PL EN
RESEARCH PAPER
Family or hired labour, own or rented land: an application of bivariate probit model for agriculture in Poland
 
More details
Hide details
1
Katedra Ekonometrii i Badań Operacyjnych, Kolegium Ekonomii i Finansów, Uniwersytet Ekonomiczny w Krakowie, Polska
 
 
Submission date: 2024-12-27
 
 
Final revision date: 2025-03-21
 
 
Acceptance date: 2025-04-30
 
 
Publication date: 2026-06-30
 
 
Corresponding author
Jerzy Marzec   

Katedra Ekonometrii i Badań Operacyjnych, Kolegium Ekonomii i Finansów, Uniwersytet Ekonomiczny w Krakowie, Polska
 
 
GNPJE 2026;326(2):101-120
 
KEYWORDS
JEL CLASSIFICATION CODES
ABSTRACT
This study aims to identify the factors influencing farm households’ decisions to use family versus hired labour and owned versus rented land. The analysis is based on farm-level data obtained from the Farm Accountancy Data Network (FADN). The research objective is achieved using a bivariate probit model. The results indicate that decisions regarding the use of owned land and family labour are correlated. Among the factors that most strongly increase the probability of relying exclusively on owned land are payments for less favoured areas and the cost of land rental. The propensity to rely exclusively on family labour increases with higher hired labour costs and a greater share of cereals in the total cultivated area.
FUNDING
This publication was financed by a subsidy granted to the Krakow University of Economics – Project No. 036/EIE/2025/POT.
REFERENCES (44)
1.
Agencja Restrukturyzacji i Modernizacji Rolnictwa [2023], Średnia powierzchnia gospodarstwa, https://www.gov.pl/web/arimr/s... (dostęp: 10.12.2024).
 
2.
Barker G. [1985], Prehistoric farming in Europe, Cambridge, Cambridge University Press.
 
3.
Beckman J., Countryman A. M. [2021], The importance of agriculture in the economy: impacts from COVID-19, American Journal of Agricultural Economics, 103 (5): 1595–1611.
 
4.
Bellwood P. [2004], First farmers: The Origins of Agricultural Societies, John Wiley & Sons Ltd, Hoboken.
 
5.
Bojnec Š., Fertő I. [2022], Do different types of Common Agricultural Policy subsidies promote farm employment?, Land Use Policy, 112: 105823.
 
6.
Bożek J., Szewczyk J. [2019], Zmiany struktury obszarowej gospodarstw rolnych w ujęciu grup typologicznych województw, Wiadomości Statystyczne, 64 (8): 19–31.
 
7.
Czakowski D. [2015], Rynek roślin okopowych w Polsce: poziom, dynamika i uwarunkowania rozwoju, Zeszyty Naukowe Uniwersytetu Szczecińskiego, 41 (2): 147–157.
 
8.
Dries L., Ciaian P., Kancs d’A. [2012], Job creation and job destruction in EU agriculture, Food Policy, 37, 600–608.
 
9.
Dupraz P., Latruffe L. [2015], Trends in family labour, hired labour and contract work on French field crop farms: The role of the Common Agricultural Policy, Food Policy, 51: 104–118.
 
10.
European Commission [2009], Typology handbook, RI/CC 1500 rev. 3, 05/10/2009, Brussels.
 
11.
European Commission [2011], RI/CC 882 Rev. 9 Definitions of Variables used in FADN Standard Results, Brussels.
 
12.
European Commission [2022], Agricultural production – crops, https://ec.europa.eu/eurostat/... (dostęp: 14.01.2025).
 
13.
European Union Farm Accountancy Data Network [2023], https://agridata.ec.europa.eu/... (dostęp: 14.01.2025).
 
14.
Garrone M., Emmers D., Olper A., Swinnen J. [2019], Jobs and agricultural policy: Impact of the Common Agricultural Policy on EU agricultural employment, Food Policy, 87: 101744.
 
15.
Goraj L., Mańko S., Osuch D., Bocian M., Płonka R. [2012], Wyniki standardowe 2011 uzyskane przez gospodarstwa rolne uczestniczące w Polskim FADN. Część I. Wyniki standardowe, IERiGŻ-PIB, Warszawa.
 
16.
Gras N. S. B. [1925], A history of agriculture in Europe and America, F. S. Crofts & Company, New York.
 
17.
Greene W. H. [2012], Econometric analysis, Prentice Hall, Upper Saddle River.
 
18.
Gruszczyński M. [2010], Model zmiennych jakościowych dwumianowych, w: Gruszczyński M. (red.), Mikroekonometria: modele i metody analizy danych indywidualnych: 53–102, Wolters Kluwer Polska, Warszawa.
 
19.
Gumbel E. [1961], Bivariate logistic distributions, Journal of the American Statistical Association, 56 (294): 335–349.
 
20.
GUS [2021], Pracujący i nakłady pracy w gospodarstwach rolnych w okresie 12 miesięcy – wyniki wstępne PSR 2020, https://stat.gov.pl/download/g....
 
21.
GUS [2023], Rocznik statystyczny pracy 2023, Warszawa.
 
22.
GUS [2024a], Rachunki narodowe według sektorów i podsektorów instytucjonalnych w latach 2019–2022, Warszawa.
 
23.
GUS [2024b], Rocznik statystyczny rolnictwa (Statistical Yearbook of Agriculture), Warszawa.
 
24.
Hsiao C. [2003], Analysis of Panel Data, Cambridge University Press, Cambridge.
 
25.
Hubacek K., Bergh J. C. J. M. van den [2006], Changing concepts of ‘land’ in economic theory: From single to multi-disciplinary approaches, Ecological Economics, 56 (1): 5–27.
 
26.
Jagoda A., Klimczak M. [2011], Praca jako zasób – pojęcie pracy i jej znaczenie w naukach ekonomicznych, Acta Universitatis Nicolai Copernici Ekonomia, 42: 151–160.
 
27.
Kaliński J. [2018], Przemiany struktury obszarowej gospodarstw chłopskich w Polsce po 1918 roku, Kwartalnik Kolegium Ekonomiczno-Społecznego. Studia i Prace. Szkoła Główna Handlowa, 3.
 
28.
Kiefer N. [1982], Testing for independence in multivariate probit models, Biometrika, 69: 161–166.
 
29.
Klepacki B., Żak A. [2013], Agrarian transformations in the territory of Poland before and after integration into the European Union, Journal of Agribusiness and Rural Development, 4 (30): 95–113.
 
30.
Kristensen S. B., Bibby B. M. [2020], A bivariate logistic regression model based on latent variables, Statistics in Medicine, 39: 2962–2979.
 
31.
Lancaster T. [2000], The incidental parameter problem since 1948, Journal of Econometrics, 95: 391–413.
 
32.
Loizou E., Karelakis Ch., Galanapoulos K., Mattas K. [2019], The role of agriculture as a development tool for a regional economy, Agricultural Systems, 173: 482–490.
 
33.
Maddala G. S. [2006], Ekonometria, Wydawnictwo Naukowe PWN, Warszawa.
 
34.
Marks-Bielska R. [2021], Conditions underlying agricultural land lease in Poland, in the context of the agency theory, Land Use Policy, 102: 1–9.
 
35.
McFadden D. [2001], Economic choices, American Economic Review, 91 (3): 351–378.
 
36.
Mioduszewski J. (2020), Znaczenie dzierżawy w zagospodarowaniu gruntów rolnych Skarbu Państwa, w: Przygodzka R., Gruszewska E. (red.), Instytucjonalne i strukturalne aspekty rozwoju rolnictwa i obszarów wiejskich. Księga poświęcona pamięci dr. hab. Adama Sadowskiego Profesora Uniwersytetu w Białymstoku: 201–231, Wydawnictwo Uniwersytetu w Białymstoku, Białystok.
 
37.
Petrescu-Mag R. M., Petrescu D., Reti K.‑O. [2019], My land is my food: Exploring social function of large land deals using food security deals relations in five Eastern European countries, Land Use Policy, 82: 729–741.
 
38.
Roser M. [2023], Employment in Agriculture, https://ourworldindata.org/emp... (dostęp: 1.03.2025).
 
39.
Samuelson P. A. [1978], The Canonical Classical Model of Political Economy, Journal of Economic Literature, 16 (4): 1415–1434.
 
40.
Satterthwaite S. P., Hutchinson T. P. [1978], A generalisation of Gumbel’s bivariate logistic distribution, Metrika, 25: 163–170.
 
41.
Silvey S. D. [1959], The Lagrangian multiplier test, The Annals of Mathematical Statistics, 30 (2): 389–407.
 
42.
Suchoń A. [2016], Z aktualnej problematyki dzierżawy nieruchomości rolnych, Przegląd Prawa Rolnego, 1 (18): 49–64.
 
43.
Szymańska E., Maj J. [2018], Zmiany w powierzchni gospodarstw rolnych w Polsce w latach 2010–2017, Roczniki Naukowe Ekonomii Rolnictwa i Rozwoju Obszarów Wiejskich, 105 (2): 50–58.
 
44.
Szymańska E. J. [2021], Zmiany struktury agrarnej na polskiej wsi w latach 1918–2018, Zeszyty Wiejskie, 27: 31–58.
 
eISSN:2300-5238
Journals System - logo
Scroll to top