Determinants of Farmers' Participation in the Production Insurance System

• Autorzy: Grzegorz, Paweł Rawa

Warianty tytułu

Determinanty uczestnictwa rolników w systemie ubezpieczeń produkcyjnych

• Języki publikacji: EN

Abstrakty

EN

Progressive climate change triggers off phenomena that threaten agricultural production. Crop insurance makes it possible to mitigate their effects, but only a small percentage of crops in Poland is insured. Previous research into the determinants of farmers̕ participation in the production insurance system has mainly used the logit regression method. This paper presents the results of a study using a structural equation model (SEM) estimated for a sample of 600 farms in the FADN observation field, which aimed to identify factors influencing farmers' purchase of production insurance. This research approach made it possible to describe the phenomenon in a way that has been little recognized so far, complementing the decision-making model under consideration with latent variables that could not be considered by the methods used so far. Based on the literature research, three unobservable variables were identified: willingness to purchase insurance, risk aversion and risk perception, and farming intensity, and then quantified using observable variables. The results show a directly proportional relationship between willingness to purchase insurance and risk aversion and risk perception and inversely proportional relationship with farming intensity.(original abstract)

Postępujące zmiany klimatu sprzyjają występowaniu zjawisk zagrażających produkcji rolnej. Ubez- pieczenia upraw pozwalają łagodzić ich skutki, jednak jedynie niewielki odsetek upraw w Polsce jest objęty ubezpieczeniem. Dotychczasowe badania determinant uczestnictwa rolników w systemie ubezpieczeń produkcyjnych wykorzystywały głównie metodę regresji logitowej. W artykule przed- stawiono wyniki badań z zastosowaniem modelu równań strukturalnych (SEM) oszacowanego dla próby 600 gospodarstw znajdujących się w polu obserwacji FADN. Celem przeprowadzonych badań była identyfikacja czynników wpływających na zakup ubezpieczenia produkcyjnego przez rolników.Takie podejście badawcze pozwoliło przeanalizować problem z wykorzystaniem rzadko dotychczas stosowanej metodyki, uzupełniając rozważany model decyzyjny o zmienne ukryte (latentne), które nie były uwzględniane w dotychczas stosowanych metodach. Na podstawie badań literaturowych zidentyfikowano trzy zmienne nieobserwowalne: skłonność do zakupu ubezpieczenia, awersja do ry- zyka i percepcja ryzyka oraz intensywność gospodarowania, a następnie dokonano ich kwantyfikacji z zastosowaniem zmiennych obserwowalnych. W konkluzji stwierdzono, że wyniki badań wskazują na wprost proporcjonalną zależność skłonności do zakupu ubezpieczenia od awersji do ryzyka i percepcji ryzyka i odwrotnie proporcjonalną od intensywności gospodarowania(abstrakt oryginalny)

Słowa kluczowe

EN

Insurances; Agriculture; Agricultural production; Agri-food sector

PL

Ubezpieczenia; Rolnictwo; Produkcja rolna; Sektor rolno-spożywczy

• Czasopismo: Zagadnienia Ekonomiki Rolnej
• Rocznik: 2023
• Numer: nr 2
• Strony: 51--67

Twórcy

autor

Grzegorz, Paweł Rawa

• Warsaw University of Life Sciences

Bibliografia

• Arbuckle, J.L. (2021). IBM SPSS Amos 28 User's Guide. IBM. https://www.ibm.com/docs/en/SSLVMB_28.0.0/pdf/amos/IBM_SPSS_Amos_User_Guide.pdf.
• Arshad, M., Amjath-Babu, T.S., Kächele, H., & Müller, K. (2015). What Drives the Willingness to Pay for Crop Insurance Against Extreme Weather Events (Flood and Drought) in Pakistan? A Hypothetical Market Approach. Climate and Development, 8(3), 234-244. https://doi.org/10.1080/17565529.2015.1034232.
• Babalola, D.A. (2014). Determinants of Farmers' Adoption of Agricultural Insurance: The Case of Poultry Farmers in Abeokuta Metropolis of Ogun State, Nigeria. British Journal of Poultry Sciences, 3(2), 36-41. https://doi.org/10.5829/idosi.bjps.2014.3.2.83216.
• Bedyńska, S., & Książek, M. (2012). Statystyczny drogowskaz. Praktyczny przewodnik wykorzystania modeli regresji oraz równań strukturalnych. Wydawnictwo Akademickie Sedno.
• Bentler, P.M. (1990). Comparative Fit Indexes in Structural Models. Psychological Bulletin, 107(2), 238-246. https://doi.org/10.1037/0033-2909.107.2.238.
• Bollen, K.A. (1989). Structural Equations with Latent Variables. John Wiley & Sons. https://doi.org/10.1002/9781118619179.
• Brånstrand, F., & Wester, F. (2014). Factors Affecting Crop Insurance Decision: A Survey Among Swedish Farmers. SLU, Dept. of Economics. http://urn.kb.se/resolve?urn=urn:nbn:se:slu:epsilon-s-3701.
• Carrer, M.J., da Silveira, R.L.F., Vinholis, M.B.M. de, & de Souza Filho, H.M. (2020). Determinants of Agricultural Insurance Adoption: Evidence from Farmers in the State of São Paulo, Brazil. RAUSP Management Journal, 55(4), 547-566. https://doi.org/10.1108/rausp-09-2019-0201.
• Dubiel, B. (2014). Ubezpieczenie jako metoda zarządzania ryzykiem w rolnictwie. Zeszyty Naukowe Uniwersytetu Szczecińskiego, 804, Finanse, Rynki Finansowe, Ubezpieczenia, 67, 185-199. https://wneiz.pl/nauka_wneiz/frfu/67-2014/FRFU-67-185.pdf.
• Enjolras, G., Capitanio, F., & Adinolfi, F. (2012). The Demand for Crop Insurance: Combined Approaches for France and Italy. Agricultural Economics Review, 13(1), 5-22. http://aer.web.auth.gr/13_1_1.pdf.
• Floriańczyk, Z., Osuch, D., Bocian, M., Malanowska, B., & Cholewa, I. (2018). Plan wyboru próby gospodarstw rolnych Polskiego FADN od roku obrachunkowego 2019. IERiGŻ PIB. https://fadn.pl/wp-content/uploads/2018/10/Plan-wyboru-od-2019.pdf.
• Ginder, M., Spaulding, A.D., Tudor, K. W., & Winter, J.R. (2009). Factors Affecting Crop Insurance Purchase Decisions by Farmers in Northern Illinois. Agricultural Finance Review, 69(1), 113-125. https://doi.org/10.1108/00021460910960507.
• Jöreskog, K.G. (1973). A General Method for Estimating as Linear Structural Equation System. In: A.S. Goldberger & O.D. Duncan (Eds.), Structural Equation Models in the Social Sciences (pp. 85-112). Quantitative Studies in Social Relations. Seminar Press.
• Jöreskog, K.G., & Sörbom D. (1989). Lisrel 7: A Guide to the Program and its Applications. SPSS.
• Kacprzak, A. (2018). Modelowanie strukturalne w analizie zachowań konsumentów: porównanie metod opartych na analizie kowariancji (CB-SEM) i częściowych najmniejszych kwadratów (PLS-SEM). Handel Wewnętrzny, 377(6.1), 247-261. https://bazekon.uek.krakow.pl/gospodarka/171574118.
• Kaplan, D.W. (2009). Structural Equation Modeling: Foundations and Extensions (2nd Ed.). SAGE Publications. https://doi.org/10.4135/9781452226576.
• Kata, R. (2020). Zadłużenie rolników w Polsce w aspekcie przemian strukturalnych i koniunktury w rolnictwie / In-debtedness of Farmers in Poland in Light of Structural Changes and Economic Fluctuations in Agriculture. Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie, Polityki Europejskie, Finanse i Marketing, 23(72),33-44. https://doi.org/10.22630/PEFIM.2020.23.72.3.
• Keesling, W. (1972). Maximum Likelihood Approaches to Causal Flow Analysis. [Unpublished doctoral dissertation].University of Chicago.
• Kobus, P. (2016). Determinanty poziomu ubezpieczeń rolniczych. Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania Uniwersytetu Szczecińskiego, 45(2), 279-289. https://doi.org/10.18276/SIP.2016.45/2-22.
• Konarski, R. (2010). Modele równań strukturalnych. Teoria i praktyka. Wydawnictwo naukowe PWN.
• Kurdyś-Kujawska, A. (2018). Determinants of Voluntary Insurance in Agriculture. Annales Universitatis Mariae Curie-Skłodowska, Sectio H, Oeconomia, 52(1), 109-118. https://doi.org/10.17951/h.2018.52.1.109.
• Mądra, M. (2009). Źródła finansowania inwestycji w indywidualnych gospodarstwach rolniczych. Roczniki Naukowe Stowarzyszenia Ekonomistów Rolnictwa i Agrobiznesu, 11(1), 273-278. https://rnseria.com/resources/html/article/details?id=170982.
• Najwyższa Izba Kontroli (NIK). (2020, October 7). Informacja o wynikach kontroli. Wspieranie środkami publicznymi systemu ubezpieczeń rolniczych. https://www.nik.gov.pl/aktualnosci/system-ubezpieczen-rolniczych.html.
• OECD. (2011). Managing Risk in Agriculture: Policy Assessment and Design. OECD Publishing. https://doi.org/10.1787/9789264116146-en.
• Rezolucja przyjęta przez Zgromadzenie Ogólne w dniu 25 września 2015 r. 70/1. Przekształcamy nasz świat: Agenda na rzecz zrównoważonego rozwoju 2020. Organizacja Narodów Zjednoczonych / United Nations. https://www.unic.un.org.pl/files/164/Agenda%202030_pl_2016_ostateczna.pdf.
• Ronka-Chmielowiec, W. (2002). Ubezpieczenia. Rynek i ryzyko. Polskie Wydawnictwo Ekonomiczne.
• Spearman, C. (1904). "General Intelligence," Objectively Determined and Measured. The American Journal of Psychology, 15(2), 201-293. https://doi.org/10.2307/1412107.
• Stempel, R. (2013). Ubezpieczenie upraw polowych na terenie Polski północnej. Ubezpieczenia w Rolnictwie. Materiały i Studia, 47, 7-22. https://www.krus.gov.pl/fileadmin/moje_dokumenty/obrazki/kwartalnik/kwartalnik_47_2013.pdf.
• Sulewski, P. (2009). Rolnicy wobec ryzyka i potrzeby ubezpieczeń - opinie i postawy. Roczniki Nauk Rolniczych. Seria G: Ekonomika Rolnictwa, 96(3), 320-328. https://sj.wne.sggw.pl/pdf/RNR_2009_n3_s320.pdf.
• Sulewski, P., & Kłoczko-Gajewska, A. (2014). Farmers' Risk Perception, Risk Aversion and Strategies to Cope with Production Risk: An Empirical Study from Poland. Studies in Agricultural Economics, 116(3), 140-147. https://doi.org/10.7896/J.1414.
• Turner, M.E., & Stevens, C.D. (1959). The Regression Analysis of Causal Paths. Biometrics, 15(2), 236-258. https://doi.org/10.2307/2527672.
• Ustawa z dnia 7 lipca 2005 r. o ubezpieczeniach upraw rolnych i zwierząt gospodarskich (Dz.U. 2005 nr 150 poz. 1249).https://isap.sejm.gov.pl/isap.nsf/DocDetails.xsp?id=WDU20051501249.
• Wąs, A., & Kobus, P. (2018). Factors Determining the Crop Insurance Level in Poland Taking into Account the Level of Farm Subsidising. In: M. Wigier & A. Kowalski (Eds.), The Common Agricultural Policy of the European Union - the Present and the Future. EU Member States Point of View (pp. 125-146). Proceedings of the International Scientific Conference "The Common Agricultural Policy of the European Union - the Present and the Future", December 5-7, 2017, Stare Jabłonki, Poland. Multi-Annual Programme 2015-2019, 73.1. https://doi.org/10.30858/PW/9788376587431.11.
• Wąs, A., Sulewski, P., Kobus, P., Majewski, E., Pogodzińska, K., Kulawik, J., Soliwoda, M., Kurdyś-Kujawska, A., Osuch, D., Kagan, A., & Herda-Kopańska, J. (2020). Percepcja ryzyka przez rolników, jego źródeł i nastawień do niego oraz preferencji dotyczących instrumentów i strategii zarządzania nim - wyniki badań ankietowych. In: M. Soliwoda (Ed.), Identyfikacja podstaw, przemian i problemów ubezpieczeń rolnych (pp. 552-654). IERiGŻ PIB. http://ierigz.waw.pl/publikacje/poza-seria/23972,0,3,0,identyfikacja-podstaw-przemian-i-problemow-ubezpieczen-rolnych.html.
• Wiley, D.E. (1973). The identification problem for structural equation models with unmeasured variables. In: A.S. Goldberger & O.D. Duncan (Eds.), Structural Equation Models in the Social Sciences (pp. 69-83). Quantitative Studies in Social Relations. Seminar Press.
• Wright, S. (1918). On the Nature of Size Factors. Genetics, 3(4), 367-374. https://doi.org/10.1093/genetics/3.4.367.
• Wright, S. (1921). Correlation and Causation. Journal of Agricultural Research, 20(7), 557-585. https://naldc.nal.usda.gov/download/IND43966364/pdf.
• Wright, S. (1934). The Method of Path Coefficients. Annals of Mathematical Statistics, 5(3), 161-215. https://doi.org/10.1214/aoms/1177732676.
• Wright, S. (1960). Path Coefficients and Path Regressions: Alternative or Complementary Concepts? Biometrics, 16(2), 189-202. https://doi.org/10.2307/2527551.

Identyfikatory

DOI

doi.org/10.30858/zer/166603