POTENCJAŁ PRODUKCYJNY ROLNICTWA WOJEWÓDZTWA PODKARPACKIEGO ANALIZA TYPOLOGICZNA

Transkrypt

1 22 ROCZNIKI Roman NAUKOWE Chorób, Jolanta STOWARZYSZENIA Wonar EKONOMISTÓW ROLNICTWA I AGROBIZNESU 2017 tom XIX zeszyt 4 doi: / wpłynęło: akceptaca: Roman Chorób, Jolanta Wonar Uniwersytet Rzeszowski POTENCJAŁ PRODUKCYJNY ROLNICTWA WOJEWÓDZTWA PODKARPACKIEGO ANALIZA TYPOLOGICZNA PRODUCTION POTENTIAL OF AGRICULTURE OF PODKARPACKIE VOIVODSHIP TYPICAL ANALYSIS Słowa kluczowe: porządkowanie liniowe, grupowanie, rolnictwo, potencał produkcyny Key words: linear ordering, grouping, agriculture, agricultural potential JEL codes: C10, L66, O13, R11 Abstrakt. Głównym celem opracowania est ocena zróżnicowania rolnictwa w woewództwie podkarpackim pod względem posiadanego potencału wytwórczego. Analizę przeprowadzono wykorzystuąc miarę syntetyczną, co pozwoliło na uporządkowanie obiektów (powiatów woewództwa podkarpackiego, z wyłączeniem czterech miast na prawach powiatu) pod względem osiągniętego poziomu rozwou rolnictwa oraz wskazanie powiatów nabardzie i namnie rozwiniętych z punktu widzenia badanego zawiska. W kolenym etapie przeprowadzono analizę skupień w celu wyodrębnienia grup typologicznych. Na podstawie analizy skupień wyodrębniono pięć wewnętrznie ednorodnych i zewnętrznie odrębnych pod względem przyętych cech grup powiatów. Wyniki badań dowiodły, że nalepszym potencałem produkcynym rolnictwa cechuą się powiaty: mielecki, dębicki, ropczycko-sędziszowski, przeworski, lubaczowski, arosławski, łańcucki i leżaski. Natomiast relatywnie nagorszą sytuacę rolnictwa ze względu na analizowane cechy można wskazać w powiatach bieszczadzkim, stalowowolskim i leskim. Wstęp Prowadzenie każde działalności gospodarcze angażue olbrzymie zasoby. Według definici Augustyna Wosia [1996], zasoby włączone w planowy sposób w proces wytwórczy i aktywnie w nim uczestniczące traktue się ako czynniki produkci. Termin ten obemue pracę (zasoby ludzkie), ziemię oraz kapitał. Możliwości produkcyne rolnictwa zależą głównie od liczby i wzaemnych relaci między zasobami tych czynników produkci [Poczta 2003], stanowiąc ego niepodważalny potencał. Warto w tym miescu podkreślić również znaczenie polskie wsi stanowiące wielki potencał produkcyny i społeczny, który dla wielu regionów est edyną lub główną szansą rozwou. Ponadto struktura organizacyna produkci rolnicze, obok potencału produkcynego podmiotów przetwórstwa spożywczego, stanowi istotne uwarunkowanie rozwou i zaawansowania powiązań integracynych pomiędzy rolnictwem a przemysłem spożywczym. Poziom rozwou rolnictwa w Polsce wykazue duże zróżnicowanie regionalne [Czudec, Kata 2013]. Należy ednak odróżnić naturalne zróżnicowanie przestrzenne od dysproporci międzyregionalnych, traktowanych ako nieprawidłowości rozwou rolnictwa. Niwelowanie istnieących nieprawidłowości est możliwe przez prowadzenie takie polityki przestrzenne w zakresie rolnictwa, która pozwala w sposób nabardzie efektywny wykorzystać zasoby danego regionu, a ednocześnie stabilizować rozwó rolnictwa w szerszym układzie. Z tego powodu uzasadnione stae się badanie determinant przesądzaących o takich dysproporcach oraz o ich znaczeniu dla rozwou polskiego rolnictwa. Przykładem regionu o dużych zasobach ziemi rolnicze i wysokim odsetku osób pracuących w rolnictwie est Podkarpacie. Jest to region zaliczany do peryferynych nie tylko z powodu położenia geograficznego (wschodnia granica UE), ale głównie ze względu na niski poziom rozwou gospodarczego na tle innych regionów w Polsce, w tym także mały udział rolnictwa w

2 Potencał produkcyny rolnictwa woewództwa podkarpackiego analiza typologiczna 23 tworzeniu PKB. Uzasadniona w tym kontekście est analiza możliwości poprawy wykorzystania zasobów rolnictwa tego regionu i zwiększenia ego znaczenia w strukturze ego gospodarki [Czudec, Cierpiał-Wolan 2013]. Celem artykułu est ocena zróżnicowania rolnictwa w woewództwie podkarpackim pod względem posiadanego potencału wytwórczego i produktywności czynników produkci. Materiał i metodyka badań Celem przeprowadzone analizy est pomiar zróżnicowania poziomu rolnictwa w regionach woewództwa podkarpackiego z wykorzystaniem miary syntetyczne. Zastosowanie te miary pozwoliło na uporządkowanie obiektów (powiatów woewództwa podkarpackiego, z wyłączeniem czterech miast na prawach powiatu) pod względem osiągniętego poziomu rozwou rolnictwa oraz wskazanie powiatów nabardzie i namnie rozwiniętych z punktu widzenia badanego zawiska. W kolenym etapie przeprowadzono analizę skupień celem wyodrębnienia grup typologicznych o podobnym stopniu rozwou pod względem wybranych cech. W ramach metod wielowymiarowe analizy statystyczne, których zastosowanie est niezwykle pomocne w badaniach regionalnych, stosue się naczęście dwa główne zadania badawcze: porządkowanie liniowe, czyli uszeregowanie analizowanych obiektów według przyętego kryterium ogólnego pozwalaące ustalić koleność; grupowanie, czyli podział rozpatrywanych obiektów pod względem kryterium ogólnego na pewne podzbiory (klasy, skupienia, grupy), w których zachowane zostanie podobieństwo pod względem przyętych do badania cech. Uwzględniaąc przesłanki merytoryczne do pomiaru poziomu i efektywności wykorzystania potencału produkcynego w rolnictwie w poszczególnych powiatach, ako zmienne diagnostyczne przyęto 13 cech w dwóch okresach porównawczych (w latach 2002 i 2010) w celu oceny podobieństwa wyników w czasie 1. Wartości przyętych do analizy wskaźników pochodziły z powszechnych spisów rolnych za lata 2002 i 2010 (PSR). Porównywane okresy są dość odległe, ale dane ilościowe uzyskane z tych źródeł cechowały się zbieżną metodyką, zapewniaącą porównywalność specyficznych zmiennych opisuących potencał i uwarunkowania rolnictwa woewództwa podkarpackiego. Wymieniony zestaw zmiennych poddano normalizaci celem uednolicenia zarówno ednostek, ak i rzędu wielkości cechy. Maąc na uwadze fakt, że wybór formuły normalizacyne wpływa na rezultat prowadzonych badań i płynące z nich wnioski, normalizaci zmiennych diagnostycznych dokonano trzema sposobami, odpowiednio standaryzaci, unitaryzaci i normalizaci. Wykorzystano formuły [Ostasiewicz 1998, Zeliaś 2000, Kukuła 2000, Pawełek 2008]: x x x min x x x z = z = z = S max x min x x gdzie: z znormalizowana wartość -te zmienne dla i-tego obiektu. 1 X 1 udział użytków rolnych w powierzchni ogółem (%), X 2 udział gruntów ornych i sadów w użytkach rolnych (%), X 3 liczba osób pracuących w rolnictwie na 100 ha UR, X 4 odsetek osób pracuących w rolnictwie (%), X 5 odsetek użytkowników gosp. rolnych z wykształceniem wyższym (%), X 6 udział sektora prywatnego w powierzchni UR (%), X 7 przeciętna powierzchnia gospodarstwa rolnego według ha UR (ha), X 8 gęstość dróg o twarde nawierzchni (km/100 km 2 ), X 9 liczba ciągników na 100 gospodarstw (szt.), X 10 obsada bydła na 100 ha UR (szt.), X 11 obsada trzody chlewne na 100 ha UR (szt.), X 12 udział gosp. prowadzących działalność rolniczą w ogólne liczbie gospodarstw (%), X 13 odsetek gospodarstw rolnych produkuących głównie na rynek (%).

3 24 Roman Chorób, Jolanta Wonar Naczęście w literaturze naukowe do porządkowania obiektów wykorzystywane się dwie grupy metod: wzorcowe i bezwzorcowe [Walesiak 2003]. Na podstawie unormowanych zmiennych dla każdego powiatu wyznaczono trzy pośrednie taksonomiczne mierniki rozwou z i metodą wzorcową, t. metodą Hellwiga z wykorzystaniem odległości euklidesowe. Do wyznaczenia miary syntetyczne wykorzystano również prostą bezwzorcową miarę, stanowiącą średnią arytmetyczną znormalizowanych zmiennych. Otrzymane pośrednie taksonomiczne mierniki rozwou (trzy metodą wzorca i eden metodą bezwzorcową) wykorzystano do obliczenia taksonomicznego ogólnego miernika rozwou według wzoru: 4 1 d i = z i 4 i= 1 gdzie: z i wartość pośredniego taksonomicznego miernika rozwou. Syntetyczny miernik rozwou przymue wartość z przedziału [0,1]. Wyższa wartość wskaźnika oznacza korzystnieszą sytuacę obiektu. Według kryterium rosnące wartości tego miernika można badane obiekty uporządkować ze względu na poziom badanego zawiska. W celu pogrupowania powiatów o podobnym poziomie rozwou zastosowano aglomeracyną metodę Warda z wykorzystaniem odległości euklidesowe. Graficzną ilustracą grupowania obiektów est dendrogram, który pokazue połączenia oraz powstaące w kolenych krokach skupienia. Wykorzystuąc zmienne diagnostyczne X 1, X 2,..., X 13 znormalizowane metodą standaryzaci, otrzymano drzewo połączeń, które pozwala określić wzaemne usytuowanie poszczególnych klas oraz obiektów w nich zawartych. Wyniki badań Na podstawie wyznaczonych wartości syntetycznego miernika rozwou dokonano porządkowania powiatów ze względu na potencał produkcyny rolnictwa. Obiekty uporządkowano według rosnących wartości taksonomicznego miernika rozwou w porównywanych latach 2002 i 2010 (tab. 1). Analiza wartości miary syntetyczne oraz ranking powiatów wskazue, że w obu porównywanych okresach czołowe miesca w rankingu (pierwszych osiem pozyci) należą do tych samych powiatów. Niewiele różniły się one kolenością miesc w rankingu. W 2010 roku powiat mielecki spadł z pierwsze pozyci na drugą, dębicki z drugie na czwartą. Wzrosła zaś pozyca powiatu ropczycko-sędziszowskiego z trzecie na pierwszą i przeworskiego z czwarte na trzecią. Nawiększy wzrost pozyci rankingowe w roku 2010 w porównaniu do 2002 roku (aż o 8 pozyci) wystąpił w przypadku powiatu rzeszowskiego. Naniże w rankingu znalazły się powiaty bieszczadzki, stalowowolski i leski, można uznać, że miały relatywnie nagorszą sytuacę w kontekście potencału produkcynego rolnictwa (ze względu na analizowane cechy). W wymienionych powiatach wysokość analizowanych wskaźników kształtowała się poniże średnie. W przypadku aż sześciu cech dotyczyło to ednocześnie wszystkich trzech powiatów. Ponadto powiat bieszczadzki w przypadku pięciu cech osiągnął naniższe wartości analizowanych mierników. Wskaźniki potwierdzaą zatem trudne warunki prowadzenia produkci rolnicze, które charakteryzuą analizowane powiaty. Dodatkowo oceniaąc podobieństwo zbioru obiektów w czasie na podstawie wartości miary syntetyczne z dwóch porównywanych ze sobą lat, obliczono współczynniki korelaci rang Spearmana. Wartość tego współczynnika, wynosząca 0,903, wskazue na bardzo wysokie podobieństwo (silną zgodność) sporządzonych rankingów powiatów na badanym obszarze. Niepokoącym zawiskiem był spadek o 0,05 średnie wartości miary syntetyczne w roku 2010 w porównaniu z 2002 rokiem. Niekorzystne wnioski wynikaą również z porównania asymetrii miary syntetyczne w obu analizowanych latach. W roku 2002 rozkład wskaźnika charakteryzował się pożądaną asymetrią lewostronną, co oznacza, że dominowały powiaty o

4 Potencał produkcyny rolnictwa woewództwa podkarpackiego analiza typologiczna 25 Tabela 1. Wyniki porządkowania powiatów w latach 2002 i 2010 Table 1. Results of ordering of counties in 2002 and 2010 Powiat/County Wartość miary syntetyczne/the value of the synthetic measure Pozyca/ Position Wartość miary syntetyczne/the value of the synthetic measure Pozyca/ Position Mielecki 0, , Dębicki 0, , Ropczycko-sędziszowski 0, , Przeworski 0, , Lubaczowski 0, , Jarosławski 0, , Łańcucki 0, , Leżaski 0, , Kolbuszowski 0, , Strzyżowski 0, , Tarnobrzeski 0, , Jasielski 0, , Przemyski 0, , Niżański 0, , Brzozowski 0, , Sanocki 0, , Rzeszowski 0, , Krośnieński 0, , Leski 0, , Stalowowolski 0, , Bieszczadzki 0, , Źródło: opracowanie własne Source: own study wartościach miernika wyższych od średnie dla danego roku. Odmienny i słaby kierunek asymetrii zaobserwowano w rozkładzie wartości wskaźnika w 2010 roku. W celu wyodrębnienia skupisk powiatów o podobnym poziomie rozwou rolnictwa zastosowano aglomeracyną metodę Warda z wykorzystaniem odległości euklidesowe. Na podstawie przyętych do badania trzynastu zmiennych diagnostycznych, sprowadzonych do porównywalności metodą standaryzaci, otrzymano drzewo połączeń dla 2010 roku (rys. 1). Analizuąc otrzymany dendrogram, powiaty podzielono na pięć grup typologicznych (nabardzie zbliżonych z punktu widzenia badanych cech). Koleność grup nie była zgodna z rankingiem powiatów. W skład poszczególnych grup wchodziły następuące powiaty: I: stalowowolski, niżański, leżaski, kolbuszowski, II: rzeszowski, krośnieński, asielski, strzyżowski, brzozowski, III: łańcucki, tarnobrzeski, przemyski, lubaczowski, przeworski, arosławski, IV: mielecki, ropczycko-sędziszowski i dębicki, V: sanocki, leski i bieszczadzki. W grupie I znalazły się powiaty, których gospodarstwa cechowały się m.in. zbliżonym: udziałem UR w powierzchni ogółem (74,9-80,8%), liczbą osób pracuących w rolnictwie na 100 ha UR (36,7-43,9), przeciętną powierzchnią gospodarstwa rolnego według ha UR (2,1-3,2) oraz udziałem gospodarstw prowadzących działalność rolniczą w ogólne liczbie gospodarstw (73,3-82,0%).

5 26 Roman Chorób, Jolanta Wonar Odległość wiązania/binding distance Stalowowolski Niżański Leżaski Kolbuszowski Rzeszowski Krośnieński Jasielski Diagram drzewa/tree Diagram Metoda Warda/Ward s method Odległ. euklidesowa/euclidean distance Strzyżowski Brzozowski Łańcucki Tarnobrzeski Przemyski Lubaczowski Przeworski Jarosławski Mielecki Ropcz.-sędz. Dębicki Sanocki Leski Bieszczadzki Rysunek 1. Dendrogram ilustruący grupowanie powiatów woewództwa podkarpackiego w oparciu o trzynaście zmiennych diagnostycznych Figure 1. Dendrogram illustrating grouping of counties of the Podkarpackie Voivodeship based on thirteen diagnostic variables Źródło: opracowanie własne Source: own study Grupa II obęła gospodarstwa powiatów charakteryzuące się głównie: podobnym udziałem UR w powierzchni ogółem (72,0-82,5%), przeciętną powierzchnią gospodarstwa rolnego według ha (1,6-1,9), gęstością dróg o twarde nawierzchni (km/100 km 2 ) w granicach 38,0-47,0 oraz udziałem gospodarstw prowadzących działalność rolniczą w ogólne liczbie gospodarstw (80,9-89,1%). W skład grupy III weszły powiaty, których gospodarstwa wykazały się m.in. zbliżonym: udziałem UR w powierzchni ogółem (80,9-90,9%), przeciętną powierzchnią gospodarstwa rolnego według ha UR (2,8-5,1) oraz udziałem gospodarstw prowadzących działalność rolniczą w ogólne liczbie gospodarstw (87,1-92,5%). Grupę IV tworzyły gospodarstwa powiatów cechuące się głównie: podobnym udziałem UR w powierzchni ogółem (77,6-84,1%), przeciętną powierzchnią gospodarstwa rolnego według ha UR (2,5-3,1), gęstością dróg o twarde nawierzchni (km/100 km 2 ) w granicach 43,8-46,5 oraz udziałem gospodarstw prowadzących działalność rolniczą w ogólne liczbie gospodarstw (90,1-91,8%). W grupie V znalazły się powiaty, których gospodarstwa cechowały się zbliżonym m.in.: udziałem UR w powierzchni ogółem (76,0-84,6%), gęstością dróg o twarde nawierzchni (km/100 km 2 ) w granicach 15,8-19,6, liczbą ciągników na 100 gospodarstw (32,6-36,4) oraz udziałem gospodarstw prowadzących działalność rolniczą w ogólne liczbie gospodarstw (84,2-87,0%). Reasumuąc, nalepszym potencałem produkcynym rolnictwa ze względu na wymienione wysokie wartości wskaźników poszczególnych zmiennych cechowały się gospodarstwa powiatów skupionych w grupach III i IV. Mnieszym potencałem charakteryzowały się gospodarstwa powiatów z grupy I i II, a namnieszym, z uwagi na trudne warunki prowadzenia produkci rolnicze, gospodarstwa powiatów z grupy V. Podsumowanie Warunki przyrodnicze woewództwa podkarpackiego sprzyaą produkci rolnicze. Mimo zróżnicowania topograficznego, region ten charakteryzue się stosunkowo dogodnymi warunkami niezbędnymi do rozwou produkci rolnicze. Wyniki przeprowadzonych badań potwierdziły dyspersę terytorialną rolnictwa w woewództwie podkarpackim pod kątem posiadanego potencału wytwórczego.

6 Potencał produkcyny rolnictwa woewództwa podkarpackiego analiza typologiczna 27 Na podstawie wyznaczonych wartości syntetycznego miernika rozwou wykazano, że nalepszym potencałem produkcynym rolnictwa cechowały się powiaty: mielecki, dębicki, ropczycko-sędziszowski, przeworski, lubaczowski, arosławski, łańcucki i leżaski. Gospodarstwa tych powiatów charakteryzowały się przede wszystkim wyższą: przeciętną powierzchnią UR, gęstością dróg o twarde nawierzchni, liczbą ciągników na 100 gospodarstw oraz obsadą trzody chlewne na 100 ha UR. Natomiast relatywnie nagorszą sytuacę rolnictwa ze względu na analizowane cechy można wskazać w powiatach bieszczadzkim, stalowowolskim i leskim. Gospodarstwa tych powiatów cechowały głównie niższe wartości: udziału UR w powierzchni ogółem, udziału sektora prywatnego w powierzchni UR, gęstości dróg o twarde nawierzchni, liczby ciągników na 100 gospodarstw oraz obsady trzody chlewne na 100 ha UR. Literatura Czudec Adam, Marek Cierpiał-Wola Strukturalne i przestrzenne uwarunkowania rozwou podkarpackiego rolnictwa. Rzeszów: Wydawnictwo Oświatowe FOSZE. Czudec Adam, Ryszard Kata Miesce rolnictwa w gospodarce regionów wzaemne relace i ich znaczenie ekonomiczne. Roczniki Naukowe SERiA XV (2): Kukuła Karol Metoda unitaryzaci zerowane. Warszawa: PWN. Ostasiewicz Walenty Statystyczne metody analizy danych. Wrocław: Wydawnictwo Akademii Ekonomiczne. Pawełek Barbara Metody normalizaci zmiennych w badaniach porównawczych złożonych zawisk ekonomicznych. Kraków: Wydawnictwo Uniwersytetu Ekonomicznego. Poczta Walenty Rolnictwo polskie w przededniu integraci z Unią Europeską. Poznań: Wydawnictwo Akademii Rolnicze. Walesiak Marek Uogólniona miara odległości GDM ako syntetyczny miernik rozwou w metodach porządkowania liniowego. [W] Taksonomia 10, Klasyfikaca i analiza danych teoria i zastosowania, red. K. Jauga, M. Walesiak, Wrocław: Wydawnictwo Akademii Ekonomiczne. Woś Augustyn Agrobiznes. Tom 2. Mikroekonomika. Warszawa: Wydawnictwo Key Text. Zeliaś Aleksander Taksonomiczna analiza przestrzennego zróżnicowania poziomu życia w Polsce w uęciu dynamicznym. Kraków: Wydawnictwo Akademii Ekonomiczne w Krakowie. Summary The main obective of the study is to assess the variation of agriculture in the Podkarpackie Voivodeship, both in terms of the production potential and the productivity of the factors of production. The purpose of the analysis is to measure the variation of the level of agriculture in the regions of the Podkarpackie Voivodship using a synthetic measure. The application of the synthetic measure will allow for the ordering of obects (counties of Podkarpackie Voivodeship, excluding four cities with district status) in terms of achieved level of agricultural development and indication of poorest and least developed districts from the point of view of the examined phenomenon. At the next stage, cluster analysis was carried out to isolate the typological groups. Based on cluster analysis, five internally homogeneous and externally distinct groups of poorest. Results of the research proved that the best production potential of agriculture is characterized by the following counties: mielecki, dębicki, ropczycko-sędziszowski, przeworski, lubaczowski, arosławski, łańcucki and leżaski. On the other hand, the worst situation of agriculture, because of the analyzed characteristics, can be indicated in poviats: bieszczadzki, stalowowolski and leski. Adres do korespondenci dr inż. Roman Chorób (orcid.org/ ) dr inż. Jolanta Wonar (orcid.org/ ) Uniwersytet Rzeszowski, Wydział Ekonomii ul. Ćwiklińskie 2, Rzeszów tel. (17) rchorob@ur.edu.pl, wonar@ur.edu.pl