PROBLEMY ROLNICTWA ŚWIATOWEGO

Transkrypt

1 Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wejskego w Warszawe PROBLEMY ROLNICTWA ŚWIATOWEGO Tom 14 (XXIX) Zeszyt 3 Wydawnctwo SGGW Warszawa 2014

2 Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wejskego w Warszawe Problemy Rolnctwa Śwatowego tom 14 (XXIX), zeszyt 3, 2014: Zbgnew Bnderman 1 Państwowa Wyższa Szkoła Zawodowa w Gorzowe Welkopolskm Grzegorz Koszela 2 Katedra Ekonometr Statystyk, Szkoła Główna Gospodarstwa Wejskego w Warszawe Wesław Szczesny 3 Katedra Informatyk, Szkoła Główna Gospodarstwa Wejskego w Warszawe Zmany w strukturze gospodarstw rolnych w krajach Un Europejskej w latach (aspekty metodyczne) Changes n the structure of agrcultural holdngs n the European Unon n (methodcal aspects) Synopss. Praca jest bezpośredna kontynuacją ser prac autorów, dotyczących konstrukcj nowych wskaźnków koncentracj. W nnejszej pracy rozważono mernk zróżncowana struktur. W pracy na przykładze struktur gospodarstw rolnych krajów Un Europejskej w roku 2003 roku 2010, względem grup obszarowych, dokonano oceny zman tych struktur, ze względu na lczbę, powerzchne użytków rolnych, typu produkcyjnego, skalę chowu bydła skalę chowu trzody chlewnej. Słowa kluczowe: współczynnk koncentracj, struktura gospodarstw rolnych, współczynnk Gnego, krzywa Lorenza, mara zróżncowana struktur. Abstract. The paper s a drect contnuaton of the seres of authors artcles concernng the constructon of new ndcators of concentraton. In ths paper t was consdered measures of structures dversty. In the work on the example of structure of agrcultural holdngs n the European Unon n 2003 and 2010, wth respect to area groups, an assessment of changes n these structures, due to the number, the agrcultural area, the type of producton, the scale of cattle and pg breedng was made. Key words: concentraton ndex, the structure of agrcultural holdngs, the Gn coeffcent, Lorenz curve, a measure of structures dversty. Wstęp Syntetyczny ops przeman strukturalnych zarówno w rolnctwe polskm jak w pozostałych krajach europejskch jest nteresujący z welu punktów wdzena. Dlatego temat ten jest podejmowany przez welu autorów, główne przez pracownków Katedry Statystyk Unwersytetu Rolnczego w Krakowe Instytutu Ekonomk Rolnctwa Gospodark Żywnoścowej w Warszawe [por. Kukuła 2007, Kukuła (red.) 2009, Bogocz, Bożek, Kukuła, Strojny 2010, Bożek 2008, 2010, 2013, Bożek, Bożek 2011, Czekaj, Mrkowska, Soberajewska (red.) 2008, Mchna 2011, Babak 2010 ]. W 2013 roku 1 Dr hab., e-mal: zbgnew_bnderman@sggw.pl 2 Dr nż., e-mal: grzegorz_koszela@sggw.pl 3 Dr hab., e-mal: weslaw_szczesny@sggw.pl

3 16 Z. Bnderman, G. Koszela, W. Szczesny pojawła sę wartoścowa publkacja pracownków Unwersytetu Przyrodnczego w Poznanu [Poczta (red.) 2013], która w sposób kompleksowy przedstawa zmany strukturalne w rolnctwe UE, pomędzy dwoma latam Publkacja ta zawera szereg tabel, które szczegółowo lustrują przemany w różnych obszarach rolnctwa. Dostęp do tych nformacj umożlwa nedużym kosztem porównane welkośc zman pomędzy 27 krajam UE w ujęcu syntetycznym. Pozwala ona na dokonane próby oceny w których krajach nastąpły, w tym okrese najwększe przemany strukturalne. Jest to szczególne ważne w sytuacj gdy chcemy ocenć czy zachodzące zmany strukturalne dą w kerunku stymulowanym przez wspólna poltykę rolną UE. W szczególnośc ocena welkośc zman w ujęcu lokalnym może posłużyć do oceny skutecznośc dedykowanych programów pomocowych fnansowanych z funduszy UE. Aktualne najbardzej popularną metodą wykorzystywaną przy porównywanu zman jest porównane średnego pozomu wartośc poszczególnych zmennych, przypsanych do poszczególnych gospodarstw. Zazwyczaj oprócz zmany średnego pozomu zmennych obserwuje sę pozom koncentracj dobra w ch posadanu, który merzony jest zazwyczaj poprzez wartość wskaźnka Gnego [Gn 1914, Glasser 1962]. Jednakże technk oparte o średną wskaźnk Gnego ne zawsze są wystarczające. Dlatego głównym celem nnejszej pracy, która zawera aspekt metodyczny jest przedstawene nnej - nż powszechne używane - technk zastosowane jej do oceny zman strukturalnych w sektorze gospodarstw rolnych w krajach UE w okrese Problem metodyczny Aby zwrócć uwagę na fakt, że ne zawsze te podstawowe mary (średna wskaźnk Gnego) mogą zgodne z oczekwanem badacza porządkować zachodzące zmany. rozważmy hpotetyczny, uproszczony przykład zman struktury gospodarstw, według grup obszarowych. Załóżmy, ż dysponujemy zmanam jake zaszły w fkcyjnym regone złożonym z gospodarstw, które są opsane przy pomocy tabel 1. W tabel 1 opsującej ten regon zameszczono strukturę wyjścową (warant 1) oraz dwe nne struktury (warant 2 warant 3), w postac ośmoklasowych, przedzałowych szeregów rozdzelczych lcznośc częstośc, względem lczby gospodarstw rolnych ch powerzchn cztery szereg dla każdego warantu. Dla struktur (częstośc) przyjęto oznaczena: SL struktura gospodarstw, SP struktura użytkowana gruntów, gdze =1,2,3. Dla uproszczena rachunków w rozważanym przykładze założono, ż w poszczególnych grupach występują jedyne gospodarstwa o powerzchn równej środkow rozważanego przedzału (kol. 2 w tab. 1). Warant 2 różn sę od warantu 1 tylko zmaną lczby gospodarstw w poszczególnych grupach obszarowych, przy czym praktyczne została zachowana sumaryczna powerzchna, która zwększa sę tylko o 4 ha. Natomast warant 3 to powększene o prawe 10%, lczby gospodarstw (wzrost o 991) oraz newelke obnżene powerzchn ogólnej (o 70 ha). Dla każdego warantu w oparcu o dane z tabel 1 można wykazać, ż średna powerzchna gospodarstwa wynos odpowedno: 18,9; 18,9004; 17,1895, a wskaźnk koncentracj Gnego każdej ze struktur powerzchn wynoszą odpowedno: 0,6444; 0,6689; 0,6682.

4 Zmany w strukturze gospodarstw rolnych w krajach Un Europejskej w latach Tabela 1. Trzy waranty struktur gospodarstw użytkowanych przez nch gruntów. Table 1. Three varants of the agrcultural holdngs and the agrcultural land structures. Warant 1 Warant 2 Warant 3 Grupa Środ. obszarowa Przedz. lczba pow. SL1 SP1 lczba pow. SL2 SP2 lczba pow. SL3 SP ,00% 1,06% ,29% 1,18% ,57% 1,43% 2-5 3, ,00% 3,70% ,00% 4,81% ,29% 4,54% , ,00% 7,94% ,10% 3,61% ,10% 7,46% ,00% 11,90% ,50% 17,06% ,12% 12,32% ,50% 9,92% ,90% 7,80% ,19% 9,00% ,50% 15,87% ,85% 8,15% ,73% 15,67% ,50% 29,76% ,26% 32,78% ,63% 28,94% > ,50% 19,84% ,10% 24,60% ,37% 20,64% Razem % 100% % 100% % 100% Źródło: Opracowane własne. A zatem w obu przypadkach (warant 2, warant 3), w stosunku do warantu 1 mamy wzrost koncentracj, a średna powerzchna w perwszym przypadku mnmalne wzrosła, natomast w przypadku warantu 3 spadła o ponad 1,71 ha. Zatem w perwszym przypadku mamy jednoznaczne wskazane, że struktura powerzchn gospodarstw w warance 2 jest lepsza nż struktura powerzchn gospodarstw w warance 1 (czyl zmana nastąpła w preferowanym kerunku). W drugm przypadku, porównując warant 1 z warantem 3 ne można sformułować podobnego wnosku. Czyl trudno rozstrzygnąć o kerunku zmany. Dlatego powstaje pytane czy ne pownnśmy wykorzystać do oceny zman pomędzy strukturam nnej mary, która naczej reaguje na zmany? Jak określć marę obektów, scharakteryzowanych przez wskaźnk koncentracj, która odpowadałaby przyjętej relacj preferencj tych obektów [Panek 2000]? W lteraturze można znaleźć wele propozycj takch mar [por. Bnderman n. 2009, Bnderman n. 2013, 2013a, Kukuła (red.) 2010, Strahl 1985, Walesak 1984]. Z uwag na ogranczony rozmar tej pracy ne będzemy szerzej omawać problemu doboru mar, a ogranczymy sę do wykorzystana tzw. wskaźnka ar opartego na krzywej zróżncowana dwu rozkładów o tym samym nośnku. W ujęcu praktycznym wykorzystamy go do dwóch struktur, który jest pojęcowym uogólnenem krzywej Lorenza [Gastwrth 1971, Arnold 1987], a wskaźnk ar jest o określony wzorem analogcznym, jak wskaźnk Gnego. Węcej o tym wskaźnku napsano w pracach [Szczesny 2002, Szczesny n. 2013]. W celu uścślena defncj tego mernka, przyjmjmy, ż dysponujemy dwoma strukturam, które są opsane za pomocą wektorów strukturalnych p q, gdze: p = ( p 1, Kp k ) q = ( q 1, K qk ), p, q 0, = 1, Kk oraz p = 1, q = 1 (1) Ponadto należy podkreślć, ż w problemach praktycznych współrzędne każdej z rozważanych struktur, odpowadają bądź lcznośc względnej (częstośc) obektów badanej populacj bądź udzałow konkretnego dobra, przypsanego tym obektom badanej populacj, pogrupowanych względem ustalonych, rozłącznych zakresów wartośc, ścśle określonej zmennej, którą dla ustalena uwag oznaczmy symbolem A. Natomast obekty grupowane są według zakresów wartośc, które w ogólnym zapse dla ustalena uwag k = 1 k = 1

5 18 Z. Bnderman, G. Koszela, W. Szczesny oznaczamy symbolam a 1, a2,..., ak. Welkośc a 1, a2,..., ak mogą (ale ne muszą) meć określony porządek np.: a1 p a2 p... p ak,gdze oznacza relację przyjętej preferencj. W rozważanym przykładze, określonym w tabel 1 przyjmjmy, że zmenną A jest obszar gospodarstwa. Welkośc a (=1,..8) oznaczają grupy obszarowe gospodarstw (np. a1 = [ 0;2), a2 = [2; 5), K, a8 = [100; + ) ). Natomast współrzędne p (=1,..8) wektorów (struktur), określonych przez kolumny SL1, SL2, SL3 oznaczają udzał lczby gospodarstw w ogólnej lczbe gospodarstw. W przypadku struktur określonych przez kolumny SP1, SP2, SP3 współrzędna q (=1,..8) oznacza udzał użytkowanej zem przez daną grupę obszarową w ogólnej lczbe użytkowanej zem przez wszystke gospodarstwa razem. Grafczne zróżncowane dwu struktur (p=sl1 q=sl2) można przedstawć przy wykorzystanu krzywej zróżncowana struktury q względem struktury p. Jest to łamana łącząca na płaszczyźne punkty: ( ;0), ( p, q ), ( p p ; q + q ),,( p + K+ p ; q + K+ q ) ( 1;1 ) k 1 k = K (2) A zatem można przyjąć, że jest ona wykresem pewnej cągłej funkcj C :[0;1] [0;1], (3) [ q : p] która przyjmuje wszystke wartośc z przedzału [0;1]. Wskaźnk lczbowy ar [-1;1], który służy do oceny welkośc kerunku zróżncowana dwu struktur jest określany (analogczne jak wskaźnk Gnego) następującym wzorem [Szczesny 2002, Szczesny nn 2013]: ar ( q p) = ar C[ q p] 1 ( : ) = 1 2 C[ q: p]( u) : du 0 (4) Łatwo zauważyć, że krzywa zróżncowana dwóch struktur C ne mus być krzywą wypukłą (do dołu), bo lorazy q / p, p > 0, odpowadające posadającym porządek kategorom a dla =1,,k ne muszą być rosnące. Krzywe zróżncowana dwóch par struktur C [ SL2: oraz C [ SL3:, podanych w tabel 1, prezentuje rysunek 1.

6 Zmany w strukturze gospodarstw rolnych w krajach Un Europejskej w latach % 80% 60% 40% 20% 0% 0% 20% 40% 60% 80% 100% 100% 80% 60% 40% 20% 0% 0% 20% 40% 60% 80% 100% Rys. 1. Krzywe zró ncowana C [ SL2: (lewy) oraz C [ SL3: (prawy) Fg. 1. Curves of dfferentaton C [ SL2: (left) and C [ SL3: (rght) ród o: Opracowane w asne. Zauwa my, obe krzywe C[ SL2: C [ SL3: ne s wypuk e oraz przewa aj ca cze ch wykresów le y powy ej g ównej przek tnej, cz cej pocz tek uk adu z punktem (1,1). W przypadku gdy ne ma naturalnego porz dku pom dzy poszczególnym zakresam warto c cechy A (np. tak jest w przypadku, gdy cecha A grupuje gospodarstwa. wed ug typu produkcyjnego gospodarstwa), to kategore (elementy cechy A) mo na tak uporz dkowa, aby lorazy q p (=1,,k), odpowadaj ce temu uporz dkowanu by y nemalej ce. Krzyw zró ncowana po zmane porz dku wspó rz dnych wektorów p q p ( p 1, p k ) q ( q 1, qk ), p, q 0, 1, k, wed ug warto c lorazu q p, C : oznaczamy symbolem max q p nazywa b dzemy krzyw maksymalnego C : zró ncowana struktury q wzgl dem struktury p. Krzywa max q p jest ju krzyw wypuk [Szczesny 2002, Szczesny nn 2013]. Otrzymany wed ug wzoru (4) wska nk C : dla krzywej max q p, oznaczamy symbolem: q p ar Cmax q p ar max : :, (5) : gdze wspó czynnk ar jest okre lony za pomoc wzoru (4). Oczyw ce warto ar max 0,1 [Szczesny 2002, Szczesny nn 2013], mo na polczy dla dwóch dowolnych struktur o tej samej lczbe wspó rz dnych. W welu praktycznych przypadkach zale y nam na uchwycenu ne dowolnej zmany struktury p na q, ale ocen takej zmany struktury p na q: q, j: T, j: p, w której maj

7 20 Z. Bnderman, G. Koszela, W. Szczesny mejsce transfery, będące złożenem prostych przesunęć typu ε > 0, dla ε mn( p ), określonych za pomocą wzoru: gdze: j p = p, K, p ε, K, p + ε, K, p ) (6) ( 1 j k p ε 0, p + ε 1, < j,, j 1, K, k, k = 1 p = 1 Dlatego zazwyczaj postuluje sę aby wartość wybranego wskaźnka reagowała właścwe na tego typu transfery (analogczne, jak przy badanu nerównośc dochodów gospodarstw domowych). Dlatego podczas oceny zman należy określć, jake własnośc pownen posadać wybrany przez nas wskaźnk zróżncowana struktur. Bezpośredno z defncj wynka, że wskaźnk ar, określony przez wzór (4) reaguje wzrostem wartośc na tego typu transfer przesuwający wartość ε pomędzy współrzędnym wektora w prawo (rosnąco względem ndeksów współrzędnych wektora p) oraz zmeszanem wartośc, gdy take przesunęce następuje w kerunku przecwnym. W omawanym przykładze z tabel 1 wynka, że: ar ( SL2 : SL1) = 0, 0427 ; ar ( PL2 : PL1) = 0, 0594 ; ar ( SL3 : SL1) = 0, 0708; ar ( PL3 : PL1) = 0, Zatem w perwszym przypadku w oparcu o ten wskaźnk mamy negatywną ocenę zmany struktury gospodarstw pozytywną ocenę zmany struktury użytkowana zem, a w drugm przypadku obydwe zmany mają ocenę negatywną. Oznacza to nadwyżkę transferów w stronę grup małoobszarowych. Materał metodyka badań Jako dane posłużyły następujące zestawena zaprezentowane w pracy [Poczta 2013]: lczba powerzchna gospodarstw rolnych według grup obszarowych (X1, X2), pogłowe zwerząt według gospodarstw rolnych według grup obszarowych (X3), lczba powerzchna gospodarstw rolnych według typów produkcyjnych (X4, X5), lczba gospodarstw welkość stada z chowem bydła według skal chowu (X6, X7), lczba gospodarstw welkość stada z chowem trzody chlewnej według skal chowu (X8, X9). Dla tych 9-cu zmennych zostały oblczone wartośc wskaźnków, określonych wzoram (4), (5) przedstawone w tabel 2. Następne dokonano normowana uzyskanych wartośc przy użycu metody untaryzacj zerowanej (por. [Kukuła 2000]). W następnym kroku utworzono wskaźnk syntetyczny W1, jako średną arytmetyczną tych unormowanych wartośc (por. druga kolumna od prawej strony w tabel 2). W oparcu o wartośc wskaźnka W rozważane kraje zostały podzelone na cztery uporządkowane grupy. Manowce wykorzystano znaną polecaną w polskej lteraturze technkę podzału, wykorzystującą trzy następujące prog: (1) średna odchylene standardowe, (2) średna, (3) średna + odchylene standardowe [Nowak 1990]. W omawanym przypadku wynosły one odpowedno: 0,2369; 0,3778; 0,5187.

8 Zmany w strukturze gospodarstw rolnych w krajach Un Europejskej w latach W sposób analogczny, posługując sę bezwzględną zmaną wartośc średnej współczynnków koncentracj współczynnka Gnego stworzono 9 następujących zmennych: A1 - zmana średnej powerzchn gospodarstwa, A2 - zmana współczynnka koncentracj zem (Gn), A3 - zmana średnej obsady zwerząt, A4 - zmana udzału lczby gosp. specjalstycznych w gosp., ogółem, A5- zmana udzału powerzchn gosp. specjalstycznych w powerzchn gosp. ogółem, A6 - zmana średnej welkośc stada bydła według skal chowu, A7 - zmana współczynnka koncentracj hodowl bydła według skal chowu (Gn), A8 - zmana średnej welkośc stada trzody według skal chowu, A9 - zmana współczynnka koncentracj hodowl bydła według skal chowu (Gn). Następne, na zmennych A1-A9 dokonano dentycznych operacj, jak w przypadku zmennych X1-X9. Otrzymane rezultaty prezentuje tabela 3, gdze symbol W2 oznacza podobne, jak wcześnej symbol W1, średne arytmetyczne unormowanych wartośc. Dodatkowo dla celów porównawczych, dokonano dentycznych oblczeń, wykorzystując zamast zman bezwzględnych A1-A9 - zmany względne tych zmennych B1-B9. Tabela 4 zawera zestawene wynków z tabel 2 3 oraz wynk dla zmennych B1-B9, gdze symbol W3 oznacza średne arytmetyczną unormowanych wartośc. Symbole R(W), Gr(W) umeszczone w tabelach 2, 3, 4 oznaczają rankngowane, grupowane [Nowak 1990] wynków według wskaźnka W, =1,2,3; odpowedno. Wynk badań Wykorzystane różnych podejść do syntetycznego pomaru zman struktury gospodarstw, pozwala na zobrazowane trudnośc w zakrese formułowana jednoznacznych ocen welkośc zman, jake zaszły w badanym okrese. W tabelach 2 3 zostały zaprezentowane zarówno wartośc poszczególnych zmennych cząstkowych jak wartośc wskaźnków syntetycznych w oparcu o które zostały przedstawone rankng podzał na uporządkowane 4-ry grupy. Analzując te tabele wdzmy, ż o le pozycja w rankngu pożądanych zman struktury takch nowych krajów UE jak Ltwa, Łotwa Estona jest stablna (por. także tab. 4), to sytuacja zupełne naczej wygląda w przypadku Polsk, Bułgar, Czech, Węger Fnland. Warto zwrócć uwagę, ż te dwa różne sposoby pomaru zman strukturalnych pokazują w nnym śwetle także take stare kraje UE, jak Francja, Holanda, Nemcy Włochy. Należy podkreślć ż zaprezentowane w tabel 4 zestawene obejmujące trzy rodzaje wskaźnków syntetycznych charakteryzują sę tym, ż każdy z nch reprezentuje nne podejśce do oceny zachodzących zman w strukturze. Dokładnej, oznacza to, że każdy wskaźnk reaguje naczej na zachodzące zmany. Mernk te wskazują zatem na fakt, że podstawowym warunkem w przypadku przygotowana oceny głębokośc zman strukturalnych w rolnctwe (w zadanym okrese), jest przed rozpoczęcem badana ustalene relacj co najmnej częścowego porządku [Rasowa 2013], w zborze rozważanych struktur. Dopero w oparcu o pożądaną, ustaloną relację można dokonywać wyboru odpowednego wskaźnka syntetycznego.

9 22 Z. Bnderman, G. Koszela, W. Szczesny Tabela 2. Pomar zman pomędzy strukturam w przy użycu wskaźnków merzących nepodobeństwa struktur Table 2. Measurement of changes between structures n 2010 and 2003 usng ndcators measurng the dssmlarty of structures Kategora / Mernk / Kraj według grup obszarowych typy gosp skala chowu bydła skala chowu trzody pogł. lczba pow. zw. lczba pow. l.gosp stado l.gosp stado ar1 ar2 ar3 armax4 armax5 ar6 ar7 ar8 ar9 Grupa 1 LVA 0,2186 0,2204 0,2321 0,5369 0,4124 0,1196 0,3130 0,1082 0,3646 0, FIN 0,0636 0,1595 0,2256 0,1011 0,1155 0,1884 0,2797 0,5918 0,5812 0, EST 0,2221 0,1833 0,0064 0,6157 0,3331 0,2484 0,1248 0,2983 0,2654 0, LTU 0,0219 0,2235 0,1501 0,2858 0,3220 0,0243 0,3894 0,1304 0,3575 0, POL 0,2020 0,0731 0,1295 0,1506 0,2577 0,1986 0,3180 0,3007 0,4011 0, Grupa 2 CZE 0,4484-0,0047-0,0074 0,2794 0,2245 0,3503-0,0081 0,3896 0,1672 0, DEU 0,1784 0,0815 0,0984 0,1118 0,1514 0,1021 0,0848 0,2940 0,4353 0, SVK 0,4264-0,0213-0,0207 0,4481 0,2409 0,2105-0,0108 0,2492 0,1533 0, ROU 0,0916-0,0524 0,1719 0,3366 0,3195 0,0860 0,1925 0,0547 0,1830 0, SVN -0,0480 0,0831 0,1812 0,3655 0,2868 0,0979 0,1523 0,0144 0,0821 0, FRA 0,0412 0,1077 0,0917 0,1044 0,0590 0,1159 0,1283 0,3285 0,3875 0, Grupa 3 PRT -0,0038 0,0513 0,0704 0,1971 0,2039 0,1398 0,1598 0,1143 0,3322 0, NLD 0,0334 0,0764 0,0105 0,0986 0,0769 0,0739 0,1071 0,4275 0,5369 0, DNK -0,0276 0,0855 0,0954 0,2145 0,2392-0,0337 0,0347 0,3208 0,3228 0, AUT 0,0317-0,0065 0,0966 0,1096 0,1883 0,1050 0,1235 0,0636 0,4992 0, BGR 0,0300 0,0289 0,1144 0,2677 0,1580 0,0156 0,2350 0,0209 0,2716 0, SWE -0,1000 0,0344 0,0437 0,1439 0,1314 0,0278 0,1371 0,3927 0,4299 0, HUN 0,0284 0,0680 0,0020 0,3730 0,1187 0,1766 0,0382 0,1083 0,1780 0, MLT -0,0271 0,0085-0,0526 0,4063 0,2463 0,2500 0,0051 0,0000 0,2391 0, BEL 0,0526 0,0703 0,0566 0,0580 0,0864 0,0544 0,0493 0,3115 0,3435 0, ESP 0,0273 0,0073-0,0211 0,0911 0,1664 0,1249 0,0904 0,2893 0,3419 0, ITA 0,0519 0,0418 0,0526 0,0671 0,0970-0,0074 0,0555 0,5116 0,1912 0, LUX 0,0580 0,0799 0,1060 0,0580 0,0864 0,0167 0,0420 0,0000 0,3350 0, GBR 0,1538 0,0025-0,0131 0,2277 0,0693 0,0253 0,0462 0,1647 0,2081 0, Grupa 4 GRC -0,0098-0,0057 0,0018 0,0978 0,0807 0,0519 0,0390 0,2136 0,2409 0, IRL 0,0334 0,0813 0,0495 0,0764 0,1113-0,0665 0,0413-0,0758 0,0798 0, CYP -0,0409-0,0308-0,0056 0,0754 0,1343 0,0000-0,0037 0,0476 0,0621 0, Średna w UE UE-27_2 0,0668 0,0344 0,0434 0,1926 0,1246 0,0913 0,0828 0,0863 0,3392 0,3080 UE-15_2 0,0317 0,0446 0,0337 0,0580 0,0864 0,0695 0,0862 0,2516 0,3620 0,2899 UE-12_2 0,0900 0,0225 0,0884 0,2813 0,2368 0,0776 0,1641 0,0701 0,2486 0,3753 Źródło: Opracowane własne na podstawe danych [Poczta 2013]. W1 R(W1) Jednakże w sytuacj gdy ne dysponujemy taką, jednoznaczną specyfkacją przynajmnej w postac relacj częścowego porządku, pozwalającą na jednoznaczny wybór wskaźnka porządkującego welkośc zman, to warto wykorzystać klka wskaźnków o różnym polu percepcj (wrażlwośc na zmany). Albowem, otrzymamy wtedy przypadk obektów, które ocenane są podobne przez wększość użytych wskaźnków oraz część

10 Zmany w strukturze gospodarstw rolnych w krajach Un Europejskej w latach przypadków, których oceny znaczne sę różną mędzy sobą w zależnośc od użytego wskaźnka. A zatem, jeśl dane mocno przemawają to wększość wskaźnków je usłyszy (zareaguje odpowedną zmaną wartośc). W naszej sytuacj wdać, że zmany struktury w sektorze gospodarstw rolnych w UE-15 są mnejsze nż w UE-12 (por. ostatne dwa wersze w tab. 3 tab. 4). Podobne z tabel 4 jednoznaczne wynka, że nezależne od wskaźnka (spośród użytych) najwększe zmany nastąpły w krajach bałtyckch (Ltwa, Łotwa Estona), które są zawsze w perwszej, najlepszej grupe krajów. Natomast krajem o którym (w oparcu o wszystke trzy otrzymane wskaźnk) można powedzeć, ż nastąpły w nm najmnejsze zmany jest Irlanda, która jako jedyny kraj jest zawsze w czwartej grupe. Tabela 3. Pomar zman pomędzy strukturam w przy użycu zman wartośc średnej współczynnków koncentracj Gnego. Table 3. Measurement of changes between structures n 2010 and 2003 wth the use of changes of the mean value and the Gn concentraton coeffcents. Kraj A1 A2 A3 A4 A5 A6 A7 A8 A9 W2 R(W2) LTU 4,60 0,10-14, ,3 25,1 3,6770 0,22 7,2829 0,21 0, LVA 9,80 0,03-4, ,0 29,4 5,5814 0,14 12,2832 0,16 0, EST 26,40 0,00-8, ,5 18,1 33,6105-0,02 196,4619 0,02 0, SVN 0,20 0,06-13, ,1 22,1 2,8411 0,03-0,9202 0,10 0, NLD 2,40 0,00 51,8894 4,3 3,7 25,2972-0,02 706,8732 0,18 0, BGR 1,80 0,04-15, ,9 11,0 1,2748 0,15 0,9229 0,20 0, SVK 47,70-0,07-9, ,3 16,8 19,9274-0,04 23,4537 0,03 0, ROU 0,40-0,04-8, ,9 13,6 0,4495 0,11-0,3439 0,13 0, FIN 5,90 0,03-3,7713 5,6 7,5 18,3584 0,05 268,9881 0,13 0, CZE 73,00-0,13-13, ,5 13,9 47,5072-0,11 280,9553-0,05 0, HUN 2,50 0,01-8, ,8 6,6 15,1791-0,01 6,9443 0,09 0, DNK 5,00 0,04 1,2575 3,4 9,4 11,0503 0,04 739,4651-0,10 0, POL 2,90-0,05-5,6153 6,3 18,0 5,2530 0,07 14,7462 0,14 0, SWE -2,90 0,06-1,6430 6,3 4,2 13,5521 0,04 379,6804 0,01 0, PRT 1,60 0,01-3,0796 5,3 13,5 12, ,6355 0,11 0, ESP 1,90-0,01 6,1340 3,8 12,7 12,6332-0,03 191,7562 0,11 0, DEU 14,70-0,04-3,4454 5,8 6,6 17,1316-0,02 198,3967 0,09 0, FRA 8,70 0,00-2,4331 5,5 3,6 22,3802-0,03 280,7358-0,08 0, ITA 1,30 0,00 0,8404 2,5 5,2 4,9502 0,01 287,1846-0,02 0, GBR 13,40-0,06-3, ,7 0,7 14, ,5516 0,05 0, GRC -0,10 0,00-1,8111 0,8 2,1 4,1241-0,01 7,7362 0,14 0, LUX 4,60-0,01-1,0303 0,0 0,0 9, ,5000 0,10 0, AUT 0,40-0,02 10,4518 3,3 2,1 4, ,7883 0,02 0, MLT -0,10 0,01-88,4863-0,3 9,1 5, ,0000 0,02 0, BEL 3,20 0,00-8,0951 0,0 0,0 10,2799-0,02 142,0939-0,01 0, IRL 4,00 0,03-31,2152 0,9 1,7-0,7371 0,05-283,2348 0,05 0, CYP -0,40-0,01 5,4413-1,6 1,4-25,6667 0,06 69,5556 0,00 0, UE-27_2 2,30-0,01-2, ,4 8,7 8,3376-0,01 21,5188 0,10 0,4091 UE-15_2 2,80 0,00-0,2741 3,9 6,0 13,3686-0,01 186,9054 0,03 0,3736 UE-12_2 1,50-0,01-8, ,6 16,5 2,2191 0,09 2,2099 0,13 0,4875 Źródło: Opracowane własne na podstawe danych [Poczta 2013].

11 24 Z. Bnderman, G. Koszela, W. Szczesny Tabela 4. Zestawene wartośc wskaźnków syntetycznych wskazujących na zmany pomędzy strukturam gospodarstw w oraz wynkające z nch grupowana państw UE. Table 4. Summary of the synthetc ndces values ndcated the changes between the structures of households n 2010 and 2003, and the subsequent groupng of the EU countres. Kraj W1 R(W1) Gr(W1) W2 R(W2) Gr(W2) W3 R(W3) Gr(W3) AUT 0, , , BEL 0, , , BGR 0, , , CYP 0, , , CZE 0, , , DEU 0, , , DNK 0, , , ESP 0, , , EST 0, , , FIN 0, , , FRA 0, , , GBR 0, , , GRC 0, , , HUN 0, , , IRL 0, , , ITA 0, , , LTU 0, , , LUX 0, , , LVA 0, , , MLT 0, , , NLD 0, , , POL 0, , , PRT 0, , , ROU 0, , , SVK 0, , , SVN 0, , , SWE 0, , , Źródło: Opracowane własne na podstawe danych [Poczta 2013]. Warto zwrócć uwagę, że zarówno uporządkowane państw z uwag na welkość zman jak podzał na grupy różn sę stosunkowo dużo w zależnośc czy użyjemy zaproponowanej nowej oceny zman, czy oprzemy sę na klasycznych narzędzach (por. np. POL NLD). Te różnce pokazują, że przy wyborze wskaźnka do oceny zman pownnśmy bardzo uważne rozważyć jake aspekty zman chcemy merzyć. Podsumowane Głównym celem tej pracy było zwrócene uwag na trudnośc, jake napotyka badacz gdy próbuje skwantyfkować zachodzące zmany strukturalne w rolnctwe UE, chcąc pokazać w których krajach były te zmany najgłębsze oraz czy zmerzają one w kerunku stymulowanym przez poltykę. W tym celu zmany zostały ocenone przy wykorzystanu dwóch różnych technk/metod, które wykorzystują odpowedno () średną wskaźnk Gnego, () wskaźnk ar zróżncowana struktur (jedno z narzędz tzw. gradacyjnej analzy danych - por. [Szczesny 2002]). Badane wykazało, że nastąpły znaczące zmany w strukturze gospodarstw rolnych pomędzy rokem Według zaproponowanej w pracy metody pomaru, najwększe zmany zaobserwowano w krajach LVA, FIN, EST,

12 Zmany w strukturze gospodarstw rolnych w krajach Un Europejskej w latach LTU, POL (por. tab. 2). Oceny zman w takch krajach jak POL, FIN NLD dość mocno sę różną w zależnośc od zastosowanej metody (por. tab. 4). Oznacza to ż przy wyborze wskaźnka do oceny zman pownnśmy dokładne rozważyć jake aspekty zman chcemy merzyć oraz jake pownen meć on własnośc. Jednakże, bardzo często od zlecenodawców/użytkownków nformacj trudno jest uzyskać nezbędne nformacje na ten temat. Dlatego wydaje sę być słusznym postulat, że w systemach nformacyjnych (także stałym raportowanu realzowanym przez różne Agendy) pownno sę publkować różne mary ocenające zmany w ujęcu cząstkowym. W przedstawonych wyżej badanach, dla uproszczena rozważań przyjęto założena, że wszystke wybrane zmenne są jednakowo ważne (mają te same wag). Wynkało to z faktu, że ne przyjęto kryterów, według których jedne zmany są ważnejsze od nnych. Gdyby wykorzystać wag wynkające z ważnośc poszczególnych zman zachodzących w strukturze, to wynk mogłyby wyglądać zupełne naczej. Oczywśce w zaprezentowanej pracy [Poczta 2013 ] jest dużo węcej nformacj szczegółowych, które można by wykorzystać do szczegółowej oceny welkośc zman strukturalnych. Lteratura Arnold B. C. [1987]: Majorzaton and the Lorenz Order: A Bref Introducton, Lecture Notes n Statstcs 43, Sprnger-Verlag, Berln. Ávla F., Flores E., López-Gallo F., Márquez J. [2013]: Concentraton ndcators: Assessng the gap between aggregate and detaled data. IFC Bulletn No 36,Statstcal ssues and actvtes n a changng envronment, ss Babak J. [2010]: Zmany w strukturze rolnctwa krajów Un Europejskej, Rocznk Integracj Europejskej nr 4, ss Barnett R. A. et al. [2005]: College Mathematcs for Busness, Economcs, Lfe Scences, and Socal Scences, 10th ed., Prentce-Hall, Upper Saddle Rver. Bnderman Zb., Borkowsk B., Szczesny W. [2013]: Zastosowane metryk Mnkowskego do pomaru zman koncentracj Quanttatve Methods In Economcs, Vol. XIV, nr 3, ss Bnderman Zb., Borkowsk B., Szczesny W. [2012]: Radar coeffcent of concentraton, Quanttatve methods n economcs Vol. XIII, nr 2, ss Bnderman Zb., Borkowsk B., Szczesny W. [2008]: O pewnej metodze porządkowana obektów na przykładze regonalnego zróżncowana rolnctwa, Metody loścowe w badanach ekonomcznych, IX, wyd. SGGW, ss Bnderman Zb., Szczesny W. [2009]: Arrange methods of tradesmen of software wth a help of graphc representatons Computer algebra systems n teachng and research, Sedlce, wyd. WSFZ, ss Bnderman Zb., Borkowsk B., Prokopenya A., Szczesny W. [2013]: Mechansms of Constructon of the Radar Coeffcents of Concentraton, Computer Algebra Systems n Teachng and Research, Sedlce, ed. Collegum Mazova, ss Bnderman Zb., Borkowsk B., Prokopenya A., Szczesny W. [2013a]: Radar Coeffcents of Concentraton, Verfcatons of Propertes, CASTR, Sedlce, Collegum Mazova, ss Bnderman Zb. [2011]: Matematyczne aspekty metod radarowych, Metody loścowe w badanach ekonomcznych, XII, nr 2, ss Bogocz D., Bożek J., Kukuła K., Strojny J. [2010]: Statystyczne studum struktury agrarnej w Polsce, PWN Warszawa. Bożek J. [2008]: Porównane zróżncowana przestrzennego struktury agrarnej Polsk w latach , Metody loścowe w badanach ekonomcznych, T. IX, Wydawnctwo SGGW, Warszawa, ss Bożek J. [2010]: Typologa krajów Un Europejskej pod względem podobeństwa struktury agrarnej, Acta Scentarum Polonorum, Oeconoma, nr 9 (3), ss Bożek J. [2013]: Klasyfkacja podregonów pod względem podobeństwa struktury agrarnej, Wadomośc Statystyczne nr 9 (628), ss

13 26 Z. Bnderman, G. Koszela, W. Szczesny Bożek J., Bożek B. [2011]: Typologa struktury agrarnej województw w ujęcu dynamcznym z zastosowanem klasyfkacj rozmytej, Metody Iloścowe w Badanach Ekonomcznych, T. XII, nr 2, wyd. SGGW, Warszawa, ss Czekaj T., Mrkowska Z., Soberajewska J. (red.) [2008]: Dzś jutro gospodarstw rolnych w krajach Centralnej Wschodnej Europy, PW nr 98, wyd. IERGŻ - PIB. Gastwrth, J.L. [1971]: A general defnton of the Lorenz curve, Econometrca 39, ss Gn, C. [1914]: Sulla msura della concentrazone e della varabltà de caratter, Att del R. Isttuto Veneto d Scenze Lettere ed Art. Glasser G. J. [1962]: Varance formulas for the mean dfference and coeffcent of concentraton. J. Am. Statstc. Assoc. 57, ss Kukuła K. [2007]: Z problematyk badań nad strukturą agrarną w Polsce w ujęcu przestrzennym Oeconoma 6 (4), ss Kukuła K. (red.) [2009]: Studum przestrzenne struktury agrarnej w Polsce, PWN, Warszawa. Mchna W. [2011]: Aktualzacja prognoz w zakrese struktury lczby gospodarstw rolnych oraz pogłowa zwerząt gospodarskch w Polsce, w perspektywe 2020 r. W śwetle wstępnych wynków spsu rolnego 2010 r. IERGŻ - PIB w Warszawe. Nowak E. [1990]: Metody taksonomczne w klasyfkacj obektów społeczno-gospodarczych, PWE, Warszawa. Panek E. [2000]: Ekonoma matematyczna, AE, Poznań. Poczta W. (red.) [2013]: Gospodarstwa Rolne w Polsce na tle gospodarstw Un Europejskej WPR, Powszechny Sps Rolny 2010, Główny Urząd Statystyczny, Warszawa. Rasowa H. [2013]: Wstęp do matematyk współczesnej, PWN, Warszawa. Szczesny W. [2002]: Grade correspondence analyss appled to contngency tables and questonnare data. Intellgent Data Analyss 6, No 1, ss Szczesny W., Kowalczyk T., Wolńska-Welcz A., Wech M., Duncz-Sokolowska A., Grabowska G., Pleszczyńska E. [2012]: Models and Methods of Grade Data Analyss: Recent Developments, Insttute of Computer Scence, Warsaw.