Czynniki determinujące wartość produkcji roślinnej gospodarstw rolnych w regionie Pomorza Środkowego

• Autorzy: Danuta Zawadzka , Agnieszka Strzelecka

Warianty tytułu

Factors Determining Plant Production Value of Middle Pomerania Farms

• Języki publikacji: PL

Abstrakty

Podstawowym celem artykułu jest określenie znaczenia ziemi dla wartości produkcji rolniczej wytwarzanej przez gospodarstwa rolne o dominującym udziale produkcji roślinnej w wartości produkcji ogółem, w regionie Pomorza środkowego. Weryfikację empiryczną czynników determinujących wartość produkcji gospodarstw rolnych w regionie Pomorza środkowego przeprowadzono przy wykorzystaniu modelu regresji logistycznej. W badaniu wykorzystano dane dotyczące 933 gospodarstw rolnych, ze szczególnym uwzględnieniem danych 406 gospodarstw ukierunkowanych na produkcję roślinną. Ustalono, że statystycznie istotny dodatni wpływ na badane zjawisko miały trzy zmienne niezależne: powierzchnia użytków rolnych, część wytworzonej produkcji, która została przeznaczona na oficjalną sprzedaż, udział kapitałów obcych w finansowaniu działalności rolniczej. Wykazano ponadto, że model zawierający wyłącznie zmienną dotyczącą powierzchni użytków rolnych wykorzystywanych w procesie produkcji charakteryzuje się wartościami statystyk (LR, AIC, AUC, R2 McFaddena) wskazującymi na lepsze dopasowanie do obserwowanych danych niż model zawierający wyłącznie pozostałe zmienne uwzględnione w analizie. Dowodzi to istotnego znaczenia ziemi w procesie tworzenia wartości produkcji rolniczej przez gospodarstwa rolne. Najlepszy model uzyskano uwzględniając wszystkie (statystycznie istotne) zmienne, które zostały przyjęte do badania.(abstrakt oryginalny)

EN

The primary objective of the study is to determine the significance of land for agricultural output value generated by the Middle Pomerania farms of the dominant share of the plant production in the value of total production. Empirical verification of the factors determining the value of agricultural output in the region of Middle Pomerania was conducted using logistic regression model. The study used data on 933 farms, with particular emphasis on data of 406 farm directed to plant production. It was found that three independent variables had a statistically significant positive impact on the phenomenon: agricultural area, the amount of the production volume which was intended for official sale, the share of debt in financing of agricultural activity of a farm. Furthermore, it has been shown that the model containing only the variable of agricultural land used in the production process was characterized by the values of statistics (LR, AIC, AUC, McFadden's R2) which indicate a better fit to the observed data than the model containing only the other variables included in the analysis. This demonstrates the importance of land in the process of creating the value of agricultural output on farms. The best model was obtained when all the (statistically significant) variables that have been adopted for the study were taken into account.(original abstract)

Słowa kluczowe

PL

Gospodarstwa rolne; Produkcja rolna

EN

Arable farm; Agricultural production

• Czasopismo: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Ekonomiczne Problemy Usług
• Rocznik: 2015
• Numer: nr 116 Uwarunkowania rynkowe rozwoju mikro, małych i średnich przedsiębiorstw. Mikrofirma 2015
• Strony: 214--223

Twórcy

autor

Danuta Zawadzka

• Politechnika Koszalińska

autor

Agnieszka Strzelecka

• Politechnika Koszalińska

Bibliografia

• Bazyl M., Miary dopasowania, w: Mikroekonometria. Modele i metody analizy danych indywidualnych, red. M. Gruszczyński, Oficyna Wolters Kluwer Business, Warszawa 2010.
• Danieluk B., Zastosowanie regresji logistycznej w badaniach eksperymentalnych, "Psychologia Społeczna" 2010, nr 2-3, t. 5.
• Gruszczyński M., Modele zmiennych jakościowych dwumianowych, w: Mikroekonometria. Modele i metody analizy danych indywidualnych, red. M. Gruszczyński, Oficyna Wolters Kluwer Business, Warszawa 2010.
• Harańczyk G., Krzywe ROC, czyli ocena jakości klasyfikatora i poszukiwanie optymalnego punktu odcięcia, w: Medycyna i analiza danych, StatSoft, Kraków 2010.
• Hu B., Shao J., Palta M., Pseudo-R2 in Logistic Regression Model, "Statistica Sinica" 2006, nr 16.
• Maddala G.S., Ekonometria, Wyd. Naukowe PWN, Warszawa 2006.
• Rószkiewicz M., Metody ilościowe w badaniach marketingowych, Wyd. Naukowe PWN, Warszawa 2002.
• Stanisz A., Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny. Tom 2. Modele liniowe i nieliniowe, StatSoft, Kraków 2007.
• Szafraniec-Siluta E., Zawadzka D., Strzelecka A., Ocena zmian w produkcji rolnej w Polsce według typów rolniczych w latach 2004-2009, Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu, t. XIII, z. 1, Warszawa-Poznań-Wrocław 2011.
• Zawadzka D., Ardan R., Ocena wywołanych czynnikami pozacenowymi zmian prawdopodobieństwa ubiegania się o kredyt bankowy przez małe przedsiębiorstwa, w: Efektywność - rozważania nad istotą i pomiarem, red. T. Dudycz, G. Osbert-Pociecha, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu nr 144, Wrocław 2010.
• Zawadzka D., Ardan R., Zastosowanie krzywych reakcji do oceny zmian prawdopodobieństwa skorzystania przez małe przedsiębiorstwa ze skonta w kredycie handlowym, w: Zarządzanie finansami firm - teoria i praktyka, red. B. Bernaś, A. Kopiński, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu nr 158, Wrocław 2011.
• Zawadzka D., Determinanty popytu małych przedsiębiorstw na kredyt handlowy. Identyfikacja i ocena, Wyd. Uniwersytetu Ekonomicznego w Poznaniu, Poznań 2009.
• Zawadzka D., Strzelecka A., Land as a primary factor in determining the value of output in the farms of Middle Pomerania, Zeszyty Naukowe Uniwersytetu Szczecińskiego nr 804, Finanse, Rynki Finansowe, Ubezpieczenia nr 67, Wyd. Naukowe Uniwersytetu Szczecińskiego, Szczecin 2014.