The use of Regression Modelling to Describe Changes Taking Place on tThe Agricultural Market in Poland®

• Autorzy: Szwedziak Katarzyna , Doleżal Petr , Kruk Agnieszka

Warianty tytułu

Wykorzystanie modelowania regresji do opisu zmian zachodzących na rynku rolnym w Polsce®

• Języki publikacji: EN

Abstrakty

EN

The article presents a way of the application of regression analysis model to describe the phenomenon of the changing number of wholesale milk deliveries with respect to the number of wholesale suppliers on the agricultural market. In the process of mathematical regression, non-linear functions were used, where the independent variable was time. The data collected from the institution governing the milk production quota mechanism clearly shows that, during its operation, the national milk quota increased while the number of both wholesale and direct suppliers decreased. This situation resulted in an increased average individual quota per supplier. These results reflect the decreasing number of Polish farms maintaining dairy cattle in the country as a result of the shift from milk production in small farms to commercial production in farms developing in this sector. It should also be noted that the changes in the concentration of production are also linked to an increase in the quality of the raw material and final product. This tendency supports the fact that the dairy industry is becoming an increasingly specialized and forward-looking industry, as can already be seen from the consumer’s perspective on the food products market today. Although many authors have addressed the economic implications of the existing dairy price support scheme, few have explicitly considered the relationship between risk aversion, capital investment, milk production and price support policy in this process.

PL

W artykule przedstawiono sposób zastosowania modelu analizy regresji do opisu zjawiska zmiany liczby dostaw mleka w hurcie w stosunku do liczby dostawców hurtowych na rynku rolnym. W procesie regresji matematycznej wykorzystano funkcje nieliniowe, gdzie zmienną niezależną był czas. Z danych zebranych od instytucji rządzącej mechanizmem kwoto- wania produkcji mleka jasno wynika, że w trakcie jego funkcjonowania wzrosła krajowa kwota mleczna, a zmniejszyła się liczba zarówno hurtowych, jak i bezpośrednich dostawców. Sytuacja ta spowodowała wzrost średniej kwoty indywidualnej na dostawcę. Wyniki te odzwierciedlają zmniejszającą się liczbę polskich gospodarstw utrzymujących bydło mleczne w kraju w wyniku przejścia od produkcji mleka w gospodarstwach małych, do produkcji towarowej w gospodarstwach rozwijających się w tym sektorze. Należy również zauważyć, że zmiany w koncentracji produkcji są również związane ze wzrostem jakości surowca i produktu końcowego. Tendencja ta potwierdza fakt, że branża mleczarska staje się coraz bardziej wyspecjalizowaną i przyszłościową branżą, co widać już z perspektywy konsumenta na dzisiejszym rynku produktów spożywczych. Chociaż wielu autorów odniosło się do ekonomicznych implikacji istniejącego programu wsparcia cen mleka, niewielu wyraźnie rozważyło związek między awersją do ryzyka, inwestycjami kapitałowymi, produkcją mleka i polityką wspierania cen w tym procesie.

Słowa kluczowe

EN

agricultural market; non-linear regression analysis; modelling; milk production; wholesale supplier

PL

rynek rolny; analiza regresji nieliniowej; modelowanie; produkcja mleka; dostawca hurtowy

• Wydawca: Wyższa Szkoła Menadżerska
• Czasopismo: Postępy Techniki Przetwórstwa Spożywczego
• Rocznik: 2022
• Tom: nr 1
• Strony: 25--34
• Opis fizyczny: Bibliogr. 23 poz., fig., rys., tab.

Twórcy

autor

Szwedziak Katarzyna

• Opole University of Technology, Poland

autor

Doleżal Petr

• Mendel University in Brno, Czech Republic

autor

Kruk Agnieszka

• Opole University of Technology, Poland

Bibliografia

• [1] APPLEYARD D. R., JR. A. J. FIELD, L. S. COBB. 2006. International economics. 5th edition, McGraw-Hill/Irwin, new york, ny, uSA. 784 p.
• [2] ARCHONTOULIS S.V., F.E. MIGUEZ. 2014.Nonlinear Regression Models and Applications in Agricultural research. Agronomy Journal Abstract – Symposium: Statistical Concepts. doi:10.2134/agronj2012.0506.
• [3] BAFFES J. 2004. Experience with decoupling agricultural support. university of Georgia Atlanta, USA.
• [4] BALDWIN R. AND CH. WYPLOSZ. 2009. TheEconomics of European integration. 3rd edition. Mc-Graw-Hill Higher education, Berkshire uk.
• [5] BAPNA R., W. JANK, G. SHMUELI. 2008. Price formation and its dynamics in online auctions. Decision Support Systems Vol. 44, Issue 3, elsevier: 641-656, https://doi.org/10.1016/j.dss.2007.09.004.
• [6] BEZAT A., S. FIGIEL, J. KUFEL. 2009. Model dynamicznego stochastycznego stanu równowagi ogólnej jako narzędzie wspierające formułowanie założeń polityki rolnej, Warszawa: Instytut ekonomiki rolnictwa i Gospodarki Żywnościowej,Państwowy Instytut Badawczy.
• [7] BHATTACHARY P., B.N. RATH, A.K. DASH 2016. ‟Supply response Of Milk Production: Analysis And Implications For Bric Countries”. Applied Econometrics and International Development Vol. 16–1.
• [8] BREMMER J., A.O. LANSINK, K.D. OLSON,W.H. BALTUSSEN., R.B. HUIRNE. 2004. Analysis of farm development in Dutch agriculture and horticulture. Paper presented at the 13 th Congress of the International Farm Management Association (IFMA),Wageningen, The Netherlands, 23039.
• [9] BREUSTEDT G., T. GLAUBEN. 2007. ‟Driving forces behind exiting from farming in West europe”.Journal of Agricultural economics 58(1):115–12.
• [10] COOPER L.G., M. NAKANISHI. 1988. Market Share Analysis: evaluating competitive marketing effectiveness: Market-Share Analysis. Boston, MA:Kluwer Academic Publishers.
• [11] CZYŻEWSKI A., J. STANISZEWSKI. 2016. Economic accounts for agriculture. Retrieved from:http://appsso.eurostat.ec.europa.eu (access date:15.04.2017).
• [12] CZYŻEWSKI B., K. SMDZIK-AMBROŻY. 2017.‟The regional structure of the CAP subsidies and the factor productivity in agriculture in the eu 28”. Agricultural economics – zemedelska ekonomika 63(4):149–163.
• [13] DAUD A. R., U.S. PUTRO, M.H. BASRI. 2015.‟risks in milk supply chain; a preliminary analysis on smallholder dairy production”. Livestock research for Rural Development. Volume 27.
• [14] DEWBRE J.J.A., W. THOMSON. 2001. ‟The transfer efficiency and trade effect payments”. American Journal of Agricultural economics 83(5): 1204–1214.
• [15] DICKEN P. 2007. Global Shift. 5th edition. SAGe Publications Ltd. London. 599 p.
• [16] DRACHA K. 2019. Analysis of Agricultural commodities prices whit new Bayesian Model combination schemes. MDPI. Sustainability. Doi:10.3399/us11195305.
• [17] GEFEN D., D. STRAUB & M. BOUDREAU.2000. Structural equation Modeling and regression: Guidelines for research Practice. Communications of the Association for Information Systems 4, pp-pp. https://doi.org/10.17705/1CAIS.00407.
• [18] GOETZ S.J., D.L. DEBERTIN. 2001. ‟Why farmers quit a county – level analysis”. American Journal of Agricultural economics 83(4): 1010–1023.
• [19] HERNANDEZ-MOLINAR R., R. SARMIENTO-REBELS, C.F. MENDEZ-BARRIOS. 2015. Least squares method and empirical modeling: A case study in a Mexican manufacturing firm. empirical Modeling and its Aplications – open access. http://dx.doi.org/10.5772/63151.
• [20] International Monetary Fund. IMF Primary Commodity Process; International Monetary Fund:Washington, DC, uSA. 2019. Available online: https://www.imf.org/external/np/res/commod/index.aspx (accessed on 20 March 2020).
• [21] JAKIMOWICZ A. 2003. Od keynesa do teorii chaosu. Warszawa: Wyd. Nauk. PWN.
• [22] JALILOV S.M., M. MAINUDDIN, M. MANIRUZZAMAN, M. MAHBUBUL, T. ISLAM KABIRJ. 2019. efficiency in the rice Farming: evidence from Northwest Bangladesh. MDPI Agriculture,www.mdpi.com/journal/agriculture.
• [23] KARESVIRTA J., A. MEHROTRA. 2009. ‟Business surveys and inflation forecasting in China”.econ.Chang. restruct. 42: 263–271

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).