PL EN
PRACA ORYGINALNA
Pomiar efektywności zróżnicowanych technologicznie gospodarstw rolnych w Unii Europejskiej
 
Więcej
Ukryj
1
Uniwersytet Ekonomiczny w Krakowie, Polska
 
 
Data nadesłania: 07-01-2020
 
 
Data ostatniej rewizji: 02-03-2020
 
 
Data akceptacji: 16-07-2020
 
 
Data publikacji: 30-09-2020
 
 
Autor do korespondencji
Jerzy Marzec   

Uniwersytet Ekonomiczny w Krakowie, Polska
 
 
GNPJE 2020;303(3):111-137
 
SŁOWA KLUCZOWE
KODY KLASYFIKACJI JEL
STRESZCZENIE
Celem niniejszego opracowania jest określenie charakterystyk procesu produkcyjnego gospodarstw rolnych specjalizujących się w uprawach polowych w państwach członkowskich Unii Europejskiej. W pracy wykorzystano dane regionalne FADN. W związku z występującym zróżnicowaniem między regionami w pracy wykorzystano modele uwzględniające tę heterogeniczność. W szczególności rozważono dwa sposoby modelowania heterogeniczności: deterministyczny oraz stochastyczny. Odzwierciedleniem pierwszego sposobu jest wykorzystanie w niniejszej pracy modelu funkcji produkcji typu translog, który pozwala, żeby elastyczności produkcji względem nakładów czynników produkcji zależały od wielkości nakładów. Natomiast stochastyczny sposób modelowania heterogeniczności reprezentuje stochastyczny model graniczny z losowymi parametrami. Zastosowanie powyższej koncepcji pozwoliło na zbudowanie modelu funkcji produkcji typu Cobba i Douglasa (C–D) z indywidualnymi parametrami. Estymacji parametrów czterech modeli dokonano za pomocą podejścia bayesowskiego. Otrzymane wyniki jednoznacznie wskazują, że najlepszym modelem okazał się model C–D z indywidualnymi parametrami. Ponadto zaobserwowano, że dla średniej unijnej najwyższa elastyczność produkcji występuje względem nakładów materiałów, a najniższa względem areału. Natomiast dosyć zaskakującym wynikiem jest wysoki poziom średniej efektywności technicznej (0,95) przy bardzo niewielkim rozproszeniu tych ocen.
REFERENCJE (50)
1.
Aigner D., Lovell C. A. K., Schmidt P. [1977], Formulation and estimation of stochastic frontier production function models, Journal of Econometrics, 6 (1): 21–37.
 
2.
Alvarez A., del Corral J. [2010], Identifying different technologies using a latent class model: extensive versus intensive dairy farms, European Review of Agricultural Economics, 37 (2): 231–250.
 
3.
Ball V. E., Bureau J-C., Butault J-P., Nehring R. [2001], Levels of farm sector productivity: an international comparison, Journal of Productivity Analysis, 15 (1): 15–29.
 
4.
Ball V. E., Butault J-P., San Juan C., Mora R. [2010], Productivity and international competitiveness of agriculture in the European Union and the United States, Agricultural Economics, 41 (6): 611–627.
 
5.
Baráth L., Fertő I. [2017], Productivity and convergence in European agriculture, Journal of Agricultural Economics, 68 (1): 228–248.
 
6.
Błażejczyk-Majka L., Kala R., Maciejewski K. [2011], Productivity and efficiency of large and small field crop farms and mixed farms of the old and new EU regions, Agricultural Economics – Czech, 58 (2): 61–71.
 
7.
Bocian M., Cholewa I., Tarasiuk R. [2017], Współczynniki Standardowej Produkcji „2013” dla celów Wspólnotowej Typologii Gospodarstw Rolnych, IERiGŻ-PIB, Warszawa.
 
8.
Čechura L., Grau A., Hockmann H., Kroupova Z., Levkovych I. [2014], Total factor productivity in European agricultural production, international comparison of product supply chains in the agri-food sector: determinants of their competitiveness and performance on EU and international markets, Compete Working Paper, 9, Halle.
 
9.
Christensen L., Jorgenson D., Lau L. [1973], Transcendental logarithmic production frontiers, Review of Economics and Statistics, 55 (1): 28–45.
 
10.
Coelli T. J., Rao D. S. P. [2005], Total factor productivity growth in agriculture: a Malmquist index analysis of 93 countries, 1980–2000, Agricultural Economics, 32 (1): 115–134.
 
11.
Czyżewski B., Matuszczak A., Brelik A. [2018], Endogeniczna wartość dóbr publicznych na obszarach wiejskich: przypadek Pomorza Zachodniego, Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu, 5: 48–54.
 
12.
Emvalomatis G. [2012], Productivity growth in German dairy farming using a flexible modelling approach, Journal of Agricultural Economics, 63 (1): 83–101.
 
13.
European Commission [2009], Typology handbook, RI/CC 1500 rev. 3, 05/10/2009 Brussels.
 
14.
Farrell M. [1957], The measurement of productive efficiency, Journal of the Royal Statistical Society, Seria A, 120 (3): 253–281.
 
15.
Floriańczyk Z., Osuch D., Płonka R. [2018], Wyniki Standardowe 2017 uzyskane przez gospodarstwa rolne uczestniczące w Polskim FADN, Część I. Wyniki Standardowe, IERiGŻ-PIB, Warszawa.
 
16.
Gelman A., Hill J. [2007], Data analysis using regression and hierarchical/multilevel models, Cambridge University Press, Cambridge.
 
17.
Gerdessen J. C., Pascucci S. [2013], Data envelopment analysis of sustainability indicators of European agricultural systems at regional level, Agricultural Systems, 118: 78–90.
 
18.
Greene W. H. [2005], Reconsidering heterogeneity in panel data estimators of the stochastic frontier model, Journal of Econometrics, 126 (2): 269–303.
 
19.
Griliches Zvi [1987], Productivity: measurement problems, in: J. Eatwell, M. Milgate and P. Newman (eds.), The New Palgrave A Dictionary of Economics, Stockton Press, New York, 3: 1010–1013.
 
20.
Heady D., Alauddin M., Rao D. S. P. [2010], Explaining agricultural productivity growth: an international perspective, Agricultural Economics, 41 (1): 1–14.
 
21.
Hildreth C., Houck J. P. [1968], Some estimators for a linear model with random coefficients, Journal of the American Statistical Association, 63 (322): 584–595.
 
22.
Huang H. [2004], Estimation of technical inefficiencies with heterogenous technologies, Journal of Productivity Analysis, 21 (3): 277–296.
 
23.
Kalirajan K. P., Obwona M. B. [1994], Frontier production function: the stochastic coefficients approach, Oxford Bulletin of Economics and Statistics, 56 (1): 87–96.
 
24.
Karagiannis G., Tzouvelekas V. [2009], Measuring technical ffficiency in the stochastic varying coefficient frontier model, Agricultural Economics, 40 (4): 389–396.
 
25.
Komorowska D. [2017], Wyniki produkcyjne i ekonomiczne gospodarstw specjalizujących się w uprawach polowych, Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu, 6: 135–140.
 
26.
Koop G. [2003], Bayesian Econometrics, Wiley John & Sons, New York.
 
27.
Koop G., Osiewalski J., Steel M. [1997], Bayesian efficiency analysis through individual effects: hospital cost frontiers, Journal of Econometrics, 76, 1–2: 77–105.
 
28.
Koop G., Poirier D., Tobias J. [2007], Bayesian econometric methods, Cambridge University Press, Cambridge.
 
29.
Latruffe L., Balcombe K., Davidova S., Zawalińska K. [2004], Determinants of technical efficiency of crop and livestock farms in Poland, Applied Economics, 36 (12): 1255–1262.
 
30.
Lewis S., Raftery A. [1997], Estimating Bayes factors via posterior simulation with the Laplace-Metropolis estimator, Journal of the American Statistical Association, 92 (438): 648–655.
 
31.
Martinho V. J. P. D. [2017], Efficiency, total factor productivity and returns to scale in a sustainable perspective: an analysis in the European Union at farm and regional level, Land Use Policy, 68: 232–245.
 
32.
Marzec J., Osiewalski J. [2008], Bayesian inference on technology and cost efficiency of bank branches, Bank i Kredyt, 9: 29–43.
 
33.
Marzec J., Pisulewski A. [2019], The Measurement of time-varying technical efficiency and productivity change in Polish crop farms, German Journal of Agricultural Economics, 68 (1): 15–27.
 
34.
Marzec J., Pisulewski A., Prędki A. [2019], Efektywność techniczna i produktywność polskich gospodarstw rolnych specjalizujących się w uprawach polowych, Gospodarka Narodowa, 298 (2): 95–125.
 
35.
Meeusen W., van den Broeck J. [1977], Efficiency estimation from Cobb-Douglas production functions with composed error, International Economic Review, 18 (2): 435–444.
 
36.
Njuki E., Bravo-Ureta B. E., O’Donnell Ch J. [2019], Decomposing agricultural productivity growth using a random-parameters stochastic production frontier, Empirical Economics, 57 (3): 839–860.
 
37.
Orea L., Kumbhakar S. C. [2004], Efficiency measurement using a latent class stochastic frontiermodel, Empirical Economics, 29 (1): 169–183.
 
38.
Osiewalski J. [2000], Ekonometria bayesowska w zastosowaniach, Wydawnictwo Akademii Ekonomicznej w Krakowie.
 
39.
Osuch D., Goraj L., Skarżyńska A., Grabowska K. [2004], Plan wyboru próby gospodarstw rolnych polskiego, FADN.
 
40.
Pisulewski A., Marzec J. [2019], Heterogeneity, transient and persistent technical efficiency of Polish crop farms, Spanish Journal of Agricultural Research, 17 (1). e0106.
 
41.
Pitt M., Lee L. [1981], Measurement of sources of technical inefficiency in the Indonesian weaving industry. Journal of Development Economics, 9 (1): 43–64.
 
42.
Rezitis A., [2010], Agricultural productivity and convergence: Europe and the United States, Applied Economics, 42 (8): 1029–1044.
 
43.
Rossi P., Allenby G., McCulloch R. [2005], Bayesian statistics and marketing, John Wiley & Sons, Chichester.
 
44.
Skevas I. [2019], A hierarchical stochastic frontier model for efficiency measurement under technology heterogeneity, Journal of Quantitative Economics, 17 (3): 513–524.
 
45.
Špička J., Smutka L. [2014], The technical efficiency of specialised milk farms: a regional view, The Scientific World Journal, ID: 985149.
 
46.
Špička J. [2014], The regional efficiency of mixed crop and livestock type of farming and its determinants, Agris on-line Papers in Economics and Informatics, 1: 99–109.
 
47.
Swamy P. A. [1970], Efficient inference in a random coefficient regression model, Econometrica, 38 (2): 311–323.
 
48.
Tsionas E. G. [2002] Stochastic frontier models with random coefficients. Journal of Applied Econometrics, 17 (2): 127–147.
 
49.
Varian H. R. [2010] Intermediate microeconomics. A modern approach. Eight Edition, W. W. Norton and Company, New York.
 
50.
Zhu X., Lansink A. [2010], Impact of CAP subsidies on technical efficiency of crop farms in Germany, the Netherlands and Sweden, Journal of Agricultural Economics, 61 (3): 545–564.
 
eISSN:2300-5238
Journals System - logo
Scroll to top