agrárszektor modellek, konzisz-tencia vezérelt előrejelzések és hatékonyságszámítás
DESCRIPTION
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 - PowerPoint PPT PresentationTRANSCRIPT
Agrárszektor modellek, konzisz-tencia vezérelt előrejelzések és hatékonyságszámítás
Munkahelyi vita2012.01.13.
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
Inputorientált megközelítés
TE = 0Q/0P AE = 0R/0Q EE = TE*AE,
azaz EE= 0R/0P
Nem más mint a CRS hatékonyság
x2/y
x1/y
P
S
S’
Q
Q’
A
A’
R
0
8
CRS, VRS (IRS és NIRS) hatékonyság
C
D
B
y
x0
P
A
Minden x, azonos rátával hasznosul
Nem azonos a hasznosulás rátája – az inflexiós pontig nő (IRS, majd csökken, NIRS)
y
IRS
x
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) 1max
1
1
m
iiki
s
rrkr
k
xt
yuh
10
Matematikai háttér II.(2) multiplikátor formula:
(3) envelopment formula: (folyt köv.)
0max11
m
iiik
s
rrkrtiur txyu
11
Matematikai háttér III.
0)(
,0)(
,)(
min
1
1
,
j
j
n
jijkjk
rkj
n
jrj
k
c
b
a
xx
yy
k
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
k
im
iiki
kk
i
k
xt
yh
1
1
1
maxDEA és szimulált DEA értékek
0
0,2
0,4
0,6
0,8
1
1,2
Au
sztr
ia
Au
sztr
ia
Au
sztr
ia
Be
lgiu
m
Be
lgiu
m
Dá
nia
Dá
nia
Fin
no
rszá
g
Fin
no
rszá
g
Fra
nci
ao
rszá
g
Fra
nci
ao
rszá
g
Gö
rög
ors
zág
Gö
rög
ors
zág
Ho
llan
dia
Ho
llan
dia
Ho
llan
dia
Íro
rszá
g
Íro
rszá
g
Na
gy
Bri
tta
nn
ia
Na
gy
Bri
tta
nn
ia
Né
me
tors
zág
Né
me
tors
zág
Ola
szo
rszá
g
Ola
szo
rszá
g
Po
rtu
gá
lia
Po
rtu
gá
lia
Sp
an
yolo
rszá
g
Sp
an
yolo
rszá
g
Sp
an
yolo
rszá
g
Své
do
rszá
g
Své
do
rszá
g
Országok és évek
ha
ték
on
ys
ág
DEA hatékonyság
DEA szim.érték
14
Stabil(is) megoldás
Dánia DEA és szimulált értékei
0
0,2
0,4
0,6
0,8
1
1,2
DK73DK74
DK75DK76
DK77DK78
DK79DK80
DK81DK82
DK83DK84
DK85DK86
DK87DK88
DK89DK90
DK91DK92
DK93DK94
DK95DK96
DK97DK98
hatékonyság
ors
zág
és
év
DEA értékek
DEA szimulált értékek
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.
0
20
40
60
80
10
0
12
0
14
0
16
0
18
0
20
0
22
0
24
0
0
30
60
90
1200
1000
2000
3000
4000
5000
6000
7000
hozam (kg/ha)
Nitrogén (kg/ha)
Foszfor (kg/ha)
Búza hozamok (2 tényezős modell)
6000-7000
5000-6000
4000-5000
3000-4000
2000-3000
1000-2000
0-1000
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.
1. 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.
2. 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.
3. 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)
4. 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.5. 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.
6. 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
Következtetések1. Fizikai blokkonkénti termésátlagok bekérése:
a. táblánkénti Fedezeti hozzájárulás, Nettó Jövedelem és Hozzáadott értékek (GDP)
2. A területenként bekért hozamok alapján fölvetődik a személyre szabott előrejelzések lehetősége, illetőleg az elővetemények tükrében növény javaslat,
3. Területi optimalizáció, vetésterv javaslat (főképp gazdálkodónként),
4. Ágazati hatékonyságszámítás táblánként (országos átlagokhoz képest a megadott input adatok alapján) a szimulált DEA módszerrel.