320 likes | 435 Views
運用普查追蹤資料探討 農家生產力. 研究人員:陳惠欣、孫珮瑛、沈芝貝. 研究背景與動機. 影響生產力之要素為何?. 持續經營農家 以 79 年、 89 年和 94 年農林漁牧業普查之農牧戶統計結果為資料來源,利用農林漁牧業普查之 農牧戶統一編號 連結 79 年、 89 年、 94 年三次普查結果,建立 40 萬 7,196 筆 之追蹤資料。 持續經營農家 特性? 具有優勢而持續經營? 或 雖擁有農業資源但經營體質不佳?. ( 一 ) 分析 15 年來持續經營農家在各普查年度的 橫斷面資料 ,並與普查當年度的全體農家資料比較, 探討持續經營農家之經營型態與特性 。
E N D
運用普查追蹤資料探討農家生產力 研究人員:陳惠欣、孫珮瑛、沈芝貝
研究背景與動機 影響生產力之要素為何? • 持續經營農家 • 以79年、89年和94年農林漁牧業普查之農牧戶統計結果為資料來源,利用農林漁牧業普查之農牧戶統一編號連結79年、89年、94年三次普查結果,建立40萬7,196筆之追蹤資料。 • 持續經營農家特性? 具有優勢而持續經營? 或雖擁有農業資源但經營體質不佳?
(一) 分析15年來持續經營農家在各普查年度的橫斷面資料,並與普查當年度的全體農家資料比較,探討持續經營農家之經營型態與特性。(一) 分析15年來持續經營農家在各普查年度的橫斷面資料,並與普查當年度的全體農家資料比較,探討持續經營農家之經營型態與特性。 (二) 利用主成份分析析出真正具經營優勢而持續經營之農家。 (三) 藉由混合模型分析優勢持續經營農家之追蹤資料,探討優勢持續經營農家之生產力。 由主要經營種類探討 由主要投入要素探討 研究目的
研究架構 79年、89年、94年 農林漁牧業普查資料 分別將持續經營農家79年、89年及94年橫斷面(Cross-section)資料與當年度全體農家比較 持續經營農家 追蹤資料(Panel Data) 主成份分析 差異 分析 持續經營農家 特性分析 混合模型 (Mixed model)分析 主要經營 種類 與勞動生產力探討 各主要投入要素 與勞動生產力探討 主要經營 種類 與資源生產力探討 各主要投入要素 與資源生產力探討 結論與建議 2014/10/27
研究方法 1、追蹤資料分析 2、主成份分析 3、差異分析 4、混合模型分析
1.追蹤資料分析 • 追蹤資料(Panel Data)為長期觀察若干個個體所得到的資料,因此每個個體可提供多個觀測值,是一種結合時間序列 (Time Series)資料與橫斷面 (Cross-Section)資料的資料型態。 • Hsaio(1986、2003) 、Kalton et al., (1989)、Baltagi(2001) : • 在使用橫斷面資料來分析,因為各種經濟體本身存在相異特性,可能發生異質性(Heteroscedasticity)現象,導致模型估計時產生偏誤(Bias) • 若使用時間序列資料分析時,由於只考慮相關變數之時間序列資料,則會發生序列相關(Serial Correlation)之問題,造成模型估計時產生偏誤。 • 為了克服橫斷面資料無法分析時間變動的問題及時間序列無法比較個體間不同的問題,可採用同時兼具時間序列及橫斷面分析的Panel Data 分析。
2.主成份分析 • 主成份分析是指將k個行為變數(X1,X2,…,Xk)縮減為一個綜合性指標的統計方法。 • 目的:找出優勢持續經營農家。 3.差異分析 • 差異分析運用卡方 (chi-squre)適合度檢定 • 目的:檢驗優勢持續經營農家各主要經營種類 間之競爭力有無不同。
4.混合模型分析 • 由於追蹤資料的同一試驗單位會重複觀測好幾次,因此必須考量每個時期的測量值是否會受到前時期結果的影響。 • 過去常利用一般線性模型(general linear model )結構,將各時間點的測量值視為不同的反應變數。然而,由於沒有考慮到試驗單位在不同觀測時間點的內部相關性, 易犯第Ⅰ型錯誤。 • 因此現今一致認為混合模型是目前重複測量的追蹤資料統計分析強有力的方法(Littell et al., 2002)。 • 目的:找出影響優勢持續經營農家生產力因素。 2014/10/27
持續經營農家地區分布結構與全體農家相似,近8成集中在中、南部地區。持續經營農家地區分布結構與全體農家相似,近8成集中在中、南部地區。 94年 79年 89年 1.農家地區分布 持續經營農家(94年) 全體農家
2.資源規模與勞動力投入 • 持續經營農家無論是平均銷售收入、可耕作地面積、勞動力投入等皆優於全體。 • 部分持續經營農家透過租借入與受他人委託經營方式來擴大其耕地規模。
3.指揮者素質 指揮者年齡 指揮者教育程度
4.專兼業狀況 + + + + + + < < < 30.11 19.94 17.03 18.76 27.30 19.17 • 具競爭力及發展性的專業非高齡農家及兼業以農為主農家,兩者結構比總合優於全體農家。 • 專業農戶雖逐漸增加,但專業非高齡農家及兼業以農為主農家,兩者結構比總合與全體農家一致,逐漸下降。
5.主要經營種類 • 持續經營農家之主要經營種類與全體農家結構一致。 • 但若將農畜產品銷售收入按主要經營種類分時卻發現: 雖然持續經營農家平均農畜產品銷售收入大於全體,但食用菇菌類、花卉類、畜牧類等精緻農業之農畜產品銷售收入,在89年及94年時持續經營農家不若全體。
實證結果分析 1、主成份結果分析 2、差異性檢定結果 分析 3、混合模型結果分析
主成份分析-結果 • 可解釋變異達75.89% • 綜合性指標(主成份總得分): WP = 0.3459 Prin1 + 0.2215 Prin2 + 0.1361 Prin3 + 0.1085 Prin4 + 0.0960 Prin5 + 0.0920 Prin6
主成份分析-優勢持續經營農家三次普查之主要農業指標主成份分析-優勢持續經營農家三次普查之主要農業指標 • 優勢持續經營農家隨著時間經過,無論是投入、產出皆呈現愈來愈佳的狀態。
差異分析 • H0:優勢持續經營農家各主要經營種類之競爭力皆相同 • H1:優勢持續經營農家各主要經營種類之競爭力不同
合理結構的選擇依據,乃根據SAS提供了一些策略準則,如-2 REML對比概度比測驗、Akaike’s資訊準則(AIC)、Schwarz’s貝氏準則(BIC)。 稻作 勞動生產力 Y1= 5.6023 + 0.0772 X1*-1.4388 X2* + 0.0001 X3 + 0.2643 X4* (0.0007) (0.3243) (0.0092) (0.0350) 資源生產力 Y2= 0.1736 + 0.0192 X2* + 0.0000 X3 + 0.0000 X4-0.0010 X5 + 0.0080 X6* (0.0039) (0.0001) (0.0004) (0.0007) (0.0011) 註:括號之數值為變異數;*代表達95%以上的顯著水準 混合模型分析結果(一)-以主要經種類探討生產力
混合模型分析結果(二)-以變數特性探討 • 可耕作地面積與勞動生產力(x2=64907;Pr>ChiSq= <.0001)
混合模型分析結果 -以變數特性探討(續) 勞動生產力 ~ ~ 可耕作地面積
研究結論 (一)15年來持續經營農家之農業經營結構變動 1. 持續經營農家較全體農家較具專業化,且平均擁有較大的耕地規模、較多的勞動力投入及較高的農畜產品銷售收入。 2. 但指揮者素質與食用菇菌類、花卉類、畜牧類等精緻農業之農畜產品銷售收入在89年及94年時卻已不如全體農家。 3. 持續經營農家之可耕地面積、專業非高齡及兼業以農為主農家的結構比總合皆逐漸在減少(與全體趨勢相同),但有一部分農家藉著租借入或受他人委託經營在擴大面積。 4. 其兩極化表現顯示,持續經營農家應依其特性再予以細分,以探究因具優勢而存在之專業經營者與僅為保有資源但生產效益不佳之資源擁有者。
研究結論 (二)主成份析出之優勢持續經營農家 • 無論是平均可耕作地面積、指揮者素質、勞動力投入人數或日數、農畜產品銷售收入及生產力皆優於全體農家。 • 優勢持續經營農家隨著時間經過,無論是投入、產出皆呈現愈來愈佳的狀態。 (三)差異分析之卡方適合度檢定 • 優勢持續經營農家各主要經營種類之競爭力確實存有差異 。 • 優勢持續經營農家之稻作、甘蔗家數隨著時間經過逐漸減少;蔬菜類、果樹類、食用菇菌類、花卉類、其他農藝及園藝類與畜禽類等較具經濟發展之經營種類,隨著時間經過家數則逐漸增加,故即便是優勢持續經營農家,高經濟價值之經營種類亦較傳統經營種類相對更具優勢。
研究結論 (四)混合模型之分析 • 勞動生產力
研究結論 • 資源生產力
研究建議 (一)持續經營農家應依特性輔導,因具優勢農家有朝專業化發展趨勢,故應落實農地農用政策,藉由農地銀行媒介功能,提升資源生產力;另應賡續推動深耕計畫,加強從農者素質以改善勞動生產力。 (二)持續經營農家中,仍有近8成僅為保有資源而持續留農者,其資源生產力與勞動生產力均偏低。宜藉由第三次農地改革機會,有效釋出或出租借資源,俾使高齡化持續經營者仍能保有資源與收益,而專業農民亦能增加資源利用率與產值。 (三)影響持續經營者之生產力因素,受經營種類不同而有所不同,應持續進行研究,建置長期觀察趨勢,提供農政單位輔導各項農業生產之重要投入,以收政策施行之實效。
報告完畢 敬請指正