimální a maximální hodnotou výstupu).2
Vysoké rozdíly mezi podniky mohou ukazovat na významné
rozdíly v používané technologii jednotlivých zemědělských
podniků.
Jinými slovy, můžeme předpokládat, že mezipodniková
heterogenita má v rámci zkoumaného souboru velký význam,
proto je nutné správně zvolit specifikační formu modelu
(v opačném případě může dojít k nadhodnocení výsledku
technické neefektivnosti).
2
Podobných výsledků bylo dosaženo i při studiu diskutovaných charakteristik
u jednotlivých produkčních faktorů.
Think Together 2011
Dostupné z: http://www.thinktogether.cz/
Zvolený přístup
Základ SFA byl položen v roce 1977, kdy byly nezávisle na sobě
publikovány články Aigner, Lovell, Schmidt a dále Meeusen a
van den Broeck.
Výhodou této metody (oproti metodám deterministickým) je
zohlednění stochastické proměnné, na jejímž základě dochází
k oddělení náhodných vlivů a chyb v měření od (v tomto
případě) technické efektivnosti.
Deterministická část stochastické hraniční funkce (tj. produkční
proces) je modelována s pomocí translog funkce (1):
(1)
kde: xit je vektor vstupů obsahující produkční faktory (A, L,
K, M), β0 je konstanta funkce, β je vektor parametrů funkce
určující produkční funkci, t je proměnná modelující vlivy
technické změny v produkční funkci a indexy i, t reprezentují
podmnožinu let z celkového počtu let, pro která jsou data
týkající se jednotlivých podniků k dispozici.
Pro účely této analýzy byly využity dva specifikační modely –
REM, TREM.
Random Effect Model (2) – REM (Pitt a Lee, 1981) patří mezi
modely s nejjednodušší specifikací modelu SFA pro panelová
data. Mezi hlavní nedostatky REM patří časová invariantnost
neefektivnosti (ui), její nekorelovanost s vysvětlujícími
proměnnými a statistickým šumem. Navíc neumožňuje
rozlišit mezi v čase invariantní heterogenitou a neefektivností
(tj. mezipodniková heterogenita je součástí technické
neefektivnosti), čímž může dojít k nadhodnocení výsledků
odhadu technické neefektivnosti.
ISBN: 978-80-213-2169-4
True Random Effect Model (3) – TREM (Green, 2002) je
modifikací modelu REM. TREM odstraňuje dva nedostatky
REM, nicméně omezení týkající se podmínky nekorelovanosti
náhodné složky (wi) a vysvětlujících proměnných zůstává.
Model dále zohledňuje mezipodnikovou heterogenitu.
yit = α + x´itβ + vit - ui
(2)
(3)
yit = (α + wi) + x´itβ + vit - ui
(kde: vit představuje symetrickou náhodnou chybu (statistický
šum) a uit je nezáporná složka modelu reprezentující technickou
neefektivnost, přičemž předpokládáme, že vit ∼ iid N (0, σ2), uit
∼ iid N (0, σ2) a že vit a uit jsou rozděleny nezávisle na sobě a na
vysvětlujících proměnných)
V rámci interpretace dosažených výsledků je provedeno
ověření předpokladů modelu (splnění podmínek monotonicity
a konkávity, resp. kvazikonkávity), charakteristika použité
technologie (porovnání elasticit a výnosů z rozsahu),
technologické změny (její charakter a význam) a technické
neefektivnosti pro oba modely.3
Výsledky a diskuse
Zatímco podmínka monotonicity je splněna pro oba modely,
podmínka kvazikonkávity je shodně u obou modelů splněna
pouze u dvou z celkového počtu čtyř produkčních faktorů,
a to u práce a materiálu. Výsledné odhady tedy nejsou zcela
konzistentní s ekonomickou teorií (splnění předpokladů
o sklonu a zakřivení produkční funkce). I přesto jsou však
výstupy podrobeny dalšímu rozboru (výstupy odhadu jsou
uvedeny v tabulce č. 2).
3
Test funkční formy a test heteroskedasticity v této fázi výzkumu není řešen
(lze ověřit např. LR testem).
58
V modelu REM jsou všechny parametry odhadnuté produkční funkce
statisticky významné na α = 1 %. V modelu TREM jsou parametry
A, L, M statistiky významné na 1 % hladině významnosti,
pouze parametr K není statisticky významný ani na zvolené
hladině významnosti 10 %.
Produkční elasticity obou modelů se mírně liší, pouze u
produkčního faktoru kapitál je tento rozdíl významnější. Na
základě výše těchto hodnot lze konstatovat, že největší vliv
na produkci mají v obou modelech materiálové vstupy (βM).
Významným produkčním faktorem v zemědělských podnicích
je i práce (βA). Nejméně na produkci působí produkční faktor
půda (βL), a to i přesto, že množství půdy bylo zohledněno o její
kvalitu (čímž by měl být snížen negativní vliv dotací na využití
zemědělské půdy). Intenzita kapitálových vstupů je v modelu
REM velmi nízká (βK), v modelu TREM není hodnocena
vzhledem ke statistické nevýznamnosti tohoto parametru.
Nízké hodnoty elasticit kapitálu v souvislosti s vyššími
hodnotami práce a materiálu mohou naznačovat problémy
zemědělských podniků s nedostatkem kapitálu, který je
substituován prací a materiálem. Dle Čechury (2009) substituce
kapitálu materiálem však také může naznačovat větší využití
leasingu jako dalšího zdroje financování.
Zajímavým faktem je, že součet elasticit pro průměrný
zemědělský podnik je v obou modelech mírně větší než 1.
Zatímco u modelu REM lze výnosy z rozsahu považovat za
přibližně konstantní, u modelu TREM se jedná o mírně rostoucí
výnosy z rozsahu. V obdobných studiích byly potvrzeny spíše
klesající výnosy z rozsahu jak za zemědělství jako celek, tak
v jednotlivých specializacích (rostlinná, kombinovaná a ostatní
výroba), pouze u živočišné výroby se jednalo o mírně rostoucí
výnosy z rozsahu – viz Čechura, 2009). Průměrný zemědělský
podnik ve sledované databázi tedy dosahuje mírně klesajících
Think Together 2011
až konstantních výnosů z rozsahu, neboli podniky směřují
k výrobě v optimálním rozsahu.
Technická změna (resp. technologický pokrok) je statisticky
významná v obou modelech (REM: βT = - 0,02585, TREM:
βT = - 0,01843), přičemž v obou specifikacích ovlivňuje velikost
produkce mírně negativně. Přírůstky technické změny jsou
v obou případech stále nižší (βTT < 0). Zda je technologický
pokrok faktorem významně ovlivňujícím velikost produkce je
nutné testovat.4
Technologický pokrok byl v obou specifikacích úsporný
v práci, půdě a kapitálu, zatímco v materiálu náročný (tj.
(βAT, βLT, βKT < 0, βMT > 0). V modelu REM nebylo dosaženo
signifikantních výsledků u parametrů půdy a materiálu, zatímco
v modelu TREM u půdy a kapitálu. Obecně (v průměru) tak
dochází ke snižující se hodnotě půdy jako jednoho z výrobních
faktorů (resp. dochází ke snižování využití půdy), což může
být způsobeno i způsobem nastavení poskytování dotací
zemědělským podnikům, kdy je půda sice držena, nicméně
využívána spíše extensivním způsobem.
4
V této fázi bylo od testování upuštěno.
Dostupné z: http://www.thinktogether.cz/
Tabulka č. 2: Odhad parametrů REM a TREM
REM
TREM
Proměnná
Koeficient
Směrodat.
odchylka
P[|Z|>z]
Koeficient
Směrodat.
odchylka
P[|Z|>z]
A
0,23036640
0,0074463
0,0000
0,2167625
0,00729883
0,0000
L
0,03134393
0,0118928
0,0084
0,0944155
0,00853647
0,0000
K
0,05807291
0,0066068
0,0000
0,0079069
0,00545727
0,1474
M
0,68456471
0,0083586
0,0000
0,7613169
0,00688869
0,0000
Výnosy z
rozsahu
1,004348
1,080402
Lambda
13,8000606
3,3094398
0,0000
2,3699280
0,05779455
0,0000
Sigma (u)
2,31712191
0,0542710
0,0000
0,3273568
0,00148726
0,0000
Log likelihood
function
-192684.7
Sigma
2.32320
Sigma (v)
0,16791
0,12726
Počet
param.
26
24
130.6664
Průměrná technická neefektivnost modelu REM dosahuje
0,241102, což je přibližně o tři setiny více než u modelu TREM.
Tato spíše nižší hodnota průměru neefektivnosti je dána
zastoupením většího počtu menších podniků ve sledovaném
souboru oproti podnikům velkým.
Tabulka č. 2: Statistiky odhadnuté technické neefektivnosti
Průměr
Směrodatná
odchylka
Minimum
Maximum
REM
0,241102
0,272197
0,006061
4,224920
TREM
0,206609
0,139999
0,018868
2,345062
Grafy rozdělení hustoty neefektivnosti (viz Obrázek č. 1) mají
v obou specifikacích přibližně stejný průběh s menší výjimkou
klesající části, přičemž v modelu REM nemá v některých
částech tak hladký průběh. To může být způsobeno časovou
invariantností ui.
Obrázek č. 1: Hustota rozdělení neefektivnosti REM a TREM (v
tomto pořadí)
SAPS
-4,15646867
0,0172445
0,0000
-0,0235103
0,00207846
0,0000
2.99
TOPUP
0,60791105
0,0240181
0,0000
-0,204D-04
0,4917D05
0,0000
2.40
ISBN: 978-80-213-2169-4
1.80
Density
Neefektivnost, resp. význam (důležitost) efektu neefektivnosti
lze hodnotit na základě hodnot parametru λ (= σu/σv).
Pokud je tato hodnota větší než 1 (což v obou specifikacích
platí), znamená to, že variabilita výstupu je způsobena více
variabilitou neefektivnosti spíše než variabilitou statistického
šumu. Parametr λ je v REM i TREM statisticky významný na α
= 1 %, lze tedy zamítnout nulovou hypotézu o nulové hodnotě
λ – využití SFA je tedy opodstatněné.
Neefektivnost - R E M
1.20
.60
.00
-1
0
1
2
E F F PIT T
Ke rne l de ns ity e s tim a te for
3
4
5
E F F PIT T
60
Neefektivnost - TREM
Kernel density estimate for
Obrázek č. 2: Variabilita technické neefektivnosti REM a TREM (v
tomto pořadí)
EFFTREM
Na následujících grafech (viz Obrázek č. 2) lze vysledovat
výrazný posun podniků směrem k vyšší technické efektivnosti
v modelu TREM oproti REM. Nižší hodnoty průměru
neefektivnosti a její variability v modelu TREM oproti REM
mohou poukazovat na vhodnost modelování mezipodnikové
heterogenity, která je právě specifikací TREM zohledněna.
Regression is TEPIT =
4.09853 -
.00164ROK_UZ
Regression is TREM
3.00299 -
.00109ROK_UZ
=
Parametry SAPS a TOP UP, jež byly do modelu zařazeny jako
proměnné vysvětlující technickou neefektivnost, vykazují
následující hodnoty:
Think Together 2011
Dostupné z: http://www.thinktogether.cz/
•
•
•
•
•
Parametry SAPS a TOP UP je v REM i TREM statistky
významný na α = 1 %.
Hodnota parametru SAPS je v obou specifikacích záporná,
jinými slovy přímé platby SAPS snižují technickou
neefektivnost, resp. zvyšují technickou efektivnost
zemědělských podniků.
Hodnota parametru TOP UP je ve specifikaci REM kladná
(tj. zvyšuje technickou neefektivnost zemědělských
podniků).
Ve specifikaci TREM je hodnota parametru TOP UP
záporná, nicméně její hodnota je velmi nízká (-0,0000204),
proto je její vliv možné považovat za spíše zanedbatelný.
Souhrnně přímé platby (SAPS + TOP UP) působí na
technickou efektivnost podniků kladně (tj. snižují jejich
technickou neefektivnost).
Závěr
Cílem tohoto příspěvku bylo zodpovědět na otázky, zda
vstup ČR do EU ovlivnil zásadním způsobem vývoj v sektoru
zemědělství, resp. zda je jeho současný vývoj (od roku 2004)
možné charakterizovat přijetím nových technologií a redukcí
plýtvání zdroji, a dále zda přímé platby (nebo Společné
zemědělská politika obecně jako taková) přispívají k redukci
plýtvání zdroji.
Tyto otázky byly zkoumány na základě využití stochastické
hraniční analýzy, konkrétně s využitím specifikačních modelů
REM a TREM. Rozdílnost výsledků technické neefektivnosti
těchto specifikací potvrzuje předpoklad o významnosti
zahrnutí mezipodnikové heterogenity do modelu.
Jako zajímavé se jeví výsledky prokazující spíše konstantní
(či mírně rostoucí) výnosy z rozsahu u souboru sledovaných
ISBN: 978-80-213-2169-4
zemědělských podniků. Je tedy možné konstatovat, že většina
ze sledovaného souboru podniků se blíží optimálnímu rozsahu
výroby. Pro hlubší analýzu by však bylo vhodné sledovat vývoj
výnosů z rozsahu v čase tak, aby bylo možné vysledovat vliv
konkurenčního působení, které může vést ke snížení objemu
výroby. Optimální rozsah výroby se však také může lišit
v závislosti na specializaci, které v rámci této analýzy nebyla
řešena.
Technologický pokrok ovlivňuje výši produkce negativně, což
lze interpretovat tak, že v českém zemědělství nejsou příliš
nové technologie využívány. Tento výsledek však neodpovídá
výstupům v této oblasti již provedeným, proto je nutná jeho
hlubší analýza. Úroveň technické změny však může být
ovlivněno hypotézou, jež zmiňují Sipiläinen a Kumbhakar
(2010), kdy setrvání jinak neefektivních zemědělských podniků
v oboru může zpomalit celkovou technologickou změnu
odvětví.
Přímé platby – jednotná platba na plochu a národní doplňková
platba – v průměru přispívají ke snižování neefektivnosti,
neboli jejich přijetím zemědělské podniky redukují plýtvání
zdroji.
Na druhou stranu však analýza ukázala, že produkční faktor
půda není plně (efektivně) využíván, což může být způsobeno
právě působením diskutovaných dotačních politik.
Technická efektivnost českých zemědělských podniků dosahuje
ve sledovaném souboru v průměru 76 – 78 %, přičemž rozdíly
mezi nejvíce a nejméně efektivními podniky jsou značné.
Protože technická efektivnost je považována za jeden
z determinantů konkurenceschopnosti českého zemědělství,
je nutné učinit kroky vedoucí k efektivnějšímu využití
jednotlivých vstupů (produkčních faktorů).
62
Jedním z důvodů nižší efektivnosti může být i nastavení
dotačních politik, které ovlivňují míru využití produkčního
faktoru půda. Proto se jeví jako vhodné vztah dotací, resp.
přímých plateb, a technické efektivnosti hlouběji analyzovat a
hledat příčiny, které výše uvedené problémy způsobují.
LITERATURA
Aigner D., Lovell C.A.K., Schmidt P. (1997): Formulation and
Estimation of Stochastic Frontier Production Func­tion Models.
Journal of Econometrics, 6: 21–37.
Bakucs, L. Z., Latruffe, I. F., Fogarasi, J. (2006): Technical
efficiency of Hungarian farms before and after accession.
Transition in Agriculture – Agriculture Economics in Transition
III. Budapest, Hungary.
Coelli, T.J., Rao, D. S. P., O’Donnell C. J., Battese, G. E. (2005):
An Introduction to Efficiency and Productivity Analysis. 2nd
ed. Springer, New York.
Čechura L. (2009): Sources and limits of growth of agrar­
ian sector – Analysis of efficiency and productivity of Czech
agricultural sector: Application of SFA (Stochastic Frontier
Analysis) (in Czech). 1st ed. Wolters Kluwer ČR, Praha.
Ferjani, A. (2008): The Relationship between Direct Payments
and Efficiency on Swiss Farms. Agricultural Economics Review,
9(1): 93-102.
Gaspar, P., Mesías, F. J., Escribano, M., Pulino F. (2009):
Assessing the technical efficiency of extensive livestock farming
systems in Extremadura, Spain. Livestock Science, 121: 7-14.
Green W. (2002): Fixed and Random Effects in Stochastic
Frontier Models. Working Paper 02-16, Stern School of Business,
Department of Economics.
ISBN: 978-80-213-2169-4
Guyomard, H., Latruffe, L., Le Mouël, Ch. (2006): Technical
efficiency, technical progress and productivity change in French
agriculture: Do subsidies and farms’ size matter? (preliminary
results) 96th EAAE Seminar, Switzerland.
Chau, N. H., de Gorter, H. (2005): Disentangling the
consequences of direct payments schemes in agriculture on
fixed costs, exit decisions, and output. American Journal of
Agricultural Economics. 87: 1174-1181.
Jelínek, L., Curtiss, J., Fischer, M., Humpál, J., Nedonos, T.,
Picková, A., Špička, J., Vilhelm, V., Šmejkalová, D. (2009):
Ekonomický systém hodnocení výkonnosti zemědělských
podniků respektující principy trvalé udržitelnosti hospodaření
s přírodními zdroji. NAZV QH 71016 (2008). Praha.
Kumbhakar, S.C., Lovell, C. A. K. (2000): Stochastic Frontier
Analysis. 1st ed. Cambridge: University Press.
Medonos T. (2006): Investment activity and financial con­
straints of Czech agricultural companies (in czech). Academic
Dissertation, CULS, Prague.
Meeusen W., van den Broeck J. (1977): Efficiency estima­tion
from Cobb-Douglas production functions with composed
error. International Economic Review, 18: 435–444.
O’Neill, S., Leavy, A., Matthews, A. Measuring productivity
change and efficiency on Irish farms: End of project report
4498. Available online: http://www.teagasc.ie/research/reports/
ruraldevelopment/4498/eopr-4498.pdf
Pitt M., Lee L. (1981): The measurement and sources of
technical inefficiency in Indonesian weaving industry. Journal
of Development Economics, 9: 43–64.
Rezitis, A., Tsiboukas, K., Tsoukala, S. (2003): Investigation
of factors influencing the technical efficiency of agricultural
producers participating in farm credit programs: The case of
63
Greece. Journal of Agricultural and Applied Economics, 35(3):
529-541.
Sipiläinen, T., Kumbhakar, S. C. (2010): Effects of direct
payments on farm performance: The case of dairy farms in
northern EU countries. University of Helsinki, Department of
Economics and Management. Discussion Papers no. 43.
Available online: http://www.helsinki.fi/taloustiede/Abs/DP43.
pdf
Väre, M. (2007): Determinant sof farmer retiremnt and farm
succession in Finland. Agrifood Research Reports 93: 123 s.
Diss.: Academic Dissertation. Available online: http://www.
mtt.fi/met/pdf/met93.pdf
ISBN: 978-80-213-2169-4
64