Závěrečná zpráva o výsledcích řešení Interního výzkumného projektu
IVP č. 1273/2014 Vyhodnocení účinků strukturálních podpor v rámci osy I PRV 2007-2013
Hlavní řešitel:
Ing. Tomáš Medonos, Ph.D.
Spoluřešitelé:
Ing. Jan Boudný Ing. Zuzana Hloušková Ing. Martin Hruška Ing. Marie Pechrová Ing. Jindřich Špička, Ph.D.
Externí spolupráce:
RNDr. Tomáš Ratinger, MSc. Ph.D1
Praha 2015
Tento výzkumný projekt byl financován z institucionální podpory na dlouhodobý rozvoj výzkumné organizace poskytnuté Ministerstvem zemědělství ČR z veřejných prostředků.
1
Technologické centrum AV ČR
1
Shrnutí: Cílem interního výzkumného projektu byla kvantifikace kauzálních účinků podpory ve srovnání s kontrafaktuální situací bez intervence na podpořené podniky zejména na jejich ekonomickou výkonnost a produktivitu vyplývajících z poskytovaných strukturálních podpor zemědělským podnikům v delším časovém horizontu. Analýzy navazují na dosud zjištěné poznatky v rámci řešeného projektu č. 1273. V práci jsou uplatněny ověřené metody kontrafaktuální analýzy pro vyhodnocení účinků v delším časovém období zejména Propensity Score Matching s metodou kernel matching a metoda „nnmatch“ s využitím přiřazování nejbližšího souseda. Přičemž na zkoumaném souboru podniků z databáze FADN pro období let 2007-2012 vycházely statisticky průkazné rozdíly ve výkonnosti, efektivnosti a produktivitě mezi podpořenými a nepodpořenými podniky pouze v případě metody „nnmatch“ kvůli větší heterogenitě zkoumaného souboru podniků. Výběrový soubor podniků v databázi FADN je možné použít pouze pro hodnocení opatření Modernizace zemědělských podniků v rámci Programu rozvoje venkova 2007-2013, kde je zastoupen dostatečný počet podniků, které se účastnily tohoto opatření, případně je možné v souběhu tohoto opatření zohlednit v hodnocení i další investiční opatření. Na základě provedené faktorové analýzy a následně probit regrese vyplynulo, že větší farmy mají větší sklon k účasti. Což nakonec potvrzuje i přímá statistika, kdy podíl podpořených velkých farem je vysoký. Velký rozsah výkonů generuje dostatek zdrojů pro investování. S rostoucím procentem zatravnění a rostoucí extenzitou produkce se zvyšuje pravděpodobnost účasti ve vybraných opatřeních. Což potvrzuje i negativní vztah participace na programu s rostoucí hustotou přežvýkavců. Jiným zajímavým fenoménem je negativní regresní koeficient u proměnné produktivity práce. Vysvětlení částečně souvisí s tím, že o podporu žádají podniky, které chtějí zlepšit produktivitu, a částečně (možná více) bude mít vliv na negativní znaménko fakt, že program preferoval farmy v méně příznivých oblastech a s chovem skotu, kde je také zřejmě produktivita práce měřená hodnotou produkce nižší. Provedené analýzy indikují pozitivní efekt strukturálních podpor. Kontra-faktuální analýza prokázala, že bez podpory by „podpořené“ podniky dosahovaly horších ekonomických výsledků, tvořili menší přidanou hodnotu s nižší produktivitou práce. Ukázalo se, že přínosy z hlediska zlepšení produktivity práce jsou vyšší u podniků hospodařících se živočišnou výrobou (tedy tam kde je hustota přežvýkavců v přepočtu na 100 ha z. p. nenulová) a ta je následována skupinou podniků hustotou přežvýkavců vyšší jak 20 DJ na 100 ha z. p. V případě absolutního rozdílu čisté anebo hrubé přidané hodnoty v přepočtu na podnik dosahovala úroveň nejvyšších hodnot u souboru všech podpořených podniků, který byl následován rozdělením podsouboru na podniky s vyšší hustotou přežvýkavců (nad 20 DJ na 100 ha z. p.).
2
Kontrafaktuální analýza neprokázala statisticky průkazný rozdíl mezi podpořenými a nepodpořenými podniky ve změně úrovně bankovní zadluženosti, ale z deskriptivní analýzy vyplynulo, že podpora mobilizovala dodatečné finanční prostředky pro modernizaci českého zemědělství, které by jinak zemědělští podnikatelé nevyužili. Strukturální podpory jsou tak důležitým impulsem k investování. Ukazatele, u kterých ke zlepšení došlo, se liší jak podle toho, které roky uvažujeme a i podle použitých metod. Z toho vyplývá, že se při hodnocení nelze spolehnout na jediný ukazatel. Naopak je třeba sledovat více dimenzí výkonnosti a pokud možno i různá období. Použití více metod také zlepšuje vhled – každá metoda totiž stanovuje kontrolní pár (kontrafaktuál) jiným způsobem. U nově navržených indikátorů Evropskou komisí pro sledování dopadu a výsledku byla otestována jejich praktická použitelnost pro případné hodnocení a navrženy úpravy pro jejich použití. Jak ukazatel Celková produktivita faktorů tak Změna hodnoty celkové produkce na pracovníka indikují pozitivní změnu v důsledku podpory, ale na tomto souboru nebyly prokázané statisticky významné rozdíly mezi podpořenými a nepodpořenými podniky na požadované úrovni významnosti (10 %), což může souviset i s nižším rozsahem analyzovaného soboru podniků. Z provedené deskriptivní analýzy vyplývá, že strukturální podpora v případě podniků fyzických osob spíše přispívá k tvorbě zaměstnanosti a naproti tomu podniky právnických osob spíše modernizují své provozy, zvyšují svoji ekonomickou velikost a redukují zaměstnanost. Otázkou tedy zůstává, zda strukturální podpora má být poskytována několikrát za dobu působení programu jednomu podniku zejména v době, kdy dochází k omezení zdrojů financování na oblast investic v nově navrhovaném PRV 2014-20. V závěrech jsou také uvedeny konkrétní doporučení pro provádění monitoringu a hodnocení samotného programu rozvoje venkova. Výsledky projektu jsou využity jako podklad pro evaluaci a reformulaci opatření PRV na posílení konkurenceschopnosti zemědělských podniků.
3
OBSAH Použité zkratky ......................................................................................................................... 5 1. Vyhodnocení účinků strukturálních podpor v rámci PRV 2007-2013 s využitím kontrafaktuální analýzy ...................................................................................................... 6 Cíle......................................................................................................................................... 6 Metodika (kontrafaktuální analýza) a zdroje dat ................................................................... 7 Celková produktivita faktorů (TFP)................................................................................. 9 Výsledky .............................................................................................................................. 10 Popis souboru analyzovaných podniků .......................................................................... 10 Analýza faktorů ovlivňujících účast v opatřeních na podporu investic do zemědělství ............................................................................................................. 15 Kontrafaktuální analýza................................................................................................. 17 Závěry a doporučení vyplývající z kontrafaktuální analýzy ............................................... 23 Literatura ............................................................................................................................. 24 Přílohy ..................................................................................................................................... 26 Uplatnění vytvořených výstupů v rámci projektu: ............................................................. 31
4
POUŽITÉ ZKRATKY ATC
Average treatment effect on controled (střední efekt z ošetření/účasti mezi neúčastnícími se)
ATE
Average treatment effect (střední efekt z ošetření/účasti)
ATT
Average treatment effect on the treated (střední efekt z ošetření/účasti mezi účastnícími se)
CMEF
Common Evaluation and Monitoring Framework (Obecný monitorovací a hodnotící rámec)
CV
Koeficient variace (podíl směrodatné odchylky a absolutní hodnoty ze střední hodnoty)
CZ-NACE Klasifikace ekonomických činností v ČR NACE – Nomenclature générale des Activités économiques dans les Communautés Européennes (Klasifikace ekonomických činností) EENRD
European Evaluation Network of Rural Development (Evropská hodnotící síť venkovského rozvoje)
EU
Evropská unie
FADN
Zemědělská účetní datová síť
HPH
Monitorovací indikátor Hrubá přidaná hodnota
LFA
Less Favoured Areas (méně příznivé oblasti)
LPIS
Land parcel identification systém (Systém pro identifikaci pozemků)
MZe
Ministerstvo zemědělství
OP
Operační program Zemědělství (2004-2006)
PGRLF
Podpůrný garanční rolnický a lesnický fond
PSM
Propensity Score Matching (přiřazování na základě skórů náchylnosti)
PRV
Program rozvoje venkova ČR pro období 2007-2013
SAPARD
Special Accession Programme for Agriculture and Rural Development (Speciální předvstupní program pro zemědělství a rozvoj venkova)
SZIF
Státní zemědělský a intervenční fond
ÚZEI
Ústav zemědělské ekonomiky a informací
z. p.
zemědělská půda
ŽOD
žádost o dotaci
ŽOP
žádost o proplacení
5
Vyhodnocení účinků strukturálních podpor v rámci PRV 2007-2013 s využitím kontrafaktuální analýzy Tato část předložené práce se zaměřuje na kvantifikaci kauzálních účinků ve srovnání s kontrafaktuální situací bez intervence na podpořené podniky zejména na jejich ekonomickou výkonnost a další neekonomické přínosy vyplývajících z poskytovaných strukturálních podpor zemědělským podnikům v delším časovém horizontu. Cíle Vedle aktualizace výsledků z přechozích dvou let na datově bohatším souboru FADN CZ jsme se zaměřili na obohacení analýzy v následujících směrech: i)
ii) iii) iv)
Ověřit nově navržené indikátory výsledku a dopadu Evropskou komisí pro hodnocení v nově připravovaném Programu rozvoje venkova na období 2014 – 2020. Ověřit rozsah opatření stávajícího PRV 2007-2012, pro která bude možné využít databázi FADN CZ pro jeho Ex post hodnocení. Věnovat větší pozornost determinantům účasti v opatření v souvislosti s rozšířením rozsahu strukturálních proměnných. „zpřesnění“ kontrafaktuální analýzy tím, že se podobné farmy hledají jen ve stejných podskupinách např. podle velikosti, podle zatravnění (tj. přírodních podmínek), podle specializací. To mělo současně za cíl odlišit efekty podle podskupin.
V předchozích projektech se naše pozornost soustřeďovala především na otázky prokazatelnosti efektu investičních podpor v zemědělství a odlišnosti mezi různými skupinami podpořených podniků. V našich pracích (Medonos et al., 2012 a Ratinger et al., 2013) jsme ukázali, že bezprostřední efekty jsou statisticky významné pro určité indikátory (výkonnost definovaná podílem hrubé přidané hodnoty na hodnotě výkonů, nákladovosti definované podílem celkových nákladů na celkové produkci a také zvýšením úvěrové zadluženosti interpretované jako pozitivní jev, kdy prostřednictvím investiční podpory došlo k mobilizaci dalších dodatečných zdrojů v podobě bankovních úvěrů) a pro jiné (zejména co se týká produktivity práce) nikoliv. V tomto roce jsme se zaměřili na otázku, jak vykazují podpořené podniky zvýšenou efektivnost v několika následujících letech. Dá se totiž předpokládat, že efekty (jak např. zvýšená přidaná hodnota nebo zlepšená produktivita) se projeví plně až po několika letech. Důležitou podmínkou pro takové zkoumání je, aby i) Podpořené podniky nedostaly v následujících letech další investiční podporu ii)
Aby kontrolní skupina byla stejná
6
Navíc jsme pro letošní hodnocení iii)
vyloučili z kontrolní skupiny i podniky, které dostaly podporu z OP v letech 2004 až 2008 nebo čerpaly národní programy pro podporu investic do zemědělství (např. z PGRLF).
Zavedením těchto požadavků se ovšem soubor podpořených podniků a kontrolní skupina značně zmenšily (na 51 a 373 resp.). Před vlastní kvantitativní analýzou byla provedena kvalitativní analýza vybraných investičních opatření prostřednictvím metody TBE – která umožňuje provedení hodnocení dopadu na základě programové teorie. Tato kvalitativní analýza je jako samostatná příloha této zprávy. Metodika (kontrafaktuální analýza) a zdroje dat V roce 2014 jsme neměnili koncepční rámec práce, který jsme sledovali v minulých třech letech (Medonos a kol. 2012 a Medonos a kol. 2013). Disponovali jsme dvěma metodami přiřazování k odhadu středního efektu ošetření (účasti v opatření) na ošetřených (účastnících se) – ATT. S posledně jmenovaným souvisí náš záměr v tomto roce řešení provést analýzu na souboru podniků z výběrového šetření FADN, které je bohatší (pestřejší) na ukazatele – vedle finančních obsahuje i množství jiných ekonomických a naturálních ukazatelů, než databáze Albertina analyzovaná v předchozích letech. Pro provedení dopadové analýzy byly tedy využity údaje pro podniky z databáze FADN CZ, které se vyskytovaly v tomto výběrovém šetření ve sledovaném období let 2007-2012 v každém roce pozorování. Pro doplnění informace o tom, zda a jakých podporovaných investičních opatření se podniky zúčastnili, byly využity také databáze o příjemcích investičních dotací jak v rámci stávajícího PRV 2007-2013, tak předchozího Operačního programu pro zemědělství 2004-2006. Tyto databáze byly poskytnuty Řídícím orgánem PRV v detailní struktuře na úrovni jednotlivých žadatelů a také jednotlivých typů žádostí, tedy žádosti o dotaci, tak i žádosti o proplacení. Databáze FADN CZ poskytuje řadu informací a dat o strukturálních charakteristikách podniků, jejich ekonomických a finančních ukazatelích, přičemž detailnější informace (zejména o využití neplacených výrobních faktorů) umožňují přesnější provedení a využití dalších metod hodnocení jako např. posouzení vývoje a změny celkové produktivity faktorů, která je relevantní v oblasti hodnocení efektů investičních podpor. Z velkého množství ukazatelů jsme vybrali 88, které by mohly potenciálně ovlivnit rozhodnutí o účasti v programu/opatření. Zřejmě, řada z těchto ukazatelů je silně vzájemně korelovaná. Abychom redukovali vzájemnou korelaci proměnných (multikolinearitu v následné regresní analýze), provedli jsme faktorovou analýzu; nebo přesněji, pomocí
7
metody hlavních komponent jsme určili 17 faktorů, variability původních 88 proměnných (Tabulka 16 v příloze).
které
reprezentují
90%
V následné analýze, jsme však nepoužili faktory přímo, ale proměnné, které měly vysokou korelovanost s faktory (za každý faktor jednu proměnnou) a současně byly věcně nejvhodnější k analýze (viz Tabulka 16 v příloze). Nyní popíšeme metodické kroky kontrafaktuální analýzy efektů investičních podpor, nikoliv však metody. Jednak byla jak idea, tak aplikované metody detailně popsány v minulých dvou zprávách IVP a lze je také najít v publikacích Medonos a kol. (2012) a Ratinger a kol. (2013). V této zprávě se sice podrobněji zabýváme analýzou faktorů ovlivňujících účast v programu/opatření pomocí probit/logit regrese, nicméně tu považujeme z hlediska našeho výzkumu za standardní statistický nástroj, který je bohatě popsán v literatuře (např. Guajarati, 2004). Prvním krokem byla bezpochyby příprava dat. Druhým krokem byl výběr vhodných, pokud možno nezávislých, proměnných pro analýzu. Tyto proměnné dále nazýváme strukturální a budou určovat podobnost farem. Třetím metodickým krokem je analýza faktorů, které ovlivňují účast v programu. Tento krok úzce navazuje na krok 2, výběr proměnných se může měnit podle toho, jak dobře vysvětlují účast farmy v programu/opatření. Základním analytickým nástrojem je regrese s kategorickou závislou proměnnou, v tomto případě 1 … účast a 0 … neúčast. Konkrétně jsme použili probit a logit regrese (Guajarati, 2004). Kategorická proměnná je stanovena pro účast v opatření Modernizace zemědělských podniků (I.1.1) (MOD), při současné možné účasti v opatření Přidávání hodnoty zemědělským a lesnickým produktům (I.1.3.1) (PH) a také v opatření Diverzifikace zemědělské činnosti (III.1.1 záměr b) Investice do bioplynových stanic (BPS), které získaly podporu v období let 2008-2010. Zdůvodnění tohoto výběru je v další části zprávy. Analýza faktorů poskytuje současně proměnné, které jsou vhodné pro stanovení podobnosti podniků pro kontrafaktuální analýzu. To platí zejména, pokud sledujeme postup, kde se přiřazují kontrolní páry na základě skórů náchylnosti (Propensity Score Matching, PSM) viz Medonos a kol. 2012. Na základě výsledků probit nebo logit regrese se každému podniku přiřadí skór náchylnosti, tj. pravděpodobnost účasti v programu/opatření. Ve čtvrtém kroku se provádí samotná kontrafaktuální analýza přiřazením podobných farem z kontrolní skupiny (tj. neúčastnících se podniků) a výpočtem středního efektu ošetření na ošetřených (Average Treatment Effect on Treated). Použité metody jsou podrobně popsány v Medonos a kol. (2012) (PSM s Gausovýn kernelem – jádrem) a Medonos a kol. (2013) (přímé přiřazování nejbližších sousedů podle Abadie a kol. 2014), nebo např. v Caliendo, Kopeinig, (2005) pro PSM a v Abadie a Imbens, (2002) pro přímé přiřazování (nnmatch).
8
Pátý krok je opakování čtvrtého (případně části třetího) kroku pro podsoubory. V tomto kroku jde o posouzení, zda jsou efekty významné jen pro některé podskupiny podniků např. pro podniky v horších nebo lepších přírodních podmínkách, pro podniky zaměřené na živočišnou nebo rostlinnou výrobu apod. Ale z důvodu zmenšení souboru, jsme nemohli soubor dále mnoho členit na pod soubory. Zúžili jsme tuto analýzu jen na podsoubor farem se zatížením přežvýkavců 0,2 VDJ/ha. Závěrečným krokem je shrnutí celé analýzy a vytvoření závěrů. Celková produktivita faktorů (TFP) V toto roce řešení jsme rozšířili analýzu o vyhodnocení dopadu investičních podpor na změnu celkové produktivity faktorů. Jedná se o ukazatel, který byl nově navržen Evropskou komisí v rámci nového programového období 2014-2020 jako dopadový indikátor pro hodnocení efektu strukturálních podpor na úrovni sektoru. Pokusili jsme se ho tedy implementovat pro hodnocení na podnikové úrovni, protože je možné ho považovat za vhodnější ukazatel než použití parciálních produktivit jednotlivých faktorů jako např. práce, půdy či kapitálu, protože obecně při investování dochází k substituci jednotlivých výrobních faktorů zejména práce za fixní kapitál. Rozdíly v produktivitě je možné analyzovat prostřednictvím Törquist – Theilového indexu TFP pro všechny zemědělské podniky vztažených k průměrné farmě a následné srovnání změn v celkové produktivitě pro případ podpořených podniků a jejich kontrolní skupiny. Měření Törquist – Theilového indexu TFP je založená na teorii indexních čísel. Je také vhodnou alternativou pro ekonometrické odhady efektivnosti v případech, kdy data neumožňují odhadovat základní produkční funkce (Capalbo and Antle 1998, Davidova et al. 2001). TFP index je relativním měřítkem produktivity, která je definována jako poměr indexu produkce (tj. změnou v objemu produkce napříč hodnoceného období) a indexu vstupů (odpovídající změna v užitých vstupech na produkci) Index produkce a vstupů jsou vypočteny jako vážené průměry změn v produkovaném množství anebo užitých vstupů, kde váhy jsou reprezentovány objemem produkce různých produkcí resp. nákladů produkčních faktorů (mezispotřeba, půda, práce a kapitál) vynaložených na jejich produkci. Předpokládejme, že máme dvě firmy i a b, které produkují n výstupů gj (j = 1, … n) s použitím m vstupů Xk (k = 1, …, m). Pak index t může být definován následující rovnicí:
t1 =
1 n ∑ 2 j =1
(R + R ) ln Q − ln Q − 12 ∑ (S i
b
i
b
j
j
j
j
m
k =1
9
i k
)(
+ S k ln X k − ln X k b
i
b
)
(1)
kde, pro i-tou firmu i, Rij představuje podíl hodnoty j-tého výstupu v celkové hodnotě všech n výstupů a Sik reprezentuje podíl nákladů k-tého vstupu na celkové hodnotě všech m vstupů. Při konstrukci indexu produktivity jsme museli vyřešit následující problémy. Prvním byla skutečnost, že pokud chceme sledovat parciální produkce za jednotlivé výroby (v našem případě produkce rostlinné výroby, živočišné výroby a ostatní produkce), tak takováto struktura musí nabývat nenulových hodnot pro každou firmu a současně v každém roce pozorování. V našem případě však necelá třetina podniků (179 z 575 podniků) nerealizuje produkci v oblasti živočišné výroby a polovina podniků (288) nerealizuje ostatní produkci. Z tohoto důvodu jsme museli použít agregovanou hodnotu celkové produkce, která je součtem parciálně deflovaných hodnot jednotlivých produkcí. Další skutečnost, kterou bylo třeba vyřešit před vlastním výpočtem TFP, bylo využití a ocenění vlastních faktorů. V tomto případě se jedná o vlastní práci podnikatele a jeho rodiny a dále vlastní půdy. Ocenění těchto dvou nenajímaných faktorů je provedeno v ceně, která je realizovaná v případě nájmu tohoto faktoru a pokud není najímaná, tak za průměrnou cenu realizovanou v celém souboru podniků pro každý jednotlivý rok. Před vlastním výpočtem bylo nutné údaje o jednotlivých faktorech a produkci deflovat, protože jsou využita data v časové řadě 2007 až 2012, kdy navíc docházelo k výrazným změnám jak v ceně nakupovaných faktorů, tak zejména produkce. Vzhledem ke znalosti detailní struktury jednotlivých produkcí rostlinné výroby, živočišné výroby a ostatní produkce na základě dat šetření FADN, bylo možné provést deflování dat na úrovni dílčích produkcí. Tento postup je věcně správnější, protože věcná struktura produkce může být na úrovni podniků značně odlišná a deflování provedené pomocí agregovaných průměrných cenových indexů za produkci rostlinné výroby celkem a živočišné výroby celkem vede k podstatnému zkreslení údajů. Parciální cenové indexy jsou uvedeny v příloze (Tabulka 14 a Tabulka 15). Vlastní výpočet indexu TFP tedy celkové produktivity faktorů byl vypočten ve dvou variantách. Nejprve v dynamické formě pro každý jeden podnik, kde výchozím rokem je rok 2007 a tento typ umožňuje sledovat pouze dynamiku vývoje jednoho konkrétního podniku. Druhá varianta byla vypočtena v podobě „cross sectional“, tedy každý podnik i v prvním roce měření (2007) byl vztažen k vypočtenému průměrnému podniku za celý soubor hodnocených podniků. Přitom již v prvním roce měření je možné hodnotit úroveň produktivity vybraného podniku vůči ostatním podnikům nikoliv pouze jeho dynamiku vývoje. Výsledky Popis souboru analyzovaných podniků Pro analýzu dopadu investičních podpor byl v tomto roce využit soubor podniků z výběrového šetření FADN CZ s podniky vyskytujících se v každém roce sledovaného
10
období let 2007-2012. Jedná se tedy o analýzu panelových dat. Vlastní podsoubor s panelovými daty pro sledované období obsahuje 599 podniků (z nichž je 357 podniků fyzických osob (FO) a 242 podniků právnických osob (PO))2. Tabulka 1 Účast podniků PO v investičních opatřeních PRV 2007-13
2008 2009 2010 2011 2012
Modernizace
PH v zeměd.a potrav.
Lesnická technika + PH
Diverzifikace
I.1.1.1
I.1.3.1
I.1.2.1+2
III.1.1
počet 27 62 77 100 103
% 11% 26% 32% 41% 43%
počet 1 1 1 2 3
% 0% 0% 0% 1% 1%
počet 0 1 1 2 2
% 0% 0% 0% 1% 1%
počet 2 4 7 15 26
% 1% 2% 3% 6% 11%
PRV Celkem počet 29 65 82 109 115
% 12% 27% 34% 45% 48%
Zdroj: Výběrové šetření FADN 2007-2012, vlastní výpočty.
Tabulka 2 Účast podniků FO v investičních opatřeních PRV 2007-13 Modernizace
2008 2009 2010 2011 2012
PH v zeměd.a potrav.
Lesnická technika + PH
Diverzifikace
PRV Celkem
I.1.1.1 I.1.3.1 I.1.2.1+2 III.1.1+3 % % % % počet počet počet počet počet 1% 1% 1% 0% 2 2 3 0 6 2% 1% 1% 0% 6 2 3 0 10 5% 1% 1% 0% 17 4 5 1 25 6% 1% 2% 0% 20 4 7 1 29 6% 1% 2% 1% 20 5 8 2 31
% 2% 3% 7% 8% 9%
Zdroj: Výběrové šetření FADN 2007-2012, vlastní výpočty.
Co se týká participace analyzovaných podniků v podporovaných investičních opatřeních, uvádějí následující tabulky (Tabulka 1 a Tabulka 2) podíl podniků účastnících se jednotlivých opatření stávajícího PRV 2007-13. Z údajů vyplývá, že podniky PO pětkrát častěji participují na těchto opatřeních než podniky FO. Současně se podniky PO účastní v opatřeních zaměřených nejčastěji na Modernizaci zemědělských podniků (I.1.1) a dále také na podporu Diverzifikace činností do nezemědělských aktivit (III.1.1), kde převážná většina (15 PO) participuje na záměru b) výstavba bioplynové stanice (BPS) a 11 podniků do záměru c) pořízení kotlů na biomasu případně d) do výroby tvarovaných paliv. V případě podniků FO je nejčastějším opatřením také Modernizace zemědělských podniků. Překvapivě málo (pouhé 1 % jak podniků PO tak i FO) se respondenti FADN účastnili opatření zaměřeného na Přidávání hodnoty v zemědělství a potravinářství.
2
Rozdělení na samostatnou skupinu podniků FO a PO je provedeno z důvodu významně odlišných strukturálních charakteristik jednotlivých typů podniků ale i jejich participace v investičních opatřeních.
11
Zajímavé jsou také základní charakteristiky podpořených a nepodpořených podniků (Tabulka 3). Z hlediska obhospodařované výměry zemědělské půdy dosahují podpořené podniky oproti nepodpořeným podnikům větší výměru ve výchozím roce před podporou a to v případě podniků PO 1,6 krát větší a u podniků FO dokonce 2,6krát větší než u nepodpořených. Vliv investiční podpory nemá vliv na velikost obhospodařované výměry, protože se index změny výměry mezi roky 2007 a 2012 pohybuje v rozpětí od 0,94 do 1,00. Tabulka 3 Charakteristiky nepodpořených (0) a podpořených (1) podniků Prům. výměra z.p.
N počet PO 2007 FO PO 2012 FO
ha
0
127
995
1
115
1 628
0
326
104
1
31
271
0
127
938
1
115
1 580
0
326
103
1
31
271
2012/07 (1)/(0)
0,94 0,97 0,99 1,00
1,64 2,59 1,69 2,63
Prům. počet AWU AWU 31,1 56,3 2,5 5,5 26,6 47,2 2,4 5,9
Prům. velikost aktiv
2012/07 (1)/(0)
0,86 0,84 0,96 1,08
tis. Kč
2012/07 (1)/(0)
50 153 1,81 104 887 5 163 2,22 11 064 57 521 131 032 1,77 6 958 2,51 17 168
1,15 1,25 1,35 1,55
2,09 2,14 2,28 2,47
Prům. hodnota produkce tis. Kč
2012/07 (1)/(0)
32 823 59 802 2 742 5 997 34 664 66 080 2 934 6 577
1,06 1,10 1,07 1,10
1,82 2,19 1,91 2,24
Aktiva / AWU tis. Kč / 2012/07 (1)/(0) AWU
1 613 1 862 2 101 2 027 2 163 2 777 2 952 2 900
1,34 1,49 1,40 1,43
1,15 0,96 1,28 0,98
Zdroj: Výběrové šetření FADN 2007-2012, vlastní výpočty.
Odlišné je to v případě kapitálové vybavenosti, kde investiční podpory významně přispěly ke zvýšení hodnoty aktiv a to u právnických osob o 10 % více u podpořených podniků oproti nepodpořeným a v případě podniků fyzických osob dokonce o 20 %. Změna v kapitálové vybavenosti vede také ke změnám ve využití pracovní síly a je rozdílná situace mezi právními formami. V případě podniků PO došlo k významnému snížení počtu pracovníků a to jak v případě podpořených (o 16 %) tak i nepodpořených podniků (o 14 %). Ale v případě podniků FO vede investiční podpora k tvorbě nových pracovních míst, protože u nepodpořených podniků se snížil počet pracovníků o 4 % a u podpořených se zvýšil o 8 %. Tabulka 4 Průměrná hodnota investic (2007-2012) na jednotku na podnik mil. Kč PO FO
0 1 0 1
21,5 62,6 2,6 9,6
na ha z.p.
na AWU
na Aktiva
Kč/ha (1)/(0) Kč/AWU (1)/(0) 22 969 39 636 24 981 35 462
809 894 1,73 1 327 739 1 094 888 1,42 1 625 689 -
-
1,64 -
1,48
na Celkovou produkci
Kč/Kč (1)/(0) Kč/Kč (1)/(0) 0,374 0,478 0,371 0,561
-
1,28 -
1,51
0,621 0,948 0,880 1,464
-
1,53 -
1,66
Zdroj: Výběrové šetření FADN 2007-2012, vlastní výpočty.
Z hlediska investiční aktivity podniků je zajímavé, že v případě podpořených a nepodpořených podniků se jejich relace pohybuje v případě podniků PO v rozpětí od 1,28 do 1,73 násobku v závislosti, na jakou jednotku jsou investice vztahovány a v případě podniků
12
FO se poměr investic u podpořených a nepodpořených podniků pohybuje v rozpětí od 1,42 do 1,66. Z následujícího grafu vyplývá, že investičně podpořené podniky PO resp. FO investují ve větším rozsahu do budov – o cca 16 % resp. 18 % než podniky investičně nepodpořené. A tato podpora pravděpodobně umožňuje realizovat rozsáhlejší investice strukturálního charakteru. Graf 1 Struktura kumulativní hodnoty investic za období 2007-12 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0%
Stroje & Zařízení
Budovy
Trvalé kultury
0 (investičně 1 (investičně 0 (investičně 1 (investičně nepodpořené z podpořené z nepodpořené z podpořené z PRV) PRV) PRV) PRV) PO
PO
FO
Zem.půda+zlepš ovače+lesní půda
FO
Zdroj: Výběrové šetření FADN 2007-2012, vlastní výpočty.
Pro účely kontrafaktuální analýzy byly ze souboru podniků dále vyloučeny podniky zaměřené na intenzivní chov monogastrů realizovaný převážně bez půdy, kterým je chov prasat a drůbeže - dle typologie FADN se jedná o podniky v rámci typologie TF 14 s označením 50, 51 a 52 o celkovém počtu 26 podniků (4 PO a 22 FO). Rozdělení podniků do zastoupení podniků dle výrobního zaměření je uvedeno v následující tabulce.
13
Tabulka 5 Zastoupení podniků dle výrobního zaměření ve výchozím roce 2007
10 - polní výroba
PO
S % podíl % podíl investiční na počtu Počet na podporou ve podniků celkovém PRV 2008- specializa počtu 12 ci 93 38,4% 39 41,9%
20 - zahranictví
1
0,4%
0
0,0%
30 - trvalé kultury
2
0,8%
0
0,0%
16
6,6%
5
31,3%
6
2,5%
4
66,7%
45 - chov dojnic 40 - chov skotu a ostatních přežvýkavců
4
1,7%
2
50,0%
80 - smíšená výroba
120
49,6%
65
54,2%
Celkem
242
100,0%
115
47,5%
10 - polní výroba
153
42,9%
9
5,9%
7
2,0%
1
14,3%
50 - prasata a drůbež
20 - zahranictví
FO
30 - trvalé kultury
28
7,8%
4
14,3%
45 - chov dojnic
39
10,9%
3
7,7%
40 - chov skotu a ostatních přežvýkavců
39
10,9%
8
20,5%
50 - prasata a drůbež
22
6,2%
0
0,0%
80 - smíšená výroba
69
19,3%
6
8,7%
357
100,0%
31
8,7%
Celkem
Zdroj: Výběrové šetření FADN 2007-2012, vlastní výpočty.
Pro účely kontrafaktuální analýzy byl soubor podniků ještě upraven a to následujícím způsobem. Byly vybrány jen ta opatření, která mají významnější potenciál ke zlepšení konkurenceschopnosti a současně mají významnější zastoupení ve výběrovém souboru podniků. Jednalo se o opatření Modernizace zemědělských podniků (I.1.1.1), Přidávání hodnoty v zemědělství a potravinářství (I.3.1.1) a Diverzifikace do nezemědělských činností se zaměřením na bioplynové stanice (III.I.I záměr b). Vzhledem ke skutečnosti, že je vhodné měřit efekt s určitým odstupem po realizaci investice – EK zvolila 2 roky v případě monitoringu ukazatele změny hrubé přidané hodnoty – a k dostupným datům za hodnocené podniky do roku 2012, byly do analýzy vybrány jen podniky, které získaly strukturální podporu v období let 2008-2010 (podaly žádost o proplacení). Přitom do roku 2010 podalo žádost o proplacení ve zmíněných opatřeních 97 podniků (81 PO a 16 FO). Dále z tohoto podsouboru byly ještě vyloučeny podniky, které zažádaly o proplacení jakékoliv strukturální podpory v letech 2011 a 2012, kterých bylo 44, za účelem omezení ovlivnění výsledku v období působení proplacených podpor v letech 2008-2010. Pro účely kontrafaktuální analýzy bylo tedy vybráno 51 podpořených podniků (14 FO a 37 PO). V případě nepodpořených podniků byly uplatněny kritéria, kdy do této skupiny byly vybrány jen podniky, které nezískaly žádnou strukturální podporu z Operačního programu 2004-2006 vyplácené v letech 2005 až 2008, dále se neúčastnily žádného opatření ve stávajícím PRV
14
2007-2013 a nezískaly ani žádnou jinou investiční dotaci tedy např. z národních zdrojů. Tyto podmínky splnilo 373 podniků, kde převažuje 278 podniků FO a 95 podniků PO. Finální soubor podniků využitý pro následující kontrafaktuální analýzu čítá tedy 436 podniků (132 podniků PO z toho 37 podpořených a 95 nepodpořených; a dále 292 podniků FO z toho 14 podpořených a 278 nepodpořených). Při tomto výběru jsme došli k dalším zajímavým zjištěním (viz (Tabulka 18 v příloze). Do r. 2010 bylo realizováno133 projektů 97 podniky z FADN. V následujícím období (do r. 2012) dostalo 80 podniků investiční podporu, z nich ale jen 34 bylo nových, které dosud podporu neobdržely. To znamená, že 46 podpořených podniků bylo z 97 podniků, které již obdržely podpory do r. 2010 (tedy polovina dostala podporu podruhé nebo i po třetí). To indikuje slabost investičních opatření PRV, že jsou totiž výrazně čerpána stejnými podniky z kategorie podniků PO, zatímco podniky FO žádají v převážné většině případů jen 1krát za dobu působení programu. V souboru podniků FADN 97 podniků realizovalo 182 podpořených investičních projektů – tedy každý v průměru 2 (téměř).
Analýza faktorů ovlivňujících účast v opatřeních na podporu investic do zemědělství Faktorová analýza byla realizovaná na původním rozsahu 115 podniků PO a 31 podniků FO participujících na investičních opatřeních PRV 2007-13. Jak již bylo shora naznačeno, faktorová analýza určila 17 faktorů reprezentujících 90% variability 88 ukazatelů struktury výroby a ekonomické případně finanční situace podniků. Těchto sedmnáct faktorů představuje sedmnáct skupin vzájemně korelovaných ukazatelů a také významně korelovaných k těmto faktorům. Tyto skupiny jsou žlutě označené v tabulce (Tabulka 16) v příloze. Popíšeme některé z nich. První faktor reprezentuje velikost farem a skupinu tvoří ukazatele relevantní velikosti podniku (Celková produkce, výkony, aktiva, počet pracovníků (AWU), atd.). Faktor 2 reprezentuje intenzitu výroby a faktor 5 intenzitu využití pracovní síly. Faktor 3 představuje extenzivní chov skotu, protože je tvořen vzájemnou silnou pozitivní korelací proměnných, kterými jsou podíl produkce hovězího masa, podíl produkce krmných plodin a zatravnění, a silnou negativní korelací k hektarovému výnosu pšenice a podílu produkce obilovin a olejnin. Faktor 6 reprezentuje intenzivní produkci mléka a faktory 10 až 17 reprezentují ostatní druhy zaměření produkcí. Faktor 4 reprezentuje dlouhodobou úvěrovou a celkovou zadluženost. Faktor 7 a 8 představují přírodní podmínky zde zastoupené rozsahem a podílem půdy v LFAH a LFA-O. A faktor 9 představuje rozvojový a investiční potenciál v podobě čistých investic. Deset strukturálních proměnných, které jsme vybrali po určitém experimentování do kontrafaktuální analýzy jsou uvedeny v tučném rámečku s oranžovou výplní v tabulce (Tabulka 16) v příloze. V tabulce (Tabulka 17) v příloze je prezentována korelační matice vybraných proměnných; z ní vyplývá, že vybrané strukturální proměnné jsou nekorelované.
15
Probit regrese řeší rovnici P[Yj=1| Xj]=Φ(Xjβ), kde Y je kategorická závisle proměnná (v našem případě indikující účast v programu/opatření), X je vektor vysvětlujících proměnných, β vektor parametrů a Φ distribuční funkce standardizovaného normálního rozdělení. Výsledky pro 10 vybraných strukturálních proměnných jsou shrnuty v následujících tabulkách (Tabulka 6 a Tabulka 7). Tabulka 6 Výsledky probit analýzy, statistika k modelu Účast v Mod+PH+BPS (2008-10) jen do 2010 Počet pozorování
424
Počet úplně určených účastí
0
Počet úplně určených neúčastí
0
Počet strukturálních proměnných + konstanta
11
Stupně volnosti
10
Přibližný R2 Věrohodnostní funkce
0,317 -106,382
2
Chi statistika
75,232
P-value
0,000
Zdroj: vlastní výpočet ve STATA 11.
Jak je patrno z tabulky (Tabulka 6), model je signifikantní (tedy zvolené proměnné vysvětlují účast v opatření) - výkony, stupeň zatravnění zemědělské půdy, produktivita práce (Celková produkce v přepočtu na AWU), intenzita chovu přežvýkavců a rozsah čistých investic jsou významnými determinanty účasti ve vybraných opatření PRV 2007-2013. Tabulka 7 Výsledky probit analýzy, významnost parametrů Účast v Mod+PH+BPS (2008-10) jen do 2010
Probit model Strukturální proměnné
jednotky
Výkony
mil. Kč
0,037
Aktiva / ha z.p.
tis. Kč / ha
0,000
Procento zatravnění
podíl
0,984
koef.
sign.
Sm.Od. ***
P-value
0,005
0,000
0,000
0,000
*
0,528
0,528
Zadluženost (Cizí zdroje / Aktiva celkem) podíl
-0,330
0,381
0,381
Celková produkce / AWU
mil. Kč / AWU
-0,430
**
0,190
0,000
DJ přežvýkavců na 100 ha z.p.
DJ / 100 ha
-0,007
*
0,004
0,004
Podíl půdy v LFA-H
podíl
-0,154
0,388
0,388
Podíl půdy v LFA-O
podíl
-0,281
0,342
0,342
Rozsah čistých investic
mil. Kč
0,061
0,034
0,000
Podíl prod.drůbeže a vajec
podíl
3,783
2,433
2,433
0,271
0,271
Konstanta
-1,339
* ***
Zdroj: vlastní výpočet ve STATA 11.
Zcela zřejmě, větší farmy mají větší sklon k účasti – to nakonec potvrzuje i přímá statistika, že podíl podpořených velkých farem je vysoký. Velký rozsah výkonů generuje dostatek zdrojů pro investování. S rostoucím procentem zatravnění a rostoucí extenzitou produkce se zvyšuje pravděpodobnost účasti ve vybraných opatřeních. Což potvrzuje i
16
negativní vztah participace na programu s rostoucí hustotou přežvýkavců. Tyto strukturální proměnné mají však již nižší 10% hladinu významnosti. Jiným zajímavým fenoménem je negativní znaménko u proměnné produktivity práce. Vysvětlení částečně souvisí s tím, že o podporu žádají podniky, které chtějí zlepšit produktivitu, a částečně (možná více) bude mít vliv na negativní znaménko fakt, že program preferoval farmy v méně příznivých oblastech a s chovem skotu, kde je také zřejmě produktivita práce měřená hodnotou produkce nižší. Kontrafaktuální analýza Vybrané indikátory výsledku Použili jsme 12 indikátorů, které je možno zařadit do tří skupin, výkonnostní indikátory, indikátory produktivity a ekonomické efektivnosti a indikátory mobilizace kapitálu (Tabulka 8). Tabulka 8 Sledované výsledkové indikátory Skupina indikátorů Indikátor Výkonnostní indikátory
Indikátory produktivity a efektivnosti
Indikátory mobilizace kapitálu
Název, popis
hph
Hrubá přidaná hodnota (HPH)
cph
Čistá přidaná hodnota (ČPH)
HPH_bezD
Hrubá přidaná hodnota bez dotací
CPH_bezD
Čistá přidaná hodnota bez dotací
Prod_AWU
Produkce na pracovní jednotku
HPH_AWU
HPH na pracovní jednotku
CPH_AWU
ČPH na pracovní jednotku
Naklvost
Nákladovost (náklady/produkce)
lntfp_dyn
Tornquist Theil Total Factor Productivity – postihující jen vývoj v rámci podniku
lntfp_crs
Tornquist Theil Total Factor Productivity – postihující pozici mezi podniky i vývoj.
UvZadl1
Úvěrová zadluženost, Bankovní úvěry a výpomoci / Celkové pasiva
UvZadl2
Úvěrová zadluženost, Bankovní úvěry a výpomoci / Cizí zdroje
Zdroj: vlastní návrh
Část indikátorů je zcela standardních, které jsme také používali v minulých výzkumech (Medonos a kol., 2012; Ratinger a kol., 2013; Medonos a kol. 2013). Nově jsme zařadili ukazatel celkové produktivity podle Tornquista (Antle, Capalbo 1988). Ten je počítán ve dvou modech, prvním (označeným příponou „dyn“) jako index k výchozí produktivitě daného podniku a druhém (přípona „crs“) jako index k produktivitě průměrného podniku v prvním
17
roce. Druhý index tedy postihuje změny ve vztahu k ostatním podnikům. (poznamenejme, že všechna ekonomická data jsou deflovaná a tudíž pracujeme v reálných hodnotách). Zvláštní skupinou je poslední sada indikátorů: bankovní zadluženost je chápana positivně, jako schopnost podniku mobilizovat externí zdroje (viz naše předchozí studie Medonos a kol. 2013). Strukturální proměnné Metoda kontrafaktuální analýzy, která vychází z Roy-Rubinova modelu (např. Caliendo and Kopeinig, 2005) předpokládá srovnání ošetřené skupiny (příjemci dotací) s kontrolní skupinou na základě podobnosti farem (srovnávají se tedy farmy co nejpodobnější, což má nahradit nemožnou potřebu srovnat farmu jak by se chovala s dotací a bez ní). Pro určení podobnosti je používají strukturální proměnné. Zemědělské podniky jsou podobné, pokud mají podobnou strukturu produkce, financí apod. Na základě faktorové analýzy jsme, podobně jako v minulém roce (Medonos a kol. 2013), vybrali 10 (nezávislých) strukturálních proměnných. Tyto proměnné reprezentují tyto strukturální charakteristiky: velikost, produktivitu, celkovou finanční situaci, intenzitu produkce (podíl zatravnění), umístnění (LFA H, O a mimo LFA), strukturu produkce (Tabulka 9). Tabulka 9 Strukturální proměnné Identifikátor Název, popis vykony_07 aktiva_ha_07 zatrav_07 cizizdr_aktiva_07 prod_awu_07 djpre_100ha_07 pod_lfah_07 pod_lfao_07 ciinv_07 pod_dr_prod_07
Výkony Aktiva/ha Zatravnění Cizí zdroje/Aktiva Produkce/AWU Intenzita přežvýkavců Podíl LFA Horská Podíl LFA ostatní čisté investice Podíl produkce drůbeže
Jednotka tis. Kč tis. Kč /ha TTP/UAA % Kč/AWU DJ/100ha % % Kč %
průměr_1
průměr_0
40 508
8 126
103
97
0,247
0,232
33%
21%
1 037 612
1 121 937
31
27
16%
14%
19%
24%
2 639
182
1%
0%
Poznámka: 1 značí účast, 0 značí neúčast tedy kontrolní skupinu.
Konkretizace přístupu Jako v předchozích přístupech jsme použili pro kontrafaktuální analýzu dvě metody přiřazování: propensity score matching (kernelovou metodu, Caliendo a Kopeining (2005)) a nnmatch podle Abadie a Imbens (2002). Důvodem pro použití obou metod je: a) PSM prakticky vyplývá z Roy-Rubinova modelu, b) použití PSM metody kernel dovoluje využít veškerou informaci v souboru, c) nnmatch dovoluje lépe ošetřit sebe-výběrové vychýlení a variabilní rozptyl. Samotnému přiřazování a srovnání průměrných efektů z ošetření na
18
ošetřených (ATT) však předcházela faktorová analýza pro výběr nezávislých strukturálních proměnných a probit regrese, jež měly potvrdit, že vybranou skupinu strukturálních proměnných lze považovat za dostatečně určující účast v opatřeních investičních podpor z PRV. Za výchozí rok (bázi, ke které se vztahoval progres, nebo přesněji rozdíly v progresu/výkonnosti mezi účastníky opatření modernizace (121), přidávání hodnoty (123) a části opatření diversifikace (311), která podporovala investice do bioplynových stanic) byl vzat rok 2007 – sice první rok programového období, ve kterém však nebyla opatření na podporu investic plně spuštěna (žádný projekt v tomto roce neskončil). Jak již bylo zmíněno, zaměřili jsme se na podniky, které realizovali projekty podpořené z PRV v období 2008 až 2010 a sledovali jsme a srovnávali jejich ekonomickou výkonnost v letech 2010, 2011 a 2013. Kontrolní skupinu tvořily zemědělské podniky, které neobdržely žádnou podporu v období 2004 až 2012. Tato skupina byla ve všech případech stejná a stejné byly i srovnávací páry; měnili se jen hodnoty výsledkových indikátorů. Ve všech případech jsme použili přístup rozdíl z rozdílu, tedy srovnání výchozí pozice na stejnou úroveň a posouzení čistého středního efektu ošetření na ošetřených (ATT). Výsledky Výpočty jsou prezentovány v tabulkách (Tabulka 10 a Tabulka 11). Obecným komentářem k nim může být, že podpořené podniky vykazují horší výsledky v prvním roce (2010) – v mnohých případech skutečně roce uvedení do provozu investice, než v posledním roce našeho pozorování (třetím roce). Ve druhém roce jsou výsledky (indikátory) proměnlivé. Také je pro ukazatele výkonu zřejmé, že ATT je vysoké, ale přesto není signifikantní pro všechny roky při použití PSM (kernel) a pro první dva roky při použití nnmmatch. To poukazuje na problém velikého rozptylu, jež nemůžeme v PSM kontrolovat a v nnmatch zřejmě jen částečně3. U výkonnosti jsou odhady průměrného efektu ošetření na ošetřených (ATT) u nnmatch větší, než u PSM. Výrazné rozdíly jsou pak u ČPH. To může znamenat, že nnmatch nenašel kontrolní farmy dostatečně podobné, zatím co v PSM byly velmi podobné farmy úspěšně konstruovány. Rozhodně zde bude potřeba dalšího zkoumání.
3
Pro PSM platí, že rozdělení ATT není nutně normální a to ani asymptoticky. Tuto slabost se snaží řešit bootstraping. Ovšem ani zde není prokázáno, že by bootstraping nutně konvergoval. Tudíž, není pravda, že odhad rozptylu se nutně zlepšuje a posouzení statistické signifikantnosti je plausibilní.
19
Tabulka 10 Střední efekt účasti v investičních opatřeních PRV na účastnících se – metoda nnmatch: celý soubor
Zdroj: vlastní výpočet ve STATA 11.
Tabulka 11 Střední efekt účasti v investičních opatřeních PRV na účastnících se – metoda PSM (kernel) celý soubor
Zdroj: vlastní výpočet ve STATA 11.
Fakt, že výsledky (zejména výkonnost) se zlepšují s časem, byl očekávatelný a je dobře, že v posledním roce jsou pozitivní efekty i statisticky významné (nnmatch) pro ukazatele výkonnosti a produktivity práce. To je dobře ukázáno v následujících grafech (Graf 2, Graf 3).
20
Graf 2 Vliv investičních podpor na výkonnost (CZK)
Zdroj: vlastní výpočty
Je zajímavé, že efekty (ATT) jsou vyšší u výkonnosti v nnmatch a u produktivity (HPH/AWU) naopak u PSM (kernel). V druhém případě jsou efekty velmi podobné v obou metodách pro podsoubor s vyšší hustotou přežvýkavců (zejména skotu) tj. pro DJ/ha≥0,2 (viz Tabulka 12 a Tabulka 13). Tabulka 12 Střední efekt účasti v investičních opatřeních PRV na účastnících se – metoda nnmatch: podsoubor podniků s koncentrací přežvýkavců vyšší než 0.2 DJ/ha.
Zdroj: vlastní výpočet ve STATA 11.
21
Tabulka 13 Střední efekt účasti v investičních opatřeních PRV na účastnících se – metoda PSM(kernel): podsoubor podniků s koncentrací přežvýkavců vyšší než 0.2 DJ/ha.
Zdroj: vlastní výpočet ve STATA 11.
Ve výpočtech se nepotvrdil dopad na celkovou produktivitu (TFP, v tabulkách je uveden přirozený logaritmus). Zřejmě je zde potřeba dalšího zkoumání.
Graf 3 Vliv investičních podpor na produktivitu práce (CZK/AWU)
Zdroj: vlastní výpočty
22
Závěry a doporučení vyplývající z kontrafaktuální analýzy Na základě provedené kontrafaktuální analýzy uplatněním obou metod je možné konstatovat: i) Vybraná opatření PRV obecně zlepšily výkonnost zemědělských podniků (ve kterých se účastnily – Modernizace zemědělských podniků, Přidávání hodnoty zemědělských a potravinářským produktům a Diverzifikace do nezemědělských činností do bioplynových stanic). ii) Ukazatele, u kterých ke zlepšení došlo, se liší jak podle toho, které roky uvažujeme a i podle použitých metod. Z toho vyplývá, že se při hodnocení nelze spolehnout na jediný ukazatel. Naopak je třeba sledovat více dimenzí výkonnosti a pokud možno i různá období. Použití více metod také zlepšuje vhled – každá metoda totiž stanovuje kontrolní pár (kontrafaktuál) jiným způsobem. iii) Co se týče ověření navrhovaných indikátorů EK pro hodnocení tak, v případě výsledkového ukazatele změna produktivity práce, která je vyjádřená jako podíl čisté přidané hodnoty na pracovníka bylo možné vysledovat statisticky významné rozdíly na 10% hladině významnosti pro podsoubor podniků s hustotou přežvýkavců vyšší než 20 DJ/100 ha. V případě ukazatele změny celkové hodnoty produkce na pracovníka nebyl na požadované 10% hladině významnosti prokázán statisticky významný rozdíl, což může být způsobeno také tím, že účelem analyzovaných opatření není pouze zvyšovat hodnotu produkce či jejího zpeněžení, ale také snižovat náklady výrobních faktorů. V případě dopadového indikátoru Celkové produktivity faktoru nebyl prokázán statisticky významný rozdíl na požadované úrovni signifikance, což bude vyžadovat hlubší analýzu příčin. iv) Zřejmé odlišnosti jsou mezi efekty v podskupinách. Z tohoto pohledu je při hodnocení efektu brát v úvahu různé podskupiny (rozdělit podniky do podskupin) a sledovat na nich, jak se liší dopady (střední efekt účasti z ošetření na ošetřených, ATT). Z toho pak lze vyvozovat závěry o účinnosti podpor pro různé typy podniků. V naší analýze lze konstatovat, že u skupiny podniků s vyšší hustotou skotu jsou efekty z účasti statisticky významné a tudíž účinnost opatření u první skupiny lze hodnotit jako významnou. v) Implikace vyplývající z analýz - pokud se podniky FO účastní opatření na podporu strukturálních změn, tak žádají v převážné většině případů jen jedenkrát za dobu působení programu, zatímco podniky PO žádají o tuto strukturální podporu vícekrát, a při pohledu na vývoj počtu podpořených podniků, který v případě PO stagnuje od roku 2010, ale počty jejich žádostí o proplacení se dynamicky zvyšují. Z provedené analýzy vyplývá, že FO spíše přispívají k tvorbě zaměstnanosti a PO spíše modernizují své provozy, zvyšují svoji ekonomickou velikost a redukují zaměstnanost. Otázkou tedy zůstává, zda strukturální podpora má být poskytována několikrát za dobu působení programu jednomu podniku zejména v době, kdy dochází k omezení zdrojů financování na oblast investic v nově navrhovaném PRV 2014-20 (v předchozím výstupu byly analyzovány souvislosti omezování podpory do určitého objemu podpory, kterou může čerpat skupina majetkově propojených podniků). Bylo by
23
vi)
vii)
viii)
ix)
rozhodně vhodné opětovně zavést výrazné bodové zvýhodnění prvožadatelů žádajících o podporu. Omezené možnosti v databázi FADN z hlediska počtu podniků použitelných do analýzy s ohledem na relativně přísná kritéria jejich výběru (přítomnost v databázi po delší období; neúčast v ostatních opatřeních apod.) a také rozsahem participace v jednotlivých opatřeních strukturálních programů – je vhodnou databází pro hodnocení efektů vyplývajících z opatření Modernizace zemědělských podniků (I.1.1), kterého se účastní dostatečný počet podniků. Otázka volby strukturálních proměnných a kontrafaktuálních podniků – zda máme mít požadavek na parametry, které určují míru investování, lépe analyzovat nepodpořené podniky a získat o jejich investiční aktivitě více informací (doplnit o kvalitativní výzkum) hlubší poznání okolností pro investování. Z ne mnoha aktuálních studií zaměřených na problematiku hodnocení dopadů nevyplývají jasná doporučení, jaká kritéria zvolit pro výběr kontrafaktuálních podniků. Většinou řeší pouze velikost podniků bez dalších specifikací. Žádoucí další výzkum zaměřit na typové projekty a pokusit se odhadnout přínosy investičních podpor po dobu životnosti investice – tj. pokusit se aproximovat zjištěné přínosy v dlouhodobém horizontu podpory do strukturálního přizpůsobení se zemědělského sektoru. Dále z hlediska budoucích perspektiv bude žádoucí provést analýzy dopadů pro další typy podniků jako např. pro specializované podniky na chov prasat a drůbeže, které byly v několika vyhlašovaných kolech PRV upřednostňovány a jsou dostupné v databázi Albertina. K tomuto účelu bude však nutné doplnit databázi o informace z Integrovaného registru zvířat o celkovém počtu jednotlivých druhů a kategorií zvířat, protože zařazení podniků do CZ NACE v rámci stávající databáze Albertina vykazuje značnou proměnlivost v čase a není zcela spolehlivou indikací uváděné převažující výrobní specializace samotným podnikem. Další typy podniků bude možné analyzovat na základě získaných dat ve stávající vytvořené databázi jako je např. informace o rozsahu ekologického zemědělství případně zařazení podniku dle typu znevýhodněné oblasti (LFA), ve které se nachází, apod. Bohužel stávající evidence v LPIS prozatím neumožňuje získání dat o struktuře pěstovaných plodin a tudíž i přes znalost jednotlivých kategorií a druhů zvířat z Integrovaného registru zvířat není možné provést zařazení podniků v databázi Albertina pomocí faremní typologie FADN.
Literatura Abadie, A., Imbens, G. (2002) Simple and bias-corrected matching estimators. Technical report, Department of Economics, University of California, Berkeley. Abadie, A., D. Drucker, J.L. Herr, and G.W. Imbens., (2004), Implementing Matching Estimators for Average Treatment Effects in Stata, The Stata Journal, 2004 (3): 290-311 Caliendo, M., Kopeinig, S. Some Practical Guidance for the Implementation of Propensity Score Matching, Journal of Economic Surveys, 2008, 22 (1), pp. 31-72, ISSN 0950-0804, E-ISSN: 1467-6419
24
Capalbo, S. M. and Antle, J.M. (1988) (eds.) Agricultural Productivity, Measurement and Explanation. Washington, D.C.: Hopkins University Press. Davidova, S., Gorton, M., Iraizoz, B. and Ratinger, T. (2001) Variations in Farm Performance in Transition Economies: a case study of the Czech Republic, WP 2/8 of the project IDARA. Guajarati, D. (2004) Basic Econometrics. Fourth edition. The McGraw−Hill Companies Medonos, T., Ratinger, T., M., Špička, J., Vilhelm, V. (2012a) Hodnocení dopadů opatření politik se zaměřením na strukturální (investiční) podpory poskytované v rámci I. osy PRV. Závěrečná zpráva IVP projektu za rok 2011. Interní dokument ÚZEI, str. 47. Medonos, T., Ratinger, T., Hruška, M., Špička, J. (2012b) The assessment of the effects of investment support measures of the Rural Development Programmes: the case of the Czech Republic. The journal AGRIS on-line Papers in Economics and Informatics (http://online.agris.cz), Vol. IV, No. 4. 35-47. Medonos, T., Ratinger, T., Hruška, M., Špička, J., Vilhelm, V., Hloušková, Z. (2013) Hodnocení dopadů opatření politik se zaměřením na strukturální (investiční) podpory poskytované v rámci I. osy PRV. Závěrečná zpráva IVP za rok 2012. Interní dokument ÚZEI, str. 65 Ratinger, T., Medonos, T., Hruška, M. (2013) An Assessment of the Differentiated Effects of the Investment Support to Agricultural Modernisation: the Case of the Czech Republic. The journal AGRIS on-line Papers in Economics and Informatics (http://online.agris.cz), Vol. V, No. 4. 153-164.
25
PŘÍLOHY Tabulka 14: Přehled použitých cenových deflátorů Položka nákladů a produkce Mzdové náklady Pachtovné Operativní kapitál (mezispotřeba) Kapitál (odpisy+úroky) Produkce obilovin (SE140) Proteinové plodiny (SE145) Energetické plodiny (SE146) Brambory (SE150) Cukrovka (SE155) Olejniny (SE160) Průmyslové plodiny (SE165) Zelenina (SE170) Ovoce (SE175) Víno (SE185) Ostatní rostlinná produkce (SE200) Krmné plodiny (SE195) Mléko (SE216) Hovězí (SE220) Vepřové (SE225) Ovce a kozy (SE230) Drůbež (SE235) Vejce (SE240) Ovčí a kozí mléko (SE245) Ostatní produkce ŽV (SE251) Ostatní produkce
zvolený cenový deflátor Index průměrné mzdy v zemědělství Index cen pachtovného Index cen vstupů do zemědělství Průměrná míra inflace Index cen pro obiloviny Index cen pro luštěniny Index cen pro rostlinné výrobky celkem Index cen pro brambory Index cen pro cukrovou řepu Index cen pro olejniny Index cen pro průmyslové plodiny Index cen pro zeleninu a květiny Index cen pro ovoce Index cen pro víno Index cen pro rostlinné výrobky celkem Index cen pro krmiva Index cen pro mléko Index cen pro jatečný skot Index cen pro prasata Index cen pro hospodářská zvířata a živočišné výrobky Index cen pro drůbež Index cen pro vejce Index cen pro hospodářská zvířata a živočišné výrobky Index cen pro hospodářská zvířata a živočišné výrobky Deflátor HDP
Zdroj: vlastní zpracování
26
Tabulka 15: Hodnoty jednotlivých cenových deflátorů Cenový deflátor
2007
2008
2009
2010
2011
2012
Průměrná míra inflace
1,000
1,063
1,074
1,090
1,110
1,147
Ceny zemědělských výrobců
1,000
1,088
0,818
0,862
1,027
1,069
Ceny vstupů do zemědělství
1,000
1,108
1,026
1,008
1,091
1,138
Pachtovné Průměrná mzda v zemědělství
1,000
1,060
1,204
1,276
1,310
1,426
1,000
1,137
1,139
1,169
1,209
1,271
Deflátor HDP
1,000
1,019
1,043
1,026
1,016
1,033
Rostlinné výrobky celkem
1,000
1,118
0,758
0,806
1,047
1,082
z toho - obiloviny
1,000
1,164
0,687
0,744
1,094
1,148
1,000
1,333
0,862
0,925
1,296
1,384
- olejniny - brambory celkem
1,000
0,676
0,645
0,679
0,791
0,565
- cukrová řepa
1,000
0,808
0,768
0,714
0,637
0,766
- ovoce
1,000
0,777
0,587
0,746
0,838
0,848
- zelenina a květiny
1,000
0,843
0,775
1,020
0,771
0,867
- luštěniny
1,000
1,352
1,302
1,087
1,120
1,195
- víno
1,000
1,547
0,860
1,034
1,045
1,061
1,000
1,227
0,955
0,948
1,090
1,176
1,000
1,184
0,970
0,962
1,112
1,203
1,000 Hospodářská zvířata a živočišné výrobky celkem 1,000 z toho - mléko
1,051
0,892
0,932
1,002
1,052
1,065
0,753
0,893
1,006
0,947
- prům.plodiny Krmiva
- jatečný skot
1,000
0,978
0,981
0,973
1,020
1,122
- jatečná prasata
1,000
1,048
1,040
0,948
0,984
1,151
- drůbež
1,000
1,080
0,983
0,965
1,050
1,097
1,000 1,049 1,035 - vejce Zdroj: ČSÚ, Zpráva o stavu českého zemědělství 2008-2012, vlastní výpočet
0,978
0,856
1,332
27
Faktor 15 - Intenzita ŽV
0,021
0,038
0,042
0,036
0,028
0,001
0,019
-0,010 0,005
-0,006 -0,038
0,046
0,047
-0,016 0,004
0,045
0,031
0,045
-0,002 0,013
-0,014 0,001
-0,014 -0,075
0,982
0,008
-0,045 0,042
0,049
0,030
-0,033 -0,043 0,016
0,027
0,048
-0,002 0,020
-0,011 0,005
-0,010 -0,049
0,979
0,006
-0,044 0,034
0,061
0,017
-0,047 -0,057 0,030
0,044
0,046
-0,008 0,017
-0,012 0,005
-0,018 -0,065
0,975
-0,020 -0,020 0,098
0,035
0,038
0,010
0,044
0,043
0,055
0,020
-0,001 0,032
-0,010 0,015
-0,018 -0,040
0,973
-0,008 0,002
0,028
0,001
0,037
0,024
0,000
0,055
0,024
-0,000 -0,002 0,018
0,002
0,971
-0,021 -0,024 0,091
0,019
0,049
0,010
0,059
0,032
0,061
0,000
0,013
0,065
-0,016 0,021
-0,010 -0,013
0,970
-0,005 -0,028 0,066
0,065
0,005
-0,025 -0,038 0,022
0,050
0,035
-0,009 0,037
-0,009 0,015
-0,021 -0,049
0,963
0,006
-0,003 0,019
0,021
0,018
-0,003 -0,000 0,016
0,962
-0,037 -0,044 0,097
0,028
-0,003 0,021
0,960
-0,011 -0,010 -0,004 -0,014 0,042
0,039
0,010
0,036
0,011
0,008
0,013
0,958
-0,018 -0,017 0,044
0,010
0,058
0,051
0,019
0,016
0,014
0,014
0,013
0,955
0,004
-0,096 0,084
0,067
0,045
0,001
-0,006 0,037
0,016
-0,005 -0,015 -0,004 0,021
0,952
-0,001 -0,015 -0,143 -0,009 0,034
0,039
-0,020 0,002
0,023
0,001
0,013
0,024
0,952
0,003
-0,034 0,109
-0,084 0,087
0,073
0,081
0,039
0,004
0,041
0,007
-0,011 -0,016 -0,003 0,011
-0,047
0,946
0,009
-0,038 0,102
-0,120 0,089
0,096
0,069
-0,040 -0,029 0,032
0,019
0,006
-0,018 0,000
0,021
-0,047
0,945
0,010
-0,038 0,117
-0,118 0,084
0,098
0,069
-0,039 -0,027 0,029
0,017
0,006
-0,022 0,000
0,019
-0,044
0,940
-0,014 -0,000 -0,007 0,006
0,034
0,014
0,082
0,018
0,001
0,019
0,015
0,011
0,006
0,024
0,243
0,937
-0,016 0,000
0,037
0,025
0,017
0,073
0,022
0,004
0,007
0,014
0,011
0,005
0,023
0,263
0,934
-0,014 -0,034 0,012
0,024
0,003
0,000
-0,050 0,039
0,017
0,060
0,024
-0,018 -0,005 -0,022 0,041
0,016
0,929
-0,060 0,004
0,177
0,017
-0,037 0,094
0,123
0,068
0,056
-0,050 0,027
-0,031 -0,001 -0,014 0,029
-0,168
0,925
-0,056 -0,003 0,187
0,010
-0,042 0,078
0,126
0,038
0,054
-0,043 0,025
-0,033 -0,003 -0,017 0,034
0,924
0,001
0,000
0,034
-0,020 0,001
0,043
-0,020 -0,000 0,034
0,921
0,016
-0,062 0,078
0,915
-0,005 -0,006 -0,029 -0,027 0,040
0,034
0,007
0,017
0,013
-0,015 0,010
0,044
0,013
0,018
0,018
0,283
0,900
-0,014 0,030
0,173
0,165
0,072
0,096
-0,085 0,034
0,162
-0,028 0,024
0,031
0,045
0,886
-0,064 -0,085 0,141
0,095
-0,132 -0,117 -0,029 0,061
0,020
-0,086 0,027
-0,004 -0,010 0,000
0,021
-0,221
0,880
-0,031 -0,007 0,047
0,044
-0,057 -0,164 -0,143 0,048
0,056
0,011
-0,011 -0,018 0,003
0,879
-0,053 -0,039 0,137
0,016
0,013
0,095
0,040
0,096
-0,011 -0,055 -0,008 0,028
0,004
-0,121
0,876
-0,051 -0,082 0,078
0,160
-0,141 -0,184 -0,159 0,020
0,010
-0,042 0,037
-0,011 -0,000 -0,009 0,014
-0,172
0,871
-0,049 -0,083 0,123
0,066
-0,109 -0,094 -0,030 0,059
0,003
0,031
-0,051 -0,005 0,001
0,847
-0,010 0,049
0,107
-0,101 0,199
0,187
0,215
0,061
0,823
-0,029 0,038
0,145
-0,113 0,172
0,158
0,246
-0,029 0,038
0,821
-0,019 0,000
0,414
-0,014 0,031
0,013
0,044
0,106
0,805
-0,024 -0,021 0,120
-0,107 0,301
0,191
0,259
0,084
-0,005 -0,006 0,031
0,804
-0,025 0,053
0,078
-0,003 -0,069 0,021
0,182
0,001
0,799
-0,017 -0,017 0,035
0,157
0,012
-0,012 0,125
0,779
-0,028 0,048
0,138
-0,002 -0,111 -0,115 0,080
0,777
-0,053 -0,091 0,112
0,096
-0,112 -0,095 0,075
0,115
0,027
-0,117 0,019
0,774
-0,021 0,042
0,114
0,056
0,032
0,340
0,020
0,009
0,774
0,205
-0,042 0,091
0,091
-0,082 -0,101 -0,241 -0,010 -0,052 0,059
0,761
-0,033 0,123
0,753
-0,003 -0,026 -0,016 0,155
0,725
-0,012 -0,021 0,478
-0,078 0,041
0,066
0,688
-0,019 0,006
0,024
0,012
0,662
0,021
0,623
-0,021 0,010
-0,013 0,045
-0,034 0,086
-0,004 0,022
-0,232 0,007
0,090
0,110 0,137
0,131
0,039
0,030
0,049
-0,079 -0,135 -0,109 0,025
-0,065 0,106
0,028
0,031
0,091
-0,055 0,019
-0,006 0,057
-0,002 0,119
0,019
-0,062 0,038
-0,016 0,013
-0,008 -0,013 0,024
0,145
-0,021
-0,020 0,021
-0,054 -0,105
0,019
0,008
0,028
0,185
0,001
-0,002 -0,014 0,029
0,054
0,005
0,004
-0,013 -0,058 0,000
-0,030 -0,032 0,051
0,012 0,008
-0,000 0,000
0,002
0,004
-0,003 0,036
-0,003 0,037
-0,024 0,080
-0,148 0,069
-0,019 -0,044 -0,188
-0,023 -0,019 -0,067
0,051
-0,218
-0,007 0,038
0,099
-0,019 -0,011 0,036
0,015
-0,002 0,004
-0,061 -0,040 0,002
0,040
-0,015 -0,005 0,008
0,000
0,200
-0,041 -0,061 0,008
0,051
-0,049 -0,048 0,014
0,003
0,004
-0,002 0,227 0,017
0,032
-0,013 0,290
0,014
-0,067 -0,156
0,013
-0,057 0,230
-0,059 -0,011 0,026
0,061
-0,222
-0,005 0,003
0,008
-0,008 -0,005 0,297
0,025
0,008
-0,113 0,054
-0,177
-0,019 0,027
-0,050 -0,018 -0,006 0,044
-0,040
-0,049 0,117
0,054
0,056
0,004
-0,080 -0,005 -0,055 -0,002 -0,315
0,108
0,103
-0,043 0,039
0,020
-0,005 -0,003 -0,001 0,022
0,194
0,021
0,686
-0,010 0,032
0,021
0,007
0,007
-0,107 -0,058 -0,113 0,017
-0,111 -0,158 0,036
0,448
-0,028 0,067
0,024
0,001
-0,053 -0,006 -0,014 0,025
0,001
0,021
-0,015 0,057
-0,467 -0,042 -0,074 -0,114 -0,024 -0,018 -0,044 -0,002 -0,010 0,027
0,001
0,036
0,007
0,063
-0,088 0,119
0,072
0,057
-0,002 -0,062 0,039
0,309
-0,000 0,001 0,036
0,330
-0,008 0,008
0,108
0,134
0,513
0,019
0,408
-0,125 0,010
0,326
0,148
0,389
0,010
0,026
-0,021 -0,024 -0,101 -0,019 -0,184 0,090
0,002
-0,008 0,040
-0,001 0,022
0,023
0,167
-0,013 -0,026 0,007
-0,621 -0,020 0,027
0,017
-0,032 0,021
Faktor 16 Produkce ovoce a zeleniny Faktor 17 Produkce energ. plodin
Faktor 13 - Chov prasat
0,043
-0,038 0,075
Faktor 14 - Chov ovcí a koz
Faktor 12 - Ostatní produkce
0,013
0,003
Faktor 6 - Výroba mléka
Faktor 11 Produkce okopanin
Faktor 9 - Rozvojový potenciál
Faktor 7 Hospodaření v LFAH Faktor 8 Hospodaření v LFAO
Faktor 5 - Intenzita využití pracovní síly
-0,008 -0,024 0,098
0,982
Faktor 4 - Externí financování
Faktor 10 - Chov drůbeže
Kč Kč tis. Kč Kč Kč tis. Kč Kč Kč Kč počet Kč Kč Kč Kč Kč počet počet Kč Kč Kč Kč ha Kč Kč Kč počet ha Kč Kč Kč ha Kč Kč Kč počet Kč Kč Kč Kč Kč Kč počet Kč Kč Kč počet Kč podíl Kč podíl Kč
Faktor 2 - Intenzita výroby
0,984
Faktor 1 - Velikost podniku
Celkové náklady Celková produkce Výkony Tržby za vl. výrobky a služby Výrobní spotřeba Aktiva celkem Přímé náklady Výkonová spotřeba Oběžná Aktiva EVJ Fixni aktiva Odpisy Osobní náklady Vlastní kapitál Mzdové náklady Počet AWU Počet AWU-placení pracovníci Dlouhodobý hmotný majetek Dlouhodobý majetek Stroje a zařízení Využitá z. p. celkem Připachtovaná půda Vlastní kapitál Produkce RV Budovy Dobytčí jednotky celkem ha obiloviny Provozní daně Dotace na výrobní spotřebu Produkce obilovin ha ostatní polní plodiny Základní stádo Vnitropodniková spotřeba Cizí zdroje DJ dojnice Úroky Náklady budov a strojů Kratkodobé závazky Produkce olejnin Bankovní úvěry a výpomoci Nájemné (vč. budov a strojů) DJ ostatní skot Cash Flow1 Dlouhodobé závazky Hrubé Investice Dobytčí jednotky prasat Dotace na externí faktory Podíl FWU na AWU celkem Produkce cukrovky Podíl najaté půdy Prod. proteinových plodin
Faktor 3 - Extenzivní chov KBTPM
Tabulka 16 Faktorová analýza: Metoda hlavních komponent
0,017
0,002
-0,007 0,029
0,101 0,103
-0,039 -0,261 -0,489 -0,062 0,051
0,151
0,065
0,021
0,037
-0,102 0,047
0,093
-0,002 0,062
0,023
0,226
-0,177 0,022
-0,117 0,205
-0,085
0,076
-0,084 0,014
-0,181
Zdroj: vlastní výpočet
28
0,040
-0,005 0,024
-0,090 0,046
0,015
Produkce / ha Výkony / ha Počet AWU / 100 ha Aktiva celkem / ha Podíl produkce hovězího na celkové produkci Podíl produkce krmných plodin na celkové produkci Podíl zatravnění Podíl produkce obilovin a olejnin na celkové produkci ha výnos pšenice Dlouhodobé úvěry na Aktiva celkem Zadluženost (Cizí zdroje / Aktiva celkem Celková produkce na AWU Výkony na AWU Aktiva celkem na AWU Podíl produkce mléka na celkové produkci Počet DJ přežvýkavci 100 ha výměra půdy v LFA-H Podíl půdy v LFA-H Výměra TTP Výměra půdy v LFA-O a LFA-S Podíl půdy v LFA-O+LFA-S Rozsah čistých investic Dobytčí jednotky drůbeže Podíl produkce drůbeže a vajec na celkové produkci Podíl prod.brambor a cukr.řepy na cel.produkci Produkce brambor Podíl ostatní prod. na Podíl produkce vepřového masa na celkové produkci Podílprodukce ovcí a koz na celkové produkci Dobytčí jednotky ovcí a koz Počet DJ celkem 100 ha Podíl prod. ovoce a zeleniny na cel. produkci Produkce energetických plodin
Faktor 16 Produkce ovoce a zeleniny Faktor 17 Produkce energ. plodin
Faktor 15 - Intenzita ŽV
Faktor 14 - Chov ovcí a koz
Faktor 13 - Chov prasat
Faktor 12 - Ostatní produkce
Faktor 11 Produkce okopanin
Faktor 10 - Chov drůbeže
Faktor 9 - Rozvojový potenciál
Faktor 7 Hospodaření v LFAH Faktor 8 Hospodaření v LFAO
Faktor 6 - Výroba mléka
Faktor 5 - Intenzita využití pracovní síly
Faktor 4 - Externí financování
Faktor 3 - Extenzivní chov KBTPM
Faktor 2 - Intenzita výroby
Faktor 1 - Velikost podniku
Tabulka 16 Faktorová analýza: Metoda hlavních komponent-pokračování
podíl podíl podíl tis. Kč/ha
-0,023 0,992
-0,025 -0,007 0,011
-0,011 -0,004 -0,005 -0,003 0,019
-0,000 -0,014 -0,006 -0,001 0,029
-0,024 -0,016
-0,021 0,991
-0,029 -0,007 0,012
-0,018 -0,004 -0,007 -0,005 0,023
-0,000 -0,009 -0,004 -0,001 0,079
-0,019 -0,014
-0,047 0,907
-0,038 -0,015 -0,072 -0,020 -0,004 -0,002 0,002
-0,054 0,877
-0,054 -0,066 -0,041 -0,016 -0,015 -0,014 -0,018 0,020
podíl
-0,106 -0,066 0,892
-0,014 -0,170 0,008
0,014
0,058
0,022
podíl
-0,108 -0,076 0,886
0,022
-0,175 0,038
0,064
0,012
podíl
-0,131 -0,080 0,817
0,006
-0,176 0,217
0,209
0,079
podíl
-0,089 -0,173 -0,529 -0,040 0,337
-0,473 -0,055 -0,022 -0,010 -0,061 -0,151 0,367
-0,223 -0,055 -0,045 0,301
-0,008
t/ha
0,356
-0,155 -0,410 0,096
0,235
0,015
-0,010 -0,067 0,019
0,018
podíl
0,349
-0,045 -0,023 0,839
podíl
0,348
-0,061 0,059
podíl podíl podíl
0,043 0,074
-0,017 -0,337 -0,001 0,896
-0,069 -0,072 0,124
-0,104 0,502
podíl
0,234
-0,053 0,082
0,128
-0,109 0,908
podíl ha podíl ha ha podíl Kč počet
0,139
-0,075 0,438
0,033
0,160
-0,020 0,159
0,109
-0,072 -0,008 0,476 0,440 0,401
0,015
-0,019 -0,024 -0,019 -0,006 -0,017 -0,154 -0,009 -0,024 -0,262 0,043
-0,049 -0,024 0,105
-0,023 0,240
-0,063 0,052
-0,052 -0,063 0,000
0,088
-0,006
-0,011 -0,041 -0,071 0,042
-0,079 0,129
0,005
0,049
0,011
0,021
-0,021 0,113
-0,025 0,058
0,017
0,065
-0,062 0,040
-0,055 -0,002 0,032
0,040
-0,105 0,092
0,087
0,045
-0,010 -0,004 0,025
0,828
0,097
0,098
0,041
-0,010 0,068
0,011
-0,026 -0,004 -0,024 -0,014 0,011
0,017
-0,020
-0,035 -0,234 0,005
0,938
-0,075 -0,050 -0,013 0,005
0,023
0,030
0,093
-0,016 -0,035 -0,013 0,058
-0,026
-0,131 -0,039 -0,033 -0,010 0,023
0,042
0,085
0,043
0,131
0,337
0,255
-0,011 -0,015 -0,000 0,051
-0,012
-0,005 -0,040 0,002
0,048
-0,007
-0,016 0,034
-0,032 -0,099 -0,139 -0,016 -0,006 0,037
0,054
0,204
0,087
0,060
0,051
-0,019 -0,088 0,076
-0,094 -0,042 0,003
0,059
0,005
-0,190 0,703
0,031
0,081
0,040
-0,000 -0,022 0,112
-0,052 -0,046 0,019
0,108
0,008
-0,049 0,085
0,798
-0,051 -0,020 0,165
0,012
-0,030 0,024
0,010
0,018
-0,093 0,109
0,617
-0,239 0,006
0,037
-0,045 0,002
-0,038 0,081
0,130
-0,036 0,258
0,196
-0,097 0,082
0,567
0,395
0,214
-0,029 0,029
-0,025 0,045
-0,059 0,038
-0,012 0,066
0,079
-0,128 0,012
0,052
-0,003 -0,008 0,011
0,012
-0,011 0,016
-0,030 0,066
-0,060 0,708
0,096
-0,023 -0,004 0,031
-0,022 0,028
-0,012 0,023
0,009
-0,037 -0,035 0,222
-0,070 -0,045 0,228
-0,302 0,582
0,031
0,032
0,172
0,068
-0,061 0,097
0,047
0,274
-0,010 0,023
0,068
0,003
0,058
0,933
-0,011 0,020
0,016
0,004
-0,002 0,021
-0,002
0,167
-0,018 -0,015 -0,021 0,026
0,007
0,112
0,002
-0,028 0,948
podíl
0,081
0,199
-0,034 0,062
podíl
0,049
-0,031 -0,118 -0,032 0,034
-0,098 -0,050 -0,094 -0,009 -0,004 0,900
0,091
Kč podíl
0,310
-0,028 -0,018 0,027
0,047
-0,055 -0,097 -0,012 0,090
-0,021 0,221
-0,121 -0,015 -0,133 -0,101 -0,009 -0,022 -0,038 0,004
podíl
0,080
-0,095 -0,028 -0,025 -0,072 -0,020 0,030
podíl
-0,063 -0,021 0,117
počet podíl
0,027 0,001
podíl
-0,075 0,216
Kč
0,146
0,001
-0,013 0,042
-0,013 0,051
0,019
0,058
0,109
-0,000 0,028
0,227
0,155
0,015
-0,034 -0,057 -0,039 0,020
-0,008 0,026
-0,008 0,082
0,033
0,137
0,351
-0,013 -0,013 0,030
0,016
-0,050 -0,039 0,060
0,754
-0,010 0,057 0,031
-0,024 -0,017 -0,013 -0,010 -0,034 -0,013 0,003 -0,020 0,022
-0,123 0,610
-0,019 0,060
29
0,038
-0,010 0,022
-0,142 -0,069
-0,053 0,075
0,001
0,946
0,022
0,053
0,044
-0,004
-0,019 -0,021 -0,038 0,024
0,946
0,010
0,007
-0,017
-0,095 0,050
-0,028 0,001
-0,018 0,579
-0,017 0,017
0,084
-0,011 -0,011 -0,015 0,109
-0,006 0,056
0,097
0,856
0,008
-0,033 -0,067 -0,130 0,102
Zdroj: vlastní výpočet
0,585
-0,010 -0,029 -0,039 0,043
-0,068 -0,928 -0,046 0,034
-0,027 -0,020 0,028
-0,114 -0,046 -0,101 -0,076 -0,027 -0,029 -0,031 -0,007 -0,002 0,060
-0,008 0,014
-0,047 0,004
0,132
0,076
0,007
0,071
-0,053 -0,014 -0,064 -0,937 0,000
-0,009 -0,086 0,018
-0,042 -0,013 0,067
Účast v Mod+PH+BPS (2008-10) jen do 2010 Výkony
tis. Kč
0,518
1,000
Aktiva / ha z.p.
tis. Kč / ha
0,007
-0,033
1,000
Procento zatravnění Zadluženost (Cizí zdroje / Aktiva celkem) Celková produkce / AWU
podíl
0,016
-0,159
-0,124
1,000
podíl
0,149
0,410
-0,133
0,052
1,000
Kč / AWU
-0,044
0,131
-0,115
-0,386
0,081
1,000
DJ přežvýkavců na 100 ha z.p.
DJ / 100 ha 0,040
0,039
-0,109
0,541
0,133
-0,312
1,000
Podíl půdy v LFA-H
podíl
0,021
-0,077
-0,073
0,592
0,097
-0,239
0,319
1,000
Podíl půdy v LFA-O
podíl
-0,040
-0,084
-0,052
0,320
-0,051
-0,116
0,293
-0,207
1,000
Rozsah čistých investic
Kč
0,298
0,340
-0,042
0,076
0,157
0,005
0,111
0,039
0,050
1,000
Podíl prod.drůbeže a vajec
podíl
0,151
0,128
-0,018
-0,030
0,106
0,048
-0,027
0,021
-0,051
0,076
Podíl prod.drůbeže a vajec
Rozsah čistých investic
Podíl půdy v LFA-O
Podíl půdy v LFA-H
DJ přežvýkavců na 100 ha z.p.
Celková produkce / AWU
Zadluženost (Cizí zdroje / Aktiva celkem)
Procento zatravnění
Aktiva / ha z.p.
jednotky
Výkony
Strukturální proměnná
Účast v Mod+PH+BPS (200810) jen do 2010
Tabulka 17 Korelační matice vysvětlujících (strukturálních) proměnných
1,000
1,000
Zdroj: vlastní výpočet
Tabulka 18 Přehled počtu podniků a žádostí o proplacení ve vybraných opatřeních PRV 2007-2013 v jednotlivých letech Podniky PO Podniky FO Podniky PO a FO celkem 2008 2009 2010 2011 2012 2008 2009 2010 2011 2012 2008 2009 2010 2011 2012 KUMULATIVNÍ POČET PODNIKŮ od roku 2008: Modernizace (I.1.1) 29 65 80 102 105 0 3 13 16 16 29 68 93 118 121 PH (I.1.3) 2 2 2 3 4 1 1 3 3 4 3 3 5 6 8 BPS (III.I.I d) 0 3 4 11 19 0 0 0 0 0 0 3 4 11 19 Mod+PH+BPS 29 66 81 106 109 1 4 16 19 19 30 70 97 125 128 KUMULATIVNÍ POČET ŽOP od roku 2008: Modernizace (I.1.1) 30 82 109 163 178 0 3 14 20 22 30 85 123 183 200 PH (I.1.3) 2 2 2 3 4 1 1 3 3 4 3 3 5 6 8 BPS (III.I.I d) 0 3 5 14 24 0 0 0 0 0 0 3 5 14 24 Mod+PH+BPS 32 87 116 180 206 1 4 17 23 26 33 91 133 203 232 POČET PODNIKŮ podpořených jen v daném roce Modernizace (I.1.1) 29 44 25 47 15 0 3 10 6 2 29 47 35 53 17 PH (I.1.3) 2 1 0 1 1 1 0 2 0 1 3 1 2 1 2 BPS (III.I.I d) 0 0 2 6 6 0 0 0 0 0 0 0 2 6 6 Mod+PH+BPS 29 45 26 51 20 1 3 12 6 3 30 48 38 57 23 POČET PODNIKŮ podpořených jen v daném roce Modernizace (I.1.1) 30 51 27 53 15 0 3 11 6 2 30 54 38 59 17 PH (I.1.3) 2 1 0 1 1 1 0 2 0 1 3 1 2 1 2 BPS (III.I.I d) 0 0 2 6 6 0 0 0 0 0 0 0 2 6 6 Mod+PH+BPS 32 52 29 60 22 1 3 13 6 3 33 55 42 66 25 Zdroj: vlastní výpočet
30
UPLATNĚNÍ VYTVOŘENÝCH VÝSTUPŮ V RÁMCI PROJEKTU:
Účasti na seminářích: •
Příspěvek v podobě posteru prezentovaný na kongresu Asociace evropských agrárních ekonomů konaného ve dnech 26. - 29. 9. 2014 v Lublani, Slovinsko. Příspěvek byl zpracován do podoby paper posteru a je dostupný na následující webové stránce: Ratinger, T., Medonos, T., Hruška, M. (2014) The assessment of the effects of the investment support scheme in the Czech Republic. http://ageconsearch.umn.edu/bitstream/182927/2/140710_Poster_paper_EAAE_C ongress-RatingerMedonosHruska.pdf
•
Příspěvek prezentovaný na semináři IERIGZ ve Varšavě (Polsko) „The CAP and competitiveness of the Polish and European food sectors“ na téma „The assessment of the effects of the investment support scheme in the Czech Republic”.
https://www.ierigz.waw.pl/download/17942-Medonos.pdf •
V průběhu roku 2015 bude připraven příspěvek do impaktového časopisu Zemědělská ekonomika na téma: „Vliv vybraných investičních opatření v rámci PRV 2007-2013 na ekonomickou situaci zemědělských podniků s využitím databáze FADN CZ“.
Jiné uplatnění výstupů a přínosy projektu: •
Ověření metodických nástrojů (zejména dílčích metod kontrafaktuální analýzy) pro hodnocení PRV 2007-2013 po jeho skončení (pro Ex post evaluaci) – probíhá spolupráce s ex post evaluátorem na hodnocení.
•
EK zpřísňuje podmínky pro hodnocení a cíleně požaduje pro nový PRV 2014-2020 sofistikovanější metody hodnocení přínosů podpory.
•
Získání informací o přínosech a tzv. deadweight efektů podpory.
•
Uplatnění poznatků při přípravě evaluačního plánu a nastavování výstupových a výsledkových indikátorů nového Programu rozvoje venkova pro období po roce 2014.
31
