Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 2

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  Stochastic Frontier Models
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
EN
The study offers data on the technical efficiency (TE) and productivity growth of Polish crop farms. The data was obtained using Stochastic Frontier Models (SFM) and Data Envelopment Analysis (DEA). The application of these alternative approaches makes it possible to provide new information about production processes and indicates the consequences of using each method in efficiency and productivity analysis. The average TE scores obtained from SFM and DEA are 0.63 and 0.52 respectively. An analysis of exogenous factors affecting efficiency revealed that the size of agricultural area utilised has the strongest impact on efficiency in the DEA, while subsidies for less favoured areas have the strongest impact on efficiency in the SFM. In both methods, production elasticity with respect to materials was the highest, followed by elasticity with respect to labour. Moreover, both approaches indicate a productivity decline in the analysed period, though the causes of the decrease are different. The results obtained from SFM indicate that the TFP decline is attributed mainly to a decrease in technical efficiency not compensated by strong technical progress and small but positive scale growth. The opposite result was obtained using DEA, which indicates that the TFP decline was mainly caused by technical regression accompanied by small but positive scale growth.
PL
W niniejszym opracowaniu zaprezentowano analizę porównawczą wyników dotyczących efektywności technicznej oraz produktywności polskich gospodarstw rolnych, uzyskanych w oparciu o stochastyczne modele graniczne (SFM) oraz nieparametryczną metodę DEA. Zastosowanie alternatywnych podejść dostarcza nowych informacji na temat procesu produkcyjnego oraz wskazuje na konsekwencje stosowania konkretnych metod w analizach produktywności i efektywności. Średnia ocena unormowanego miernika efektywności (TE) po obiektach i czasie wynosi 0,63 w podejściu SFM, a w ramach DEA jedynie 0,52. Analiza determinant efektywności wskazuje, że wg DEA najsilniej na zróżnicowanie efektywności wpływa powierzchnia użytków rolnych, a wg SFM – niekorzystne warunki gospodarowania. Z kolei przy badaniu procesu produkcji gospodarstw okazuje się, że najsilniejszy wpływ na produkcję upraw polowych mają materiały, a następnie zaangażowanie czynnika pracy (wskazują na to oba wykorzystane podejścia). W odniesieniu do zmian produktywności obie metody wskazują na jej spadek w badanym okresie, jednak z różnych przyczyn. Wyniki uzyskane w ramach SFM wskazują na silny spadek efektywności technicznej nie zrekompensowany postępem technicznym. Natomiast w ramach DEA spadek produktywności wynika przede wszystkim ze regresu technicznego, przy jednoczesnym wzroście efektywności technicznej.
EN
The aim of the present study was to derive the characteristics of the production process for crop farms in the European Union member states. The paper uses regional data on farms taken from the Farm Accountancy Data Network (FADN). Therefore, the models that account for heterogeneity among the analysed regions, were used in the present study. In particular, the paper considers two approaches to modelling heterogeneity: deterministic and stochastic. The deterministic approach is reflected in the paper with the usage of translog production function model, which allows output elasticities to depend on the input levels. The stochastic approach is represented by a stochastic frontier model with random coefficients. The application of the above-mentioned concept allowed to derive the Cobb-Douglas (C–D) production function model with individual parameters. The parameters of the four models were estimated using the Bayesian approach. The obtained results indicate that the C–D model is the best. In addition, it was observed that for the EU average, the highest production elasticity is with respect to materials, while the lowest w.r.t area. Surprisingly, the results suggest a high mean technical efficiency of the analysed regions (0.95), with very small dispersion of these scores.
PL
Celem niniejszego opracowania jest określenie charakterystyk procesu produkcyjnego gospodarstw rolnych specjalizujących się w uprawach polowych w państwach członkowskich Unii Europejskiej. W pracy wykorzystano dane regionalne FADN. W związku z występującym zróżnicowaniem między regionami w pracy wykorzystano modele uwzględniające tę heterogeniczność. W szczególności rozważono dwa sposoby modelowania heterogeniczności: deterministyczny oraz stochastyczny. Odzwierciedleniem pierwszego sposobu jest wykorzystanie w niniejszej pracy modelu funkcji produkcji typu translog, który pozwala, żeby elastyczności produkcji względem nakładów czynników produkcji zależały od wielkości nakładów. Natomiast stochastyczny sposób modelowania heterogeniczności reprezentuje stochastyczny model graniczny z losowymi parametrami. Zastosowanie powyższej koncepcji pozwoliło na zbudowanie modelu funkcji produkcji typu Cobba i Douglasa (C–D) z indywidualnymi parametrami. Estymacji parametrów czterech modeli dokonano za pomocą podejścia bayesowskiego. Otrzymane wyniki jednoznacznie wskazują, że najlepszym modelem okazał się model C–D z indywidualnymi parametrami. Ponadto zaobserwowano, że dla średniej unijnej najwyższa elastyczność produkcji występuje względem nakładów materiałów, a najniższa względem areału. Natomiast dosyć zaskakującym wynikiem jest wysoki poziom średniej efektywności technicznej (0,95) przy bardzo niewielkim rozproszeniu tych ocen.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.