REGIONALNE ZRÓŻNICOWANIE EFEKTYWNOŚCI ROLNICTWA W POLSCE. Joanna Baran

Transkrypt

1 20 JOANNA BARAN ROCZNIKI NAUKOWE EKONOMII ROLNICTWA I ROZWOJU OBSZARÓW WIEJSKICH, T. 0, z. 2, 204 REGIONALNE ZRÓŻNICOWANIE EFEKTYWNOŚCI ROLNICTWA W POLSCE Joanna Baran Katedra Ekonomiki i Organizaci Przedsiębiorstw Szkoły Główne Gospodarstwa Wieskiego w Warszawie Kierownik katedry: prof. dr hab. Henryk Runowski Słowa kluczowe: rolnictwo, efektywność techniczna, woewództwa, metoda DEA Key words: agriculture, technical efficiency, voivodships, Data Envelopment Analysis S y n o p s i s. W artykule metodą DEA określono efektywność rolnictwa w poszczególnych woewództwach w Polsce w 202 roku. Zastosowano model Data Envelopment Analysis ukierunkowany na minimalizacę nakładów. Do modelu przyęto ako zmienne: efekt (wartość skupu produktów rolnych) oraz 5 nakładów (powierzchnia UR, liczba pracuących w rolnictwie, zużycie nawozów, liczba ciągników, inwentarz żywy). Efektywnym rolnictwem charakteryzowało się 6 woewództw. Dla pozostałych woewództw zgodnie z ideą benchmarkingu zaproponowano zmiany w poziomie nakładów, które mogłyby przyczynić się do poprawy ich efektywności. WPROWADZENIE Po akcesi Polski do Unii Europeskie (UE) polskie rolnictwo funkconue w odmiennych warunkach gospodarczych wynikaących z reguł wspólne polityki rolne (WPR). Zadaniem WPR est nie tylko zapewnienie bezpieczeństwa żywnościowego, ale również zwiększenie aktywności zawodowe społeczeństw wieskich oraz poprawa efektywności produkci rolnicze [Czyżewski, Henisz-Matuszczak 2004, Błażeczyk-Maka i in. 20]. Kluczowe zatem stae się bieżące monitorowanie i określanie kierunku zmian efektywności rolnictwa zarówno na poziomie całego krau, ak i poszczególnych regionów, co z edne strony, pozwala lepie oceniać szanse i bariery rozwoowe polskiego rolnictwa, a z drugie, kształtować właściwe zasady podziału uninych środków dla sektora rolnego [Rusielik, Świtłyk 2009, Kruszewski, Sielska 202]. W polskie literaturze istniee wiele opracowań dotyczących efektywności rolnictwa bazuących na danych sektorowych i danych dotyczących indywidualnych gospodarstw. W większości opracowania te opieraą się na prostych, standardowych wskaźnikach efektywności. Istnieą również analizy efektywności sektora rolnego, gospodarstw i przedsiębiorstw rolniczych bazuące na metodach wielowymiarowych [m.in. Rusielik, Świtłyk 999, 2009, Helta, Świtłyk 2004, 2007, 2008, 2009, Prochorowicz, Rusielik 2007, Kulawik 2008, Jarzębowski 200, Świtłyk 20, Bieńkowski i in. 202, Baran 203, Baran, Żak 204].

2 REGIONALNE ZRÓŻNICOWANIE EFEKTYWNOŚCI ROLNICTWA W POLSCE 2 W artykule do oceny efektywności rolnictwa wykorzystano również metody wielowymiarowe t. DEA (ang. Data Envelopment Analysis) oraz MPI (ang. Malmquist Productivity Index). Celem opracowania est porównanie efektywności rolnictwa w poszczególnych woewództwach w 202 r. W ramach badań zakłada się stworzenie rankingu woewództw, a dla woewództw nieefektywnych zgodnie z ideą benchmarkingu zaproponowanie zmian w poziomie nakładów, które mogłyby przyczynić się do poprawy ich efektywności. MATERIAŁ I METODYKA BADAŃ Materiałem źródłowym do badań były dane GUS za 202 r. dotyczące rolnictwa w poszczególnych woewództwach opublikowane w Roczniku statystycznym rolnictwa [203]. Do pomiaru efektywności rolnictwa wykorzystano metodę DEA, która bazue na koncepci produktywności Gérarda Debreu [95] i Michaela J. Farrella [957] i do analizy wielowymiarowe została zaadaptowana przez Abrachama Charnesa, Williama Wagera Coopera i Edwardo Rhodesa [978]. Ze względu na rodza efektów skali wspomniani autorzy wyróżnili: model CCR zakładaący stałe efekty skali (nazwa to akronim pierwszych liter twórców modelu Charnesa, Coopera i Rhodesa) oraz model BCC zakładaący zmienne efekty skali (także akronim od nazwisk Bankera, Charnesa i Coopera) [Charnes i in. 978, Banker i in. 984]. Metoda DEA est zaliczana do nieparametrycznych metod badania efektywności, gdzie dysponuąc s-efektami i m-nakładami, efektywność można obliczyć ze wzoru [Cooper i in. 2007, s. 23]: s µ y r= m r ν x i i= i r µ y µ 2 y2... µ s y = ν x ν x... ν x 2 2 m m s gdzie: y r wartość efektu, x i wartość nakładu, μ r waga efektu, υ i waga nakładu. Sprowadzenie m-nakładów i s-efektów do wielkości syntetycznych pozwala wyznaczyć wskaźnik efektywności techniczne, który w zadaniu programowania liniowego est funkcą celu poddaną maksymalizaci dla każdego obiektu. W metodzie DEA obiektami analizy są tzw. ednostki decyzyne (ang. Decision Making Units DMU). Jako DMU można uwzględniać przedsiębiorstwa, zakłady w ramach przedsiębiorstw, krae itp. W artykule ednostkami decyzynymi są woewództwa. We wspomnianym wyże zadaniu programowania liniowego zmiennymi optymalizowanymi są wagi μ r i v i efektów oraz nakładów, a wielkości efektów oraz nakładów są danymi empirycznymi. W metodzie DEA można wyróżnić dwie funkce celu: maksymalizaca efektów przy danych nakładach lub minimalizaca nakładów przy danych efektach [Coelli i in. 2005]. Celem modelu DEA zorientowanego na nakłady (model input-oriented) est minimalizaca nakładów obiektu, przy zachowaniu co namnie te same wielkości uzyskanych efektów. Celem modelu zorientowanego na efekty (model output-oriented) est maksymalizowanie efektów przy zachowaniu niezmienionych nakładów. Postać dualna zadania dla modeli zorientowanych na nakłady przymue następuącą postać [Coelli i in. 2005, s. 98]: min θ, λ, S, S z o = θ ε s m sr ε r= i= s r

3 22 JOANNA BARAN przy ograniczeniach: n λ Y = θx s = Y n 0 λ X s = = λ, s, s 0. r i o 0 Tak sformułowane zadanie programowania liniowego należy rozwiązać dla wszystkich n-obiektów, gdzie: X o est wektorem nakładów danego obiektu (o wymiarach [ x m]), X est macierzą nakładów wszystkich obiektów (o wymiarach [n x m]), Y o est wektorem efektów danego obiektu (o wymiarach [ x s]), Y est macierzą efektów wszystkich obiektów (o wymiarach [n x s]), λ,, λ s to współczynniki kombinaci liniowe, Ө est współczynnikiem efektywności obiektu, s oraz s - określaą wartości tzw. luzów powstałych w trakcie optymalizaci funkci celu, stała ε oznacza nieskończenie małą liczbę (odgrywa rolę dolnego ograniczenia dla wag określaących ważność poszczególnych efektów i nakładów tak, by zapobiec przymowaniu przez nie zerowych wartości). Zadanie to est rozwiązywane dla wszystkich DMU, natomiast celem optymalizaci w przedstawionym modelu est znalezienie minimalne wartości współczynnika efektywności, przy które możliwe est zredukowanie nakładów lub wykorzystywanych zasobów, umożliwiaące osiągnięcie niezmienionego poziomu efektu. Jeśli dla danego obiektu wyznaczenie te wartości nie est możliwe, wówczas współczynnik efektywności =, co oznacza, że nie istniee bardzie korzystna kombinaca pozwalaąca na osiągnięcie przez obiekt tych samych efektów. Takie DMU uznae się wtedy za efektywne. Z kolei eśli współczynnik efektywności <, oznacza to, że istniee bardzie efektywna kombinaca nakładów umożliwiaąca osiągnięcie tych samych efektów. W metodzie DEA dla obiektu nieefektywnego można ustalić technologię optymalną, która est określana na podstawie technologii obiektów o nawyższe względne efektywności w badane grupie. Technologia optymalna wyznaczana est na podstawie wzoru [Guzik 2009, s ]: T * 0 λ o = N o t = T* o technologia optymalna dla o-tego obiektu, t technologia empiryczna -tego obiektu, λ o udział technologii -tego obiektu w technologii optymalne dla o-tego obiektu. W celu zbadania zmian efektywności rolnictwa w poszczególnych woewództwach zastosowano również indeks produktywności Malmquista. Konstrukca indeksu opierała się na zasadzie porównania relaci kilku nakładów do wyników danego obiektu w różnych momentach czasu. Indeks Malmquista dla danego obiektu est iloczynem indeksu zmian efektywności techniczne (EFCH) i indeksu zmian postępu technologicznego (TECH), zgodnie z wzorem [Färe i in. 994, s. 7]:

4 REGIONALNE ZRÓŻNICOWANIE EFEKTYWNOŚCI ROLNICTWA W POLSCE 23 t (, ) t t D y x D ( y, x ) D ( y, x ) t t t t t t M( y,,, ) = x y x t t t t Xx x t t t D ( y, x ) D ( y, x ) D ( y, x ) t t t t t t EFCH t TECH t gdzie: D t (y t, x t ) oznacza efektywność przy wykorzystaniu technologii roku t dla danych z roku t, D t (y t,x t ) est efektywnością ednostki w okresie t przy wykorzystaniu dostępne wówczas technologii i dla danych z okresu t, D t (y t, x t ) pokazue efektywność ednostki w okresie t, D t (y t, x t ) oznacza efektywność przy wykorzystaniu technologii roku t dla danych z roku t. Dla wartości indeksu produktywności Malmquista większe od przymue się, że w badanym okresie od t do t nastąpił wzrost produktywności. Gdy natomiast wartość indeksu est mniesza od, to wskazue na spadek produktywności: wartość równa wskazue na utrzymanie efektywności na tym samym poziomie. Podobną interpretacę wielkości wskaźników stosue się w odniesieniu do EFCH i TECH. 2 WYNIKI BADAŃ Do określenia efektywności rolnictwa w poszczególnych woewództwach zastosowano model CCR ukierunkowany na minimalizacę nakładów (input-oriented). Przyęto orientacę modelu na minimalizacę nakładów, gdyż w świetle obowiązuącego w UE ustawodawstwa w zakresie polityk środowiskowych i upowszechnianych zasad zrównoważonego rozwou, zakłada się m.in., że aktualnie edyną opcą rozwou dla europeskiego i polskiego rolnictwa est wzrost produkci rolnicze przez innowace i deintensyfikacę nakładów. Do obliczanego modelu przyęto następuące zmienne: efekt y wartość skupu produktów rolnych (mln zł), nakład x powierzchnia użytków rolnych (ha), nakład x 2 liczba pracuących w rolnictwie (osoby), nakład x 3 nawożenie NPK i CaO (t), nakład x 4 liczba ciągników (szt.), nakład x 5 inwentarz żywy (tys. szt.). W pierwszym etapie badań rozpoznano poziom efektywności rolnictwa w poszczególnych woewództwach w 202 r. oraz stworzono ranking woewództw według wskaźnika efektywności techniczne (rys..). Średnia efektywność techniczna rolnictwa w Polsce w 202 r. kształtowała się na dość wysokim poziomie wskaźnik efektywności DEA wyniósł 0,87. Sześć woewództw z szesnastu charakteryzowało się w pełni efektywnym rolnictwem, ich wskaźnik efektywności wyniósł. W grupie efektywnych DMU znalazły się woewództwa: zachodniopomorskie, dolnośląskie, wielkopolskie, warmińsko-mazurskie, mazowieckie i opolskie. Wskaźnik efektywności dla pozostałych woewództw kształtował się w przedziale od 0,63 do 0,98. Naniższą efektywnością techniczną rolnictwa charakteryzowały się woewództwa małopolskie i podkarpackie. W drugim etapie, badań bazuąc na metodzie DEA dla nieefektywnych DMU, zidentyfikowano technologie optymalne tak, aby ich efektywność mogła zwiększyć się do edności.

5 24 JOANNA BARAN DMU DMU małopolskie podkarpackie świętokrzyskie śląskie łódzkie lubelskie lubuskie podlaskie pomorskie kuawsko-pomorskie mazowieckie opolskie warmińsko-mazurskie wielkopolskie dolnośląskie zachodniopomorskie 0 0, 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 Efektywność techniczna Rysunek. Ranking efektywności rolnictwa według woewództw bazuący na metodzie DEA Źródło: opracowanie własne. Zgodnie z ideą benchmarkingu, dla woewództw charakteryzuących się nieefektywnym rolnictwem zdefiniowano wzorce efektywności (benchmarki). Na podstawie tych wzorców dla nieefektywnych woewództw wyznaczono kombinacę technologii pozwalaącą osiągnąć takie same efekty przy mnieszych nakładach. Obliczenia przeprowadzono na podstawie wartości współczynników kombinaci liniowe technologii wspólne λ (tab..). Na przykład dla rolnictwa z Podkarpacia optymalna est kombinaca: 2,83% technologii woewództwa dolnośląskiego i 8,57% technologii woewództwa mazowieckiego. Woewództwa dolnośląskie i mazowieckie (w pełni efektywne) stały się punktami odniesienia (tzw. benchmarkami) dla nieefektywnego woewództwa podkarpackiego. Innymi słowy, aby rolnictwo z regionu podkarpackiego stało się efektywne, powinno skonstruować swoą technologię na wzór rolnictwa z regionów wyznaczaących dla niego benchmark. Zatem w celu osiągnięcia wartości skupu produktów rolnych z 202 r. w wysokości 85 mln zł podkarpackie rolnictwo powinno stosować następuące wielkości: x powierzchnia użytków rolnych: 0,0283x90530,0857x = ,7 ha, x 2 liczba pracuących w rolnictwie: 0,0283x835580,0857x = osób, x 3 nawożenie NPK i CaO: 0,0283x204390,0857x = 26837,4 t, x 4 liczba ciągników: 0,0283x606940,0857x = szt., x 5 inwentarz żywy: 0,0283x337,50,0857x2049,7 = 85 tys. szt. Otrzymane wielkości nakładów znaduą się znacznie poniże wielkości nakładów wykorzystanych w woewództwie podkarpackim w 202 r. Rolnictwo z tego regionu można byłoby zaliczyć do efektywnych, gdyby w celu osiągnięcia niezmienione wartości skupu produktów rolnych angażowało liczbę osób pracuących mnieszą o 89%, mnieszą powierzchnię UR o 74%, mniesze zużycie nawozów o 36%, mnieszą liczbę ciągników o 80% oraz inwentarz żywy mnieszy o 36%. Potencalne zmiany, akie powinny dokonać się w zakresie nakładów w rolnictwie w poszczególnych woewództwach przedstawiono w tabeli 2. Wyniki sugeruą, że w woewództwach nieefektywnych powinno się osiągnąć obecną wielkość efektów (wartość skupu produktów rolnych) przy wykorzystaniu mnieszych nakładów (mniesze powierzchni użytków rolnych, liczby pracuących w rolnictwie,

6 REGIONALNE ZRÓŻNICOWANIE EFEKTYWNOŚCI ROLNICTWA W POLSCE 25 Tabela. Współczynniki kombinaci liniowe (λ) technologii wspólne dla woewództw Woewództwa Efektywne DMU (DMU) zachodniopomorskie dolnośląskie wielkopolskie warmińskomazurskie opolskie mazowieckie dolnośląskie kuawskopomorskie 0,272 0,640 0,5560 0,0293 lubelskie 0,4328 0,3248 lubuskie 0,862 0,33 0,0398 łódzkie 0,0470 0,3777 małopolskie 0,69 mazowieckie opolskie podkarpackie 0,0283 0,0857 podlaskie 0,887 0,346 pomorskie 0,0592 0,4292 0,2654 0,0207 śląskie 0,0606 0,265 świętokrzyskie 0,0083 0,295 warmińskomazurskie wielkopolskie zachodniopomorskie Źródło: opracowanie własne. Tabela 2. Zalecenia dotyczące zmnieszenia nakładów i o ile dla rolnictwa w przekrou woewództw [%] Woewództwa (DMU) Powierzchnia użytków rolnych [ha] Liczba pracuących w rolnictwie [osoby] Zużycie nawozów NPK i CaO [t] Liczba ciągników [szt.] Inwentarz żywy [tys. szt.] kuawsko-pomorskie lubelskie lubuskie łódzkie małopolskie podkarpackie podlaskie pomorskie śląskie świętokrzyskie Źródło: opracowanie własne.

7 26 JOANNA BARAN zużyciu nawozów, liczby ciągników, inwentarza żywego), co pozwoliłoby im poprawić efektywność i miesce w rankingu. W ramach badań za pomocą indeksu produktywności Malmquista przeanalizowano, ak zmieniła się produktywność rolnictwa w poszczególnych woewództwach od momentu weścia Polski do UE, t. w latach Nawiększy średnioroczny wzrost produktywności całkowite odnotowywano w woewództwach: dolnośląskim (7%), lubelskim (7%), pomorskim (7%) i mazowieckim (5%), natomiast namnieszy w wielkopolskim (3%) i lubuskim (2%). W kolenym etapie badań dokonano dekompozyci MPI na wskaźnik zmian technologicznych (TECH) i wskaźnik zmian efektywności techniczne (EFCH) w poszczególnych woewództwach. Następnie zestawiono średnioroczne wskaźniki TECH i EFCH rolnictwa w poszczególnych woewództwach z wartościami średnimi dla całego krau (rys. 2.). W ramach tego zestawienia wyodrębniono 4 grupy: ) grupę liderów: 2 woewództwa (mazowieckie i pomorskie), w które rolnictwo w latach odnotowywało wyższe niż przeciętnie w krau zmiany, zarówno w zakresie średniorocznego postępu technologicznego, ak i efektywności techniczne; 2) grupę woewództw wyróżniaącą się większą niż średnia w krau dynamiką zmian technologicznych (warmińsko-mazurskie, kuawsko-pomorskie, lubelskie, dolnośląskie, opolskie, łódzkie); 3) grupę woewództw wyróżniaącą się większą niż średnia w krau dynamiką zmian efektywności techniczne (świętokrzyskie, śląskie, małopolskie); Zróżnicowanie dynamiki zmian efektywności rolnictwa w poszczególnych woewództwach w porównaniu do średnie kraowe 0% 8% 6% 4% 2% 0% -2% -4% świętokrzyski e wielkopolskie lubuskie śląskie małopolskie pomorskie mazowieckie warmińsko-mazurskie kuawsko-pomorskie podkarpackie opolskie zachodniopomorskie podlaskie łódzkie dolnośląskie -6% -0% -8% -6% -4% -2% 0% 2% 4% 6% 8% 0% Zróżnicowanie dynamiki zmian technologicznych w rolnictwie w poszczególnych woewództwach w porównaniu do średnie kraowe Rysunek 2. Zróżnicowanie dynamiki zmian efektywności i zmian technologicznych w rolnictwie w poszczególnych woewództwach w porównaniu do średnie kraowe Źródło: opracowanie własne.

8 REGIONALNE ZRÓŻNICOWANIE EFEKTYWNOŚCI ROLNICTWA W POLSCE 27 4) grupę woewództw tracącą dystans o zmianach mnieszych w stosunku do średnie kraowe w zakresie postępu technologicznego, ak i efektywności (lubuskie, podkarpackie, wielkopolskie i podlaskie). PODSUMOWANIE I WNIOSKI Metodą DEA stworzono ranking woewództw według efektywności rolnictwa. Sześć woewództw charakteryzowało się w pełni efektywnym rolnictwem (zachodniopomorskie, dolnośląskie, wielkopolskie, warmińsko-mazurskie, mazowieckie i opolskie). Dla nieefektywnego rolnictwa w poszczególnych woewództwach, wykorzystuąc benchmarking obiektów, zaproponowano zmiany w poziomie nakładów, które mogłyby poprawić efektywność. Z przeprowadzonych badań wynika, że w okresie woewództwa mazowieckie i pomorskie charakteryzowały się wyższą niż średnia w krau dynamiką zmian w zakresie zmian technologicznych i zmian efektywności rolnictwa. Sporządzony metodą DEA ranking woewództw może być ednak dyskusyny, gdyż przyęcie do analizy inne listy zmiennych mogłoby dać inne wyniki. Ranking ten powinien być zatem traktowany ako przyczynek do dalszych badań. Przy ocenie efektywności rolnictwa należałoby stosować zintegrowane podeście bazuące na różnych metodach, które wzaemnie się uzupełniaą i dzięki temu pozwalaą formułować wiarygodne wnioski. Efektywność est bowiem złożonym zawiskiem ekonomicznym, a metody stosowane do e analizy maą swoe zalety i ograniczenia. Badania z wykorzystaniem innych metod i z uwzględnieniem różnych czynników determinuących efektywność mogą prowadzić do właściwe interpretaci i oceny efektywności polskiego rolnictwa, a przez to poszukiwania kierunków poprawy te efektywności. LITERATURA Banker R.D., Charnes A., Cooper W.W. 984: Some Models for Estimating Technical and Scale Inefficiency in Data Envelopment Analysis, Management Science, 30, s Baran J. 203: Efficiency of the production scale of Polish dairy companies based on Data Envelopment Analysis, Acta Scientiarum Polonorum Oeconomia, 2(2), s Baran J., Żak J. 204: Multiple Criteria Evaluation of Transportation Performance for Selected Agribusiness Companies, Procedia, Social and Behavioral Sciences, vol., s Bieńkowski J., Jankowiak J., Dąbrowicz R., Holka M. 202: Porównanie produkcyności ogólne polskiego rolnictwa na tle kraów Unii Europeskie, Roczniki Naukowe SERiA, t. XV, z. 2, Błażeczyk-Maka L., Kala R., Macieewski K. 20: Efektywność produkci rolnicze na obszarze Unii Europeskie w latach , Zeszyty Naukowe SGGW w Warszawie, Problemy Rolnictwa Światowego, t. (26), z., s Charnes A., Cooper W. W., Rhodes A. 978: Measuring the Efficiency of Decision Making Units, European Journal of Operational Research, 2(6), s Coelli T.J., Prasada Rao D.S., O Donnell C.J., Battese G. E. 2005: An Introduction to Efficiency and Productivity Analysis, Springer, New York. Cooper W. W., Seiford L. M., Tone K. 2007: Data Envelopment Analysis, A Comprehensive Text with Models, Applications, References and DEA-Solver Software, Kluwer Academic Publisheres, New York. Czyżewski A., Henisz-Matuszczak A. 2004: Rolnictwo Unii Europeskie i Polski. Studium porównawcze struktur wytwórczych i regulatorów rynków rolnych, Wyd. Akademii Ekonomiczne w Poznaniu, Poznań, s Debreu G. 95: The Coefficient of Recourse Utilisation, Econometrica, no 9(3), July, s

9 28 JOANNA BARAN Farrell M.J. 957: The Measurement of Productive Efficiency, Journal of the Royal Statistical Society, series A, no. 20(III), s Guzik B. 2009: Podstawowe modele DEA w badaniu efektywności gospodarcze i społeczne, Wydawnictwo Uniwersytetu Ekonomicznego w Poznaniu, Poznań. Helta M., Świtłyk M. 2004: Zastosowanie indeksu produktywności całkowite Malmquista do pomiaru efektywności nawożenia mineralnego w gospodarce całkowite Polski w latach , Zeszyty Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, nr 05, Wrocław, s Helta M., Świtłyk M. 2007: Efektywność produkci mleka w gospodarstwach należących do Europeskiego Stowarzyszenia Producentów Mleka w 2005 r., Roczniki Naukowe SERiA, t. 93, z. 2, s Helta M., Świtłyk M. 2008: Efektywność techniczna spółek Agenci Nieruchomości Rolnych w latach , Roczniki Nauk Rolniczych, Seria G, t. 95, z., s Helta M., Świtłyk M. 2009: Efektywność produkci mleka w gospodarstwach należących do Europeskiego Stowarzyszenia Producentów Mleka w 2006 r., Roczniki Nauk Rolniczych, seria G, t. 96, z., s Färe R., Grosskopf S., Norris M., Zhang Z. 994: Productivity Growth, Technical Progress, and Efficiency Change in Industrialized Countries, The American Economic Review, vol. 84, no., s Jarzębowski S. 200: Efektywność przedsiębiorstw młynarskich na przykładzie Polski i Niemiec, Roczniki Nauk Rolniczych, seria G, t. 97, z. 4, s Kulawik J. (red.) 2008: Analiza efektywności ekonomiczne i finansowe przedsiębiorstw rolnych powstałych na bazie maątku ZWRSP, IERiGŻ, Warszawa, s Kuszewski T., Sielska A. 202: Efektywność sektora rolnego w woewództwach przed i po akcesi Polski do Unii Europeskie, Gospodarka Narodowa, 3 (247), s Prochorowicz J., Rusielik R. 2007: Relative efficiency of oilseed crops production in the selected farms in Europe and the world in 2005, Acta Scientiarum Polonorum Oeconomia, 6(4), s Rocznik statystyczny rolnictwa. 203: GUS, Warszawa. Rusielik R., Świtłyk M. 999: Zastosowanie metody DEA do oceny efektywności rolnictwa w Polsce, Folia Universitatis Agriculturae Stetinensis, (96), Oeconomica, 36, s Rusielik R., Świtłyk M. 2009: Zmiany efektywności techniczne rolnictwa w Polsce w latach , Roczniki Nauk Rolniczych, seria G, t. 96, z. 3, s Świtłyk M. 20: Efektywność polskiego rolnictwa w latach , Zagadnienia Ekonomiki Rolne, 4, s Joanna Baran DIVERSIFICATION OF EFFICIENCY OF AGRICULTURE IN POLAND Summary The article presents the diversification of agriculture efficiency of Polish voivodeships in 202 based on Data Envelopment Analysis method. The model features the following variables: effect (value of purchased agricultural products) and 5 inputs (area of agricultural land, number of people employed in agriculture, use of fertilizers, number of tractors, livestock). The analysis gives a possibility to create a ranking of voivodeships. The highest efficiency during the period was achieved by 6 voivodeships.the results point out the reasons of the inefficiency and provide improving directions for the inefficient Decision Making Units (voivodeships). Adres do korespondenci: Dr Joanna Baran Szkoła Główna Gospodarstwa Wieskiego w Warszawie Wydział Nauk Ekonomicznych ul. Nowoursynowska 66, Warszawa oanna_baran@sggw.pl