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