Závěrečná zpráva o výsledcích řešení Interního výzkumného projektu
IVP č. 1281/2014
Odhad ekonomických výsledků v zemědělství na základě podnikových dat FADN s nízkou či nulovou znalostí faktického vývoje odhadovaného roku. Hlavní řešitel:
Ing. Zuzana Hloušková
Spoluřešitelé:
Ing. Michaela Lekešová Ing. Martina Harvilíková Ing. Eduard Slížka Ing. Věra Vrkočová
Praha 2015
Tento výzkumný projekt byl financován z institucionální podpory na dlouhodobý rozvoj výzkumné organizace poskytnuté Ministerstvem zemědělství ČR z veřejných prostředků.
1
Abstract: Submitted final report contains a description of the solution of the examined question how to achieve the best estimation and prediction of the economic performance in agriculture with partial or no knowledge of actual development using an extensive microeconomic database FADN CZ. Paper summarizes conclusions drawn from the analysis recommending the use of a methodology for the periodic estimate made in the third quarter of the agricultural year. The conclusions also do not reject the prospect of one year forecast of economic results in agriculture. Farm net income (FNI) was estimated for 2014, as a part of the output, showing an increase by 15 % to 24.3 billions CZK. Two scenarios were created for the year 2015. The first scenario is based on time series analysis (FNI dropped by 24.7 %) and the second scenario used expected input information in the EU countries (FNI decreased by 3.7 %).
Shrnutí: Předložená závěrečná zpráva obsahuje popis řešení zkoumaného problému jak nejlépe odhadnout a predikovat ekonomické výsledky v zemědělství s částečnou či nulovou znalostí faktického vývoje s využitím rozsáhlé mikroekonomické databáze FADN CZ a shrnuje závěry učiněné z provedené analýzy, které doporučují využít připravenou metodiku k periodickým odhadům uskutečněným v třetím kvartálu produkčního roku a zároveň nezavrhují možnost roční predikce ekonomického vývoje v zemědělství zpracované na konci produkčního roku. V rámci práce byl uskutečněn odhad ukazatele Důchodu ze zemědělské činnosti v roce 2014, který meziročně vykazuje nárůst o 15 % na hodnotu 24,3 mld. Kč. Pro rok 2015 byl vytvořen první scénář vývoje na základě analýzy časových řad (pokles DZČ o 24,7 %) a druhý scénář na základě předpokládaného vývoje v rámci zemí EU (pokles DZČ o 3,7 %).
2
OBSAH Použité zkratky ......................................................................................................................... 4 PŘEDMLUVA .......................................................................................................................... 5 1. Úvod ....................................................................................................................................... 7 Hlavní a dílčí cíle projektu .................................................................................................... 8 2. Materiály a metody .............................................................................................................. 9 Postup řešení .......................................................................................................................... 9 Metodika stanovení indexů pro odhad k měsíci září produkčního roku.............................. 15 Metody dílčí predikce .......................................................................................................... 17 Metodika odhadu dotací ...................................................................................................... 21 Metodika stanovení scénářů vývoje zemědělství a tvorba variantních výstupů pro předpověď ekonomických výsledků roku 2015 ............................................................. 23 3. Výsledky řešení ................................................................................................................... 26 Testování modelu simulací ekonomického vývoje v roce 2012 a 2013 .............................. 26 Odhad ekonomického vývoje v roce 2014 .......................................................................... 31 Predikce výsledku zemědělského důchodu v roce 2015 ..................................................... 31 Analýza rizik........................................................................................................................ 33 Uplatnění vytvořených výstupů v rámci projektu ............................................................... 34 4. Závěr .................................................................................................................................... 35 Literatura ................................................................................................................................ 36 PŘÍLOHY ............................................................................................................................... 38 Příloha 1: Tvorba hospodářského výsledku v systému FADN............................................ 38 Příloha 2: Model CENY-1 pro predikci CZV na rok 2014 ................................................. 39 Příloha 3: Statistické výstupy predikce cen 2015 ................................................................ 42 Příloha 4: Porovnání předběžných a definitivních výsledků důchodu SZÚ ........................ 44 Příloha 5: První výsledky EAA pro rok 2014...................................................................... 44
3
POUŽITÉ ZKRATKY CZ-NACE Klasifikace ekonomických činností ČMVVU
Českomoravská vinohradnická a vinařská unie
ČSÚ
Český statistický úřad
ČSV
Český svaz včelařů
DG.AGRI
Generální ředitelství pro Zemědělství a rozvoj venkova při Evropské komisi
DZČ
Důchod ze zemědělské činnosti
EAA
Economic Accounts of Agriculture
EK
Evropská komise
ERÚ
Energetický regulační úřad
EU-N13
Vybrané státy Evropská unie: Česká republika, Estonsko, Kypr, Litva, Lotyšsko, Maďarsko, Malta, Polsko, Slovinsko, Slovensko, Bulharsko, Rumunsko, Chorvatsko
FADN
Zemědělská účetní datová síť
FADN EU
Oddělení FADN, Generální ředitelství pro Zemědělství a rozvoj venkova, Evropská komise
FAO
Food and Agriculture Organization
FNI
Farm net income
HPH
Hrubá přidaná hodnota
IVP 2013
IVP 1281 - Predikce výsledků zemědělského sektoru ČR na základě podnikových dat FADN
LFA
Less Favoured Areas (méně příznivé oblasti)
MF ČR
Ministerstvo financí České republiky
MZe ČR
Ministerstvo zemědělství ČR
N-1
Zdrojový rok
N
Odhadovaný (produkční) rok
N+1
Rok následující po odhadovaném roku
N+2
Druhý rok následující po odhadovaném roku
OECD
Organizace pro hospodářskou spolupráci a rozvoj
PGRLF
Podpůrný garanční rolnický a lesnický fond
PRV
Program rozvoje venkova ČR pro období 2007-2013
SRS
Státní rostlinolékařská správa
SZIF
Státní zemědělský intervenční fond
SZÚ
Souhrnný zemědělský účet
ŠSOU
Školkařský svaz Ovocnářské unie
ÚKZÚZ
Ústřední kontrolní a zkušební ústav zemědělský
ÚZEI
Ústav zemědělské ekonomiky a informací
VÚKOZ
Výzkumný ústav pro krajinu a okrasné zahradnictví
4
PŘEDMLUVA Předkládaná zpráva navazuje na výsledky projektu „IVP 1281 - Predikce výsledků zemědělského sektoru ČR na základě podnikových dat FADN“ (IVP 2013), který byl zpracován v roce 2013. Snahou navazující práce je vyhovět rostoucím požadavkům na brzké informace z oblasti ekonomiky zemědělských podniků a předložit odhad ekonomických výsledků daného roku již v čase finalizace sklizně. S touto ambicí byla v roce 2014 zpracována problematika odhadu konečného ekonomického ukazatele Důchodu ze zemědělské činnosti již k třetímu kvartálu produkčního roku a dále byla navržena metodika predikce vývoje hospodářského výsledku následujícího roku. Za tímto účelem byl využit softwarový nástroj FADN PROJEKCE, pomocí kterého byl učiněn odhad výsledků zemědělských farem z šetření Kontaktního pracoviště FADN CZ pro rok 2014, ale také predikce výsledků roku 2015. Pomocí metody nápočtu1 byla následně učiněna extrapolace odhadovaných a predikovaných ekonomických výsledků z výběru šetření FADN na celou Českou republiku. Základní koncepce a metodika pro jednoroční predikci důchodu byla podrobně popsána v přechozí zprávě, proto se v tomto textu budeme věnovat především novým přínosům a metodickým změnám, které se vážou k současnému projektu „Odhad ekonomických výsledků v zemědělství na základě podnikových dat FADN s nízkou či nulovou znalostí faktického vývoje odhadovaného roku“. Zemědělská účetní datová síť (FADN) shromažďuje pomocí výběrového šetření na statisticky reprezentativním vzorku údaje o zemědělských podnicích, které informují o ekonomickém a produkčním vývoji v sektoru zemědělství. Získané informace jsou dlouhodobě využívány ke stanovení příjmů v zemědělství, k přípravě a hodnocení zemědělské politiky a k mnoha dalším analytickým účelům. Za provozování sítě FADN je v České republice zodpovědné Kontaktní pracoviště FADN, které je součástí Ústavu zemědělské ekonomiky a informací. Více informací lze získat na www.fadn.cz. Důchod ze zemědělské činnosti (DZČ) je důležitým indikátorem, který informuje o hospodářské situaci zemědělského sektoru a patří mezi významné finální ekonomické ukazatele využívané při diskuzích o perspektivách zemědělské politiky. Hodnota důchodu ze zemědělské činnosti je získána součtem celkové produkce s provozními a investičními
1
Nápočet výsledů šetření FADN je prováděn na základě metodiky Evropské komise pomocí stanovení vah pro každý podnik v souboru, kde se za klasifikační faktory v České republice považují ekonomická velikost a výrobní zaměření podniku.
5
dotacemi po odpočtu celkových nákladů včetně daní. Podrobné schéma tvorby důchodu je uvedeno v příloze 1. Vývoj důchodu ze zemědělské činnosti podle metodiky FADN v letech 2004 až 2015 včetně testovacích výsledků odhadu pro roky 2012 a 2013, odhadu pro rok 2014 a predikce variantních scénářů pro rok 2015 je vyobrazen v grafu 1. Graf 1: Vývoj ukazatele Důchodu ze zemědělské činnosti od roku 2004 30 000
2014e 25 000
2013e 2015f2
2012e
Mil. Kč
20 000
2015f1 15 000
10 000
5 000
0
2004
2005
2006
2007
2008
2009
Pozn.: 2012e, 2013e, 2014e – odhad; 2015f1, 2015f2 – predikce Zdroj: FADN CZ, vlastní výpočty
6
2010
2011
2012
2013
2014e 2015f
1. ÚVOD V současné době jsou zveřejňovány první informace o dosaženém zemědělském důchodu na konci produkčního roku, kdy jednotlivé zemědělské organizace bilancují výsledky zemědělského sektoru. V převážné většině se jedná o publikování odhadů jednotlivých sdružení (např. Zemědělský svaz ČR, Agrární komora ČR, Asociace soukromého zemědělství ČR apod.), které vycházejí z jejich interních šetření a nejsou reprezentativní za celou republiku. S prvním oficiálním výsledkem přichází Eurostat v průběhu prosince produkčního roku (EAA). Tento odhad je v současnosti možné pokládat za jeden z prvních reprezentativních odhadů výsledků českého zemědělství. Následně, jako oficiální odhad pro Českou republiku, vychází Souhrnný zemědělský účet (SZÚ2) s termínem v březnu roku následujícího po analyzovaném produkčním roku (N+1). K upřesnění odhadů SZÚ dochází v říjnu roku N+1 a finální výsledky jsou k dispozici v říjnu roku N+2. Během roku 2013 byla v rámci projektu IVP při ÚZEI zpracována metodika odhadu důchodu ze zemědělské činnosti na základě databáze FADN již ke konci daného produkčního roku, tedy ve stejném období jako předkládá první výsledky Eurostat. V rámci současného projektu byla tato metodika rozšířena o odhad v září produkčního roku a o predikci roku následujícího. Výsledky výběrového šetření Kontaktního pracoviště FADN CZ splňují přísné metodické podmínky Evropské komise pro statisticky reprezentativní vzorek. Příklad časového harmonogramu uvádí schéma 1. Schéma 1: Časový harmonogram publikovaných ekonomických výsledků v zemědělství
Zdroj: vlastní schéma
2
Podklady a zdroje dat pro vytvoření SZÚ jsou publikace, výkazy a databáze ČSÚ, celní statistiky, materiály z MZe ČR, PGRLF, SZIF, MF ČR, ÚZEI, ÚKZÚZ, VÚKOZ, ČMVVU, ŠSOU, ČSV, Chmelařského institutu, ERÚ, SRS, a další.
7
Hlavní a dílčí cíle projektu Hlavním cílem projektu je úprava nástroje pro odhad ekonomických výsledků zemědělských podniků na základě údajů z databáze šetření FADN. Tento nástroj, koncepce i metodický postup byl vyvinut v rámci IVP v roce 2013. Předkládaná metoda je zaměřena zejména na odhad vývoje ukazatele Důchodu ze zemědělské činnosti a základních složek, ze kterých se tento ekonomický ukazatel skládá, k září daného produkčního roku a na predikci budoucího vývoje v následujícím roce. Výsledné odhady zpracované na základě výstupů tohoto projektu mohou sloužit jako podklady pro rozhodování ve věcech Společné zemědělské politiky a pro hodnocení dopadu určitých opatření na budoucí vývoj ekonomických výsledků českého zemědělství. Cílem projektu je vytvořit nástroj, pomocí kterého bude umožněno odhadnout ekonomické výsledky subjektů podnikajících v zemědělství v České republice, s využitím výpočtové základny databáze FADN v případě nízké či nulové znalosti skutečného produkčního a nákladového vývoje včetně dotační politiky v odhadovaném roce. Mezi dílčí cíle předkládaného projektu pro rok 2014 patří: 1) Stanovení postupu pro zpracování odhadu výsledků zemědělství na základě databáze FADN s minimální znalostí skutečností o odhadovaném roce. Součástí tohoto dílčího cíle je analýza softwarových potřeb pro výpočty a vytvoření uceleného a detailního postupu práce. 2) Vyhledání vnějších zdrojů pro získání vstupních informací/predikcí o předpokládaném vývoji nákladových, produkčních a dotačních složek a v případě potřeby vytvoření metodiky pro jejich odhad z vlastních zdrojů. 3) Odhad výsledku zemědělství ČR za rok 2014 na základě údajů z databáze FADN s provedením výpočtu ve třetím kvartálu roku 2014. Tento dílčí cíl zahrnuje také aktualizaci metodiky pro stanovení změnových indexů, které budou použity k výpočtu odhadu. 4) Simulace definovaných scénářů vývoje zemědělství a tvorba variantních výstupů pro předpověď ekonomických výsledků roku 2015. Na základě stanoveného postupu byly navrženy scénáře možného vývoje a byl proveden výpočet pro odhad výsledků zemědělství ČR v roce 2015.
8
2. MATERIÁLY A METODY Postup řešení Základními pilíři řešení dané problematiky jsou navržené dílčí cíle, které jsou zmíněné v úvodu této zprávy. Tyto jednotlivé kroky byly řešeny v logické posloupnosti tak, aby se vzájemně doplňovaly, jak naznačuje schéma 2. Schéma 2: Postup řešení projektu
Metodika práce Predikce výsledku důchodu 2015
Odhad a predikce cen, nákladů, dotací
+ scénář
Výpočty, testování, SW propočty nad databází Definování variantního scénáře 2015
Tvorba indexů
Odhad výsledku důchodu 2014
Zdroj: vlastní schéma
Tato kapitola následně obsahuje analýzu jednotlivých procesů, které jsou nutné pro tvorbu odhadu a predikce hospodářských výsledků včetně analýzy softwarových prostředků pro výpočty. Dále je také předložen detailní popis metodiky práce. Dispozice Do vyhovujícího řešení projektu vstupuje několik základních předpokladů. Jedná se o předpoklad kvalitního nadefinování hypotéz, o předpoklad vhodné počítačové vybavenosti, o předpoklad správného zpracování dat a předpoklad správné interpretace a analýzy výsledků. Nástin těchto předpokladů uvádí schéma 3.
9
Schéma 3: Předpoklady pro kalkulaci odhadu a predikce
Zdroj: vlastní schéma
Hypotézy a dílčí predikce Vstupní externí informace Základním faktorem při tvorbě predikčního modelu je získání širokého spektra nejaktuálnějších informací z vnějších zdrojů, které slouží k následnému stanovení indexů. Bylo využito znalostí z IVP 2013 o dostupných informacích, které jsou potřebné pro stanovení přepočítacích indexů. Jedná se zejména o informace produkční (tržní ceny a vyprodukované množství za jednotlivé komodity) a nákladové (cena jednotlivých nákladů za jednotku), o informace o dotacích a podporách (celkové přiznané a vyplacené částky) a o informace o inflaci. Kombinací informací z vnějších zdrojů za produkční období (např. rezortní statistiky, expertní odhady atd.) a podnikových dat FADN z předchozího roku lze získat přesný a kvalitní odhad ekonomických výsledků v zemědělství za probíhající produkční rok. Seznam zdrojů informací, který je uveden níže, je pro aktuální práci rozšířen o vstupní informace na bázi odhadů cen zemědělských komodit získaných z oddělení Trh zemědělských komodit (1221) a oddělení Modelování dopadů zemědělské politiky (1232) při Ústavu zemědělské ekonomiky a informací. Externí informace týkající se průměrných měsíčních cen zemědělské produkce byly také využity k vlastnímu výpočtu predikovaných ročních cen, množství vyprodukovaného mléka a vajec. Tyto odhady byly využity pro stanovení indexů pro prognózu vývoje v roce 2015. Jak Burrell a Nii-Natte (2013) uvádějí, „projekce je nevyhnutelně závislá na hodnotách vstupních proměnných. Tyto proměnné zahrnují některé z hnacích mechanizmů chování trhu“. Zdroje informací: -
Státní zemědělský intervenční fond (SZIF), dotace
-
ČSÚ, Indexy cen vstupů do zemědělství Eurostat, Economic Accounts for Agriculture (makro-ekonomická data) ČSÚ, Souhrnný zemědělský účet (makro-ekonomická data) ČSÚ / ÚZEI, Ceny zemědělských výrobců 2009, 2010, 2011 ČSÚ, Osevní plochy zemědělských plodin, Odhad sklizně ČSÚ, Stavy hospodářských zvířat 10
-
ČSÚ, Celkové počty zaměstnanců a průměrná hrubá měsíční mzda
-
MZe, Žně k 6. 9. 20xx - postup sklizně obilovin a řepky MZe, Situační a výhledová zpráva (obiloviny, zelenina, drůbež a vejce) MZe - statistika komodit (mléko, vejce, drůbež, prasata) Český škrobárenský svaz (informace o sklizni a cenách za brambory na škrob) Tržní informační systém SZIF (tržní ceny a prodané množství vína) Český svaz včelařů, o. s. (údaje o počtu včelstev a objemu produkce medu) Ústav zemědělské ekonomiky a informací (čtvrtletní predikce cen zemědělských výrobců za vybrané komodity) Ústav zemědělské ekonomiky a informací (odhady cen zemědělských komodit) Ústřední kontrolní a zkušební ústav zemědělský (informace o sklizni ovoce)
-
Tiskové zprávy MZe a SZIF.
Metody vlastní predikce Informace z externích zdrojů bylo nutno v některých případech doplnit o vlastní odhady a predikce. Pro odhad roku 2014, predikci roku 2015 a testovací odhady pro roky 2012 a 2013 byla zpracována metodika odhadu hodnot vybraných nákladových složek. Tyto metody jsou podrobně popsány v kapitole Metodika stanovení indexů dále v textu. Softwarová a hardwarová vybavenost Výpočty odhadů důchodu byly realizovány s využitím softwarové aplikace FADN PROJEKCE. Tato aplikace je vhodným nástrojem pro predikci ekonomických výsledků zemědělství na základě databáze individuálních dat FADN CZ. Program zajišťuje bezpečný přístup do databáze FADN, kopírování dat, spouštění výpočtů na serveru i archivaci vypočtených výsledků. Program pracuje na internetové platformě a jeho použití je zabezpečeno požadavkem pro přihlášení uživatele. Tento program je využíván pouze pověřenými pracovníky Kontaktního pracoviště FADN3. Funkce administrátora programu vykonává v rámci Kontaktního pracoviště FADN Oddělení správy databáze FADN. V rámci projektu byla provedena softwarová aktualizace za účelem možnosti použití projektovaných dat pro další projekci, tzn., že z odhadů 2014 byl naprojektován rok 2015. Mezi nejdůležitější funkce této aplikace patří: 3
výběr dat ze zdrojového (oficiální data FADN), zdrojového (projektované odhady) a cílového (predikovaného) roku, použití již jednou projektovaného souboru pro další projekci, zúžení množství vstupních informací pouze na ty položky, které jsou využívány,
Přístup k aplikaci FADN PROJEKCE přes internetové rozhraní http://www.fadn.cz/fadnproj.
11
-
automatické nahrávání indexů z připraveného *.csv souboru,
-
umožnění výběru vzorku podniků, na který jsou indexy aplikovány, možnost porovnávat výsledky s uplatněním různých variant použitých indexů, výpočet, kdy jsou data přepočítána pomocí indexů či průměrných cen, výpočet konverze dotazníku z formátu CZ na formát EU, výpočet Standardního výstupu4, který obsahuje výsledné ekonomické ukazatele, archivování dat (varianty projekce), logovací funkce procesů.
Základním výstupem jsou výsledky ve formě Standardního výstupu, případně údaje z jednotlivých dotazníků FADN CZ nebo FADN EU. Aby bylo dosaženo reprezentativních výsledků agregovaných za celou Českou republiku, jsou individuální odhadované výsledky šetření FADN extrapolované na základě plánu vážení vycházejícího z metodiky EU. K odhadovanému či predikovanému roku jsou vždy přiřazovány váhové faktory zdrojového roku. To znamená, že např. predikovaný rok 2015 je vážen vahami roku 2013. Výsledky mohou být dále rozděleny podle dalších klasifikací, jako je například výrobní zaměření či ekonomická velikost. Použití detailnějšího členění je nutné řádně zvážit a při následné interpretaci výsledků je nutné vzít v potaz veškerá aplikovaná kritéria včetně informací o základním složení souboru. Vážení výsledných dat a stahování konečných výsledků bylo provedeno prostřednictvím dalších softwarových aplikací, kterými disponuje úsek Kontaktní pracoviště FADN. K výpočtu přepočítacích koeficientů a k úpravě tabulek byl použit tabulkový procesor Microsoft Excel 2010. Popisná statistická analýza a analýza časových řad byla zpracována v programu Statistika 12. Z důvodu obsáhlosti zdrojové databáze FADN, databáze FADN PROJ, velkému objemu výpočtů a přesunů dat patří mezi relevantní předpoklady také výkonný server (FADN CZ používá databázový server SQL) a stolní počítač. Zpracování dat Převážná část práce vynaložené v tomto projektu se týká zpracování dat. Jedná se zejména o ruční přípravu údajů, vlastní výpočty a zpracování výstupů. Při takovémto zpracovávání velkého objemu dat se samozřejmě zvyšuje riziko chybovosti, které má negativní důsledky na celý pracovní proces. Proto je správné zpracování dat zařazeno mezi klíčové předpoklady úspěšného řešení projektu. Důležitým aspektem je také znalost dat (např. zdroj, postup výpočtu, datum vytvoření, počet reprezentantů atd.).
4
Standardním výstupem je označován soubor ukazatelů, jejichž výpočet je harmonizovaný v rámci EU.
12
Interpretace a analýza výsledků Znalost pozadí tvorby výsledků je také klíčovým faktorem pro analyzování a následnou interpretaci výsledků. Aby bylo možno agregované výsledky odhadů na bázi FADN interpretovat, je zapotřebí znalosti o použitém výběru podniků, o použité klasifikaci, o tom, zda jsou agregované výsledky vážené či nevážené apod. Databáze FADN je každým rokem na podzim rozšiřována o nová data uzavřeného účetního období. Vzhledem k tomu, že ambicí tohoto projektu je zpracovat odhad hospodářského výsledku již v září produkčního roku, bylo nezbytné použít údaje z tzv. „živé“, tzn. neuzavřené databáze FADN. Tímto krokem byla zajištěna včasnost výpočtu, nicméně zdrojové údaje vstupující do projekce se mohou lišit jak hodnotami, tak výběrovým vzorkem od finálního oficiálního výstupu šetření FADN. Postup projektování Postup pro zpracování odhadu výsledků zemědělství na základě databáze FADN byl detailně popsán v rámci IVP 2013. Popis postupu práce byl vypracován podle jednotlivých kroků, které vedou k dosažení výsledků, jak zobrazuje schéma 4. Základní fáze přípravy a provedení odhadu jsou následně popsány a vysvětleny. Schéma 4: Jednotlivé kroky projektování
Input
•výběr závisle proměnných z dotazníku FADN CZ •hledání externích vstupů
Stanovení indexů
•výpočet indexů •integrace indexů do simulačního modelu •modulace proměnných •předpoklady
Projekce
•výpočet projekce individuálních podniků •výpočet standardních výsledků •extrapolace výsledků na ČR
Analýza výsledků
•produkce (ŽV, RV), náklady, hospodářský výsledek, dotace •roční vývoj •změny hodnot •porovnání s makroekonomickými výsledky
Zdroj: vlastní schéma
Pro výpočty nadefinovaných simulací využívá Kontaktní pracoviště FADN softwarové aplikace FADN PROJEKCE, která byla za tímto účelem vyvinuta. Po přihlášení do aplikace
13
pomocí internetového rozhraní je důležité učinit několik kroků. Nejprve je nutné stanovit, který rok bude použit jako zdrojový, tj. nakopírovat určená data do databáze FADN PROJ. Dále je nutné zapsat změnové indexy a to tak, že se vytvoří soubor indexů s vlastním jménem, který lze následně použít pro jakoukoliv projekci. Přepočet dat je možný pomocí indexu, ceny na jednotku nebo nákladu na hektar. V dosavadní práci byl nejčastěji využíván přepočet indexy. Upravované proměnné jsou součástí dotazníku FADN. Aplikace podmiňuje použití indexů zvlášť pro fyzické a právnické osoby, což je značnou výhodou, pokud jsou k dispozici informace v tomto rozlišení. Mezi další přednosti aplikace patří možnost importu nadefinovaných hodnot ze souboru *.csv. Následujícím krokem je založení varianty projekce. Zde je nutné definovat zdrojový rok databáze, ze které se uskuteční přepočty (např. 2013). Dále se v této sekci stanoví projektovaný rok, který je zamýšlen jako odhadovaný výstup (např. 2014). Po založení sady indexů a varianty projekce je následujícím krokem stanovení výběru podniků, které budou použity k danému přepočtu. V rámci tohoto projektu je využíván výběr podniků zdrojového roku, který je k dispozici v září produkčního roku a který je zamýšlen jako báze pro vytvoření oficiálního výběru podniků FADN. V zářijovém odhadu se obyčejně nejedná o oficiální výběr podniků, jak je tomu v prosincovém odhadu, ale o předběžný výběr, který se od oficiálního výběru může odlišovat. Nástrojem Filtr umožňuje aplikace vybrat jakékoliv podniky, které jsou potřebné pro danou projekci. Klíčovým bodem celého procesu predikce je spuštění výpočtu projekce. Výpočet je rozdělen do čtyř kroků, které lze spustit jednotlivě nebo všechny najednou. Celková doba výpočtu je pro takto rozsáhlou databázi poměrně dlouhá (zhruba 4 až 5 hodin) a proto je vhodné spouštět výpočet až po zevrubné kontrole korektnosti zadaných parametrů a indexů. V rámci výpočtu projekce se nejprve data kopírují ze zdrojové databáze do cílové databáze. Poté se tyto údaje přepočítají vloženými změnovými indexy a tím vznikají údaje pro odhadované položky u jednotlivých podniků. Po provedení konverze formátu dotazníku FADN CZ do formátu dotazníku FADN EU a po vypočtení standardního výstupu5 se data uloží do archivu. Poslední funkcí aplikace je publikování projekce, která slouží k načtení přepočítaných výsledků do produkční databáze FADN PROJ, kde se výsledky váží a extrapolují na celou Českou republiku. Po publikování jsou data zpřístupněna k analyzování. Logovací funkce aplikace umožňuje kontrolu spuštěných procesů. Po úspěšném zpracování celého procesu predikce se na závěr analyzují dosažené výsledky. Během analýzy je nutno ověřit meziroční změny za jednotlivé skupiny proměnných standardního výstupu. Je důležité prozkoumat jednotlivé složky produkce rostlinné a
5
Výpočet je prováděn na základě metodiky EU (dokument RICC 882)
14
živočišné výroby, individuální položky nákladů a změnu v dotacích. Tyto ukazatele jsou základními kameny tvorby důchodu, jehož hodnota je považována za výsledný produkt zpracovaného projektu. Kromě toho je vhodné ověřit, zda predikované trendy základních ukazatelů odpovídají předběžným odhadům zjištěným z dalších zdrojů, jako je například Eurostat a případné významné odchylky se pokusit dle možností vysvětlit. Přidanou hodnotou tohoto aparátu je možnost zkoumání výsledků podle dalších rozdělení, jako je například typ výrobního zaměření, ekonomická velikost, LFA či způsob hospodaření (konvenční, ekologické). Metodika stanovení indexů pro odhad k měsíci září produkčního roku Na bázi vstupních podkladů o vývoji zemědělství v roce, pro který je zemědělský důchod odhadován, a na základě mikroekonomických údajů databáze FADN zdrojového (předchozího) roku byla vytvořena metodika pro stanovení indexů meziroční změny. Změnové indexy jsou aplikované na vybrané kategorie zvířat v oddílu G1, vybrané plodiny v oddílu H1, produkty ŽV v oddílu H2 a nejvýznamnější nákladové položky v oddílech D3 (PO), D4 (PO), D2 (FO) a jejich hodnotové ukazatele (tab. 1) v dotazníku FADN. Tabulka 1: Přehled použitých hodnotových ukazatelů z dotazníku FADN CZ
Zainteresované hodnotové ukazatele
Oddíl dotazníku FADN CZ
Ukazatel
Oddíl dotazníku FADN CZ
G1. Zvířata
Počáteční stav (tis.Kč) Nákup zvířat (tis.Kč) Prodej v tržní ceně (tis.Kč) Předání do vlastního zpracování (tis.Kč) Vlastní spotřeba v závodní jídelně, naturálie (tis.Kč) Konečný stav (tis.Kč)
H1. Rostlinná výroba Počáteční stav - zásoba (tis.Kč) Vnitropodniková spotřeba osivo, sadba (tis.Kč) Vnitropodniková spotřeba krmivo (tis.Kč) Prodej v tržní ceně (tis.Kč) Předání do vlastního zpracování (tis.Kč) Vlastní spotřeba v závodní jídelně, naturálie (tis.Kč) Konečný stav - zásoba (tis.Kč)
H2. Výrobky živočišné výroby, vedlejší výrobky RV, výrobky pomocné, potravinářské, lesní a ostatní přidružené výroby
Počáteční stav - zásoba (tis.Kč) Vnitropodniková spotřebakrmivo, stelivo (tis.Kč) Prodej v tržní ceně (tis.Kč) Vlastní spotřeba v závodní jídelně, naturálie (tis.Kč) Konečný stav - zásoba (tis.Kč)
PO ... D3. Výkaz zisků a ztrát v plném rozsahu
PO….D4. Účetní závěrka podniku podrobnější členění vybraných účtů
Běžné účetní období k 31.12.
Běžné účetní období k 31.12. Běžné účetní období k 31.12.
Zdroj: vlastní zpracování
15
FO….D2. Provozní výdaje - náklady
Vzhledem k rozdílné dostupnosti vstupních informací se může aplikace jednotlivých indexů použitých v jednotlivých verzích odhadu a v různých letech odlišovat. Dále je nutné brát v potaz případné mimořádné události daného roku jako je např. vývoj počasí (jarní mrazy, záplavy atd.), škody na produkci, významné kolísání cen zemědělské produkce, faktory ovlivňující ceny nebo politická rozhodnutí vyplývající z CAP. Kombinací následujících základních indexů získáme složené indexy pro jednotlivé komodity a ukazatele rostlinné výroby. Počáteční stav: ̅̅̅̅ 𝐶𝑍
𝑁−1 𝐼𝑂𝑣 = ̅̅̅̅ , 𝐶𝑍
[1]
𝑁−2
kde CZ je průměrná měsíční cena zemědělských výrobců v září roku N-1 a roku N-2. Vnitropodniková spotřeba – osivo, sadba: ∑𝑛 𝑂𝑁,𝑖
𝐼𝐹𝑈𝑠 = ∑𝑛𝑖=1𝑂 𝑖=1
̅̅̅̅𝑁 𝐶𝑒
𝑁−1,𝑖
∙ 𝐶̅
𝑁−1
,
[2]
kde O je osevní plocha a Ce je odhadovaná průměrná roční cena zemědělských výrobců v produkčním roce N a C je průměrná roční cena zemědělských výrobců v předchozím (zdrojovém) roce N-1. Vnitropodniková spotřeba - krmivo: 𝐶̅
𝐼𝐹𝑈𝑓 = 𝐶̅ 𝑒𝑁 ,
[3]
𝑁−1
kde Ce je odhadovaná průměrná roční cena zemědělských výrobců v produkčním roce N a C je průměrná roční cena zemědělských výrobců v předchozím (zdrojovém) roce N-1. Prodej v tržní ceně: ∑𝑛 𝑃𝑁,𝑖
𝐼𝑆𝐴 = ∑𝑛𝑖=1𝑃 𝑖=1
𝑁−1,𝑖
̅̅̅̅𝑁 𝐶𝑒
∙ 𝐶̅
𝑁−1
,
[4]
kde P je množství sklizené produkce a Ce je odhadovaná průměrná roční cena zemědělských výrobců v produkčním roce N a C je průměrná roční cena zemědělských výrobců v předchozím (zdrojovém) roce N-1. Předání do vlastního zpracování: 𝐶̅
𝐼𝑂𝑃 = 𝐶̅ 𝑒𝑁 ,
[5]
𝑁−1
kde Ce je odhadovaná průměrná roční cena zemědělských výrobců v produkčním roce N a C je průměrná roční cena zemědělských výrobců v předchozím (zdrojovém) roce N-1. Vlastní spotřeba: 𝐶̅
𝐼𝑂𝐶 = 𝐶̅ 𝑒𝑁 ,
[6]
𝑁−1
16
kde Ce je odhadovaná průměrná roční cena zemědělských výrobců v produkčním roce N a C je průměrná roční cena zemědělských výrobců v předchozím (zdrojovém) roce N-1. Konečný stav: 𝐶̅
𝐼𝐶𝑉 = 𝐶̅ 𝑒𝑁 ,
[7]
𝑁−1
kde Ce je odhadovaná průměrná roční cena zemědělských výrobců v produkčním roce N a C je průměrná roční cena zemědělských výrobců v předchozím (zdrojovém) roce N-1. ̅ C
∑n
PON,i
Pro odhad živočišné produkce je použit složený index: I = C̅ eN ∙ ∑ni=1PO N−1
i=1
N−1,i
,
[8]
kde Ce je odhadovaná průměrná roční cena zemědělských výrobců v produkčním roce N a C je průměrná roční cena zemědělských výrobců v předchozím (zdrojovém) roce N-1 a PO je počet hospodářských zvířat k 1. dubnu v roce N a N-1. Mezi indexované výrobky ŽV bylo zahrnuto mléko a vejce. Index mléko
∑𝑛
̅̅̅̅𝑁 𝐶𝑒
𝑀𝑁,𝑖
𝐼𝑀𝐿 = ∑𝑛𝑖=1𝑀 𝑖=1
𝑁−1,𝑖
∙ 𝐶̅
𝑁−1
,
[9]
kde M je množství produkce mléka k srpnu roku N a N-1 a Ce je odhadovaná průměrná roční cena zemědělských výrobců v produkčním roce N a C je průměrná roční cena zemědělských výrobců v předchozím (zdrojovém) roce N-1. Index vejce
∑𝑛
𝐶̅ 𝑒𝑁
𝑃𝑁,𝑖
∙ ∑𝑛𝑖=1𝑃
𝐼𝑉 = 𝐶̅
𝑁−1
𝑖=1 𝑁−1,𝑖
,
[10]
kde P je množství produkce vajec roku N a N-1 a Ce je odhadovaná průměrná roční cena zemědělských výrobců v produkčním roce N a C je průměrná roční cena zemědělských výrobců v předchozím (zdrojovém) roce N-1. Nákladové položky jsou upravovány indexy, které jsou sestaveny z predikované hodnoty nákladové položky a hodnoty z předchozího roku. Predikce jednotlivých nákladových položek byla zpracována pomocí analýzy časových řad databáze FADN. ̅̅̅̅ 𝐶𝑜
𝑒𝑁 Index náklady𝐼𝐶𝑂𝑆 = ̅̅̅̅ , 𝐶𝑜
[11]
𝑁−1
Metody dílčí predikce Jako vstupní informace pro sestavení indexů produkce bylo možno využít dílčí odhady ze tří zdrojů, mezi které patří odhad oddělení Modelování dopadů zemědělské politiky (1232), odhad oddělení Trh zemědělských komodit (1221) a odhad úseku Kontaktní pracoviště FADN. Na základě analýzy výsledků těchto zdrojů a jejich dostupnosti byly pro odhad roku 2014 použity odhady poskytnuté oddělením Trh zemědělských komodit, pro testovací odhady let 2012 a 2013 byly aplikovány odhady oddělení Modelování dopadů zemědělské politiky a pro predikci scénáře CZ roku 2015 byly využity odhady úseku Kontaktní pracoviště FADN.
17
Pro testovací odhady výsledků roku 2012 a 2013 byla využita data oddělení Modelování dopadů zemědělské politiky. Za účelem testování byl využit princip Modelu CENY-1 pro predikci CZV na rok 2014, který byl upraven pro simulaci odhadů 2012 a 2013. Aktuální model CENY-1 je podrobně popsán v příloze 3. Pro dílčí predikce roku 2014 byly použity odhady poskytnuté oddělením Trh zemědělských komodit, které disponuje kromě použité metodiky výpočtu odhadu také fundovanými znalostmi v jednotlivých oblastech zemědělských komodit. Metodika predikce dat za rok 2014 byla volena v závislosti na dostupnosti dat z ČSÚ. Pro odhad měsíčních cen zemědělských výrobců (CZV) pšenice potravinářské, pšenice krmné a semena řepky olejné bylo využito trendové časové analýzy měsíčních časových řad za poslední 3 roky. Pro tuto analýzu byl zvolen systém trendových křivek, které jsou buď lineární v parametrech, nebo jsou na tuto linearitu převoditelné určitou transformací. Dále bylo použito multiplikativního modelu sezónních cyklů, tedy násobení určitou konstantou pro jednotlivé měsíce. U proměnných, kde ČSÚ uvádí ceny za všechny nebo alespoň většinu měsíců za poslední 3 roky, bylo stejného postupu využito i k predikcím průměrné ceny za rok 2014, a to tak, že predikovaná roční cena je průměrem známých a predikovaných měsíčních hodnot. U ostatních predikovaných komodit, kde ČSÚ uvádí pouze roční průměry od roku 1991 (s výjimkou vína bílého sudového a vína červeného sudového, kde jsou uvedeny hodnoty od roku 2001), byly predikce počítány na základě těchto hodnot pomocí Wintersovy metody exponenciálního vyrovnávání s aditivní periodickou složkou. Na každé predikci se podílel i odborník na danou komoditu svým expertním odhadem budoucího vývoje. Trendová křivka a další parametry byly k tomuto účelu voleny tak, aby statistická predikce byla v souladu s názorem odborníka. Collopy a kol. (2001) potvrzuje, že „znalosti z předchozího výzkumu mohou být kombinovány se znalostmi expertů. Větší váhu by měly mít empirické výsledky a to do té míry jak jsou spolehlivé a platné. Na druhou stranu více váhy by měly mít znalosti expertů, do té míry jak dobrou zpětnou vazbu mají jejich prognózy.“ Pro vlastní predikci jednotlivých produkčních ukazatelů roku 2015 (scénář f1) Kontaktním pracovištěm FADN bylo využito veřejných údajů ČSÚ. Na měsíční časovou řadu cen hlavních zemědělských plodin od ledna roku 2001 do listopadu roku 2014 byla aplikována multiplikativní metoda exponenciálního vyrovnávání se sezónní složkou. Výsledné hodnoty rozhodčích kritérií pro výběr modelu, mezi které patří průměrná chyba ME, průměrná čtvercová chyba MSE, průměrná absolutní procentuální chyba MAPE a průměrná procentuální chyba MPE a příklad vyrovnávání časové řady pšenice ozimé a mléka jsou předloženy v příloze 3. Časová řada se obecně skládá z trendu, sezónní složky, cyklické složky a náhodné složky. Funkci takovéto časové řady je možno rozložit dle tvaru 18
𝑦𝑡 = 𝑇𝑟𝑡 + 𝐶𝑡 + 𝑆𝑧𝑡 + 𝐸𝑡 pro aditivní dekompozici
[12]
nebo 𝑦𝑡 = 𝑇𝑟𝑡 ∗ 𝐶𝑡 ∗ 𝑆𝑧𝑡 ∗ 𝐸𝑡 pro multiplikativní dekompozici,
[13]
kde Trt je trendová složka, Szt je sezónní složka, Ct je cyklická složka a Et je náhodná složka, tzv. bílý šum (Hančlová, J., Tvrdý, L., 2003). U časových řad cen zemědělské produkce je vhodné použít metody sezónního očišťování, které je ale citlivé na kratší délky časových řad. Metodou, která dokáže pracovat s již menším množstvím dat je například metoda exponenciálního vyrovnávání (Arlt, J., Škuthanová, M., 1995). Sezónní očišťování je pak umožněno rozšířením Holtova exponenciálního lineárního vyrovnávání o složku konstantní a multiplikativní sezónnosti ve tvaru 𝑦𝑡 = (𝛽0 + 𝛽1𝑡 ) + 𝑆𝑡 + 𝑎𝑡 pro konstantní sezónnost
[14]
nebo 𝑦𝑡 = (𝛽0 + 𝛽1𝑡 ) ∗ 𝑆𝑡 ∗ 𝑎𝑡 pro multiplikativní sezónnost,
[15]
kde β0 je parametr úrovně lineárního trendu, β1 je parametr směrnice lineárního trendu, t je časová proměnná, St je sezónní průměr nebo index v čase t a at je nesystematická složka typu bílého šumu (Arlt, J. a kol., 2002). Gelper a kol. (2010) uvádí, že „metoda, také zmiňována jako dvojité exponenciální vyrovnávání, je rozšíření exponenciálního vyrovnávání, navrženého pro časové řady. HoltWintersovo vyrovnávání je široce používaný nástroj pro prognózy dat, které obsahují sezónní výkyvy, měnící se trendy a sezónní korelaci. Exponenciální a Holt-Wintersovy techniky jsou citlivé k neobvyklým případům a outlierům.“ Dílčí predikce nákladových položek pro testovací simulace (2012 a 2013), pro odhad roku 2014 a predikci scénáře f1 pro rok 2015 byla provedena na základě analýzy časových řad nevážených výsledků databáze FADN CZ. Časovou řadu tvořily průměrné roční hodnoty nejvýznamnějších nákladových položek. Pomocí analýzy časových řad lze zjistit určitá pravidla, která fungují v dané časové řadě a jejichž znalosti lze využít k možnosti predikce jejich dalšího vývoje. Po odhady roku 2014 a 2015 byla použita 13ti letá časová řada od roku 2001 do roku 2013. Pro odhad roku 2013 byla použita 12ti letá časová řada od roku 2001 do roku 2012 a pro odhad roku 2012 byla použita 11ti letá časová řada od roku 2001 do roku 2011. Výběr podniků pro období od roku 2001 do roku 2012 byl učiněn z ukončeného šetření FADN. Pouze pro výběr podniků v roce 2013 bylo nutno použít předběžné výsledky
19
neuzavřeného šetření FADN. Z těchto výběrů bylo vybráno 171 shodných podniků v každém roce, z toho 121 podniků právnických osob a 50 podniků fyzických osob. Predikce byla tudíž zpracována na bázi panelových dat stejných podniků. Tímto způsobem bylo mimo jiné zajištěno, že výsledky nebyly ovlivněny meziroční výměnou podniků ve výběru. Pro výpočet predikce byly využity 3 základní modely vybrané v závislosti na charakteru a délce dané časové řady odhadovaného roku. Mezi tyto modely patří: 1) Vyhlazení časové řady (Fourierova transformace), stacionarizace časové řady první diferenciací, ARIMA model (1,0,0) s Melardovou metodou přesného odhadu; 2) Exponenciální lineární Holtovo vyrovnávání; 3) ARIMA model (1,1,0) s Melardovou metodou přesného odhadu. Autoregresní integrovaný proces klouzavých průměrů označován ve zkratce jako ARIMA (p,d,q) je model, který byl založen na základě Box-Jenkinsově principu v roce 1976. Písmena v závorce za modelem uvádějí použitý typ modelu, kde p značí autoregresivní parametr, d označuje počet použitých diferenciací a q poukazuje na parametr klouzavých průměrů. Pro analyzované časové řady vyhovovaly modely s jedním autoregresivním parametrem. Mošová (2013) uvádí, že „model ARIMA(p,d,q) se po transformaci pomocí diference řádu d chová jako invertibilní model ARMA(p,q). Model se používá při studiu HDP nebo vah indexu spotřebitelských cen.“ Metody byly vybrány na základě tvaru autoregresní křivky časové řady s přihlédnutím na otestování modelů pro odhady let 2012 a 2013 s porovnáním predikovaných a skutečných výsledků tak, aby vyhovovaly podmínce prozkoumání reziduální autokorelace. Tato podmínka vyžaduje, aby žádný autokorelační koeficient reziduální autokorelační funkce nepřekročil 95% meze intervalu spolehlivosti. Poté je možno konstatovat, že nesystematická složka funkce není autokorelovaná (Arlt, J. a kol., 2002). Hodnocení přesnosti a vhodnosti různých použitých metod je často závislé na srovnání více časových řad. Toto bývá často závažnou překážkou u metod se souborem podrobně specifikovaných podmínek (Armstrong, J. S., Collopy, F., 1992). Proto bylo při výběru metody přihlíženo k výsledkům testovacích odhadů, u kterých byla vybraná metoda ověřena pomocí grafického vyjádření křivky kumulativní distribuce ukazatele celkové produkce a celkových nákladů. Problémem analyzovaných časových řad je jejich krátká délka, kdy většina literatury uvádí, že minimální délka časové řady by měla být alespoň 30 pozorování (Hančlová, J., Tvrdý, L., 2003). Pro adekvátní použití modelu ARIMA (Box-Jenkinsova metodologie) je doporučována délka časové řady dokonce 50 a více pozorování (Hančlová, J., Tvrdý, L., 2003; StatSoft, 2013). Vzhledem k nemožnosti prodloužení použitých časových řad bylo
20
nutno přistoupit k jejich analýze i přes riziko sestavení méně přesného modelu bez sezónního očištění. ARIMA modely patří mezi složitější statistické metody předpovídání. Nevýhodou těchto modelů je jejich obtížná ověřitelnost a dále také potřeba dobré znalosti analyzovaných dat. Box-Jenkinsův přístup je používán například Úřadem pro sčítání lidu v USA (U.S. Census Bureau), který vyvinul a administruje „the X-13ARIMA-SEATS Seasonal Adjustment Program“ a “the X-12-ARIMA Seasonal Adjustment Program“. Metodika odhadu dotací Dotace a podpory lze v České republice rozdělit podle různých kritérií. Podle zdroje finančních prostředků rozlišujeme dotace poskytnuté z prostředků Evropské unie a dále národní dotace, plně hrazené ze státního rozpočtu ČR. Mezi nejdůležitější podpory poskytované českému zemědělství po vstupu ČR do EU ze zdrojů EU patří přímé platby. Reprezentují je jednotná platba na plochu SAPS, oddělená platba na cukr (SSP) a na rajčata (STP) a od roku 2012 také zvláštní podpory podle čl. 68. Kromě toho jsou českým zemědělcům poskytovány k přímým platbám národní doplňkové platby, resp. přechodné vnitrostátní podpory, financované ze státního rozpočtu ČR. Dále je možné čerpat finanční prostředky z Programu rozvoje venkova, které jsou vyplácené jak z rozpočtu EU, tak z rozpočtu ČR. Výše uvedené platby administruje a vyplácí Státní zemědělský intervenční fond (SZIF). Národní dotace zajišťuje Ministerstvo zemědělství (MZe). Dotace na úhradu části úroků z poskytnutých úvěrů a podporu pojištění poskytuje Podpůrný a garanční rolnický a lesnický fond. Podpora tzv. zelené nafty, tj. vrácení spotřební daně z minerálních olejů používaných pro zemědělskou prvovýrobu je v ČR uplatňovaná stejně jako v ostatních členských státech EU. Vlivem metodické změny účtování podpor obnovitelných zdrojů energie byly nově v roce 2013 vypláceny operátorem trhu, společností OTE, a.s. tzv. zelené bonusy. Podle účelu, na který jsou určeny, členíme dotace na neinvestiční (určené na úhradu provozních nákladů) a investiční (na pořízení dlouhodobého majetku). Neinvestiční dotace tvoří největší skupinu podpor z hlediska objemu finančních prostředků a významným způsobem ovlivňují hospodářský výsledek. Pro odhad ekonomických výsledků v zemědělství je třeba kromě odhadu produkčních a nákladových ukazatelů provést odhad dotací (podpor), které tvoří podstatnou část hospodářského výsledku. Pro odhad dotací roku 2014 a 2015 byla využita metoda expertního odhadu, kdy na základě informací z různých zdrojů (uvedených v textu) byl učiněn kvalifikovaný odhad odborníka zabývajícího se touto problematikou. Pro odhad výsledků za rok 2012 a rok 2013 byly použity jako vstupní data částky dotací a podpor oficiálně publikované ve výroční zprávě o činnosti Státního zemědělského intervenčního fondu a čerpání finančních prostředků (SZIF) a dále údaje prezentované 21
ve zprávě o stavu zemědělství ČR („zelená zpráva“). Tyto údaje již byly během zpracování odhadů známy, a proto zde nebylo možné aplikovat metodu expertního odhadu. Z těchto souhrnných částek byly zjištěny meziroční změny, kterými byly upraveny agregované výsledky odhadů FADN. Pro odhad výsledků za rok 2014 byly použity vstupní informace dostupné z dokumentů EU, tj. nařízení Evropského parlamentu (EP) k nové společné zemědělské politice a u podpor poskytovaných z národních zdrojů, resp. z rozpočtu ČR, byl proveden kvalifikovaný odhad s ohledem na celkový objem finančních prostředků poskytnutých v roce 2013. Zjištěná meziroční změna z těchto údajů sloužila jako přepočítací koeficient pro vytvoření odhadu provozních a investičních dotací roku 2014. Výpočet se prováděl na přelomu září a října 2014, kdy nebyla ještě většina informací o sazbách a celkovém objemu prostředků přiznaných a vyplacených dotací v predikovaném roce známá. S ohledem na tuto skutečnost byla použita jiná metodika než v předchozím projektu IVP 2013, kdy se využilo indexu změny sazby dotace či přímo dané sazby. U dotací a podpor je nutné každoročně stanovit postup individuálně podle toho, které informace jsou v daném momentu dostupné. Pro predikci výsledků za rok 2015 byly částečně použity vstupní informace dostupné v prosinci 2014 spolu s kvalifikovaným odhadem chybějících částek dotací. Na základě tohoto postupu byly vyprojektovány celkové sumy přiznaných a vyplacených dotací za daný rok. Z těchto částek byly provedeny součty provozních a investičních dotací dle formátu FADN, které byly pomocí meziroční změny započteny do finálního ekonomického výsledku.
Zdroje a literatura: -
Výroční zpráva o činnosti Státního zemědělského intervenčního fondu a čerpání finančních prostředků (SZIF) Výroční zpráva PGRLF, a.s. (PGRLF) Analýza Národních dotací (MZe) průběžně zveřejněné informace SZIF, PGRLF, MZe, interní zdroje ÚZEI
Termíny zveřejnění: výroční zprávy obvykle v červnu následujícího roku, analýza Národních dotací v březnu následujícího roku Související odkazy:
https://www.szif.cz/cs, http://eagri.cz/public/web/mze/, http://www.pgrlf.cz/pgrlf/aktuality.php, http://www.agris.cz/zemedelstvi, http://www.agrocr.cz/, http://www.apic-ak.cz/
22
Soupis nařízení EP k nové společné zemědělské politice: Nařízení Evropského parlamentu a Rady (EU) č. 1307/2013 ze dne 17. prosince 2013, kterým se stanoví pravidla pro přímé platby zemědělcům v režimech podpory v rámci společné zemědělské politiky a kterým se zrušují nařízení Rady (ES) č. 637/2008 a nařízení Rady (ES) č. 73/2009. Nařízení Evropského parlamentu a Rady č. 1305/2013 ze dne 17. prosince 2013 o podpoře pro rozvoj venkova z Evropského zemědělského fondu pro rozvoj venkova (EZFRV) a o zrušení nařízení Rady (ES) č. 1698/2005. Nařízení Evropského parlamentu a Rady (EU) č. 1308/2013 ze dne 17. prosince 2013, kterým se stanoví společná organizace trhů se zemědělskými produkty a zrušují nařízení Rady (EHS) č. 922/72, (EHS) č. 234/79, (ES) č. 1037/2001 a (ES) č. 1234/2007. Nařízení Evropského parlamentu a Rady (EU) č. 1306/2013 ze dne 17. prosince 2013 o financování, řízení a sledování společné zemědělské politiky a o zrušení nařízení Rady (EHS) č. 352/78, (ES) č. 165/94, (ES) č. 2799/98, (ES) č. 814/2000, (ES) č. 1290/2005 a (ES) č. 485/2008. Nařízení Evropského parlamentu a Rady (EU) č. 1310/2013 ze dne 17. prosince 2013, kterým se stanoví některá přechodná ustanovení o podpoře pro rozvoj venkova z Evropského zemědělského fondu pro rozvoj venkova (EZFRV), kterým se mění nařízení Evropského parlamentu a Rady (EU) č. 1305/2013, pokud jde o zdroje a jejich rozdělení v roce 2014, a kterým se mění nařízení Rady (ES) č. 73/2009 a nařízení Evropského parlamentu a Rady (EU) č. 1307/2013, č. 1306/2013 a č. 1308/2013, pokud jde o jejich použití v roce 2014.
Metodika stanovení scénářů vývoje zemědělství a tvorba variantních výstupů pro předpověď ekonomických výsledků roku 2015 Predikční nástroj FADN umožňuje tvorbu variantních scénářů, které modelují vývoj zemědělského sektoru podle předem nastavených parametrů. Prostřednictvím softwarové aplikace FADN PROJEKCE lze dle požadavků uživatele vytvářet různé varianty scénářů, např. na základě různých odhadů vývoje jednotlivých vstupních proměnných. Mikrosimulační model FADN tak lze využít k tvorbě široké škály scénářů vývoje, od méně příznivých po velmi příznivé, které zohledňují předpokládaný vývoj na světových trzích. V praxi tak lze simulovat například odhadovaný dopad ruského embarga na dovoz potravin z EU na ekonomiku zemědělského sektoru v ČR. Výhodou predikčního nástroje FADN je možnost vyhodnocování dopadu předpokládaných změn na různé skupiny zemědělských podniků, definované např. podle typu výrobního zaměření, třídy ekonomické velikosti, hospodaření v oblastech LFA atd.
23
Cílem této části je představení možností vytváření variantních scénářů výsledků zemědělského sektoru na modelovém příkladu. V budoucnu je očekáváno rozvíjení mikrosimulačního modelu FADN v této oblasti. V rámci simulace ekonomického vývoje v roce 2015 byly nadefinovány dva scénáře. První scénář (označován jako f1) se opírá o dílčí predikce na bázi analýzy časových řad hlavních zemědělských komodit a nákladů. Podrobný popis použitého statistického přístupu je uveden v přechozím textu v kapitole Metody dílčí predikce. Získané koeficienty použité pro výpočet jsou uvedeny níže v tabulce 2. Tabulka 2: Koeficienty použité pro odhad scénáře f1 2015 Komodita Pšenice potravinářská Pšenice krmná Ječmen sladovnický
Změna Změna ceny množství 0,895 0,906 1,012
Ječmen krmný
0,913
Žito Oves krmný Semeno řepky olejné Zelí bílé hlávkové Cibule suchá Býci jateční tř. j. A v živém Jalovice jatečné tř. j. A v živém Krávy jatečné tř. j. A v živém Prasata jatečná tř. j. I. v živém Kuřata jatečná I. Mléko kravské I. Vejce slepičí konzumní tříděná
0,845 0,931 0,876 1,058 1,081 1,003 1,020 0,982 1,007 1,015 0,956 0,972
1,006 1,006 0,996 0,940 1,001
Druh nákladu Osiva a sadba Hnojiva Prostředky ochrany rostlin Jadrná krmiva pro koně, skot, ovce a kozy Krmiva pro prasata Nakoupená léčiva pro ŽV Pohonné hmoty Elektrická energie Voda Ostatní paliva, plyn a energie Opravy a udržování strojů Agrotechnické a agrochemické služby Plemenářské a veterinární služby Osobní náklady Nájemné budov Nájemné strojů Pachtovné Pojištění zemědělské výroby
Změna 1,005 1,012 1,007 1,024 0,922 1,046 1,034 1,006 1,013 1,029 1,054 1,010 1,007 1,012 0,965 0,942 0,983 1,011
Zdroj: vlastní výpočty
Druhý scénář (označován jako f2) projekce výsledků roku 2015 byl vytvořen s využitím odhadu vývoje klíčových ukazatelů podle modelu AGLINK-COSIMO. Jedná se o tzv. dynamický model dílčí rovnováhy („partial equlibrium model“), který byl vyvinut Evropskou komisí ve spolupráci s FAO a OECD a je používán ke střednědobým projekcím vývoje světového zemědělství. S výstupy z modelu AGLINK-COSIMO pracuje mj. Evropská komise v rámci modelu pro odhadování důchodu v zemědělství. Tyto výsledky jsou každoročně prezentovány v publikaci Evropské komise „Prospects for Agricultural Markets and Income in the EU“, která obsahuje projekce vývoje na období následujících 10 let (DG AGRI, 2014b). Pro tento scénář vývoje zemědělství v roce 2015 v ČR byly v rámci mikrosimulačního modelu aplikovány změnové indexy na základě předpokládaného vývoje cen zemědělských
24
výrobců v EU dle výstupů z modelu AGLINK-COSIMO. Jedná se o hlavní komodity na trhu EU, kterými jsou pšenice, ječmen, kukuřice, řepka, kravské mléko, hovězí maso, vepřové maso a drůbeží maso. Již v roce 2008 předpokládal Vincent Réquillart situaci, že po zrušení mléčné kvóty dojde ke zvýšení mléčné produkce o 5 %, které bude mít vliv na pokles ceny mléka o 10,3 %. Tato dedukce je v souladu se závěry zpracovanými na základě modelování AGRILINK-COSIMO. V nákladové části modelu FADN byla stejným způsobem odhadována změna nákladů na pohonné hmoty a hnojiva podle předpokládané ceny ropy a hnojiv na světových trzích v roce 2015. Odhad výsledných proměnných byl proveden za jinak stejných podmínek (ceteris paribus). Přehled výchozích meziročních indexů použitých pro tvorbu daného scénáře je uveden v následující tabulce 3. Tabulka 3: Vstupní meziroční indexy dle modelu AGLINK-COSIMO
NÁKLADY Ceny na světovém trhu
PRODUKCE Ceny výrobců na trhu EU
Komodita pšenice ječmen kukuřice řepka mléko hovězí maso vepřové maso drůbeží maso
Jednotka 2014 EUR/t 175 EUR/t 148 EUR/t 152 EUR/t 383 EUR/t 369 EUR/t 3649 EUR/t 1652 EUR/t 1897
2015 2015/2014 177 1,0114 158 1,0676 162 1,0658 393 1,0261 331 0,8970 3361 0,9211 1781 1,0781 1816 0,9573
ropa Brent USD/barel 113,1 118,1 hnojiva
USD/t
325,1 326,5
Zdroj: DG.AGRI, OECD-FAO, vlastní výpočty
25
1,0442 1,0043
3. VÝSLEDKY ŘEŠENÍ Testování modelu simulací ekonomického vývoje v roce 2012 a 2013 Ověření správnosti vytvořené metodiky odhadu ekonomických výsledků k září produkčního roku bylo učiněno pomocí testovacích výpočtů odhadu ekonomických výsledků pro roky 2012 a 2013. Odhad celkové zemědělské produkce v roce 2012 se od oficiálních konečných výsledků statistického šetření Kontaktního pracoviště FADN liší pouze o 4,32 %. Na straně celkových nákladů došlo k obdobnému mírnému podhodnocení o 4,25 % oproti finálním výsledkům. Metodika odhadu dotací je založena na kvalifikovaném odhadu, který vzhledem k již ukončenému období nemohl být nasimulován, a proto byly údaje zjištěné na základě známých informací použity ke stanovení přepočítacích koeficientů. Důchod ze zemědělské činnosti byl odhadnut na částku 19,4 mld. Kč, tj. o 1,74 % vyšší než vykazují konečné výsledky šetření FADN 2012. Pro rok 2013 byly odhadované výsledky celkové produkce pouze o 2,1 % nižší, než vykazují finální výsledky výběrového šetření FADN, což také vypovídá o kvalitní metodě odhadu cen zemědělských výrobců. Vyšší rozdíl je patrný u celkových nákladů, které byly odhadem podhodnoceny o 4,3 %, což je již významnější odchylka, zejména s přihlédnutím na celkový objem nákladů (rozdíl cca 6,4 mld. Kč). Problematickým bodem odhadu hospodářského výsledku jsou v roce 2013 dotace, kde byl zaznamenán meziroční nárůst provozních dotací o 18,8 %. Toto razantní zvýšení bylo zapříčiněno zejména změnou legislativy v oblasti podpor obnovitelných zdrojů energie a financování podpor výroby elektrické energie, tzv. zeleného bonusu (Hanibal a kol., 2014). Hodnota zeleného bonusu je v odhadu roku 2013 zahrnuta v dotacích. Vzhledem ke změně účtování zeleného bonusu (v roce 2012 zaúčtován v ostatní produkci, v roce 2013 zaúčtován jako dotace) musel být z tržeb ostatní produkce odečten odhad hodnoty 1,89 mld. Kč ze zeleného bonusu (je uvažováno, že se zelený bonus podílel cca 50% na tržbách za energii u podniků zahrnutých v šetření FADN). Tímto postupem bylo eliminováno riziko dvojího započítání zeleného bonusu do výsledku hospodaření. Výsledný odhad Důchodu ze zemědělské činnosti byl o 8,53 % vyšší nežli finální výsledek šetření FADN za účetní období 2013. Porovnání odhadovaných a výsledných hodnot je uvedeno v tabulce 4.
26
Tabulka 4: Výsledky testovacích odhadů pro roky 2012 a 2013 (mld. Kč) Hlavní ukazatele celková produkce
2012
2012e
% změna 2013
2013e
% změna
125 852
120 410
-4,32%
132 426
129 657
-2,09%
produkce RV
69 812
65 902
-5,60%
73 469
72 951
-0,70%
' - obiloviny
33 285
30 465
-8,47%
33 849
33 955
0,31%
' - protein.plodiny
222
329
48,39%
209
222
6,33%
- energetické plodiny
278
293
5,25%
393
283
-27,89%
' - brambory
2 887
1 801
-37,61%
3 355
4 191
24,91%
' - cukrovka
4 134
4 009
-3,02%
4 246
3 623
-14,67%
13 664
13 462
-1,48%
16 293
15 107
-7,28%
879
1 058
20,32%
876
925
5,52%
' - zelenina
3 887
4 007
3,10%
3 630
4 195
15,56%
' - ovoce
1 152
1 267
9,93%
1 275
1 322
3,71%
' - olejniny ' - průmyslové plodiny
' - víno
635
609
-4,08%
1 117
665
-40,48%
7 141
7 268
1,78%
7 052
6 824
-3,24%
produkce ŽV
44 514
45 466
2,14%
48 596
45 117
-7,16%
' - mléko kravské a výrobky
21 480
22 082
2,80%
24 081
22 131
-8,10%
' - hovězí
8 367
7 572
-9,50%
8 967
8 297
-7,47%
' - vepřové
7 539
7 127
-5,47%
8 690
7 639
-12,09%
181
192
5,86%
173
181
4,67%
4 578
4 071
-11,09%
3 536
4 851
37,17%
celkové náklady
139 240
133 329
-4,25%
148 296
141 900
-4,31%
výrobní spotřeba
93 510
89 129
-4,69%
99 425
95 690
-3,76%
přímé náklady
52 917
48 638
-8,09%
55 938
53 984
-3,49%
' - osiva celkem
6 397
6 235
-2,55%
6 686
6 482
-3,05%
' - hnojiva nakupovaná
8 659
8 012
-7,48%
9 866
9 076
-8,01%
' - POR
7 305
6 975
-4,52%
7 949
7 487
-5,81%
- krmiva celkem
24 217
22 751
-6,06%
25 120
24 440
-2,71%
' - náklady budov a strojů
12 380
11 057
-10,69%
13 280
12 821
-3,45%
' - energie
14 344
14 211
-0,92%
15 130
14 978
-1,01%
externí faktory
31 907
31 307
-1,88%
33 763
32 388
-4,07%
753
753
0,00%
786
753
-4,15%
2 407
3 145
30,64%
1 338
1 288
-3,70%
dotace provozní
30 807
29 508
-4,22%
36 510
36 600
0,25%
důchod ze zem.činnosti
19 073
19 405
1,74%
21 192
23 00
8,53%
' - krmné plodiny
' - ovce a kozy ' - drůbež
daně dotace invest.
Pozn.: 2012e, 2013e – odhadované výsledky Zdroj: FADN CZ, vlastní výpočty
Komplexnost zkoumané problematiky dokládají výsledky Souhrnného zemědělského účtu uvedené v příloze 4, u kterého se rozdíl mezi předběžnými a definitivními výsledky pohyboval v posledních pěti letech mezi 1,4 % a 27 %. Výhodou využití mikroekonomické databáze je možnost zpracování popisných statistik, které podávají informaci o zkoumaném souboru. V tabulce 5 je uvedeno srovnání základních popisných statistik odhadovaných a finálních výsledků pro ukazatele Celkové produkce a 27
Celkových nákladů za roky 2012 a 2013. Grafické vyjádření rozdělení těchto dvou ukazatelů zobrazuje graf 2 a graf 3. Vzhledem ke skutečnosti, že odhady dotací nemohly být redistribuovány k jednotlivým podnikům, nelze zpracovat obdobné statistiky pro ukazatele dotací ani hospodářského výsledku (např. Hrubá přidaná hodnota, Čistá přidaná hodnota, Důchod ze zemědělské činnosti). Tabulka 5: Porovnání popisných statistik pro roky 2012 a 2013 Popisné statistiky N platných
Proměnná
Průměr
Medián
Dolní kvartil
Horní kvartil
Sm.odch.
Celková produkce Odhad 2013
1167
19202732
3424050
1240052
20093988
40022618
Celková produkce Final 2013
1167
18698521
3343126
1179000
17636750
38782724
Celkové náklady Odhad 2013
1167
21012693
3357983
1208063
21767496
41815890
Celkové náklady Final 2013
1167
21306724
3274000
1214000
21403000
42730744
Celková produkce Odhad 2012
1160
17860871
3250326
1244870
18155311
36075372
Celková produkce Final 2012
1160
18827959
3574340
1296200
20557500
38291871
Celkové náklady Odhad 2012
1160
19642753
3489062
1188157
22048648
37280318
Celkové náklady Final 2012
1160
20592556
3716000
1262000
22136121
40408874
Zdroj: FADN CZ, vlastní výpočty
Graf 2: Porovnání distribuce Celkové produkce a nákladů 2012 Krabicový graf 1,2E8 1E8 8E7 6E7 4E7 2E7 0 -2E7 -4E7 -6E7
Celkové náklady Final 2012
Celkové náklady Odhad 2012
Celková produkce Final 2012
Celková produkce Odhad 2012
-8E7
Zdroj: FADN CZ, vlastní zpracování
28
Průměr Průměr±SmOdch Průměr±1,96*SmOdch
Graf 3: Porovnání distribuce Celkové produkce a nákladů 2013 Krabicový graf 1,2E8 1E8 8E7 6E7 4E7 2E7 0 -2E7 -4E7 -6E7
Celkové náklady Final 2013
Celkové náklady Odhad 2013
Celková produkce Final 2013
Celková produkce Odhad 2013
-8E7
Průměr Průměr±SmOdch Průměr±1,96*SmOdch
Zdroj: FADN CZ, vlastní zpracování
Porovnání kumulativní distribuce je další možností jak ohodnotit korektnost modelu použitého pro odhady (Galbraiht a kol., 2011; Hloušková a kol., 2014). Následující grafy 4 - 7 slouží k zhodnocení kvality modelu pro proměnné Celkové produkce a Celkových nákladů. Na základě těchto grafů lze konstatovat, že odhadované a finální výsledky vykazují totožný průběh křivek, nicméně v roce 2012 je zřejmé mírné podhodnocení výsledků zejména u velkých podniků. Graf 4: Porovnání finálních a odhadovaných výsledků - Celková produkce, 1160 podniků, FADN CZ 2012 700 600 final
millions of CZK
500
estimated
400 300 200 100 0 -100
0
10
20
30
40
50 60 Percentile
Zdroj: FADN CZ, vlastní zpracování
29
70
80
90
100
Graf 5: Porovnání finálních a odhadovaných výsledků - Celkové náklady, 1160 podniků, FADN CZ 2012 700 600 final millions of CZK
500
estimated
400 300 200 100 0 -100
0
10
20
30
40
50
60
70
80
90
100
Percentile
Zdroj: FADN CZ, vlastní zpracování
Graf 6: Porovnání finálních a odhadovaných výsledků - Celková produkce, 1167 podniků, FADN CZ 2013 800 700 final
millions of CZK
600
estimated
500 400 300 200 100 0 -100 0
10
20
30
40
50 60 Percentile
Zdroj: FADN CZ, vlastní zpracování
30
70
80
90
100
Graf 7: Porovnání finálních a odhadovaných výsledků - Celkové náklady, 1167 podniků, FADN CZ 2013 800 700
estimated
millions of CZK
600
final
500 400 300 200 100 0 -100 0
10
20
30
40
50 60 Percentile
70
80
90
100
Zdroj: FADN CZ, vlastní zpracování
Odhad ekonomického vývoje v roce 2014 Rok 2014 byl pro zemědělce podle výsledků prvního odhadu ještě o něco příznivější nežli úspěšný rok 2013. Odhady k září roku 2014 (tabulka 6) přepokládají 3% nárůst celkové produkce na hodnotu 136,5 mld. Kč a 1,3% nárůst celkových nákladů (150,2 mld. Kč). Odhadovaná výše provozních dotací celkem podle metodiky FADN vzrostla o 3,2 %. Oproti tomu investiční dotace, tak jak je sleduje šetření FADN, poklesly o 10,6 %. Odhadovaná výše celkových dotací započítaných do důchodu vzrostla na hodnotu 38,8 mld. Kč. Odhadovaný důchod ze zemědělské činnosti ve výši 24,4 mld. Kč je o téměř 15 % vyšší než výsledek hospodaření v roce 2013. Jedná se po roce 2013 o další úspěšný rok. Nejvýznamnější vliv na zvýšení celkové hodnoty produkce měla realizace mléka za ceny výrazně vyšší, než byly v předchozích obdobích. Předložené výsledky jsou v souladu s prvními odhady Eurostatu, který uvádí obdobnou, nicméně dynamičtější, tendenci vývoje celkové produkce, výrobní spotřeby a důchodu (příloha 4). Oproti předpokládanému růstu ekonomiky zemědělství v ČR je předpověď pro USA s 25% poklesem ukazatele Net Farm Income pesimistická (USDA, 2014). Vzhledem k upřesnění vstupních informací výpočtu je vhodné aktualizovat odhadované ekonomické ukazatele v prosinci produkčního roku s využitím metodiky zpracované v IVP 2013. Predikce výsledku zemědělského důchodu v roce 2015 Predikce vývoje hospodářského výsledku v roce 2015 je vzhledem k současné politické situaci poměrně složitá. Proto byly zvoleny dva scénáře možného vývoje. První scénář (f1) se opírá o výsledky analýzy časových řad a jejich predikcí pro vybrané proměnné na základě údajů z databáze FADN (náklady) a ČSÚ (ceny). Výsledkem tohoto scénáře je výrazný
31
pokles celkové produkce o 4,7 % a stagnace hodnoty celkových nákladů. U indikátoru celkových provozních dotací se předpokládá meziroční nárůst o 1,6 %. Pozitivní meziroční změna se také očekává u investičních dotací (32 %). Důchod ze zemědělské činnosti podle tohoto scénáře klesne o 24,7 % na hodnotu 18,4 mld. Kč. Klíčovým faktorem ovlivňujícím snížení důchodu v rámci daného scénáře je předpokládaný pokles hodnotové produkce obilovin a olejnin v roce 2015, který se odráží ve snížení rostlinné produkce o 4,8 mld. Kč (- 6,5 %). Dalšími významnými složkami, které mají vliv na snížení hodnoty produkce, je hodnota mléčné produkce (- 4,3 %) a produkce vepřového masa (- 5 %). Nákladovou složku nejvíce ovlivnil nárůst hodnoty energie, hnojiv a nákladů budov a strojů. Druhý scénář (f2) pro vývoj ekonomických výsledků v roce 2015 vychází z hypotéz zveřejněných Evropskou komisí, která předpokládá v rámci EU nárůst produkce rostlinné výroby, stagnaci produkce živočišné výroby a nárůst ceny ropy. Na základě tohoto scénáře vycházejí výsledky hospodaření v pozitivním duchu. Jak celková produkce (pokles pouze o necelé procento), tak i celkové náklady (nárůst o 0,38 %) se drží na stejné úrovni odhadu roku 2014. Dotace jsou uvažovány na stejné úrovni jako u prvního scénáře. Hodnota ukazatele Důchodu ze zemědělské činnosti klesá o 3,7 % na hodnotu 23,5 mld. Kč. Významným prvkem ovlivňujícím snížení celkové produkce u scénáře f2 je předpokládaná nižší realizační cena mléka v roce 2015, která se odráží ve snížení mléčné produkce o 2,8 mld. Kč (- 10,3 %). Pokles živočišné produkce je do určité míry kompenzován nárůstem produkce rostlinné výroby, kde je pro rok 2015 odhadován nárůst o 1,6 mld. Kč (2,2 %). Tato tendence souvisí především s očekávaným zvýšením ceny obilovin na trhu EU. Nárůst hodnoty produkce obilovin činí v roce 2015 podle výsledků tohoto scénáře necelou 1,0 mld. Kč (3 %). Na straně nákladů je odhadováno minimální zvýšení hodnoty celkových nákladů o 0,6 mld. Kč. Předpovídaný růst ceny ropy na světových trzích se projevuje ve zvýšení nákladů na energie o 0,5 mld. Kč, tj. o 3,37 %. Další vstupní proměnnou představují náklady na nakupovaná hnojiva. Jejich hodnota však zůstala přibližně na úrovni předchozího roku a neměla významný vliv na změnu odhadovaného hospodářského výsledku pro rok 2015. Hodnoty dalších nákladových položek byly v rámci představovaného scénáře ponechány na úrovni odhadovaných výsledků účetního roku 2014. Meziroční srovnání hlavních ukazatelů hospodářského výsledku zemědělského sektoru v ČR dle variantních scénářů pro rok 2015 zachycuje tabulka 6. Predikce hospodářského vývoje v USA předpokládá obdobné výsledky zemědělského důchodu pro rok 2015 jako v roce 2014 (USDA, 2014a), stejně tak odhaduje vývoj v nových členských státech (EU N-13) Evropská komise (DG AGRI, 2014b).
32
Tabulka 6: Výsledek scénářů odhadu ekonomických ukazatelů roku 2015 (mld. Kč) % změna
% změna
Hlavní ukazatele
2014e
2015f1
celková produkce
136 506
130 106
-4,69%
136 506
135 190
-0,96%
produkce RV
73 872
69 086
-6,48%
73 872
75 494
2,20%
' - obiloviny
34 020
31 154
-8,42%
34 020
35 008
2,90%
393
389
-0,92%
393
430
9,47% 2,44%
- energetické plodiny
2014e
2015f2
' - olejniny
16 783
14 834 -11,61%
16 783
17 192
produkce ŽV
52 267
50 653
-3,09%
52 267
49 329
-5,62%
' - mléko kravské a výrobky
27 491
26 310
-4,30%
27 491
24 660
-10,30%
' - hovězí
9 106
9 157
0,56%
9 106
8 252
-9,38%
' - vepřové
9 029
8 573
-5,05%
9 029
9 937
10,06%
' - drůbež
3 375
3 418
1,26%
3 375
3 214
-4,77%
' - vejce
2 522
2 452
-2,81%
2 522
2 522
0,00%
celkové náklady
150 199
150 795
0,40%
150 199
150 765
0,38%
výrobní spotřeba
100 969
101 345
0,37%
100 969
101 536
0,56%
56 701
56 111
-1,04%
56 701
56 745
0,08%
přímé náklady ' - osiva celkem ' - hnojiva nakupovaná ' - POR
6 810
6 845
0,51%
6 810
6 810
0,00%
10 211
10 333
1,19%
10 211
10 255
0,43%
8 112
8 168
0,69%
8 112
8 112
0,00%
- krmiva celkem
25 211
24 348
-3,42%
25 211
25 211
0,00%
náklady budov a strojů
13 670
14 182
3,75%
13 670
13 670
0,00%
energie
15 506
15 946
2,84%
15 506
16 028
3,37%
externí faktory
34 122
34 343
0,65%
34 122
34 122
0,00%
793
793
0,00%
793
793
0,00%
1 196
1 576
31,85%
1 196
1 576
31,85%
dotace provozní
37 656
38 259
1,60%
37 656
38 259
1,60%
důchod ze zem. činnosti
24 365
18 353
-24,7%
24 365
23 467
-3,7%
daně dotace invest.
Pozn.: 2014e – predikované výsledky, 2015f1, 2015f2 – predikované výsledky podle variantního scénáře Zdroj: FADN CZ, vlastní výpočty
Analýza rizik Předložené výsledky je nutné považovat za odhady, které nesou nepochybné riziko zkreslení. Pravděpodobnost odchýlení od skutečného budoucího stavu není v rámci této práce vyčíslena, ačkoliv odchylky testovacích odhadů důchodu se pohybovaly v řádu několika málo procent. Přesnost predikce je podmíněna mnoha externími činiteli, jejichž nestandardní chování nelze vždy předpokládat. Patří mezi ně zejména vliv přírodních faktorů (např. extrémní počasí), ekonomický prvek (např. vysoká kolísavost měsíčních cen, změna účtování) či vývoj politické situace (např. ruské embargo). Za potenciální riziko je také možné pokládat použití „živých“ tedy neuzavřených výsledků šetření FADN, což může mít částečný podíl na odchylce odhadovaných dat od finálního výsledku šetření FADN.
33
Za jedno z rizik je také možné pokládat nekorektní interpretaci předložených výstupů. Vyprojektované výsledky jsou uvažovány jako popis možného vývoje ekonomických výsledků, které jsou závislé na popsaných předpokladech vstupujících do modelu v čase zpracování (Burrell, Nii-Natte, 2013). Nelze proto tyto výsledky považovat jako pevnou předpověď, ale je vždy nutno brát v potaz nové skutečnosti zjištěné v průběhu času. Při použití výsledků je také nutno mít na zřeteli, že model není koncipován pro odhad faktorů, které nevstupují do výpočtu hospodářského výsledku jako například strukturální změny podniků nebo vývoj hodnoty majetku a investic. Limitujícím nedostatkem předkládaných modelů brzkého odhadu či predikce ekonomických výsledků je započítání dotací do důchodu až po provedené agregaci vážených výsledků, což je způsobeno nižším podílem vstupních informací o dotacích a podporách vzhledem k přechodu zemědělské politiky do nového koncepčního období. Současná naprojektovaná databáze individuálních dat tudíž neobsahuje změnu dotací a následně ani dopočítaných ukazatelů hospodářského výsledku, což omezuje široké výhody jejího využití. Pro budoucí odhady lze ale s vyjasněním dotačních programů předpokládat možnost projekce změny dotací na podnikovou úroveň. Uplatnění vytvořených výstupů v rámci projektu V rámci probíhajícího projektu byla v roce 2014 prezentována metodika odhadu ekonomických výsledků na základě databáze FADN na mezinárodním workshopu Pacioli v Dublinu. Každoročně organizovaný workshop Pacioli je zacílen na problematiku sběru individuálních dat ze zemědělských podniků a jejich využití ve výzkumu či zemědělské politice. Z reakcí na přednesené téma vyplynulo, že již několik zemí v rámci EU, ale také USA, s odhady na základě mikroekonomických dat pracují. V některých zemích jako například v Maďarsku či Finsku používají úspěšně predikci ekonomických ukazatelů na nižších úrovních agregace (výrobní zaměření, ekonomická velikost) a dokonce využívají této metody k odhadům ekonomických výsledků jednotlivých zemědělských podniků, kterým tuto informaci předávají. Mezi další plánovaný výstup zabývající se diskutovanou problematikou patří zpracování článku „Microsimulation Model Estimating Czech Farm Income from Farm Accountancy Data Network Database“, který byl publikován v impaktovaném časopise Agris on-line Papers in Economics and informatics (Hloušková a kol., 2014).
34
4. ZÁVĚR Závěrem lze konstatovat, že bylo dosaženo hlavního cíle projektu, kterým je vytvoření metodiky pro odhad konečného ukazatele hospodářského výsledku zemědělství s nízkou či nulovou znalostí skutečného vývoje na bázi mikroekonomické databáze výběrového šetření FADN. K dosažení hlavního cíle vedly jednotlivé kroky v rámci dílčích cílů, které byly také vyřešeny podle naplánovaného schématu. Mezi výstupy projektu jsou zahrnuty aktuální informace o odhadu Důchodu ze zemědělské činnosti roku 2014 a projekce dvou scénářů předpokládaného vývoje tohoto ukazatele v roce 2015. Metoda odhadu důchodu s nízkou znalostí skutečného stavu k září produkčního roku byla úspěšně otestována. Dosažené výsledky, které byly porovnány s oficiálními výsledky šetření FADN za účetní období 2012 a 2013, dokazují vhodnost použitého postupu. Navrženou metodiku lze využít pro každoroční periodický výstup, který bude informovat o předpokládaném ekonomickém výsledku zemědělských podniků již koncem září, tedy v období ukončení sklizní. Tento odhad je vhodné aktualizovat na konci produkčního roku pomocí metodiky zpracované v rámci IVP 2013. Jako doporučení pro budoucí rozvoj zkoumané problematiky lze využít závěry diskuze na mezinárodním workshopu Pacioli, které se týkají zpracování predikce ekonomických ukazatelů na individuální úrovni individuálních podniků zastoupených v databázi FADN a jejich předání jednotlivým zemědělským podnikům. Zpětná vazba od zemědělských podniků v zemích, které tyto predikce již podnikům poskytují, je pozitivní, a bylo potvrzeno, že tyto informace jsou zemědělskými podniky velmi vítané a pro podnikový management jsou přínosem.
35
LITERATURA Arlt, J., Arltová, M., Rublíková, E.: Analýza ekonomických časových řad s příklady, Fakulta informatiky a statistiky, VŠE, Praha 2002. Arltová, M., Arlt, J.: Grafické metody analýzy ekonomických časových řad, Statistika 32: (11), str. 483 -493, ČSÚ, 1995. ISSn 0322-788x. Armstrong, J. S., Findings from evidence-based forecasting: Methods for reducing forecast error, 2006, International Journal of Forecasting, Volume 22, Issue 3, Pages 583–598. ISSN 0169-2070 Armstrong, J. S.: “Evaluating forecasting methods,” in J. S. Armstrong (ed.), Principles of Forecasting. Norwell, MA: Kluwer Academic Publishers, 2001 Armstrong, J. S., Collopy, F.: Error Measures for Generalizing About Forecasting Methods: Empirical Comparisons, International Journal of Forecasting, Volume 8, Issue 1, June 1992, pages 69-80. Burrell, A., Nii-Naate, Z.: Partial stochastic analysis with the European Commission’s version of the AGLINK-COSIMO model, Joint Research Centre, Institute for Prospective Technological Studies, EC 2013. Collopy, F., Adya, M., Armstrong, J. S.: Expert Systems for Forecasting, Principles of Forecasting: A Handbook for Researchers and Practitioners, Norwell, MA: Kluwer Academic Publishers, 2001. ČSÚ: Souhrnný zemědělský účet 2013 http://www.czso.cz/csu/2014edicniplan.nsf/publ/270131-14-r_2014. DG AGRI: Medium-term prospects for EU agricultural markets and income 2014-2024, European Commission, Brussels, December 2014, 2014 b. http://ec.europa.eu/agriculture/markets-and-prices/medium-termoutlook/2014/fullrep_en.pdf. DG AGRI: Short-term outlook for arable crop, meat and dairy markets – Autumn 2014, European Commission, Brussels, 2014 a. http://ec.europa.eu/agriculture/markets-andprices/short-term-outlook/pdf/2014-10_en.pdf. Eurostat: Economic Accounts of Agriculture 2014. Http://ec.europa.eu/eurostat/data/database. Galbraith, G., Bakhshi, S., Kung, W., Kjaer, P. Incorporating a Farm-Level Balance Sheet Forecast into the Canadian Agricultural Dynamic Microsimulation Model. 2011, 3rd General Conference of the International Microsimulation Association, Stockholm, Sweden. Gelper, S., Fried, R., Croux, C.: Robust forecasting with exponential and Holt-Winters smoothing, Journal of Forecasting, 29, 285-300, 2010 Hančlová, J., Tvrdý, L.: Úvod do analýzy časových řad, Ekonomická fakulta, VŠB-TU, Ostrava 2003. Hanibal, J. a kol.: Výběrové šetření hospodářských výsledků zemědělských podniků v síti FADN CZ za rok 2013, Samostatná příloha ke Zprávě o stavu zemědělství ČR za rok 2013, Kontaktní pracoviště FADN CZ, ÚZEI, Praha 2014.
36
Hanibal, J. a kol.: Výběrové šetření hospodářských výsledků zemědělských podniků v síti FADN CZ za rok 2012, Samostatná příloha ke Zprávě o stavu zemědělství ČR za rok 2012, Kontaktní pracoviště FADN CZ, ÚZEI, Praha 2013. Hloušková, Z., Lekešová, M., Slížka, E.: Microsimulation Model Estimating Czech Farm Income from Farm Accountancy Data Network Database. 2014, Agris on-line Papers in Economics and informatics, volume VI, No 3/2014, September, s. 27-37. Li J., O’Donoghue C. A survey of dynamic microsimulation models: uses, model structure and methodology. 2013, International Journal of Microsimulation 6 (2) 3-55. ISSN 1747-5864 Mošová, V.: Využití waveletů při analýze časových řad - 1. teoretická část, EMI, ROČNÍK 5 (2013-03), 2013, ISSN 1805-353X. OECD/Food and Agriculture Organization of the United Nations (2013): OECD-FAO Agricultural Outlook 2013-2022, OECD-FAO Agricultural, Outlook 2013, OECD Publishing, http://dx.doi.org/10.1787/agr_outlook-2013-en. Réquillart, V.: Economic analysis of the effects of the expiry of the EU milk quota system, 2008. StatSoft, Inc.: Electronic Statistics Textbook. Tulsa, 2013, StatSoft. http://www.statsoft.com/textbook/. USDA: USDA Agricultural Projections to 2023. Office of the Chief Economist, World Agricultural Outlook Board, U.S. Department of Agriculture. Prepared by the Interagency Agricultural Projections Committee. Long-term Projections Report OCE2014-1, 97 pp., 2014a. USDA: 2014 Farm Sector Income Forecast, 2014, http://www.ers.usda.gov/topics/farmeconomy/farm-sector-income-finances/2014-farm-sector-income-forecast.aspx.
37
PŘÍLOHY Příloha 1: Tvorba hospodářského výsledku v systému FADN
Zdroj: FADN CZ
38
Příloha 2: Model CENY-1 pro predikci CZV na rok 2014 Model CENY-1 je matematický model pro predikce celoročních průměrných cen zemědělských výrobců (CZV) na aktuální rok (2014) opírající se o měsíční sledování CZV vybraných komodit ČSÚ. Model vychází z měsíčních časových řad CZV za období 2000-2013 a predikuje pro rok 2014 celoroční odhady průměrných CZV na základě neúplných (aktuálně dostupných) údajů v roce 2014 publikovaných postupně za jednotlivé měsíce. Odhad za aktuální rok se postupně zpřesňuje, jak ukazuje následující popis modelu. Množina komodit s měsíčním sledováním (KOM-CZV) ČSÚ publikuje měsíční časové řady CZV pro vybrané zemědělské komodity, které napojujeme na množinu komodit modelu RENT-4: Za rostlinnou výrobu: PSP – pšenice potravinářská, PSK – pšenice krmná, JCS – ječmen sladovnický, JCK – ječmen krmný, JCP – ječmen potravinářský, OV - oves, KUZ kukuřice na zrno, TRI – triticale, atd. až CHM – chmel, JAB – jablka atd. Za živočišnou výrobu: MLE – mléko kravské, VB – jateční býci v živém, VP – výkrm prasat v živém, BRO – výkrm jatečných kuřat v živém, VEJ – vejce slepičí atd. Pro jednotlivé komodity KOM množiny KOM-CZV se konstruují následující ukazatele Zdroj měsíčních cen CZV za období 2000-2013 KOM(1/2000), KOM(2/2000), … , KOM(12/2000) jsou měsíční CZV v roce 2000 za měsíc 1–12 KOM(1/2001), KOM(2/2001), … , KOM(12/2001) jsou měsíční CZV v roce 2001 za měsíc 1–12 … KOM(1/2013), KOM(2/2013), … , KOM(12/2013) jsou měsíční CZV v roce 2013 za měsíc 1–12 Průměrné měsíční ceny za období 2000-2013 (roční cyklus průměrného roku) KOMprum(1/rok) = (KOM(1/2000) + KOM(1/2001) + … + KOM(1/2013)) / 14 je průměrná lednová cena CZV za období 2000-2013 … KOMprum(12/rok) = (KOM(12/2000) + KOM(12/2001) + … + KOM(12/2013)) / 14 je průměrná prosincová cena CZV za období 2000-2013 Průměrná roční cena za období 2000-2013 KOMprum(rok) = (KOMprum(1/rok) + KOMprum(2/rok) + … + KOM(12/rok)) / 12
39
Průměrné měsíční odchylky CZV od průměrné roční ceny (definice ročního cyklu) koefKOMprum(1/rok) = KOMprum(1/rok) / KOMprum(rok) … koefKOMprum(12/rok) = KOMprum(12/rok) / KOMprum(rok) Potom platí pro průměrné měsíční ceny KOMprum(1/rok) = koefKOMprum(1/rok) * KOMprum(rok) … KOMprum(12/rok) = koefKOMprum(12/rok) * KOMprum(rok) Průměrné měsíční ceny dané komodity KOM představují průměrný roční cyklus CZV, kterým daná komodita KOM prochází. Pro rok 2014 je potom predikován stejný roční cyklus vycházející jednak ze skutečných (aktuálních) údajů za měsíce, kde byly CZV již publikovány, jednak z odhadů měsíčních cen CZV, které ještě publikovány nebyly a jsou modelově odvozeny. Postup výpočtu těchto odhadů ukazuje následující algoritmus. Pro odhad roku 2014 je potřeba alespoň jeden skutečný údaj za rok 2014 (tj. nejméně za leden 2014). Predikce cen pro rok 2014 za předpokladu dostupné ceny za leden 2014 KOMskut(1/2014) je skutečná CZV komodity KOM publikované ČSÚ za leden 2014. Potom definujeme KOMskut(1/2014) = koefKOMprum(1/rok) * KOModhad(2014|1), kde KOModhad(2014|1) je celoroční odhad ceny roku 2014 vycházející z ledna 2014. Z toho plyne pro odhad celoroční ceny komodity KOM KOModhad(2014|1) = KOMskut(1/2014) / koefKOMprum(1,rok) Pro výpočet odhadu měsíčních cen CZV na rok 2014 potom platí KOModhad(mes/2014) = koefKOMprum(mes/rok) * KOModhad(2014|1) pro mes = 2, 3 až 12 Predikce cen pro rok 2014 za předpokladu dostupných cen za leden a únor 2014 KOMskut(1/2014), KOMskut(2/2014) jsou skutečné CZV publikované ČSÚ za leden a únor 2014. Potom definujeme KOMskut(2/2014) = koefKOMprum(2/rok) * KOModhad(2014|2), kde KOModhad(2014|2) je celoroční odhad ceny roku 2014 vycházející z února 2014 Vzhledem k tomu, že máme 2 odhady celoroční ceny roku 2014 z ledna a února, definujeme průměrný odhad celoroční ceny
40
KOModhad(2014|1+2) = ( KOModhad(2014|1) + KOModhad(2014|2) ) / 2 Pro výpočet odhadu měsíčních cen potom platí KOModhad(mes/2014) = koefKOMprum(mes/rok) * KOModhad(2014|1+2) pro mes = 3 až 12 Predikce cen pro rok 2014 za předpokladu dostupných cen za leden až listopad 2014 KOMskut(1/2014) až KOMskut(11/2014) jsou skutečné CZV komodity KOM publikované ČSÚ za leden až listopad 2014. Potom definujeme KOMskut(12/2014) = koefKOMprum(12/rok) * KOModhad(2014|11) kde KOModhad(2014|11) je celoroční odhad ceny roku 2014 z listopadu 2014. Vzhledem k tomu, že máme 11 odhadů celoroční ceny roku 2014 z ledna až listopadu, definujeme průměrný odhad celoroční ceny za 11 měsíců KOModhad(2014|1+…+11) = (KOModhad(2014|1) +…+ KOModhad(2014|11)) / 11 Pro výpočet odhadu měsíční prosincové ceny potom platí KOModhad(12/2014) = koefKOMprum(12/rok) * KOModhad(2014|1+…+11). Pro výpočet odhadu celoroční ceny komodity KOM platí, že postupné aproximace odhadu roční ceny se blíží průměrné roční ceně. Pokud komodita KOM zachovává v roce 2014 pravidelný měsíční cyklus výkyvů měsíčních cen jako v minulosti, potom všechny odhady se blíží standardu chování ceny v minulosti. Současně platí, že takto vypočtené ceny respektují aktuální vývoj měsíčních cen a nemohou se významně lišit od reálné výše CZV v daném roce. Model CENY-1 není tak závislý na meziročních skokových změnách CZV, které se v historické minulosti v časové řadě objevují (např. prudké poklesy v letech 2009 a 2010 a naopak oživení v letech 2011 a 2012) a respektuje pouze předpokládané cyklické výkyvy měsíčních CZV v jednotlivých letech.
41
Příloha 3: Statistické výstupy predikce cen 2015
Graf 1: Průběh časové řady ceny pšenice ozimé včetně vyhlazené řady Exp. vyrovnáv.: Vícenás. sezóna (12) S0=3876, T0=9,409 Lin.trend,mult.sezóna; Alfa= ,100 Delta=,100 Gama=,100 Pšenice potravinářská 7000
3000
2000
1000 5000 0 4000 -1000
Rezidua
Pšenice potravinářská:
6000
3000 -2000 2000
-3000
1000 0
20
40
60
80
100
Pšenice potravinářská (L)
120
140
160
Vyhlaz. Řady (L)
-4000 200
180
Rezidua (P)
Zdroj: ČSÚ, vlastní zpracování
Graf 2: Průběh časové řady ceny mléka včetně vyhlazené řady – automatické hledání Exp. vyrovnáv.: Vícenás. sezóna (12) S0=7712, T0=4,587 Lin.trend,mult.sezóna; Alfa= 1,00 Delta=0,00 Gama=0,00 Mléko kravské I. A Q.tř.j. 11000
1000
800 10000
600
9000
8000
200
Rezidua
Mléko kravské I. A Q.tř.j.:
400
0 7000
-200
6000 -400
5000
-600 0
20
40
60
80
100
120
140
Jména případů
Zdroj: ČSÚ, vlastní zpracování
42
160
180
200
Mléko kravské I. A Q.tř.j. (L) (L) Vyhlaz. Řady (L) (L) Rezidua (P) (R)
Tabulka 3: Souhrn chyb – exponenciální vyrovnávání cen Plodina Průměrná chyba Prům. absolut. chyba
Semeno Pšenice Pšenice Ječmen Ječmen Oves řepky Zelí bílé Cibule potravinářská krmná sladovnický krmný Žito krmný olejné hlávkové suchá -51,98 -47,56 -21,75 -40,48 -53,24 -32,25 -102,09 -18,82 -11,95 728,88
641,10
548,99
554,80
653,68
457,36
992,30
Průměrná percentuální
-3,67
-3,55
-1,17
-2,81
-3,50
-1,85
-1,92
-1,54
-7,49
Prům. abs. perc. chyba
18,85
18,97
12,42
16,97
18,74
14,31
12,05
10,42
29,27
Prasata jatečná Kuřata Mléko tř. j. I. v jatečná kravské živém I. I. -6,82 -13,69 3,61
Vejce slepičí konzumní tříděná -4,34
Kategorie ŽV a produkt ŽV Průměrná chyba Prům. absolut. chyba
Jalovice Býci jateční jatečné Krávy tř. j. A v tř. j. A v jatečné tř. j. živém živém A v živém -63,31 -42,04 -114,42 1393,44
1027,21
1450,26
2338,78
1245,33
94,98
Průměrná percentuální
-0,20
-0,18
-0,51
-0,22
-0,19
0,02
-1,36
Prům. abs. perc. chyba
3,44
3,36
5,61
7,37
5,67
1,19
10,98
Zdroj: ČSÚ, vlastní zpracování
43
195,00
588,10 1457,12
Příloha 4: Porovnání předběžných a definitivních výsledků důchodu SZÚ Tabulka 3: Výsledky souhrnného zemědělského účtu v mld. Kč Zdroj Termín zpracování 2007 2008 2009 2010 2011 2012 2013
SZÚ předběžný
SZÚ semidefinitivní
SZÚ definitivní
změna definitivní/ předběžné
změna definitivní/ semidefinitivní
březen N+1
září N+1
září N+2
%
%
13,71 9,72 3,17 6,24 16,39 16,10 16,69
13,69 9,82 2,58 7,71 17,13 16,44 16,25
10,01 10,14 2,84 7,65 17,39 16,33 *
-27,0 4,3 -10,3 22,5 6,1 1,4 -
-26,9 3,3 9,9 -0,9 1,5 0,67 -
Zdroj: ČSÚ/SZÚ
* Definitivní výsledky důchodu za rok 2014 dle SZÚ budou známy v září roku 2015.
Příloha 5: První výsledky EAA pro rok 2014 Tabulka 4: Přehled výsledků Economic Accounts of Agriculture v mld. Kč CEREALS (including seeds) Oil seeds and oleaginous fruits CROP OUTPUT Cattle Pigs Poultry Milk Eggs ANIMAL OUTPUT AGRICULTURAL OUTPUT TOTAL INTERMEDIATE CONSUMPTION GROSS VALUE ADDED AT BASIC PRICES COMPENSATION OF EMPLOYEES OTHER TAXES ON PRODUCTION OTHER SUBSIDIES ON PRODUCTION ENTREPRENEURIAL INCOME
2012
2013
2014
2014/2013
32,36 14,85 71,66 6,07 9,32 5,81 20,51 2,56 44,40 119,14 88,25 33,99 24,83 1,22 29,28 16,33
32,55 16,36 75,95 6,23 9,58 5,94 22,40 2,16 46,47 125,20 90,77 37,46 25,55 1,15 27,50 16,25
33,41 16,44 78,20 6,60 9,37 5,64 25,84 2,14 49,74 130,91 93,84 40,54 26,29 1,20 29,23 19,82
1,027 1,005 1,030 1,059 0,978 0,949 1,153 0,991 1,070 1,046 1,034 1,082 1,029 1,045 1,063 1,220
Zdroj: EUROSTAT
44