Agrar- und Ernährungspolitik III

Präsentation zum Thema: "Agrar- und Ernährungspolitik III"—  Präsentation transkript:

1 Agrar- und Ernährungspolitik III
Vorlesung 29. März 2006 Von der LGR zum integrierten, sektoralen Datensatz Martin Kniepert

2 Aktivitätsdifferenzierung der LGR
Die LGR bezieht zwar zahlreiche Aspekte des Agrarsektors ein, lässt andere aber unberücksichtigt In dieser Vorlesung soll die LGR als Datensatz nach Aktivitäten zu differenzieren und um die Erfassung der Märkte (Konsum, Import, Export) zu ergänzen. Im Einzelnen bedeutet dies, zusätzliche Primärstatistik zur Erstellung eines Datensatzes einzubeziehen. Was sind Produktionsfaktoren: Noch einmal: Die Art und Weise der VWL diese Probleme anzugehen. N.B. Erhöhung des Pro-Kopf-Einkommens: Das impliziert einen Strukturwandel.

3 Differenzierung nach Aktivitäten
Was sind Produktionsfaktoren: Noch einmal: Die Art und Weise der VWL diese Probleme anzugehen. N.B. Erhöhung des Pro-Kopf-Einkommens: Das impliziert einen Strukturwandel.

4 Intra- und extrasektorale Beziehungen

5 Beispiel: Gerste in Produktion und Gütermarkt
Nahrung Verarbeitung Futter Ex- & Import ... ... Gerste ... Tiere& t. Pr. ... ... Gerste ... ... Produkt-entstehung Produkt-verwendung ... Andere Sektoren oder Ausland ... ... Futtergerste ... Vorleistungs-einsatz Vorleistungs-bereitstellung ... Prod. ./. Vorleistungen

6 Auswahl von Datenquellen
Statistik Austria Menu: Ergebnisse Statistisches Tabellensystem: Datenbank: ISIS Eurostat Bundesanstalt für Agrarwirtschaft-Datenpool: Bundesanstalt für Bergbauernfragen – Folienpool Food and Agricultural Organisation u.v.a.m

7 Daten, Datenbanken und Datenorganisation
Daten aus gedruckten Publikationen Grünen Bericht Schnellberichten der Statistik Austria Datenbanken der Statistik Austria, Eurostat, FAO Organisation von Daten in mehreren Dimensionen (Datenwürfeln)

8 Datenwürfel: Daten in mehreren Dimensionen
Dimensionen in einem typischen agrarwirtschaftlichen Daten können sein Produkt (Getreide, Zucker, ..., Düngemittel etc.) Geografische Einheit (Land, Region, Gemeinde etc.) Einheit (Wert in Euro, kg etc.) Biologische Produktion – konventionelle Produktion Etc. Vgl. die Notation: ai,r,m,k Wobei: i = product, r = geo, m = Einheit, k = bio-konv Organisation von Daten in mehreren Dimensionen (Datenwürfeln) Pivottabellen in MS-Excel OLAP in SAS, SQL-Server (ähnlich, aber leistungsfähiger) Beispiel-Abfrage von Eurostat; Bearbeitung in Excel und Access

9 Datenwürfel (2) Redundanz von Daten vermeiden!
Aggregate werden errechnet und müssen nicht gespeichert werden! Nur absolute Werte speichern! Die automatische Aggregation von relativen Werte (Preise [€/kg], Ertrag [t/ha] etc.) wäre unsinnig Relative Werte (s.o.) Können jederzeit aus absoluten errechnet werden. Die Berechnung von absoluten Werten aus relativen ist aufwändiger. Think Big! Also: Gleich in Datenräumen bzw. ihren Dimensionen denken, in der Datenorganisation nicht zu unsystematisch vorgehen! Orientieren Sie sich nicht primär an Darstellungen im A4-Format! (Das wären lediglich Auswertungen von Datensätzen, nicht die Datensätze selber)

10 Ähnliche, integrierte Datensätze
Volkswirtschaftliche Input-Output-Tabellen Social Accounting Matrix Erstellung eines Datensatzes

11 Vorteile integrierter, geschlossener Datensätze
Eine der Größen in einer Zeile bzw. Spalte kann als Saldo errechnet werden, eine Erhebung muss nicht vorliegen (vielfach das Futter in Versorgungsbilanzen) Dieser Vorteil sich schlägt später auch in Modellrechnungen wieder, wenn eine der Herkünfte oder Verwendungen, die sich bspw. ökonometrisch nur schlecht schätzen lässt, zum „Schließen“ des Marktes verwendet werden kann (in der Regel die größere Außenhandelsposition oder die Lagerhaltung)

12 Braucht man eine Theorie um mit Daten bzw. empirisch zu arbeiten?
Ja. Weil es darauf ankommt, Daten gezielt und nicht zufällig zu suchen. Daten bzw. emprisches Arbeiten wird gebraucht um Thesen zu überprüfen, d.h. gegebenenfalls zu verwerfen. Die Architektur der hier vorgestellten Datensätze, entspringt in der Regel dem Bedarf eines theoretischen Modells Die Intput-Output-Tabellen entsprechen den Erwartungen der von Leontief entwickelten Wirtschaftstheorien. Der dargestellte integrierte Datensatz für die Landwirtschaftlichen Sektoren wurde in der Folge der Konzeptionierung des Modells „SPEL“ (Nachfolgemodell CAPSIM) entwickelt.

13 Beispiel: Eingeschlossener Datensatzes
Welche Informationen brauchen wir für Getreide? Anbaufläche Ertrag (absolut) oder je ha Außenhandel => Äquivalente in Versorgungsbilanzen Verbräuche (Futter, Nahrung, industrielle Verwendung, Saat, Lager) => Äquivalente in Versorgungsbilanzen Vorleistungen (Deckungsbeitragsrechnung) Kapitaleinsatz Arbeitseinsatz Bereits aufbereitete Daten aus AgrIS abfragen! Gehe weitere in Excel

14 Fehler in AgrIS? Nein. Erzeugerpreis * Erntemenge ≠ Wert der Ernte?
Nein, weil der statistisch ausgewiesene Erzeugerpreis ein Verkaufspreis (ab Hof-Preis ist). Ein Teil wird aber zu einem niedrigeren Preis verfüttert. => UVAP < PRIC! Die LGR wird nicht als Erzeugerpreis * Produktion gerechnet, sondern als über mehrere Verwendungspreise * Verwendungsarten (Gewichtungsschema) Produktionsmenge LGR ≠ Produktionsmenge? Ja, da Verluste am Betrieb nicht als LGR-Produktion gelten. Weiters gilt bspw. Milch zu Verfütterung nicht als Produktion Für AgrIS (Eurostat) stehen nicht alle Informationen zur Berechnung der LGR zur Verfügung. Entscheidend: Aus wenigen verfügbaren Daten kann ein konsistenter geschlossener Datensatz erstellt werden. Eventuelle statistische Differenzen sind eher zu tolerieren als Inkonsistenzen

15 Diskussion: Genügt der in dieser Vorlesung erweiterte Datensatz?
Strukturfragen bzw. Verteilungsfragen fehlen nach wie vor. Auch der hier erweiterte Datensatz bezieht sich nur auf die Einkommen aus „landwirtschaftlicher Aktivität“ Einkommenssituation der Familien als landwirtschaftlichen Haushalten ist damit nicht abgedeckt (vgl. Rechnungshofbericht, ESLH) Andererseits: Braucht man einen so umfassenden Datensatz überhaupt?