1 / 37

Agrárszektor modellek, konzisz-tencia vezérelt előrejelzések és hatékonyságszámítás

Agrárszektor modellek, konzisz-tencia vezérelt előrejelzések és hatékonyságszámítás. Munkahelyi vita 2012.01.13. Bunkóczi László. Témakörök. Termelési függvény(ek) Hatékonyságszámítás klasszikus DEA-val Hatékonyságszámítás szimulált DEA-val Agrárszektor modellek A SPEL kibontása

gloria
Download Presentation

Agrárszektor modellek, konzisz-tencia vezérelt előrejelzések és hatékonyságszámítás

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Agrárszektor modellek, konzisz-tencia vezérelt előrejelzések és hatékonyságszámítás Munkahelyi vita 2012.01.13. Bunkóczi László

  2. Témakörök • Termelési függvény(ek) • Hatékonyságszámítás klasszikus DEA-val • Hatékonyságszámítás szimulált DEA-val • Agrárszektor modellek • A SPEL kibontása • Oszlop és sorirányú elszámolások, (csak kettő a lehetőségi halmazból) • Endogén/exogén változók • Exogén változók helyes előrejelzése • Konzisztencia mint fokmérője a helyességnek

  3. Termelési függvény • Ez az (egyik) alapja a hatékonyságszámí-tásnak és bizonyos ASZM-ek ágazati leírásában is szerepel • Általános alakja: Q = f(termelési-, környezeti- és egyéb tényezők) • Általános probléma: nem ismert a tényleges alakja, amit bármely növényre, helyen és időben használni lehetne a tervezéshez

  4. Ökonómiai háttér • Max. P, azaz max. FH adott kibocsátási szint mellett, • Max.: FH= TÉ-VK, a fixköltségre nincs ráhatásunk • ahol TÉ= Hozam*Ár, • VK= Szum(inputi * inputári) • Adott kibocsátás, valamilyen input mennyiségek mellett lehetséges csak • Ahol ez (adott hozamszint mellett) a minimum inputfelhasználás mellett történik az a leghatékonyabb – ennek az elméleti minimuma nem ismert (csak az esetgyűjtemény alapján kerülhet meghatározásra), ott a hatékonyság 1

  5. Hatékonyság • Versenypiac vagy verseny (azonos) körülmények között hosszútávon kizárólag a bizonyos hatékonysági szint felett termelők lesznek életképesek • Az EU 27 államában az ökológiai és ökonómiai feltételek sem azonosak, ezért az összehasonlítás is csak absztrakt szinten lehetséges (tisztán technikai hatékonyság)

  6. A Data Envelopment Analyis • Tisztán technikai hatékonyságszámításra érdemes használni – árak nélkül az EE = CRS • CRS • VRS – IRS v. NIRS • EE=TE*AE • Ahol EE, az ökonómiai hatékonyság • TE, a technikai • AE, allokációs (v.méret) hatékonyság • Input v.outputorientált megközelítés – többnyire az inputorientált az, amit használnunk kell

  7. x2/y S P Q A Q’ R S’ x1/y 0 A’ Inputorientált megközelítés • TE = 0Q/0P • AE = 0R/0Q • EE = TE*AE, azaz • EE= 0R/0P • Nem más mint a CRS hatékonyság

  8. NIRS y y D A B IRS P x 0 x C CRS, VRS (IRS és NIRS) hatékonyság • Minden x, azonos rátával hasznosul • Nem azonos a hasznosulás rátája – az inflexiós pontig nő (IRS, majd csökken, NIRS)

  9. Matematikai háttér I. • Adott N számú DE (v.DMU), amelyik mindegyike felhasznál azonos számú inputot és előállít azonos számú outputot • Feladat: az outputok és az inputok súlyvekto-ros szorzatából képzett hányadosnak a maxi-mumát venni. Azaz: • (1)

  10. Matematikai háttér II. (2) multiplikátor formula: (3) envelopment formula: (folyt köv.)

  11. Matematikai háttér III.

  12. Megoldás • Teljesen precíz (CRS, VRS, IRS, NIRS) értékek meghatározása esetgyűjteménytől függően több órás művelet is lehet – a tényleges visszaadott érték pedig nem más mint a CRS érték • Az envelopment formula esetén objektumonként történik a 10-100 ezer lépéses iteratív megoldás – minden objektum egyszer betölti a peer szerepkört, amiben ahhoz számolódik ki az x súly, hogy kedvezőbb legyen az adott peer-nek • Lehet-e gyorsabban, (viszonylag) jól?

  13. DEA szimuláció • 1 output esetén csak az inputokat kell súlyozni • Két feltétel: • t súlyok értéke >=0, vagy szigorítva >0 • 0<=hk<=1 • Eredeti futtatáshoz képest a kapott értékek alacsonyabbak, de a korreláció az 0,88

  14. Stabil(is) megoldás

  15. „A magyar beteg” • A való életben nem hatékonyságra dolgoznak, hanem eredményre – az eredményt is érdemes mellé tenni: nálunk 17.070 Ft, • Németország: 754 DEM, azaz kb. 37.700 Ft DEA hatékonyság: 0,59

  16. Agrárszektor modellek • Teljes agrárszektorokat leírni képes adatbázisok/modellek, illetve szimulációs és előrejelző modulok is vannak bennük • Számunkra a valódi érték belőlük az adatszerkezet (a bennük lévő adatok) és bizonyos, a szimulációk során adott ágazatok dinamikus leképezése

  17. SPEL • A teljes SPEL adatbázis (egyik 2000-es utolsó állapot) kibontásra került és az oszlop valamint sorirányú elszámolások kerültek leprogramozásra • A 4/4-es mátrix-ból következő lehetséges elszámolásoknak ez csak egy töredéke • Oszlopirányú: ágazatonkénti előállított termék, felhasznált ráfordítások, naturálisan és monetárisan, majd árbevétel és ktg.elszámolás, végeredmény: hozzáadott érték/egység • Sorirányú elszámolás: a megtermelt és meglévő termékekkel (+/- Export/Import) mi történik

  18. Oszlopirányú elszámolás

  19. Sorirányú elszámolások

  20. ASZM-ek gyenge pontja • Az adattároláson túl, előrejelző és szimulációs célzattal kerülnek fejlesztésre • A szimulációkhoz felhasználnak: • Exogén változókat, az alapjuk: • Előrejelzés: többnyire lineáris trend alapon • Visszaad: • Endogén változókat: a trend alapon előrejelzett és/vagy szakértői vélemények alapján megadott exogén értékek alapján kiszámítják, hogy mi az optimális szerkezet (+ ált.egyensúlyi modellek esetén: feltételezik, hogy maximalizálásra kerül a fogyasztói és a termelői többlet)

  21. Kritika • A felhasznált exogén változókat senki sem validálja • A futtatási eredményeket szokták időnként kiadni validálni • Szakirodalom alapján: a validálás kritériumai sem egyértelműek • Van mikor csak referencia futtatást kell validálni (múlt) és az sem validálható 100%-ban • Némi szereptévesztés: nem egy ideális jövőbeli állapothoz érdekel bárkit is a vetési szerkezet, hanem a jövő valóságos állapota, vagy ahhoz képest valamilyen változó szabályozás hatása

  22. Lehetséges megoldás • Az MTP ugyanezt teszi üzemi szinten, ha megadjuk neki a sarokköveket (árak, hozamok) • Mi hiányzik? • Megbízható jövőbeli értékek (ár, hozam, terület) • A megbízható mit jelent? • Biztos iránytalálat • Viszonylag kis eltérés

  23. Előrejelzések • A mezőgazdaság esetében a +1 év is nagy segítség lenne • 4 féle előrejelzés került rangsorolásra, azonos FAO-s eredetű idősoros adatbázison, (SPEL-ben szereplő inputok nem elérhetők) • 4 módszer • Trend • Hullámfüggvény illesztés • Hasonlóságelemzés • ún.Fundo_chartista módszer (többváltozós)

  24. Módszerek • Trend: az ismert y=mx+b illesztése, az Excel trend függvénye megadja • Hullámfüggvény: hullámfüggvény illesztés az ismert szakaszra • f(t)=sin((t-p1)/p2)*c1+c2+c3*(t-t0) • ahol: t: az adott év értéke, p1: a periódus 0 időpillanatának eltolását biztosító paraméter érték, p2: a periódust szűkítő vagy tágító paraméter, c1: a hullámzás nagysága, az ismert időintervallum értékeinek a szórása, c2: az alapvonal kiinduló magassága, az ismert időintervallum első 3-4 értékének az átlaga, c3: az ismert időintervallum első és utolsó 3 értékének különbözetéből számított meredekség, t0: az első ismert év

  25. Módszerek II. • Hasonlóságelemzés • Lépcsős függvény használata • az idősorok mátrixba rendezésén keresztül (pl. 5 vektor mely utolsó elemei mindig xt-5, xt-4, …, xt-1, és a vektorok többi tagja az öket időrendben megelőző elemekből adódnak), vektoronként a leghasonlóbb lefutásokat keresve egy lépcsőzetes „értékkiosztáson” keresztül minimalizálja az eltéréseket az ismert és számított értékek között és ad vissza minden vektorhoz egy kimenő értéket. Ezen értékeket összeadva kapjuk x értékét (additív eljárás)

  26. Módszerek III. • Fundo_chartista megközelítés • Kronológikusan súlyozott idősorok több változós kivitelben, a végső eredmények a növényenkénti és évenkénti futtatásból származnak • yi,t+1 = ∑i=1-n [(yi,t-4 * si,1 + yi,t-3 * si,2+… +yi,0 * si,5)/p1,i]*p2,i • Ahol: y i,t+1: az i-edik növény t+1 évre számolt értéke (hozam, terület, ár), • s: a felhasznált súlyok • p1 és p2: paraméterek

  27. Értékelés I. - Iránytalálat • Páronként, a két összemért idősor (valós változás és a módszer idősorának változás) azonossága a találat

  28. Értékelés II. - Eltérések alapján történő értékelés

  29. Bayes-tétel analógia • „Ha számításba vesszük azt, hogy a z1, z2 és z3 állapotok z1=0,2400, z2=0,4600 és z3=0,3000 valószínűségekkel következnek be, akkor a sorok maximális várható értékeit ezekkel a valószínűségekkel súlyozhatjuk a 4-es blokkban, és az eredmények összegéből a hosszútávú átlagos fedezeti hozzájárulást számíthatjuk ki, amely az áprilisi időjárásról ismert információk következetes használatával érhető el. „

  30. Egyéb rangsorolások

  31. Konzisztencia • A 2002-ben elvégzett kutatási feladat tanulsága alapján, az előrejelzések jóságának fokmérője: • Elsőfajú konzisztencia, ha az inputok és azok áraiból származó előrejelzett értékek változásának iránya megegyezik az outputok és azok árainak változásaival, valamint numerikusan közelítőleg jók az értékek • Másodfajú konzisztencia: csak az outputok historikus adataival lehet összevetni az előrejelzett értékeket (min., max, maximum változások) – más szóval plauzibilitás • Többnyire nem adottak a SPEL-hez hasonló alábontások, ezért legfeljebb a másodikat lehet megvizsgálni

  32. Additivitás • A végrehajtott vizsgálatok során a következő módszerek esetén találkozunk additívan összekapcsolt függvénytagokkal: • -DEA módszertan, és szimuláció • -fundo_chartista előrejelzések, • -hasonlóság (COCO) alapú előrejelzések • Tudható, hogy az inputtényezők nem additívan használódnak fel, hanem vannak, melyek limitálják a többit/másikat. Ez alapján kizárt az ideális leíró függvény főképp a DEA esetén.

  33. Egységes statisztikai adatgyűjtés • „Elengedhetetlen lesz egy a jelenlegihez képest, szigorú nyilvántartási rendszer bevezetése – akár adott mérethatár fölött, akár általános jelleggel. A SPEL séma alkalmas rá, hogy megfelelő módosításokkal, de minden résztvevő el tudjon számolni a megtermelt termékekkel és ráfordításokkal.”

  34. Tézisek I. • A DEA hatékonyságszámítási eljárás egy olyan megoldását sikerült előállítani, mely az eredeti megoldás multiplikátor formulájából kiindulva, az eredetihez képest szigorúbb, de sokkal egyszerűbb és gyorsabb futtatási megoldást kínál. • A SPEL mint keretrendszer (adatszerkezet) lehetőséget ad akár parcella/tábla szintű elszá-molásokra, ami alkalmas a tényleges nem csak monetáris elszámolásokra, ezzel is megalapozva rengeteg más adatszolgáltatást.

  35. Tézisek II. • Konzisztencia, a jövőképek megítélése két szinten lehetséges: • Elsőfajú: konzisztens az inputoktól kezdve az outputokig (mennyiségek, árak, változások – szinte term.fv.) • Másodfajú: Az értékek plauzibilitása – (terület, ár hozam) • Rendszerbe foglalásra került a vizsgált 4 módszerrel azonos adatbázison ex-post módon végrehajtott 1 évre történő előrejelzések eredménye. A rangsorokon túl, a kiválasztás és rangsorolási a döntő.

  36. Tézisek III. • A helyes előrejelzések segítségével válhat az MTP és bármilyen tervező módszer ténylegesen értéktöbbletet nyújtó eszközzé, hiszen a sarokpontok nélkül (ár, hozam, terület), nincs mihez ténylegesen optimalizálni. • A SPEL-hez hasonló szigorú elszámolási logika nélkül nem biztosítható az általánosan előírt alapadat szolgáltatásokból, konzisztens bevétel/költség jövedelemszámítások terület alapú (ha, tábla, fizikai blokk stb.) levezetése. Előbb vagy utóbb szükségessé válik egy hasonlóan szigorú elszámolási rendszer, ahol nem válnak külön a pénzügyek és egyéb anyagi folyamatok a háttérben.

  37. Következtetések • Fizikai blokkonkénti termésátlagok bekérése: a.táblánkénti Fedezeti hozzájárulás, Nettó Jövedelem és Hozzáadott értékek (GDP) • A területenként bekért hozamok alapján fölvetődik a személyre szabott előrejelzések lehetősége, illetőleg az elővetemények tükrében növény javaslat, • Területi optimalizáció, vetésterv javaslat (főképp gazdálkodónként), • Ágazati hatékonyságszámítás táblánként(országos átlagokhoz képest a megadott input adatok alapján) a szimulált DEA módszerrel.

More Related