Methods in Economic Farm Modelling

Abstract

The objective of this thesis is to develop methods for the evaluation of agricultural firms using efficiency analysis and to develop and assess farm responses in mathematical programming (MP) models to changing political and economic conditions. The dissertation is structured in four main parts. Chapter 2 extends Data Envelopment Analysis (DEA) by incorporating confidence intervals in the evaluation of the resulting point estimates. In the literature, agricultural farms are often evaluated and compared based on DEA, where causes of inefficiencies within a farm group are often analysed by regressing efficiency measures on other variables. However, when confidence intervals are taken into account, the results of this analysis show that neglecting the stochastic nature of efficiency measures cannot produce any valid conclusions about the real nature of inefficiencies. Hence, DEA efficiency measures need to be carefully interpreted, and further research is necessary before this methodology can be used as a standard approach for evaluating the efficiency of farms and other firms. Chapter 3 analyses the responses of MP farm group models induced by a change in political and economic conditions. MP models are widely used as decision models in agricultural economics. In contrast to an application on the farm level with considerable modelling detail, an analysis of macroeconomic effects is often only reasonable if it is based on representative farms. However, only sparse information is available for the specification of aggregated representative farm groups. Furthermore, decision variables should reflect observed behaviour through a process known as calibration of MP models. Positive Mathematical Programming (PMP) has been developed for this purpose, a method that calibrates the objective function with the help of a non-linear costs component and determines simulation behaviour. The influence of the different proposed PMP variants on simulation results is compared ex post with observed values using the representative farm model FARMIS. This is done through 45 farm groups; these data were obtained from the German Farm Accountancy Data Network (FADN). Based on these farm groups, PMP calibration methods are applied for the year 1996/97, and a shock is introduced for observed gross margins of 2002/03. Comparison of the calibration methods reveals that the simulation strongly depends on the PMP method applied. Chapter 4 develops an estimation method for the specification of crop-specific input coefficients in MP models. The lack of information about input allocations for different crop levels, e.g., fertiliser inputs for wheat or the level of pesticides used for sugar beets, provides a challenge for the specification of aggregated farm type models. In farm accounting records available for farm group models, often only total inputs per farm are reported. In aggregated MP farm type models, the explicit representation of input allocation plays an increasingly important role, for example in the representation of environmental effects such as nitrogen intake, and subsequently in the modelling of policy alternatives. In the past, crop-specific inputs were either implemented ad hoc in MP models based on management handbooks, or were based on total input levels that were estimated with input-output regressions. This chapter presents an approach that combines the regression approach with the estimation of a farm supply model using single farm data. The relationship between the MP and the linear regression model is defined, and an estimation approach based on the optimal condition of the farm is presented. The developed estimation approach is applied to Belgian FADN data, where input allocations for various crop levels are collected in the database. A comparison of observed and estimated data is possible to validate the suggested method. The results show that the developed estimation approach successfully models the observed values of input allocation, in contrast to the regression estimation. Furthermore, this approach leads to a crop-specific breakdown of variable inputs and a representation of the resulting farm type with a fully specified non-linear component. Chapter 5 presents the farm type module developed in the modelling system CAPRI (Common Agricultural Policy Regional Impact). The integration of farm types into the modelling system CAPRI provides the chance to directly quantify the effects of market policies and developments on the farm level and to reduce the aggregation bias, resulting in an improved localisation of farm type related environmental effects. The farm types in CAPRI are based on data from the European Farm Structure Survey (FSS). For several reasons, these data are not consistent with the CAPRI database. One possible way to overcome these inconsistencies would be a simple linear up- and down-scaling of FSS to the quantity structure of the CAPRI database. However, this method could lead to a loss of information about the type and size of the farm group from FSS. To avoid this effect, an estimation approach is developed covering EU-27 that does not violate the type of farming or the economic size of the farm types. ; Methoden zur ökonomischen Modellierung landwirtschaftlicher Betriebe Die Arbeit untersucht und entwickelt Methoden zur Bewertung von landwirtschaftlichen Betrieben im Rahmen der Effizienzanalyse und zur Abschätzung von Anpassungsreaktionen induziert durch die Veränderung von politischen und wirtschaftlichen Rahmenbedingungen. Die Dissertation ist in vier Hauptkapitel gegliedert. Im Kapitel 2 wird die Methodik der Effizienzanalyse, bekannt unter dem Namen Data Envelopment Analysis (DEA) um den Ansatz zur Ableitung von Konfidenzintervallen erweitert, um die Aussagekraft der Effizienzmaße zu überprüfen. Die Bewertung und der Vergleich von landwirtschaftlichen Betrieben mit DEA sind in der Literatur häufig zu finden. Dabei werden die Ursachen von Ineffizienz oft mittels einer anschließenden Regressionsanalyse ermittelt. Die abgeleiteten Konfidenzintervalle zeigen jedoch deutlich, dass ohne Berücksichtigung der stochastischen Natur der Effizienzmaße kaum aussagekräftige Schlussfolgerungen über die wahre Natur von Ineffizienzen gegeben werden können. Im Kapitel 3 wird das Simulationsverhalten von mathematischen Programmierungsmodellen (MP) induziert durch die Veränderung von politischen und wirtschaftlichen Rahmenbedingungen untersucht. Im Gegensatz zur Anwendung auf einzelbetrieblicher Ebene, wo eine Spezifizierung des Modells durch vergleichweise viele Informationen erfolgen kann, sind Analysen zur Politikfolgenabschätzung häufig nur sinnvoll, wenn diese auf repräsentativen Betriebsgruppen basieren und damit aggregierte Effekte quantifiziert werden können. Zur Spezifizierung der entsprechenden Modelle stehen jedoch oftmals nur wenige Informationen zur Verfügung. Weiterhin besteht das Problem, dass wichtige Entscheidungsvariablen den beobachteten Werten entsprechen sollten, was als Kalibrierung des MP-Modells bezeichnet wird. Um dennoch MP-Modelle für repräsentative Politikfolgenabschätzung auf Betriebsebene nutzen zu können, sind positiv-mathematische Programmierungsmodelle (PMP), die mittels einer nicht-linearen Komponente der Zielfunktion das Model kalibrieren und das Simulationsverhalten mitbestimmen, entwickelt worden. Der Einfluss verschiedener vorgeschlagener PMP Methoden auf das Simulationsergebnis werden mit dem Betriebsgruppenmodel FARMIS quantifiziert und ex post mit beobachteten Werten verglichen. Dafür werden 45 Betriebsgruppen benutzt. Auf diese Betriebsgruppenmodelle werden die PMPKalibrierungsmethoden für das Jahr 1996/97 angewendet und beobachtete Deckungsbeiträge aus dem Jahr 2002/03 als Schock implementiert. Aus dem Vergleich wird ersichtlich, dass das Simulationsverhalten stark durch die Wahl des PMP Verfahrens bestimmt wird. Im Kapitel 4 wird eine Schätzmethodik von fruchtartenspezifischen Input Koeffizienten in MP-Modellen entwickelt. Fehlende Daten über die Inputallokation auf Fruchtartenebene, wie zum Beispiel der Düngemitteleinsatz im Weizen oder die Höhe der Pflanzenschutzaufwendungen in der Zuckerrübenproduktion, sind ein Problem bei der Spezifizierung von aggregierten Betriebsgruppenmodellen. In Buchführungsergebnissen werden nur die Gesamtaufwendungen im Betrieb dokumentiert. In aggregierten MP-Modellen spielt die explizite Darstellung der Input Allokation jedoch eine immer wichtigere Rolle, um Umwelteffekte, wie zum Beispiel den Stickstoffeintrag aus der Landwirtschaft, abbilden und daraufhin Alternativen modellieren zu können. In der Vergangenheit wurden Input-Mengen entweder ad hoc von Informationen aus Bewirtschaftungshandbüchern auf alle Betriebsgruppen übertragen oder von den Gesamtinputmengen aus Betriebsabschlüssen eine Input-Output Regression geschätzt. Der in dieser Arbeit vorgestellte Ansatz kombiniert die Regression mit der Schätzung des MP-Models basierend auf einzelbetrieblichen Daten. Der entwickelte Schätzansatz wird auf belgische Buchführungsergebnisse angewandt, die Informationen über die Input Allokation auf Fruchtartenebene zur Evaluierung der Ergebnisse enthält. Im Vergleich zur Regression lassen die Ergebnisse erkennen, dass der Schätzansatz die Beobachtungswerte besser widerspiegelt. Kapitel 5 präsentiert ein Betriebsgruppenmodell für die EU-27 und ein dafür entwickelten Schätzansatz zur Konsistenzrechung der CAPRI Datenbank (Common Agricultural Policy Regional Impact) und der Daten der Europäischen Betriebsstrukturerhebung (FSS). Der Schätzansatz basiert auf Daten der FSS, die aus mehreren Gründen inkonsistent mit den Daten von CAPRI sind. Ein möglicher Weg die Konsistenz zu erreichen, könnte eine lineare Skalierung der Betriebsdaten sein. Als Folge könnte jedoch die Betriebsgruppenstruktur aus FSS (Betriebsgruppentyp und -größe) verloren gehen. Um dieses Problem zu umgehen wurde für das Betriebsgruppenmodell eine Methode zur betriebstypen- und betriebsgrößenkonsistenten Schätzung entwickelt. Ein Vergleich mit der linearen Skalierungsmethode zeigt, dass die entwickelte Methode einer einfachen Skalierung vorzuziehen ist, weil damit sichergestellt werden kann, dass die Betriebsstrukturinformationen von FSS in den geschätzten Betriebsmodellen erhalten bleiben.