Agneszka Tłuczak * Regonalne zróżncowane cen zbóż w Polsce w latach 2010 2012 Wstęp Pozom cen produktów rolnych zarówno w skupe, jak tych uzyskwanych przez rolnków na targowskach w dużej merze decyduje o opłacalnośc produkcj rolnej oraz o dochodach, jake uzyskują rolncy. Znajomość kształtowana sę cen zbóż w różnych regonach kraju może przyczynć sę do tego, że producenc roln, chcąc uzyskać wyższe dochody, będą dostarczać zboże do punktów skupu poza województwem z którego pochodzą. Ceny rolne są zasadnczym nstrumentem poltyk rolnej w Un Europejskej, ch pozom jest określany przez Radę Un Europejskej [Tłuczak, 2009]. Akcesja Polsk do Un Europejskej w 2004 roku wpłynęła na sposób funkcjonowana branżowych rynków rolnych w Polsce, w tym rynku zbóż. W początkowej faze akcesj można było obserwować proces wyrównywana sę cen produktów rolnych w Polsce UE [Rembeza, Chotkowsk, 2005]. Celem badań jest przedstawene regonalnego zróżncowana cen skupu produktów w rolnych w Polsce w latach 2010 2012 oraz zbadane występowana autokorelacj przestrzennej. Zaprezentowano zróżncowane przestrzenne cen skupu zbóż. Do badana przestrzennego zróżncowana cen wykorzystano statystyk lokalne globalne I Morana oraz dowedzono, że w odnesenu do cen skupu zbóż występuje autokorelacja przestrzenna wskazano jej zróżncowane przestrzenne na terene Polsk. 1. Sytuacja na rynku zbóż w Polsce Podstawowym rynkem produktów rolnych jest rynek zbóż. Zboża są podstawowym produktem rolnym, toteż rynek ten uznawany jest za strategczny. Ceny welu produktów rolnych, takch jak męso weprzowe czy drobowe, są uzależnone od pozomu cen zbóż [Czyżewsk, Hensz-Matuszczak, 2006]. Od momentu wejśca Polsk do struktur unjnych polsk rynek zbóż jest objęty unjnym regulacjam w ramach Wspólnej Poltyk Rolnej. Podstawowym aktem prawnym, który określa wszelke dzałana na tym rynku, jest Rozporządzene Rady Un Europejskej z 29 wrześna 2003 roku [rozporządzene, 2003]. Na pozom cen zbóż wpływają w głównej merze warunk meteorologczne, ale równeż ntensywność produkcj. Zróżncowane warunków pogodowych znajduje swoje odzwercedlene w zmenających sę rozmarach welkośc skupu podstawowych zbóż [Tłuczak, 2011]. Dla rozwoju rośln (zbóż) nezwykle ważna jest długość okresu wegetacyjnego, lość wody oraz jakość gleby [Gorzelak, 2010]. Rynek zbóż jest najważnejszym rynkem branżowym zarno zbóż jest wykorzystywane na sew, do spożyca oraz jako surowec dla różnych przemysłów, w tym dla przemysłu spożywczego, farmaceutycznego oraz sprytusowego. Skup na rynku zbóż jest prowadzony przez cały rok. Charakterystyczna sezonowość skupu zbóż zwązana jest z cyklem produkcyjnym. Szczyt skupu występuje tuż po żnwach, czyl w trzecm kwartale każdego roku kalendarzowego. Ilość zarna dostępnego na rynku wpływa też bezpośredno na ceny zbóż, co z kole przekłada sę na rosnące ceny [Tłuczak, 2011]. * Dr, Zakład Ekonometr Metod Iloścowych, Wydzał Ekonomczny, Unwersytet Opolsk, atluczak@un.opole.pl
2. Metodyka badań Celem głównym jest zbadane występowana autokorelacj przestrzennej cen zbóż w Polsce. W badanach wykorzystano dane Głównego Urzędu Statystycznego z lat 2010 2012 [http://www.stat.gov.pl]. Do oceny zależnośc przestrzennych cen zbóż w Polsce wybrano następujące zmenne: x1- ceny pszency w skupe (zł/1 dt), x2 ceny żyta w skupe (zł/1 dt). U podstaw analz przestrzennych leży tzw. perwsze prawo geografczne brzmące następująco: Wszystko jest powązane ze sobą, ale blższe obekty są bardzej zależne od sebe nż odległe [Tobler, 1970]. W swej pracy z 1983 roku Ekonometra przestrzenna z 1983 roku J. Paelnck L. Klaassen pszą, że analzowane jednostk przestrzenne (np. państwa, regony) podlegają wpływom sąsednch jednostek oraz kształtowane sę analzowanego zjawska jest zależne od zachodzących w nch zman ekonomcznych, społecznych poltycznych [Paelnck, Klaassen, 1983]. Autokorelacja przestrzenna jest to zjawsko, które występuje w przypadku, gdy określone zjawsko w jednej jednostce przestrzennej wpływa na zmanę prawdopodobeństwa wystąpena tego zjawska w jednostkach sąsednch [Bvand, 1980]. Lteratura przedmotu wymena dwe główne przyczyny występowana zależnośc przestrzennych: dane analzowane w badanach przestrzennych są ścśle zwązane z badanym jednostkam, społeczno-ekonomczna dzałalność ludz jest w znacznym stopnu determnowana dystansem lokalzacją, co przejawa sę mędzy nnym dyfuzją nnowacj postaw [Salamon, 2008]. Podstawowym zagadnenem w określanu zależnośc przestrzennych jest koneczność określena struktury sąsedztwa za pomocą macerzy wag. Umożlwa to szacowane wpływu regonów sąsedzkch na badane procesy w danym regone [Salamon, 2008]. Konstrukcja macerzy wag przestrzennych wynka z założeń o nterakcjach mędzy badanym regonam. Najczęstszym podejścem jest przyjęce oddzaływań tylko pomędzy regonam, które mają wspólną grancę: 1, obekt jest sąsadem obektu j W j (1) 0, obekt ne jest sąsadem obektu j. Jedną z najczęścej stosowanych statystyk w badanu autokorelacj przestrzennej jest globalna statystyka I Morana [Martnho, 2013; De Sano, D Uva, 2012]. W przypadku gdy badane obekty wykazują podobeństwo przyjmuje ona wartość dodatną, zaś gdy występuje brak podobeństwa mędzy nm ujemną. W przypadku losowego rozmeszczena obektów (brak autokorelacj) statystyka ta przyjmuje wartośc blske zeru. Statystyka I Morana dana jest wzorem: wj ( x x)( x j x) n j I (2) 2 S ( x x 0 ) gdze: n lczba obektów, wj waga połączeń mędzy obektem a obektem j, S 0, j w j
x (xj) wartość cechy danego obektu w lokalzacj -tej (j-tej). Oprócz globalnej autokorelacj przestrzennej badanu poddano równeż korelację wartośc cechy w wybranej lokalzacj z obektam sąsadującym. Wykorzystuje sę do tego lokalne statystyk LISA (Local Indcators of Spatal Assocaton), które pozwalają na bardzej szczegółowy wgląd w strukturę przestrzennego rozmeszczena wartośc badanej cechy. Lokalna statystyka Morana przedstawa sę następująco: n x x w x x I(w) (3) n 2 x x j j j Lokalna statystyka Morana przyjmuje wartośc ujemne, gdy dany obszar otoczony jest przez regony o znacząco różnych wartoścach badanej zmennej (autokorelacja ujemna). Dodatne wartośc statystyk należy nterpretować następująco: regon jest otoczony przez regony podobne (autokorelacja dodatna) [Ojrzyńska, Twaróg, 2011]. Wskaźnk zależnośc przestrzennej, oparte na statystyce lokalnej I(w) Morana, mogą wskazywać na następujące rozwązana: obekty z wysoką wartoścą zmennej z sąsadam o podobnej wartośc zmennej (wyspy wysokch wartośc), obekty z nską wartoścą zmennej z sąsadam o podobnej wartośc zmennej (wyspy nskch wartośc), obekty z wysoką wartoścą zmennej z sąsadam o nskej wartośc zmennej (obekt odstający), obekty z nską wartoścą zmennej z sąsadam o wysokej wartośc zmennej (obekt odstający), obekty nestotne statystyczne lokalnej autokorelacj. To czy wartośc statystyk lokalnych LISA dla danych jednostek przestrzennych przyjmują wysoke lub nske wartośc zależy od średnej wartośc badanego zjawska, dlatego w tych wyodrębnonych skupskach ne tyle ważny jest rozstęp pomędzy wartoścam, co pewna homogenczność struktury przestrzennej [Janc, 2006; Woźnak, Skora, 2007; Kopczewska, 2006]. 3. Wynk badań dyskusja Przyjęte do analzy zmenne różncują znacząco badany obszar pod względem przecętnych cen pszency żyta w skupe w poszczególnych województwach (wartośc współczynnków zmennośc kształtują sę na pozome 20 30%). Zauważyć można tendencję wzrostową przecętnych wartośc cen obu zbóż (tablca 1). W każdym badanym roku w województwe podlaskm odnotowano najwyższe ceny pszency w skupe w zł za 1 dt oraz w województwe mazoweckm ceny żyta, natomast najnższe ceny utrzymywały sę w województwe podkarpackm zarówno pszenca, jak żyto. Tablca 1. Przecętne ceny w skupe pszency żyta w zł za 1 dt w Polsce w latach 2010 2012 zmenna x1 x2 wsp. wsp. średn średn 2010 2011 2012 zmen 2010 2011 2012 zmen a a województwo nośc nośc Łódzke 60,45 84,93 89,27 78,22 20% 38,66 74,98 75,19 62,94 33% Mazowecke 60,86 85,13 90,96 78,98 20% 42,41 81,83 73,76 66,00 32% Małopolske 56,83 77,19 87,44 73,82 21% 43,46 70,94 70,28 61,56 25% Śląske 59,95 77,82 88,09 75,29 19% 41,72 77,93 77,41 65,69 32%
Lubelske 59,00 80,32 86,41 75,24 19% 39,60 70,14 70,46 60,07 30% Podkarpacke 54,07 72,88 84,25 70,40 22% 35,23 70,78 68,45 58,15 34% Podlaske 63,48 85,28 89,44 79,40 18% 43,33 77,18 71,56 64,02 28% Śwętokrzyske 55,88 80,04 85,61 73,84 21% 35,39 70,30 69,56 58,42 34% Lubuske 57,48 82,57 89,93 76,66 22% 40,99 70,60 74,57 62,05 30% Welkopolske 59,94 82,33 90,96 77,74 21% 43,25 72,35 75,54 63,71 28% Zachodnopomorske 58,39 79,11 89,25 75,58 21% 43,35 70,10 73,91 62,45 27% Dolnośląske 60,15 82,44 88,94 77,18 20% 38,13 70,25 75,32 61,23 33% Opolske 60,50 80,34 89,03 76,62 19% 40,23 71,99 76,83 63,02 32% Kujawsko-pomorske 60,36 83,16 88,97 77,50 20% 41,45 76,98 75,15 64,53 31% Pomorske 59,49 82,73 91,37 77,86 21% 44,88 75,76 74,10 64,91 27% Warmńskomazurske 61,17 83,83 89,77 78,26 19% 44,03 78,72 73,38 65,38 29% Polska 59,25 81,26 88,73 76,41 20% 41,01 73,80 73,47 62,76 30% Źródło: Oblczena własne na podstawe [Bank Danych Lokalnych GUS]. Badana autokorelacj przestrzennej cen pszency żyta w skupe w Polsce w poszczególnych województwach Polsk zostały przeprowadzone przy założenu wag stycznośc 1. Oblczone wartośc globalnej statystyk I Morana dla obu zmennych x1, x2 wskazują, ż w przyjętym okrese badawczym zaobserwować można stnene autokorelacj przestrzennej. Ma ona charakter dodatn, co śwadczy o występowanu tendencj do skupana sę jednostek (województw) o podobnym pozome cen pszency żyta w skupe (tablca 2) 2. Najmnejsza wartość globalnej statystyk I Morana (I=0,207) została osągnęta w 2010 roku dla cen żyta w skupe. Charakter zman pozomu autokorelacj przestrzennej, ocenany na podstawe wartośc statystyk I Morana, charakteryzuje sę utrwaloną w czase tendencją rosnącą. W przypadku obu zmennych wdoczny jest wzrost wartośc globalnej statystyk I Morana. Rysunek 1 przedstawa wykres punktowy globalnej statystyk I Morana dla analzowanych zmennych; położene wększośc punktów śwadczy o występowanu dodatnej autokorelacj przestrzennej. Występują jednak odstępstwa od ogólnego trendu. Punkty ponżej ln regresj to województwa, w których ceny w skupe przewyższają wartośc cen w województwach sąsednch. Obekty, których położene obserwowane jest powyżej ln regresj, to województwa o relatywne nższych cenach w skupe zbóż. W województwach sąsednch do tych województw obserwuje sę wyższe nż średne wartośc cen zbóż w skupe. Rysunek 1. Wykres punktowy statystyk I Morana cen pszency żyta w skupe w zł za 1 dt w latach 2010 2012 rok zmenna x 1 x 2 2010 1 Wag przestrzenne można określć przy założenu kryterum stycznośc bądź dystansu. Najpowszechnejszym podejścem jest przyjęce stnena wspólnych oddzaływań tylko pomędzy regonam, które mają wspólną grancę [Gerańczyk, 2008]. 2 Wszystke uzyskane wartośc współczynnka Morana są statystyczne stotne (p-value<0,05).
2011 2012 Źródło: Oblczena własne w programe GeoDa na podstawe [Bank Danych Lokalnych GUS]. Tablca 2. Wartośc statystyk globalnej I Morana dla zmennych x1 x2 w latach 2010 2012 Rok 2010 2011 2012 Zmenna x1 0,398 0,394 0,488 x2 0,207 0,323 0,519 Źródło: Oblczena własne na podstawe [Bank Danych Lokalnych GUS]. Tablca 3. Wartośc lokalnych statystyk Morana dla zmennych x1 x2 w latach 2010 2012 województwo zmenna Warmńsko-mazurske Kujawsko-pomorske Pomorske Lubuske Zachodnopomorske Opolske Dolnośląske Łódzke Podkarpacke Śwętokrzyske Podlaske Welkopolske Mazowecke Małopolske Śląske x1 2010 2011 2012 2010 2011 2012 0,661 (0,04) 0,240 (0,09) 0,033 (0,22) -0,082 (0,46) 0,046 (0,35) 0,209 (0,18) 0,009 (0,49) 0,076 (0,38) 1,999 0,467 (0,09) 0,887 (0,11) 0,039 (0,43) 0,249 (0,21) 1,214-0,112 (0,17) 0,680 0,493 0,141 (0,27) -0,013 (0,49) -0,012 (0,44) -0,053 (0,39) -0,012 (0,48) 0,127 (0,33) 1,430 0,134 (0,11) 0,728 0,084 (0,26) 1,653 1,486 0,142 (0,27) 0,391 0,107 0,687 0,306 (0,29) 0,271 0,045 (0,36) 0,067 (0,15) 0,028 (0,46) 2,602 0,802 0,058 (0,49) 0,465 (0,12) -0,280 (0,20) 0,917 0,148 0,701 0,083 0,899-0,001 (0,33) 0,549 (0,09) 0,050 (0,36) -0,016 (0,50) 0,071 (0,34) 1,015 0,535 (0,06) 0,269 (0,20) 0,023 (0,44) -0,096 (0,25) -1,007-0,129 (0,15) x2 1,403 0,641 (0,04) 0,099 (0,42) 0,641 0,229 (0,26) -0,009 (0,43) 0,528 (0,06) 0,116 (0,15) 0,696-0,152 (0,48) 0,721 (0,12) 0,085 (0,17) 0,506 0,157 (0,27) -0,498 (0,12) -0,002 (0,47) 0,221 (0,20) 0,092 (0,32) 0,228 (0,19) 0,079 (0,31) 1,145 0,573 (0,04) 0,303 (0,11) 2,400 0,485 0,252 (0,13) 0,454-0,038 (0,08) 0,751 (0,08) -0,281 (0,33)
Lubelske 0,032 (0,23) 0,019 (0,42) 0,700 0,311 (0,06) Źródło: Oblczena własne w programe GeoDa na podstawe [Bank Danych Lokalnych GUS]. -0,308 (0,24) 1,125 Kolejnym krokem było rozpoznane struktury przestrzennej za pomocą lokalnych statystyk Morana. W tablcy 3 przedstawono wartośc lokalnych statystyk Morana dla cen pszency w skupe x1 (zł/dt) oraz cen żyta w skupe x2 (zł/dt). Statystyczne stotną autokorelację przestrzenną o charakterze dodatnm zmennej x1 w latach 2010 2012 odnotowano w województwach warmńsko-mazurskm, podkarpackm oraz małopolskm. Jedyne w roku 2010 dla cen żyta w skupe x2 statystyka przyjmuje statystyczne stotną wartość ujemną. Oznacza to, że województwo to otoczone jest przez regony o znaczne różnych wartoścach cen. Rysunek 2. Mapa przynależnośc obektów do ćwartek wykresu punktowego Morana dla zmennych x1, x2 w latach 2010 2012 rok zmenna x 1 x 2 2010 2011 2012 Hgh-Hgh Low-Hgh Low-Low Hgh-Low Źródło: Oblczena własne w programe GeoDa na podstawe [Bank Danych Lokalnych GUS]. Na podstawe rysunku 2 można wyróżnć obszary przestrzenne o podobnych wartoścach lokalnych statystyk Morana. Zdagnozowana lokalna autokorelacja przestrzenna województw ze względu na wartośc przecętnych cen w skupe pszency żyta jest główne wynkem grupowana sę województw o wysokch wartoścach pozomu cen.
Kerunek zman zależnośc w przypadku obu zmennych przyjętych do badana ulegał newelkm zmanom w analzowanych latach. Jest to podstawą wnosku o konecznośc przeprowadzena pogłębonych badań oraz wyjaśnena przyczyn tego zjawska. Na podstawe dodatnch stotnych statystyczne statystyk I Morana należy stwerdzć występowane dodatnej autokorelacj przestrzennej charakteryzującej rozkład wartośc pozomu cen produktów rolnych w skupe, a w szczególnośc cen zbóż takch jak pszenca żyto w Polsce w badanych okresach sąsedne województwa były do sebe podobne pod względem pozomu cen w skupe pszency bądź żyta w zł za 1 dt. Zakończene Informujące o rodzaju sle zależnośc przestrzennej statystyk autokorelacj przestrzennej umożlwają określene struktur przestrzennych uchwycene zachodzących zman. Dodatne stotne statystyczne statystyk I Morana (lokalne globalne) potwerdzają występowane dodatnej autokorelacj przestrzennej charakteryzującej rozkład wartośc pozomu cen w skupe w latach 2009 2011. Sąsedne województwa Polsk były do sebe podobne pod względem pozomu cen w skupe pszency żyta. Ze względu na to, że tendencja zależnośc przestrzennych cen w skupe ne wydaje sę utrwalona, należy podkreślć koneczność przeprowadzena pogłębonych badań rozkładu wartośc cen w skupe produktów rolnych produkcj rolnczej w województwach. Lteratura 1. Bank Danych Lokalnych GUS, http://www.stat.gov.pl/bdl/app/dane_podgrup.dms?p_d=754325 &p_token= 0.03135731145684251. 2. Bvand R. (1980), Autokorelacja przestrzenna a metody analzy statystycznej w geograf, w: Analza regresj w geograf, Chojnck Z. (red.), PWN, Poznań-Warszawa. 3. Czyżewsk A., Hensz-Matuszczak A. (2006), Rolnctwo Un Europejskej Polsk. Studum porównawcze struktur wytwórczych regulatorów rynków rolnych, Wydawnctwo Akadem Ekonomcznej w Poznanu, Poznań. 4. De Sano R., D Uva M. (2012), Italan regonal specalzaton: a spatal analyss, Unverstà degl Stud d Napol- Parthenope, Dscusson Paper, No. 07, http://www.crse.unparthenope.t/dscussonpapers.asp., dostęp dna 10.09.2013. 5. Gerańczyk W. (2008), Badane struktur przemysłowych w Polsce w dobe globalzacj ze szczególnym uwzględnenem struktury przestrzennej, Prace Komsj Geograf Przemysłu, nr 11. 6. Gorzelak E. (2010), Polske rolnctwo w XX weku. Produkcja ludność, Wydawnctwo Instytutu Rozwoju Gospodarczego, Warszawa. 7. Janc K. (2006), Zjawsko autokorelacj przestrzennej na przykładze statystyk I Morana oraz lokalnych wskaźnków zależnośc przestrzennej (LISA). Wybrane zagadnena metodyczne, Dokumentacja Geografczna, nr 33. 8. Kopczewska K. (2006), Ekonometra statystyka przestrzenna z wykorzystanem programu R CRAN, CeDeWu, Warszawa. 9. Martnho V. (2013), Spatal analyss of the toursm supply, http://hdl.handle.net/10419/71762, dostęp dna 10.09.2013. 10. Ojrzyńska A., Twaróg S. (2011), Badane autokorelacj przestrzennej krwodawstwa w Polsce, Acta Unverstats Lodzenss Fola Oeconomca, nr 253. 11. Paelnck J.H.P., Klaassen L.H. (1983), Ekonometra przestrzenna, PWN, Warszawa.
12. Rembeza J., Chotkowsk J., (2013), Powązane cen produktów rolnych pomędzy rynkem polskm a rynkam UE, http://www.wne.sggw.pl/czasopsma /pdf/prs_2006_t15_s198.pdf, dostęp dna 10.09.2013. 13. Rozporządzene Rady WE z dna 29 wrześna 2003 r. w sprawe wspólnej organzacj rynku suszu paszowego, nr 1786/2003. 14. Salamon J. (2008), Badana autokorelacj przestrzennej rozwoju nfrastruktury techncznej obszarów wejskch województwa Śwętokrzyskego z wykorzystanem statystyk I Morana, Infrastruktura ekologa obszarów wejskch, nr 8. 15. Tłuczak A. (2011), Wpływ czynnków pogodowych na welkość ceny skupu pszency żyta w Polsce, Woda-Środowsko-Obszary Wejske, t. 11 z. 4 (36). 16. Tłuczak A., (2013), Znaczene cen produktów rolnych w systeme sterowana rolnctwem, http://mkroekonoma.net/system/publcaton_fles/251/orgnal/19.pdf?1314948750, dostęp dna 10.09.2013. 17. Tobler W. R. (1970), A computer model smulatng urban growth n Detrot regon, Economc Geography, No. 46(2). 18. Woźnak A., Skora J. (2007), Lokalne wskaźnk występowana zależnośc przestrzennej sec wodocągowej w gmnach woj. Małopolskego, Infrastruktura ekologa terenów wejskch, nr 4/2. Streszczene Celem badań jest przedstawene regonalnego zróżncowana cen skupu produktów rolnych (w szczególnośc pszency żyta) w Polsce w latach 2010 2012 oraz zbadane występowana autokorelacj przestrzennej. Do badana przestrzennego zróżncowana cen wykorzystano statystyk lokalne globalne I Morana oraz dowedzono, że w odnesenu do cen skupu zbóż występuje autokorelacja przestrzenna wskazano jej zróżncowane przestrzenne na terene Polsk. Słowa kluczowe autokorelacja przestrzenna, ceny zbóż The spatal autocorrelaton of the prces of cereals n Poland (Summary) The am of the study s to present the regonal dversty of procurement prces of agrcultural products (especally wheat and rye) n Poland n the years 2010 2012 and to examne the occurrence of spatal autocorrelaton. The local and global I Moran's statstcs were used to study of spatal autocorrelaton. The presence of postve spatal autocorrelaton of wheat and rye prces has been proven. Keywords spatal autocorellaton, agrcultural prces