Masterarbeit - Institut für Agrarökonomie - Christian-Albrechts ...
Masterarbeit - Institut für Agrarökonomie - Christian-Albrechts ...
Masterarbeit - Institut für Agrarökonomie - Christian-Albrechts ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>Masterarbeit</strong><br />
Im Studiengang Agrarwissenschaften<br />
Einfluss der Organisationsform von Marktfruchtbetrieben<br />
auf deren Effizienz<br />
– eine empirische Analyse mittels SFA<br />
vorgelegt von B.Sc. agr. Hauke Krüger<br />
Matrikelnummer 856432<br />
Kiel im Januar 2013<br />
Erstgutachter: Herr Prof. Dr. Uwe Latacz-Lohmann<br />
Zweitgutachter: Dr. Volker Saggau<br />
Lehrstuhl <strong>für</strong> landwirtschaftliche Betriebslehre und Produktionsökonomie<br />
<strong>Institut</strong> <strong>für</strong> <strong>Agrarökonomie</strong><br />
Agrar- und Ernährungswissenschaftliche Fakultät<br />
<strong>Christian</strong>-<strong>Albrechts</strong>-Universität zu Kiel
<strong>Masterarbeit</strong><br />
Im Studiengang Agrarwissenschaften<br />
Einfluss der Organisationsform von Marktfruchtbetrieben<br />
auf deren Effizienz<br />
– eine empirische Analyse mittels SFA<br />
vorgelegt von B.Sc. agr. Hauke Krüger<br />
Matrikelnummer 856432<br />
Kiel im Januar 2013<br />
Erstgutachter: Herr Prof. Dr. Uwe Latacz-Lohmann<br />
Zweitgutachter: Dr. Volker Saggau<br />
Lehrstuhl <strong>für</strong> landwirtschaftliche Betriebslehre und Produktionsökonomie<br />
<strong>Institut</strong> <strong>für</strong> <strong>Agrarökonomie</strong><br />
Agrar- und Ernährungswissenschaftliche Fakultät<br />
<strong>Christian</strong>-<strong>Albrechts</strong>-Universität zu Kiel
Inhaltsverzeichnis I<br />
Inhaltsverzeichnis<br />
Abkürzungsverzeichnis ....................................................................................... III<br />
Abbildungsverzeichnis ........................................................................................ IV<br />
Tabellenverzeichnis ............................................................................................. V<br />
1. Einleitung ............................................................................................... 1<br />
1.1. Aufbau der Arbeit ................................................................................... 3<br />
2. Literatur.................................................................................................. 4<br />
2.1. Literaturübersicht ................................................................................... 4<br />
2.2. Hypothesen zur Effizienz in Marktfruchtbetrieben .................................. 6<br />
3. Methodik .............................................................................................. 10<br />
3.1. Definition der Begriffe Produktivität und Effizienz ................................. 10<br />
3.2. Einflussfaktoren auf die Effizienz des Marktfruchtbaus ......................... 13<br />
3.3. Methodische Grundlagen der Effizienzanalyse..................................... 16<br />
3.4. Die stochastische Frontier-Analyse ...................................................... 18<br />
3.5. Tests zur Modellgüte ............................................................................ 23<br />
3.5.1. Likelihood-Ratio-Test ........................................................................... 23<br />
3.5.2. Spearmans-Rangkorrelationskoeffizient ............................................... 24<br />
3.5.3. Breusch-Pagan-Test ............................................................................ 25<br />
4. SFA-Modell .......................................................................................... 27<br />
4.1. Umfang des Modells ............................................................................ 27<br />
4.2. Spezifikation des SFA- Modells ............................................................ 31<br />
5. Daten ................................................................................................... 34<br />
5.1. Datenherkunft ...................................................................................... 34<br />
5.2. Struktur der Datengrundlage ................................................................ 35<br />
5.3. Selektion der Betriebe und Aufbereitung der Variablen ........................ 37<br />
6. Ergebnisse ........................................................................................... 45<br />
6.1. Ergebnisse <strong>für</strong> die Cobb-Douglas-Produktionsfunktion ........................ 45<br />
6.2. Ergebnisse <strong>für</strong> die Translog-Produktionsfunktion ................................. 49
Inhaltsverzeichnis II<br />
6.3. Ergebnisse der Likelihood-Ratio-Tests <strong>für</strong> Paneldaten ......................... 53<br />
6.4. Test auf Heteroskedastizität ................................................................. 54<br />
6.5. Effizienzwerte der Marktfruchtbetriebe im Vergleich ............................. 55<br />
7. Diskussion ........................................................................................... 62<br />
8. Zusammenfassung und Fazit ............................................................... 72<br />
Anhang.. ............................................................................................................... i<br />
Literaturverzeichnis.......................................................................................... xxiii<br />
Erklärung ......................................................................................................... xxix
Abkürzungsverzeichnis III<br />
Abkürzungsverzeichnis<br />
bzw. : beziehungsweise<br />
BRD : Bundesrepublik Deutschland<br />
d. : der<br />
DTR : drechslera tritici-repentis<br />
ha : Hektar<br />
kg : Kilogramm<br />
KTBL : Kuratorium <strong>für</strong> Technik und Bauwesen in der Landwirtschaft<br />
N : Stickstoff<br />
o. Ä. : oder Ähnliches<br />
PSM : Pflanzenschutzmittel<br />
SFA : stochastische Frontier-Analyse<br />
WJ : Wirtschaftsjahr
Abbildungsverzeichnis IV<br />
Abbildungsverzeichnis<br />
Abbildung 1: Anzahl landwirtschaftlicher Betriebe in Deutschland ....................... 2<br />
Abbildung 2: Die Produktions-Frontier <strong>für</strong> den Fall Single-Input/Single-Output .. 11<br />
Abbildung 3: Isoquante im 2-Input/1-Output-Fall ................................................ 12<br />
Abbildung 4: Übersicht über Frontieransätze ..................................................... 17<br />
Abbildung 5: Grafische Darstellung der SFA ...................................................... 22<br />
Abbildung 6: Wahrscheinlichkeitsdichtefunktion der Effizienzwerte .................... 56<br />
Abbildung 7: Verteilung aller Betriebe in den Bundesländern ............................. 59<br />
Abbildung 8: Verteilung der 15% effizientesten Betriebe in Deutschland ........... 60<br />
Abbildung 9: Verteilung der 15% ineffizientesten Betriebe in Deutschland ......... 61
Tabellenverzeichnis V<br />
Tabellenverzeichnis<br />
Tabelle 1: Kovariablen des Technical-Effects-Modells ....................................... 29<br />
Tabelle 2: Übersicht der verwendeten Variablen ................................................ 31<br />
Tabelle 3: Verteilung der Testbetriebe in den Bundesländern ............................ 36<br />
Tabelle 4: Einteilung der Betriebe nach Rechtsformen ...................................... 36<br />
Tabelle 5: Marktwert des organischen Düngers ................................................. 40<br />
Tabelle 6: Verteilung der Betriebe in den Bundesländern nach der Selektion .... 42<br />
Tabelle 7: Rechtsformen der Betriebe nach der Selektion ................................. 42<br />
Tabelle 8: Mittelwerte der betrieblichen Kennzahlen .......................................... 44<br />
Tabelle 9: Ergebnisse Cobb-Douglas-Produktionsfunktion ................................ 46<br />
Tabelle 10: Rangkorrelationskoeffizient nach Spearman ................................... 49<br />
Tabelle 11: Elastizitäten der Produktionsfaktoren .............................................. 50<br />
Tabelle 12: Ergebnisse Translog-Produktionsfunktion ....................................... 52<br />
Tabelle 13: Ergebnisse des Likelihood-Ratio-Tests <strong>für</strong> Paneldaten ................... 54<br />
Tabelle 14: Ergebnisse Breusch-Pagan-Test ..................................................... 54<br />
Tabelle 15: Teil 1 des Betriebsspiegels der äußeren Quantile ........................... 57<br />
Tabelle 16: Teil 2 des Betriebsspiegels der äußeren Quantile ........................... 58
Einleitung 1<br />
1. Einleitung<br />
Der Begriff Effizienz wird im Duden mit den Worten Wirksamkeit bzw. Wirtschaft-<br />
lichkeit erklärt. Besonders in Zeiten der globalisierten Arbeitsteilung und immer<br />
knapper werdenden Ressourcen wird der Begriff Effizienz von zunehmend gro-<br />
ßem Interesse <strong>für</strong> die Allgemeinheit. In der heutigen Zeit wird jedes unternehme-<br />
rische Handeln in noch nie dagewesenem Maß an seiner Wirtschaftlichkeit und<br />
somit an seiner Effizienz gemessen. Daraus ableitend muss geschlussfolgert<br />
werden, dass die Globalisierung unter anderem Effizienz erzwingt. Wirtschaftli-<br />
che und politische Arrangements, die nicht nach den aktuellen weltweit gültigen<br />
Maßstäben zur effizienten Faktorverwertung handeln, sind kurz- oder mittelfristig<br />
zum Scheitern verurteilt (Schäfer, 2001). Die Effizienz landwirtschaftlicher Betrie-<br />
be ist daher seit vielen Jahrzehnten ein Themengebiet, das von großem Interes-<br />
se <strong>für</strong> die Wissenschaft ist. Nicht nur vor dem Hintergrund der Rechtfertigung von<br />
Subventionszahlungen an Landwirte durch die Europäische Union (Henning,<br />
2005), sondern auch im Hinblick auf den stetig anhalten Strukturwandel, ist die<br />
Effizienz des landwirtschaftlichen Sektors von großem Interesse <strong>für</strong> Wissen-<br />
schaft, Forschung und nicht zuletzt den landwirtschaftlichen Unternehmer selbst.<br />
Denn nur wenn der Unternehmer weiß, wo er mit seinem Unternehmen im Ver-<br />
gleich zu anderen Landwirten steht, ist es ihm möglich die Situation zu beurteilen<br />
und entsprechende Maßnahmen zur Verbesserung der Effizienz bzw. der Wirt-<br />
schaftlichkeit zu ergreifen.<br />
In landwirtschaftlichen Betrieben vollzieht sich spätestens seit der Mechanisie-<br />
rung der Produktionsverfahren ein immer rasanterer Wandel der Strukturen. Bei-<br />
spielsweise kam es im Bundesland Baden-Württemberg im Zuge des letzten<br />
Viertel Jahrhunderts zu einer Halbierung der Anzahl landwirtschaftlicher Betriebe.<br />
Gleichzeitig ist die Anzahl der Tierbestände deutlich gewachsen und die Anzahl<br />
der in der Landwirtschaft tätigen Arbeitskräfte um 30 Prozent gesunken (Arndt,<br />
2004). Neben diesen Zahlen verdeutlicht Abbildung 1 die Entwicklung der deut-<br />
schen Landwirtschaft. In dieser Grafik ist zu erkennen, dass vor allem die Anzahl<br />
kleiner Betriebe (Betriebe mit 10 bis 50 ha) rückläufig ist. Größere Betriebe (50<br />
bis 100 ha) sind in ihrer Anzahl während der letzten zwölf Jahre relativ konstant.<br />
Bei den Betrieben mit über 100 Hektar landwirtschaftlicher Nutzfläche ist ein An-<br />
stieg in der Anzahl der Betriebe zu erkennen. Somit lässt sich der anhand von<br />
Baden-Württemberg beschriebene Trend auch in ganz Deutschland wiederfin-<br />
den. Nach Betrachtung dieser Fakten drängt sich die Frage auf, wie Betriebe<br />
organisiert und strukturiert sind, die sich langfristig im Wettbewerb um den immer<br />
knapper werdenden Faktor Boden behaupten können.
Einleitung 2<br />
Abbildung 1: Anzahl landwirtschaftlicher Betriebe in Deutschland<br />
Quelle: Eigene Darstellung nach (Statistisches Bundesamt, 2007)<br />
Ziel dieser Arbeit ist es, Effizienzmaße <strong>für</strong> marktfruchtproduzierende Betriebe in<br />
Deutschland zu ermitteln. Zum einen soll generell das Effizienzniveau der deut-<br />
schen Marktfruchtproduzenten ermittelt werden, bevor in einem zweiten Schritt<br />
untersucht wird, welche möglichen Einflussgrößen auf die Höhe der Effizienz<br />
wirken.<br />
Anzahl der Betriebe in Deutschland<br />
Es stellen sich somit folgende Leitfragen <strong>für</strong> diese Arbeit:<br />
� Welche Organisationsform ist <strong>für</strong> erfolgreiche Betriebe charakteristisch?<br />
� Sind nur große Betriebe effizient?<br />
� Wie wirkt sich die Arbeitsverfassung eines Betriebes auf die Effizienz aus?<br />
� Haben Veredlungszweige einen Einfluss auf die Effizienz des Marktfrucht-<br />
baus?<br />
140<br />
120<br />
100<br />
80<br />
60<br />
40<br />
20<br />
0<br />
� Verfügen effiziente Betriebe vorrangig über Pacht- oder Eigenland?<br />
� Sind Wachstumsbetriebe immer effizient?<br />
Für die Untersuchung stehen Jahresabschlüsse von Betrieben aus allen Bundes-<br />
ländern zur Verfügung. Anhand des Datensatzes wird versucht unter Anwendung<br />
einer stochastischen Frontier-Analyse eine Antwort auf die oben aufgeführten<br />
Fragen zu finden.<br />
1999 2001 2003 2005 2007 2010<br />
Jahre<br />
Betriebe mit 10 bis 20 ha in 1000<br />
Betriebe mit 20 bis 50 ha in 1000<br />
Betriebe mit 50 bis 100 ha in 1000<br />
Betriebe mit über 100 ha in 1000<br />
Anzahl Betriebe insgesamt in 10.000
Einleitung 3<br />
1.1. Aufbau der Arbeit<br />
Die vorliegende Arbeit ist aufgegliedert in acht verschiedene Kapitel. Im An-<br />
schluss an die Einleitung wird im zweiten Kapitel ein kurzer Überblick über die<br />
bisherige Literatur zu dem Thema der stochastischen Frontier-Analyse geben.<br />
Dazu werden die Veröffentlichungen kurz inhaltlich vorgestellt. Darauf basierend<br />
formuliert der Autor im nächsten Abschnitt die zu prüfenden Hypothesen bezüg-<br />
lich des Einflusses der Organisationsform von Marktfruchtbetrieben auf deren<br />
Effizienz. Daran anschließend wird in Kapitel 3 die Methodik erläutert. Zuerst<br />
werden die wichtigsten Begriffe definiert, bevor in den nächsten Abschnitten die<br />
Methode der stochastischen Frontier-Analyse erläutert wird. Dieses Kapitel endet<br />
mit der Beschreibung von anzuwendenden statistischen Tests. Das vierte Kapitel<br />
beschreibt das konkrete Modell der stochastischen Frontier-Analyse dieser Ar-<br />
beit. Es wird der Umfang des Modells erklärt und die exakte Spezifikation der<br />
benutzten Produktionsfunktionen vorgenommen. Im Anschluss daran beschäftigt<br />
sich der nächste Abschnitt, Kapitel 5, mit der Herkunft der Daten und deren Auf-<br />
bereitung. Hier werden vor allem die Aspekte zur Selektion von Marktfruchtbe-<br />
trieben aus dem gesamten zur Verfügung stehenden Datensatz aufgeführt. Das<br />
nächste Kapitel dient zur Präsentation der Ergebnisse und gibt die Basis <strong>für</strong> die<br />
anschließende Diskussion der selbigen in Kapitel 7. Zum Schluss wird im letzten<br />
Kapitel eine zusammenfassende Betrachtung der vorliegenden Arbeit vorge-<br />
nommen, die in einem kurzen Fazit zur genannten Fragestellung endet.
Literatur 4<br />
2. Literatur<br />
2.1. Literaturübersicht<br />
In der Vergangenheit wurden bereits zahlreiche Analysen zur Bestimmung der<br />
technischen Effizienz <strong>für</strong> verschiedene industrielle und landwirtschaftliche Pro-<br />
duktionsprozesse durchgeführt. In diesem Abschnitt werden Untersuchungen<br />
vorgestellt, die als Forschungsinhalt Effizienzmaße <strong>für</strong> Agrarsektoren oder ein-<br />
zelne landwirtschaftliche Betriebe beinhalten.<br />
Im Grundsatz basieren die im Folgenden aufgeführten Arbeiten auf dem Ansatz<br />
der stochastischen Frontier-Analyse deren Ursprung auf Farrell (1957) zurück-<br />
geht. Mit Hilfe Programmiertechnik und Nutzung von elektronischen Rechenanla-<br />
gen gelang es Farrell erstmals eine Frontierproduktionsfunktion zu schätzen.<br />
Battese und Corra (1977) zeigen am Beispiel der ostaustralischen Schafswoll-<br />
produktion den Modellaufbau zur Schätzung einer geeigneten Funktion <strong>für</strong> die<br />
Darstellung der Produktions-Frontier. Das generierte Modell eignet sich, um den<br />
Einfluss von Produktionskosten, Arbeitskräften und bewirtschafteter Fläche auf<br />
das Betriebsergebnis der untersuchten Schafhalter zu bestimmen.<br />
Aigner, Knox Lovell und Schmidt (1977) haben in ihrer Veröffentlichung am Bei-<br />
spiel der US-amerikanischen Landwirtschaft gezeigt, dass es möglich ist eine<br />
adäquate Frontier-Produktions-Funktion zu schätzen. Im Jahr 1995 untersuchten<br />
Battese und Coelli die Effizienz von Reisbauern in einem indischen Dorf. Der<br />
Output wurde in diesem Modell als Gesamtwert der produzierten Güter definiert.<br />
Der Input waren Boden, bewässerter Boden, Arbeit, Umfang der Ochsenproduk-<br />
tion, Kapital und das jeweilige Jahr. Um die technische Ineffizienz zu erklären,<br />
wurden zusätzlich das Alter des Betriebsleiters, dessen Schulbildung sowie das<br />
jeweilige Jahr als Kovariablen in dem Modell integriert. Es konnte festgestellt<br />
werden, dass vor allem das Alter des Betriebsleiters sowie der Umfang der Be-<br />
wässerung einen erheblichen Einfluss auf die Effizienz des Betriebes haben. Die<br />
Höhe der Kosten und Menge der eingesetzten Inputs hatte entgegen der Erwar-<br />
tungen nur einen geringen Einfluss auf die technische Effizienz.<br />
Die Autoren Piug-Junoy und Argilés (2000) haben Effizienzwerte <strong>für</strong> landwirt-<br />
schaftliche Betriebe in Nord-West-Spanien berechnet. Als Einflussgrößen dienten<br />
in dieser Veröffentlichung Fixkosten, Umlaufvermögen, spezifische Kosten und<br />
allgemeine Kosten. Zusätzlich wurden die eingebrachten Arbeitsstunden in dem<br />
Modell berücksichtigt. Des Weiteren fanden insgesamt 15 Kovariablen Berück-<br />
sichtigung. Hierbei handelte es sich um betriebsbeschreibende Faktoren wie zum<br />
Beispiel die Betriebsgröße, das Alter des Betriebsleiters, die Anzahl der Tiere
Literatur 5<br />
oder die geografische Lage des Betriebes. Als endogene Variable wurde die<br />
Bruttowertschöpfung des Betriebes gewählt. Nach der Berücksichtigung aller<br />
Faktoren kommen die Autoren zu dem Ergebnis, dass ein durchschnittlicher kata-<br />
lanischer Gemischtbetrieb eine technische Effizienz von 64 Prozent aufweist.<br />
Weitergehend konnten Piug-Junoy und Argilés zeigen, dass positive Skaleneffek-<br />
te negativ mit der Ineffizienz korreliert sind. Große Betriebe sind also gemäß die-<br />
ser Untersuchung in der Regel effizienter.<br />
Im Rahmen einer ähnlichen Untersuchung führen Tian und Wan (2000) <strong>für</strong> den<br />
Zeitraum von 1983 bis 1986 eine Effizienzanalyse <strong>für</strong> landwirtschaftliche Betriebe<br />
in der Volksrepublik China durch. Diese Untersuchung bezieht sich vorrangig auf<br />
die Effizienz der Pflanzenproduktion. Aus diesem Grund ist es nahliegend, dass<br />
als Output der Ertrag pro Hektar festgelegt wurde. Input des Modells sind Arbeit,<br />
Düngeraufwand und sonstige Aufwendungen. Hinter den sonstigen Aufwendun-<br />
gen verbergen sich Kosten <strong>für</strong> Saatgut, Pflanzenschutzmittel und die Kosten der<br />
Arbeitserledigung. Der Faktor Arbeit wird in Arbeitstagen angeben, während alle<br />
anderen Faktoren mit monetären Einheiten versehen sind. Damit die Vergleich-<br />
barkeit zwischen den Perioden erhalten bleibt wurden die Kosten mit Hilfe von<br />
Preisindizes auf das Niveau von 1984 deflationiert. Die Kovariablen des Modells<br />
berücksichtigen den Ausbildungsstand des Betriebsleiters, die regionale Lage<br />
des Betriebes, die Betriebsausstattung mit Be- und Entwässerungssystemen,<br />
sowie den Eigenlandanteil des Betriebes. Für die Darstellung der Ergebnisse<br />
wurden die Produktionszweige nach den erzeugten Früchten untergliedert. Ab-<br />
schließend konnte in der gesamten Volksrepublik China eine durchschnittliche<br />
technische Effizienz von 86,2 Prozent <strong>für</strong> die Weizenproduktion und 85,3 Prozent<br />
<strong>für</strong> die Maisproduktion ermittelt werden. Für die Reisproduktion lag der vergleich-<br />
bare Wert mit 90,5 Prozent auf einem sehr hohen Niveau.<br />
Latruffe et al. haben im Jahr 2004 Effizienzwerte <strong>für</strong> polnische Ackerbaubetriebe<br />
berechnet und sind zu dem Ergebnis gekommen, dass die Betriebsgröße einen<br />
positiven signifikanten Einfluss auf die Effizienz der Betriebe hat. Weiterhin konn-<br />
ten die Autoren belegen, dass auch die Bodengüte und die Fähigkeit auf den<br />
freien Märkten angemessen zu agieren, einen hohen Einfluss auf die betriebliche<br />
Effizienz haben (Latruffe et al., 2004).<br />
Im Jahr 2007 erforschte Idiong die Effizienz von Reisbauern im nigerianischen<br />
Cross River State. Aufgrund des hohen Nahrungsmitteldefizites in Nigeria war<br />
das Ziel der Studie Mittel und Wege aufzuweisen, mit deren Hilfe möglichst<br />
schnell die Effizienz und damit auch die Produktivität der landwirtschaftlichen<br />
Betriebe gesteigert werden kann. Als Inputfaktoren kamen auch in dieser Arbeit
Literatur 6<br />
die klassischen Faktoren Arbeit, Kapital und Boden zur Anwendung. Außerdem<br />
wurden die Aufwandmengen <strong>für</strong> Dünger und Saatgut in Kilogramm mit in das<br />
SFA-Modell aufgenommen. Bei der Auswahl der verwendeten Kovariablen wur-<br />
den bewusst sozioökonomische Kenngrößen aufgenommen. Hier spielten vor<br />
allem der Ausbildungsstand des Betriebsleiters, die Zugehörigkeit zu Interes-<br />
sensverbänden, der Zugangsmöglichkeit zu Krediten und das Geschlecht des<br />
Betriebsleiters eine Rolle. Die durchschnittliche technische Effizienz der Reispro-<br />
duzenten von 77 Prozent zeigt, dass es noch Steigerungspotential in der Reis-<br />
produktion gibt (vgl. 90 Prozent in Gesamt-China (Tain & Wan, 2000)). Daran<br />
anschließend konnte gezeigt werden, dass der Ausbildungsstand, die Mitglied-<br />
schaft in Interessensverbänden und der Zugang zu Krediten positiv mit der Effizi-<br />
enz korrelieren. Daraus resultierend leitet der Autor ab, dass die Politik durch<br />
eine Verbesserung der Ausbildungsmöglichkeiten, die Stärkung von Interessens-<br />
gruppen und die Verbesserung von Kreditmöglichkeiten erheblich zur Steigerung<br />
der technischen Effizienz der nigerianischen Reisproduktion beitragen kann.<br />
Die kleine Auswahl der angeführten Untersuchungen zur technischen Effizienz<br />
von landwirtschaftlichen Betrieben zeigt, dass dieses Thema über einen langen<br />
Zeitraum von Interesse <strong>für</strong> die Wirtschaftswissenschaften ist. Ständig wechsel-<br />
ende Rahmenbedingungen erfordern eine fortlaufenden Anpassung der Produk-<br />
tionstechnik landwirtschaftlicher Betriebe in Deutschland und weltweit. Außerdem<br />
führen die zahlreichen Einflussfaktoren zu immer neuen Betrachtungsweisen, so<br />
dass ein Ende der Forschungsaktivitäten in diesem Bereich noch in weiter Ferne<br />
scheint.<br />
2.2. Hypothesen zur Effizienz in Marktfruchtbetrieben<br />
Es existieren zahlreiche Hypothesen zur Effizienz von Marktfruchtbetrieben. Im<br />
nächsten Abschnitt werden einige ausgewählte Hypothesen aufgestellt, die dann<br />
im weiteren Verlauf mit Hilfe der stochastischen Frontier-Analyse geprüft werden<br />
sollen. Landwirtschaftliche Betriebe sind in der Regel sehr unterschiedlich orga-<br />
nisiert. Der Begriff der Organisation umfasst in diesem Sinne nicht nur die<br />
Rechtsform in der die Unternehmung geführt wird, sondern auch die Organisation<br />
der betrieblichen Abläufe und die Kombination von Wirtschaftszweigen in dem<br />
jeweiligen Unternehmen.<br />
Hypothese 1: Große Betriebe sind effizienter, weil Skaleneffekte ausgenutzt wer-<br />
den können.<br />
Große Betriebe sind in der Lage Skaleneffekte auszunutzen (Puig-Junoy &<br />
Argilés, 2000) und können somit im Vergleich zu kleineren Betrieben höhere Effi-
Literatur 7<br />
zienzwerte erreichen. Ein weiterer Vorteil ist, dass sich bei steigender Betriebs-<br />
größe sowohl die Konditionen <strong>für</strong> den Verkauf von landwirtschaftlichen Erzeug-<br />
nissen, wie auch die Konditionen <strong>für</strong> den Kauf von landwirtschaftlichen Produkti-<br />
onsmitteln zu Gunsten des Landwirtes entwickeln (Latruffe et al., 2004).<br />
Hypothese 2: Ein hoher Besatz mit Arbeitskräften pro 100 Hektar wirkt sich nega-<br />
tiv auf die Effizienz eines landwirtschaftlichen Betriebes aus.<br />
Es wird davon ausgegangen, dass mit zunehmender Zahl an Fremdarbeitskräf-<br />
ten die Transaktionskosten der Arbeit steigen. Die Kosten der Transaktion beste-<br />
hen aus der Planung, der Administration und der Kontrolle der vorhandenen Ar-<br />
beitskräfte und sind in ihrer Höhe nicht zu unterschätzen (Allen & Lueck, 1998).<br />
Hypothese 3: Betriebe mit hohen Lohnunternehmerkosten pro Hektar verfügen<br />
über eine höhere Effizienz.<br />
Betriebe mit hohen Ausgaben <strong>für</strong> landwirtschaftliche Dienstleistungen verfügen in<br />
der Regel über einen relativ geringen Eigenmechanisierungsgrad. Durch den<br />
Einsatz von modernen und großen Maschinen ist es den Landwirten möglich<br />
sowohl die Schlagkraft als auch die Arbeitsqualität mit angemessenem Aufwand<br />
zu steigern. Somit können Betriebe, die auf Fremdmechanisierung setzen, ihre<br />
Effizienz in der Pflanzenproduktion verbessern (Mohn, 1984).<br />
Hypothese 4: Sobald ein Betrieb ausschließlich Familienarbeitskräfte einsetzt,<br />
wird die Effizienz des Marktfruchtbaus erhöht.<br />
Analog zur Hypothese 2 muss davon ausgegangen werden, dass die Transakti-<br />
onskosten der Arbeit bei Familienarbeitskräften deutlich geringer sind. Außerdem<br />
ist damit zu rechnen, dass Familienangehörige sich intensiver mit dem eigenen<br />
Betrieb auseinandersetzen und somit mögliche Potenziale zur Steigerung des<br />
Outputs frühzeitiger erkennen. Auch wenn Latruffe et al. (2004) keinen signifikan-<br />
ten Einfluss der Familienarbeitskräfte feststellen konnten, wird diese Hypothese<br />
erneut aufgegriffen und untersucht.<br />
Hypothese 5: Hohe Effizienz ist vor allem in Betrieben zu finden, die Flächen-<br />
wachstum verwirklichen.<br />
Die effizientesten Betriebe werden Flächenwachstum realisieren können, weil<br />
diese Betriebe in der Lage sind den knappen und kapitalintensiven Faktor Boden<br />
am besten zu verwerten. Gleichzeitig kann davon ausgegangen werden, dass<br />
Wachstumsbetriebe in der Regel zukunftsorientiert handeln und somit bereit sind<br />
den technischen Fortschritt schneller zu adaptieren. Es ist unumstritten, dass die<br />
Adaption von technischem Fortschritt entscheidend <strong>für</strong> kontinuierlich hohe Effizi-<br />
enzniveaus ist (Weining & Koo, 1997).
Literatur 8<br />
Hypothese 6: Wenn ein landwirtschaftlicher Betrieb über einen Veredlungszweig<br />
verfügt, wird durch die Diversifikation der Betriebszweig Marktfruchtbau an Effizi-<br />
enz verlieren.<br />
Sobald ein Betrieb über mehrere Betriebszweige verfügt, sind die Anforderungen<br />
an das Management deutlich umfangreicher und komplexer. Der effiziente Ein-<br />
satz aller Produktionsfaktoren des Unternehmens ist folglich schwieriger zu reali-<br />
sieren. Obwohl Brodersen und Thiele (1999) zeigen, dass Veredlungsbetriebe<br />
und Dauerkulturbetriebe die höchsten Effizienzwerte aufweisen, scheint eine er-<br />
neute Überprüfung dieser Hypothese als angebracht. Auf die zahlreichen Vortei-<br />
le, die ein Veredlungszweig im Bereich der organischen Düngemittel mit sich<br />
bringt, wird im späteren Teil der Arbeit umfassend eingegangen.<br />
Hypothese 7: Betriebe mit hohem Pachtflächenanteil sind effizienter als Betriebe<br />
mit einer hohen Eigenlandquote.<br />
In landwirtschaftlichen Unternehmen, die einen großen Teil der Ackerflächen<br />
entgeltlich gepachtet haben, ist eine effizientere Produktionsweise zu erwarten.<br />
Diese Betriebe müssen den Faktor Boden einer produktiveren Verwendung zu-<br />
führen, weil im Gegensatz zum Eigenland die Pacht entlohnt werden muss<br />
(Röders, 1996).<br />
Hypothese 8: Die Anzahl der verschiedenen Früchte einer Fruchtfolge hat einen<br />
positiven Einfluss auf die Effizienz des Marktfruchtbaus.<br />
Durch eine abwechslungsreiche Fruchtfolge gelingt es dem Landwirt die<br />
phytosanitären Bedingungen in den Kulturen zu verbessern (Böning, 1968). Nicht<br />
nur die aus dem geringeren Krankheitsdruck resultierenden Einsparungen beim<br />
Pflanzenschutz sondern auch die breitere Absicherung gegen Preisschwankun-<br />
gen bei einzelnen Erzeugnissen lassen ein höheres und stabileres Effizienzni-<br />
veau vermuten (Puig-Junoy & Argilés, 2000). In weiten Fruchtfolgen werden Ar-<br />
beitsspitzen gebrochen. Somit ist es <strong>für</strong> den Landwirt eher möglich, die notwen-<br />
digen Arbeitsgänge zu optimalen Zeitpunkten mit einem geringeren Maschinen-<br />
besatz durchzuführen. Sehr enge Fruchtfolgen mit wenigen verschiedenen<br />
Früchten weisen hingegen dieses Optimierungspotential nicht auf.<br />
Hypothese 9: Die Rechtsform der Einzelpersonengesellschaft hat einen negati-<br />
ven Einfluss auf die Effizienz von Marktfruchtbetrieben.<br />
In der Regel sind größere Betriebe nicht in der Form einer Einzelpersonengesell-<br />
schaft, sondern vielmehr als Mehrpersonengesellschaften oder als juristische<br />
Personen organisiert. Durch die tendenziell größeren Einheiten können Skalenef-<br />
fekte genutzt werden. Curtiss (2000) konnte zeigen, dass Betriebe, die in einer
Literatur 9<br />
Kooperation oder als juristische Person geführt werden, signifikant höhere Effizi-<br />
enzwerte aufweisen als Einzelpersonengesellschaften.<br />
Hypothese 10: Die Bodengüte hat einen positiven Einfluss auf die Effizienz von<br />
Marktfruchtbetrieben.<br />
Es wird davon ausgegangen, dass die Qualität des Bodens einen erheblichen<br />
Einfluss auf die Effizienz der Ackerbaubetriebe haben wird. Es ist unumstritten,<br />
dass die jeweiligen Betriebsleiter nur bedingt in der Lage sind, mit Hilfe von er-<br />
tragssteigernden Betriebsmitteln die Standortdefizite auszugleichen. Bereits in<br />
früheren Untersuchungen konnte der positive Einfluss der Bodenqualität bestätigt<br />
werden (Latruffe et al., 2004).
Methodik 10<br />
3. Methodik<br />
3.1. Definition der Begriffe Produktivität und Effizienz<br />
Bevor im folgenden Textabschnitt näher auf die effizienzbestimmenden Einfluss-<br />
faktoren und die Methodik zur Errechnung von Effizienzwerten eingegangen wird,<br />
müssen einige ausgewählte Begriffe erklärt und definiert werden. Am Anfang<br />
steht eine Abgrenzung der Begriffe Produktivität und Effizienz. Produktivität kann<br />
als mengenmäßiges oder auch technisches Verhältnis von Input und dem erziel-<br />
ten Output beschrieben werden (Töpfer, 2007). In Formel (3.1) ist die Gleichung<br />
<strong>für</strong> die Faktorproduktivität in einem Single-Input/Single-Output Fall dargestellt.<br />
(3.1)<br />
Bei der Faktorproduktivität kann eine zusätzliche Unterteilung vorgenommen<br />
werden. Wird ausschließlich ein bestimmter Output in ein Verhältnis zu einem<br />
bestimmtem Input gesetzt, so wird das Ergebnis als partielle Faktorproduktivität<br />
interpretiert (vgl. Formel (3.1)). Setzt man die Summe des Outputs eines Unter-<br />
nehmens ins Verhältnis zur Summe des gesamten Inputs so ergibt sich daraus<br />
die totale Faktorproduktivität (Cantner et al., 2007). Das Ziel dieser Arbeit ist es,<br />
den Marktfruchtbau in unterschiedlichen landwirtschaftlichen Betrieben zu erfor-<br />
schen. Weil der Marktfruchtbau nur einer von vielen möglichen Produktionszwei-<br />
gen ist, wird im weiteren Verlauf die partielle Faktorproduktivität eines Betriebs-<br />
zweiges verwendet. Damit Betriebe miteinander verglichen werden können,<br />
reicht es nicht aus, nur die Produktivität von einzelnen Betriebszweigen zu be-<br />
rechnen. Es muss vielmehr ein Referenzwert entwickelt werden, mit dessen Hilfe<br />
man die beobachteten Kennzahlen eines Betriebes ins Verhältnis zu den im Op-<br />
timum möglichen Werten <strong>für</strong> Input und Output setzt. Hinter dem Begriff der Effizi-<br />
enz verbirgt sich exakt die zuvor beschrieben Vorgehensweise. Es werden die<br />
tatsächlich realisierten Werte <strong>für</strong> Input und Output in ein Verhältnis zu den unter<br />
optimalen Bedingungen erreichbaren Vergleichswerten gesetzt. Sowohl die Fak-<br />
torproduktivität wie auch die Effizienz einzelner Betriebe oder Betriebszweige<br />
wird durch die vorherrschenden Rahmenbedingungen und die eingesetzte Pro-<br />
duktionstechnologie bestimmt (Gubi, 2006).<br />
Die technische Effizienz eines landwirtschaftlichen Betriebes lässt sich <strong>für</strong> den<br />
Fall Single-Input/Single-Output leicht über das Verhältnis des eingesetzten Inputs<br />
und Outputs definieren (Vgl. Gleichung (3.2)). stellt den beobachteten Output<br />
der Vergleichseinheit dar, während die eingesetzte Menge des Inputs wieder-<br />
spiegelt. Im Nenner der Gleichung wird das Verhältnis von der im Optimum mög-
Methodik 11<br />
lichen Menge des Outputs ( ) und der eingesetzten Menge des Inputs bestimmt<br />
(Francksen 2010).<br />
(3.2)<br />
Dieser einfache Fall kann auch mit Hilfe eines Diagramms aufgezeigt wer-<br />
den (Abbildung 2). In der Darstellung wird deutlich, dass die Steigung der<br />
Geraden die Produktivität von der Vergleichseinheit C wiedergibt. Da der Betrieb<br />
C die höchste Produktivität von allen Vergleichseinheiten hat, definiert dieser<br />
Betrieb mit seiner Produktivität gleichzeitg die Produktionsfrontier. Anhand dieser<br />
Übersicht wird deutlich, dass die Produktions-Frontier durch die Beobachtungen<br />
mit der höchsten Prouktivität definiert wird (Farrell, 1957).<br />
Abbildung 2: Die Produktions-Frontier <strong>für</strong> den Fall Single-Input/Single-Output<br />
Quelle: Eigene Darstellung<br />
Gemäß der Definition müssen alle Beobachtungen auf oder unterhalb der Pro-<br />
duktions-Frontier liegen. Sobald eine Vergleichseinheit unterhalb der Frontier<br />
liegt, wird diese als ineffizient bewertet. Hier ergeben sich nun zwei Handlungsal-<br />
ternativen, um die Ineffizienz in den Betrieben zu eliminieren. Zum einen besteht<br />
beispielsweise <strong>für</strong> Vergleichseinheit A die Möglichkeit bei konstantem Input den<br />
Output zu erhöhen, um dann im Punkt A2 zu produzieren. Der zweite Weg zur<br />
Erhöhung der Effizienz führt über die Reduzierung des Inputs bei gleichbleiben-<br />
dem Output. In diesem Fall würde der Betrieb fortan im Punkt A1 produzieren<br />
(Gubi, 2006).
Methodik 12<br />
Eine umfassendere Darstellung ist notwendig, wenn zwei unterschiedliche Inputs<br />
und ein definierter Output vorliegen. In diesem Fall wird zur Darstellung der Inef-<br />
fizienz eine Isoquante verwendet. Analog zur vorigen Darstellung wird nun die<br />
Effizienzmessung <strong>für</strong> landwirtschaftliche Betriebe, die unter der Annahme von<br />
konstanten Skalenerträgen genau einen Outputgröße mit zwei unterschiedlichen<br />
Inputs erwirtschaften. Das Vorgehen bei dieser Methode basiert auf der Effizi-<br />
enzmessung nach Farrell (1957).<br />
Abbildung 3: Isoquante im 2-Input/1-Output-Fall<br />
Quelle: Eigene Darstellung<br />
Die effizienten Vergleichseinheiten (hier A, B und D) umhüllen den Raum der<br />
möglichen Produktionspunkte. Jede Vergleichseinheit, die nicht auf der Isoquan-<br />
te liegt, ist demnach ineffizient. Die Ineffizienz lässt sich in diesem Fall als der<br />
Abstand des Beobachtungspunktes zur Isoquante interpretieren. Damit das exak-<br />
te Ausmaß der Ineffizienz festgestellt werden kann, wird eine Gerade durch den<br />
Ursprung und durch die zu untersuchende Vergleichseinheit gelegt. Das Verhält-<br />
nis von<br />
ist folglich das vorhandene Ausmaß der Ineffizienz. Damit die<br />
Vergleichseinheit C zu einer effizienten Produktionseinheit wird, müssten der<br />
gesamte Input in gleichbleibendem Verhältnis entlang der Ursprungsgeraden<br />
reduziert werden. Im Rahmen dieser Betrachtungsweise ist es somit möglich, die<br />
technische Effizienz in einem Mehr-Faktoren-Fall zu bestimmen.<br />
Wenn zusätzliche Preisinformationen <strong>für</strong> die eingesetzten Inputs vorliegen, kann<br />
weitergehend untersucht werden, ob eine Vergleichseinheit die Faktoren auch<br />
entsprechend des Preisverhältnisses in einer effektiven Kombination eingesetzt<br />
hat. Das optimale Preisverhältnis wird in dem rechten Teil von Abbildung 3 durch<br />
die Gerade PP dargestellt. Der Tangentialpunkt von Preisgeraden und Isoquante<br />
stellt Minimalkostenkombination dar. Die Produktionseinheit C ist zwar technisch<br />
aber nicht ökonomisch effizient, weil bei fest vorgegebenen Preisen nicht die kos-
Methodik 13<br />
tenminimierende Kombination der zur Verfügung stehenden Faktoren eingesetzt<br />
wird. Somit müsste der Betrieb C seine Produktion nicht nach F verlagern. Die-<br />
ser Punkt spiegelt sowohl eine Effizienz von eins wie auch eine kostenminimale<br />
Produktionsweise wieder. Mit Hilfe der Ursprungsgeraden ist es möglich die allo-<br />
kative Effizienz zu ermitteln. Dabei dient das Verhältnis der Strecken<br />
Bestimmung der allokativen Effizienz (Dreesman, 2006). Weil die Datenbasis<br />
keine Preisinformationen <strong>für</strong> alle eingesetzten Inputs beinhaltet, kann die alloka-<br />
tive Effizienz im Rahmen dieser Arbeit nicht bestimmt werden. Des Weiteren<br />
muss darauf hingewiesen werden, dass auch bei der technischen Effizienz nicht<br />
exakt nach der Definition vorgegangen wird. Vielmehr werden alle Aufwendun-<br />
gen und Leistungen in monetären Einheiten erfasst und nicht in der <strong>für</strong> den jewei-<br />
ligen Faktor geltenden Maßeinheit (Puig-Junoy & Argilés, 2000).<br />
3.2. Einflussfaktoren auf die Effizienz des Marktfruchtbaus<br />
Eine Analyse der Determinanten <strong>für</strong> den betrieblichen Erfolg und die Effizienz<br />
von Marktfruchtbetrieben kann auf der makroökonomischen und auf der mirkoö-<br />
konomischen Ebene vorgenommen werden (Röders, 1996). Da bei einer makro-<br />
ökonomischen Beurteilung Strukturvariablen und Variablen <strong>für</strong> Regionszugehö-<br />
rigkeiten verwendet werden, kommt es in der Regel zur Bildung von Vergleichs-<br />
gruppen. Es handelt sich bei einer makroökonomischen Betrachtung also um<br />
aggregierte Gruppenvergleiche, bei denen regelmäßig die Verteilung einer be-<br />
stimmten Zielgröße (z.B. Steuergelder) im Mittelpunkt der Analyse steht.<br />
Eine mikroökonomische Analyse stellt Unternehmensmodelle in das Zentrum der<br />
Betrachtung. Dabei werden nicht aggregierte, sondern <strong>für</strong> jede Untersuchungs-<br />
einheit einzeln erfasste Größen verwendet. Die Mikroökonomie versucht also<br />
Aussagen über Unterschiede zwischen den Betrieben und Unternehmen zu ma-<br />
chen. Daher eignet sich eine mikroökonomische Betrachtungsweise <strong>für</strong> die vor-<br />
liegende Fragestellung des einzelbetrieblichen Effizienzvergleichs deutlich bes-<br />
ser als eine makroökonomische Betrachtungsweise (Röders, 1996).<br />
Ziel dieser Arbeit ist der effizienzanalytische Vergleich zwischen einzelnen land-<br />
wirtschaftlichen Betrieben bzw. Unternehmen. Weil die wesentlichen Akteure<br />
einer mikroökonomischen Analyse die Haushalte, das Unternehmen und der<br />
Staat sind, können einzelbetriebliche Unterschiede in der Erreichung von be-<br />
stimmten ökonomischen Zielen aufgedeckt und bewertet werden (Wiese, 2002).<br />
Vor Beginn einer jeden Effizienzanalyse ist es unumgänglich festzulegen welche<br />
Einflussfaktoren bei der Durchführung der Untersuchung Berücksichtigung finden<br />
sollen und welche Faktoren außer Acht gelassen werden können. Die Landwirt-<br />
zur
Methodik 14<br />
schaft verfügt über zahlreiche unterschiedliche Produktionszweige, die verschie-<br />
densten Umwelteinflüssen ausgesetzt sind. Im folgenden Abschnitt werden die<br />
wichtigsten Einflussfaktoren in einzelne Kategorien eingeteilt und kurz erläutert.<br />
Die Erfolgs- und Effizienzunterschiede von landwirtschaftlichen Betrieben wurden<br />
schon vielfach durch die Wissenschaft erforscht und untersucht. Viele dieser Un-<br />
tersuchungen sind zu dem Ergebnis gekommen, dass vor allem die differenten<br />
Standortbedingungen zu unterschiedlichen Erfolgskennzahlen in den betrachte-<br />
ten Betrieben führen. Nach Weinschenk und Henrichsmeyer (1966) lassen sich<br />
die Standortfaktoren nach einer bestimmten Struktur aufgliedern. Der wirtschaftli-<br />
che Erfolg ist nach dieser Definition von den folgenden Faktoren abhängig:<br />
� Natürliche Standortbedingungen<br />
� Äußere und innere Verkehrslage<br />
� Agrarpolitik<br />
� Stand der volkswirtschaftlichen Entwicklung<br />
� Produktionstechnik<br />
� Arbeitskräftebesatz<br />
� Persönlichkeit des Betriebsleiters / Management<br />
� Betriebsgröße<br />
� Kapitalausstattung<br />
Die oben aufgeführten Faktoren lassen sich offensichtlich in betriebsexterne und<br />
betriebsinterne Faktoren unterteilen. Die betriebsexternen Faktoren entziehen<br />
sich im Wesentlichen dem Einfluss des Betriebsleiters. Vielmehr werden diese<br />
Faktoren durch die äußeren Rahmenbedingungen bestimmt. Die hier genannten<br />
externen Faktoren lassen eine weitere Aufteilung in natürliche und gesellschaftli-<br />
che Faktoren sinnvoll erscheinen. Zu den natürlichen betriebsexternen Faktoren<br />
müssen demnach die Standortbedingungen gezählt werden. Der Marktfruchtbau<br />
findet unter freiem Himmel statt und ist daher von Bodengüte, Niederschlag und<br />
Temperaturen abhängig. Diese Einflussfaktoren lassen sich nur in äußerst gerin-<br />
gem Maße durch Beregnung o. Ä. verändern. Des Weiteren gehören gesell-<br />
schaftliche Rahmenbedingungen zu den betriebsexternen Faktoren. Es zählen<br />
die infrastrukturelle Anbindung des Betriebes an das Umland und die erschließ-<br />
baren Absatzwege genauso zu den gesellschaftlichen Faktoren, wie die vorherr-<br />
schende Agrarpolitik und der Stand der volkswirtschaftlichen Entwicklung. Be-<br />
sonders die beiden letztgenannten Faktoren können verschiedenste Umweltauf-<br />
lagen oder Anforderungen an die Nachhaltigkeit der Landwirtschaft mit sich zie-<br />
hen. Diese und andere gesellschaftspolitischen Rahmenbedingungen entziehen
Methodik 15<br />
sich ebenfalls zum großen Teil dem Einfluss des landwirtschaftlichen Unterneh-<br />
mers.<br />
Die betriebsinternen Faktoren lassen sich in der Regel sehr gut durch den Be-<br />
triebsleiter beeinflussen. Unter dem Faktor der Produktionstechnik werden hier<br />
im weiteren Sinne der Einsatz aller ertragssteigernden Betriebsmittel sowie der<br />
Aufwand <strong>für</strong> Maschinen verstanden. Es handelt sich hierbei also um Faktoren,<br />
die <strong>für</strong> Marktfruchtbetriebe die bestimmenden Ursachen der Ertragsmaximierung<br />
sind (Pleßman, 2000). Weitere betriebsinterne Faktoren sind der Arbeitskräftebe-<br />
satz, die Kapitalausstattung und die Persönlichkeit des Betriebsleiters. Letztere<br />
ist aber nur in sehr engen Grenzen durch den Betriebsleiter in Form von Aus-<br />
und Weiterbildung zu beeinflussen.<br />
Zahlreiche Untersuchungen haben in der Vergangenheit belegt, dass es einen<br />
großen Zusammenhang zwischen der Betriebsgröße und der Effizienz des unter-<br />
suchten Betriebes gibt (Mohr, 1971; Jürgensen, 1981). Aufgrund dessen muss<br />
die Betriebsgröße als ein weiterer Einflussfaktor aufgeführt werden. Da es sich<br />
bei dem Faktor Boden um ein nachweislich knappes Produktionsgut handelt, hat<br />
die Unternehmensführung nicht unbegrenzt die Möglichkeit den Einsatz dieses<br />
Faktors zu erweitern. Hier spielt auch die regionale Lage der Betriebe eine wich-<br />
tige Rolle. In einigen Landkreisen der Bundesrepublik Deutschland, die über viel<br />
landwirtschaftliche Nutzfläche und wenig Einwohner verfügen, ist die Akquise von<br />
Flächen in Form von Zukauf oder Pachtung um ein Vielfaches einfacher zu er-<br />
möglichen als in dicht besiedelten flächenarmen Regionen. Dieser Aspekt be-<br />
schreibt die eingangs aufgeführten Faktoren innere und äußere Verkehrslage<br />
bzw. Standortbedingungen.<br />
Wie bereits kurz erwähnt wurde, kommt dem Management in landwirtschaftlichen<br />
Betrieben eine zentrale Bedeutung zu. Die oben beschriebenen betriebsinternen<br />
Faktoren lassen sich durch das Betriebsmanagement in unterschiedlichem Um-<br />
fang beeinflussen. Letztendlich bestimmen vor allem bei den ertragssteigernden<br />
Faktoren der Zeitpunkt und die Aufwandmenge über die Effizienz des Produkti-<br />
onszyklus in einem marktfruchtproduzierenden Betrieb.<br />
Die vorliegende Arbeit hat das Ziel, den Einfluss der Organisationsform von<br />
Marktfruchtbetrieben auf deren Effizienz zu ermitteln. Dazu werden neben den<br />
betriebsinternen noch weitere Faktoren berücksichtigt. Dazu zählen unter ande-<br />
rem die Rechtsform des Unternehmens, der Umsatzanteil des Veredlungszwei-<br />
ges am Gesamtumsatz des Unternehmens, sowie die Anzahl der Früchte in der<br />
vorhandenen Fruchtfolge. Des Weiteren werden verschiedene betriebsbeschrei-
Methodik 16<br />
bende Dummy-Variablen verwendet. Eine exakte Darstellung der exogenen Mo-<br />
dellvariablen wird in den folgenden Abschnitten aufgeführt.<br />
3.3. Methodische Grundlagen der Effizienzanalyse<br />
Um die technische Effizienz von Unternehmen (oder auch Vergleichseinheiten)<br />
zu bestimmen, gibt es verschiedene Ansätze. Im Rahmen dieser Arbeit wird zur<br />
Bestimmung der Effizienzniveaus der Fokus auf die Frontierkonzepte gelegt. Die<br />
Ansätze zur Messung von Effizienz mit Hilfe von Frontierkonzepten gehen auf<br />
Farrell (1957) zurück. In seinem Artikel beschreibt der Autor beispielhaft die Mes-<br />
sung der Effizienz <strong>für</strong> landwirtschaftliche Betriebe mit vier Faktoren zur Darstel-<br />
lung des Inputs und einer den Output beschreibenden Größe.<br />
Grundlage <strong>für</strong> jegliches Frontierkonzept ist ein ausgewählter Datensatz, der aus<br />
entsprechenden Beobachtungen in einem ausreichenden Stichprobenumfang<br />
besteht. Aus den Beobachtungen wird nun mit Hilfe der Frontiermodelle eine<br />
Produktionsfunktion geschätzt. Diese Produktionsfunktion wird auch als „effizien-<br />
ter Rand der Technik“ oder Produktionsfrontier bezeichnet (Röders, 1996). Das<br />
erklärte Ziel von allen angewandten Methoden der Effizienzanalyse muss es<br />
sein, eine aggregierende Kennzahl zu bestimmen, die Aussagen über die Effizi-<br />
enz der Vergleichseinheit zulässt und gleichzeitig Variablen mit unterschiedlicher<br />
Skalierung und Maßeinheit aufnimmt (Gubi, 2006).<br />
Die Fachliteratur unterteilt die Frontieransätze nach verschiedenen Kriterien.<br />
Dem ersten Kriterium zur Folge können die Ansätze in parametrische und nicht-<br />
parametrische Verfahren unterteilt werden. Die zur Verfügung stehenden Metho-<br />
den werden in deterministische und stochastische Vorgehensweisen aufgeteilt.<br />
Wie oben erwähnt bestehen die Frontieransätze in ihrem Kern aus einer zu<br />
schätzenden Produktionsfunktion. Bei dem parametrischen Ansatz muss a-priori<br />
die Form der Produktionsfunktion festgelegt werden. Dieser Ansatz hat allerdings<br />
einen großen Nachteil. Da es nur schwer möglich ist eine allgemeingültige Funk-<br />
tionsform zu finden, kann unterstellt werden, dass bereits durch die Wahl der<br />
Funktionsform die Resultate der Analyse nur begrenzt aussagefähig sind<br />
(Francksen, 2007). Die Parameter der Funktionsform des parametrischen Ansat-<br />
zes werden durch regressionsanalytische Verfahren anhand des vorhandenen<br />
Datensatzes geschätzt.<br />
Der Vorteil des parametrischen Verfahrens im Vergleich mit dem nicht-<br />
parametrischen Ansatz ist, dass stochastische Schwankungen durch unvorher-<br />
sehbare Einflüsse (Wetterschwankungen o. Ä.) berücksichtigt werden können.<br />
Ein weiterer Vorteil dieser Methode ist, dass Kovariablen (Bodengüte, Rechts-
Methodik 17<br />
form, Veredlung) zur Erklärung von Effizienzunterschieden zusätzlich in dem Mo-<br />
dell implementiert werden können.<br />
Bei dem nicht-parametrischen Ansatz wird durch eine lineare Programmierung<br />
versucht, die beobachteten Werte des Datensatzes möglichst eng zu umhüllen.<br />
Somit ist es nicht notwendig, vorab eine Produktionsfunktion festzulegen. Dies ist<br />
der entscheidende Vorteil des nicht-parametrischen Ansatzes. Allerdings muss<br />
berücksichtigt werden, dass dieses Verfahren nicht in der Lage ist, adäquat auf<br />
Ausreißer in dem Datensatz zu reagieren. Vielmehr werden alle Abweichungen<br />
von der Frontier, egal ob zufälligen oder produktionsbedingten Ursprungs, als<br />
Ineffizienzen gewertet (Francksen, 2007). Nachteilig ist, dass Aussagen über<br />
Kovariablen nur möglich sind, wenn in einem zweiten an die lineare Programmie-<br />
rung anschließenden Schritt eine Regression durchgeführt wird.<br />
Die folgende Aufteilung in stochastische und deterministische Analysemethoden<br />
berücksichtigt die stochastischen Schwankungen der unvorhersehbaren Einflüs-<br />
se. Bei dem stochastischen Ansatz wird der Produktionsfunktion ein Störterm<br />
hinzugefügt, der die zufälligen Schwankungen berücksichtigen soll. Bei der de-<br />
terministischen Vorgehensweise entfällt dieser Schritt. Hier bildet die Produkti-<br />
onsfunktion exakt den maximal möglichen Output ab (Gubi, 2006).<br />
Abbildung 4: Übersicht über Frontieransätze<br />
Quelle: Eigene Darstellung nach Francksen, 2010<br />
Es werden in der Fachliteratur keine eindeutigen Aussagen darüber gemacht,<br />
welches der beiden Verfahren vorzuziehen ist. Dennoch gibt es zwei Verfahren,<br />
die sich in der praktischen Anwendung durchgesetzt haben. In Abbildung 4 ist die<br />
stochastische Frontier-Analyse <strong>für</strong> den stochastisch parametrischen Ansatz und<br />
die Data Envelopment Analysis <strong>für</strong> den deterministisch nicht-parametrischen An-<br />
satz angeführt.
Methodik 18<br />
Zur Bearbeitung der vorhandenen Fragestellung wird die stochastische Frontier-<br />
Analyse gewählt.<br />
Weil es sich bei dieser Methode um ein regressionsanalytisches Verfahren han-<br />
delt, können sowohl Ausreißer im Datensatz wie auch erklärende Kovariablen in<br />
einem Modell gleichzeitig berücksichtigt werden. Wie bei jeder Regressionsana-<br />
lyse lassen sich auch in diesem Fall Signifikanzniveaus <strong>für</strong> jeden Koeffizienten<br />
bestimmen. Dadurch ist es möglich Aussagen über die Qualität der gewonnen<br />
Information zu treffen (Bielecki, 2009).<br />
3.4. Die stochastische Frontier-Analyse<br />
Im Rahmen einer Effizienzanalyse <strong>für</strong> landwirtschaftliche Betriebe in den USA<br />
entwickelte Timmer (1971) erstmals die Methode der stochastischen Frontier-<br />
Analyse. Daraufhin wurde die Methodik einige Jahre später von Aigner, Lovell<br />
und Schmidt (1977), sowie davon unabhängig von Meeussen und van den<br />
Broeck (1977) angewandt. Weitergehend wurde von Battese und Coelli (1992) in<br />
Anlehnung an den Artikel von Jondrow, Lovell, Matreov und Schmidt (1982) das<br />
Maximum-Likelihood Verfahren entwickelt. Mit Hilfe dieser Verfahren ist es mög-<br />
lich, den Fehler-Term der durchgeführten Regressionsanalyse zu unterteilen und<br />
somit <strong>für</strong> jede vorhandene Beobachtung das Ausmaß der technischen Ineffizienz<br />
zu bestimmen. Das in dieser Arbeit formulierte Modell wird in Anlehnung an Bat-<br />
tese und Coelli (1995) aufgebaut und zur weiteren empirischen Analyse verwen-<br />
det.<br />
Es werden die zwei gängigsten Modellvarianten vorgestellt und später zur An-<br />
wendung gebracht. In dem ersten Modell wird eine klassische Cobb-Douglas-<br />
Produktionsfunktion unterstellt, bevor im zweiten erweiterten Teil der Analyse<br />
eine auf der Cobb-Douglas-Funktion basierende transzendent-logarithmische<br />
(Translog) Funktionsform zum Einsatz kommt. Durch die Verwendung von zwei<br />
differenten Funktionsformen <strong>für</strong> die Produktion landwirtschaftlicher Unternehmen<br />
sollen Antworten auf die in der Einleitung aufgezählten Leitfragen gegeben wer-<br />
den. Außerdem soll erkennbar werden, welche der beiden Funktionsformen <strong>für</strong><br />
die Untersuchung bezüglich der technischen Effizienz von landwirtschaftlichen<br />
Betrieben in Deutschland besser geeignet scheint. Um zu klären, welches der<br />
beiden Modelle die Realität besser abbildet, wird abschließend der Likelihood-<br />
Ratio-Test angewandt. Durch diesen Test kann geprüft werden, ob das restrin-<br />
gierte Cobb-Douglas-Modell oder das unrestringierte Translog-Modell einen hö-<br />
heren Erklärungsgehalt hat.
Methodik 19<br />
Um das Verständnis <strong>für</strong> die Vorgehensweise zu Erleichtern wird in diesem Ab-<br />
schnitt der generelle Aufbau der vorgesehenen Produktionsfunktionen beschrie-<br />
ben, bevor dann im Kapitel 4 die explizite, <strong>für</strong> die Forschungsfrage relevante,<br />
Modellformulierung stattfindet.<br />
Die klassische Produktionsfunktion <strong>für</strong> landwirtschaftliche Betriebe ist eine Funk-<br />
tion, die von drei Hauptfaktoren abhängt. Gleichung (3.3) zeigt die den Output<br />
bestimmenden Variablen einer solchen Produktionsfunktion.<br />
mit: i = Anzahl der Beobachtungen (i=1, 2, …, N)<br />
q = Output gemessen in Umsatzerlösen<br />
A = Arbeitsmenge<br />
K = Kapitalaufwand<br />
B = Bodenmenge<br />
(3.3)<br />
Wenn eine Cobb-Douglas-Funktion unterstellt wird, ergibt sich anschließend der<br />
Ausdruck in Gleichung (3.4) (Zellner et al., 1966).<br />
mit: i = Anzahl der Beobachtungen (i=1, 2, …, N)<br />
mit<br />
qi = Output der i-ten Beobachtung<br />
S = Niveauparameter<br />
A = Arbeitsmenge<br />
K = Kapitalaufwand<br />
B = Bodenmenge<br />
(3.4)<br />
α β γ = zu bestimmende Regressionskoeffizienten<br />
εi = Störterm <strong>für</strong> die i-te Beobachtung<br />
Um die Bestimmung der Regressionskoeffizienten zu ermöglichen wird das zuvor<br />
formulierte Modell mit Hilfe des natürlichen Logarithmus transformiert. Nach dem<br />
Logarithmieren stellt sich das Modell wie folgt dar:<br />
(3.5)<br />
Analog zur Cobb-Douglas-Funktion soll nun im Folgenden auch die Translog-<br />
Funktionsform dargestellt werden. Um weiterhin die Übersichtlichkeit zu bewah-<br />
ren wird diese Form der Produktionsfunktion beispielhaft <strong>für</strong> die Faktoren Boden<br />
und Kapital erläutert (Gleichung (3.6)).
Methodik 20<br />
Nach dem Logarithmieren ergibt sich folgender Term:<br />
Für den Mehrfaktoren-Fall ergibt sich folgende Struktur:<br />
mit: i = Anzahl der Beobachtungen (i= 1, 2, …, N)<br />
j = Anzahl der Faktoren (j = 1, 2, …, N)<br />
k = Anzahl der Faktoren (k=1, 2, …, N)<br />
(3.6)<br />
In der Literatur wird oft beschrieben, dass eine Cobb-Douglas-<br />
Produktionsfunktion in ihren Grenzen zu eng ist, um die Realität angemessen<br />
abzubilden. Den Hauptkritikpunkt stellt hier sicherlich die konstante Skalenelasti-<br />
zität dar (Eichhorn, 1968). Auch Schierjott und Schulze (1985) beschreiben, dass<br />
<strong>für</strong> mehr als zwei Inputgüter Produktionsfunktionen vom Typ der Cobb-Douglas-<br />
Funktion kaum geeignet scheinen, weil in Bezug auf die Substitutionselastizitäten<br />
sehr restriktive Annahmen getroffen werden.<br />
Die Translog-Funktion erfasst neben den einzelnen Produktionsfaktoren zusätz-<br />
lich die sogenannten Kreuzterme. Durch diese Art der Funktion werden auch<br />
nicht homothetische Nutzenfunktionen zugelassen. Es besteht somit eine deut-<br />
lich geringere Verzerrungsgefahr bei der einzelbetrieblichen Effizienzanalyse<br />
(Röders, 1996). Wie bereits oben kurz erwähnt, wird der Störterm bisher in An-<br />
lehnung an Aigner et al. (1977), Meeusen und van den Broeck (1977) und Batte-<br />
se und Corra (1977) in zwei Komponenten unterteilt. Damit eine Schätzung des<br />
kombinierten Störterms möglich wird, müssen a-priori Annahmen über die Vertei-<br />
lung der beiden Fehlerkomponenten gemacht werden (Kumbhakar & Lovell,<br />
2003).<br />
Die Variable stellt die unsystematische Zufallskomponente in dem Modell dar.<br />
Sie ist normalverteilt mit einem Erwartungswert von Null (N ). Laut Definiti-<br />
on kann diese Größe sowohl negative als auch positive Werte annehmen. Es<br />
handelt sich hierbei um weißes Rauschen. Welches dazu dient zufallsbedingte<br />
Einflüsse durch Wetter oder ähnliche vom Betriebsleiter nicht beeinflussbare Fak-<br />
toren im Modell zu berücksichtigen.<br />
Die zweite Komponente des Störterms wird als Ineffizienz interpretiert. Hier han-<br />
delt es sich um die systematisch bedingte einseitig-positive Komponente des
Methodik 21<br />
Störterms ( ). Es wird von zahlreichen Autoren unterstellt, dass dieser Teil<br />
des Störterms einer abgeschnittenen Normalverteilung folgt (Battese & Coelli,<br />
1993). Die gleichen Annahmen gelten auch in dieser Arbeit <strong>für</strong> die Verteilung der<br />
Komponenten des Störterms. Zusätzlich wird bezüglich der Standardabweichun-<br />
gen definiert, dass und<br />
gilt. Mit Hilfe dieser Definition<br />
kann angegeben werden, welcher Anteil der gesamten Varianz auf die systema-<br />
tische Komponente des Störterms zurückzuführen ist (Jondrow et al., 1982). Die-<br />
ses Modell wird als Composed-Error-Model bezeichnet. Battese und Coelli<br />
(1993) verwenden in ihrem Artikel ebenfalls einen aus zwei Komponenten beste-<br />
henden Störterm. Hier gilt es aber hervorzuheben, dass der systematisch beding-<br />
te Teil des Störterms durch eine Regression erklärt wird. Die Annahmen <strong>für</strong> die<br />
unsystematische Zufallskomponente des Störterms sind exakt die gleichen wie<br />
im Composed-Error-Model. Die Variable stellt in diesem Fall die systematisch<br />
bedingte einseitige Komponente mit der Verteilung N , wobei gilt:<br />
.<br />
Die exogenen Kovariablen werden durch den ( )-Vektor , die zu schätzen-<br />
den Parameter durch den ( )-Vektor dargestellt. Bei diesem Modell handelt<br />
sich um das Technical-Effects-Model. Es werden sowohl die Parameter des ei-<br />
gentlichen SFA-Models und die Parameter des Technical-Effects-Models in ei-<br />
nem Schritt durch das Maximum-Likelihood-Schätzverfahren bestimmt (Gubi,<br />
2006). Im weiteren Verlauf der Arbeit wird ausschließlich das eben beschriebene<br />
Technical-Effects-Model angewandt.<br />
Vor dem Hintergrund, dass Röders (1996) sich bereits ausführlich mit den Ablei-<br />
tungen der Likelihood-Funktionen befasst hat, werden im nächsten Abschnitt nur<br />
kurz die wesentlichen Schritte zur Interpretation der einzelbetrieblichen Effizienz<br />
erläutert.<br />
Nachdem die systematisch bedingte Komponente des Störterms, wie oben be-<br />
schrieben ermittelt ist, kann letztendlich die technische Effizienz <strong>für</strong> jede Beo-<br />
bachtungseinheit bestimmt werden. Vereinfacht lassen sich die bereits beschrie-<br />
benen Produktionsfunktionen wie folgt darstellen:<br />
β mit (3.7)<br />
Laut der bereits unterstellten Notation stellt den j-ten Inputfaktor <strong>für</strong> die i-te<br />
Beobachtung dar, wobei lediglich den Output der i-ten Beobachtung wieder-<br />
gibt. β beschreibt den zu schätzenden Regressor des j-ten Faktors. Basierend
Methodik 22<br />
auf der Annahme des zweigeteilten Störterms lässt sich die technische Effizienz<br />
<strong>für</strong> jede einzelne Beobachtung folgendermaßen ermitteln:<br />
(3.8)<br />
mit: = tatsächlicher Output der i-ten Beobachtung<br />
= Frontieroutput der i-ten Beobachtung<br />
Mit Hilfe dieser Gleichung lässt sich die technische Effizienz <strong>für</strong> jede Beobach-<br />
tung und damit auch <strong>für</strong> jeden Einzelbetrieb berechnen. Abschließend wird an-<br />
hand von Abbildung 5 die Vorgehensweise bei der stochastischen Frontier-<br />
Analyse in einer Grafik gezeigt.<br />
Abbildung 5: Grafische Darstellung der SFA<br />
Quelle: Eigene Darstellung nach BATTESE, 1992<br />
Die Abbildung 5 beinhaltet die beispielhafte Darstellung der Effizienzermittlung<br />
<strong>für</strong> die Beobachtungseinheiten 1 und 2. Für beide Einheiten lässt sich nun mit<br />
Hilfe der zuvor festgelegten Produktionsfunktion und der oben beschriebenen<br />
Annahmen zu den Störtermen ein SFA-Ergebnis <strong>für</strong> jede Beobachtung bestim-<br />
men. Dieser Wert liegt je nach Ausprägung von ober- oder unterhalb der Pro-<br />
duktionsfunktion. Die technische Effizienz lässt sich laut Gleichung (3.8) als der<br />
Quotient aus dem tatsächlichen Output und dem Frontieroutput <strong>für</strong> die jeweilige<br />
Beobachtungseinheit darstellen. Die Ermittlung der Frontierfunktionsparameter<br />
und der jeweiligen Effizienzniveaus erfolgt mit Hilfe des Programmes Frontier 4.1.
Methodik 23<br />
Die Aufbereitung der Daten und die anschließenden Tests zur Modellgüte wer-<br />
den mit Hilfe von Stata 11 berechnet.<br />
3.5. Tests zur Modellgüte<br />
Im Anschluss an jede Regressionsanalyse müssen eine Reihe von statistischen<br />
Tests durchgeführt werden, damit die Aussagefähigkeit des errechneten Modells<br />
überprüft werden kann. Dazu werden im folgenden Abschnitt drei ausgewählte<br />
Testverfahren vorgestellt, die im Rahmen dieser Arbeit zur Anwendung kommen<br />
sollen.<br />
Die ausgewählten Testverfahren sind:<br />
� Likelihood-Ratio-Test<br />
� Spearmans-Rangkorrelationskoeffizient<br />
� Breusch-Pagan-Test<br />
3.5.1. Likelihood-Ratio-Test<br />
Es ist von großem Interesse, ob der parametrische oder nicht-parametrische An-<br />
satz besser geeignet scheint, um die Realität abzubilden bzw. zu erklären.<br />
Grundsätzlich wird davon ausgegangen, dass mit steigender Anzahl an berück-<br />
sichtigten Variablen auch der Erklärungsbeitrag des Modells steigt. Dieser Vor-<br />
gehensweise sind allerdings Grenzen gesetzt, da ein bestimmtes Verhältnis zwi-<br />
schen der Anzahl der Variablen und dem Stichprobenumfang nicht unterschritten<br />
werden darf. In der Literatur wird darauf hingewiesen, dass ein Verhältnis von 1:7<br />
zwischen erklärenden Variablen und Beobachtungseinheiten bestehen sollte<br />
(Banker et al., 1984).<br />
Wie in Kapitel 3.4 beschrieben, werden in der Translog-Funktion zusätzliche<br />
Kreuzterme der verwendeten exogenen Variablen berücksichtigt. Somit handelt<br />
es sich bei dieser Funktion um das umfangreichere Modell, welches im folgenden<br />
Abschnitt als das Alternativmodell bezeichnet wird. Das restringierte Modell ba-<br />
siert folglich auf der etwas weniger umfangreichen Cobb-Douglas-<br />
Produktionsfunktion. Dieses Modell wird im weiteren Verlauf als das Nullmodell<br />
bezeichnet.<br />
Es soll durch diesen Test geklärt werden, ob die zusätzlichen Kreuzterme der<br />
Translog-Modellformulierung einen Erklärungsbeitrag leisten oder nicht. Sobald<br />
die Kreuzterme einen Erklärungsbeitrag leisten, sind ihre Koeffizienten von null<br />
verschieden. Entsprechend wird die zu überprüfende Nullhypothese formuliert.<br />
Mit Hilfe des Likelihood-Ratio-Tests werden nun die Likelihood-Werte der beiden
Methodik 24<br />
Regressionen in ein Verhältnis zueinander gesetzt. Die Teststatistik ist wie folgt<br />
definiert:<br />
.<br />
.<br />
(3.9)<br />
Für die Verteilung des Prüfmaßes „LRT“ wird die Chi-Quadrat-Verteilung unter-<br />
stellt. Somit lässt sich anhand des ermittelten Wertes und einer entsprechenden<br />
Chi-Quadrat-Verteilung überprüfen, ob die Nullhypothese abgelehnt werden kann<br />
oder nicht. Sobald abgelehnt wird, leistet die nicht restringierte Modellformu-<br />
lierung einen signifikant besseren Erklärungsbeitrag als das restringierte Modell<br />
(Posada & Buckley, 2004).<br />
Analog zu dem Vergleich von zwei Funktionsformen lässt sich auch die generelle<br />
Verwendbarkeit eines Modells mit diesem Test überprüfen. Zu diesem Zweck<br />
wird ein weiteres Nullmodell geschätzt, in dem alle Regressionskoeffizienten der<br />
Kovariablen gleich null gesetzt werden, so dass lediglich das Modell der Produk-<br />
tionsfrontier zur Erklärung der Umsatzerlöse vorhanden ist. Somit kann vorab<br />
getestet werden, ob die Kovariablen des Technical-Effects-Modells zur Erklärung<br />
der einzelbetrieblichen Effizienz geeignet sind.<br />
Für die Anwendung des Likelihood-Ratio-Tests wird die korrekte Modellformulie-<br />
rung von mindestens einem der beiden verglichenen Modelle unterstellt. Wenn<br />
dies nicht der Fall, ist kann das Ergebnis zu einer falschen Interpretation führen<br />
(Posada & Buckley, 2004).<br />
3.5.2. Spearmans-Rangkorrelationskoeffizient<br />
Der Spearman-Rangkorrelationskoeffizient dient zur Erklärung der Zusammen-<br />
hänge zwischen zwei Variablen. Es wird somit überprüft, in welchem Umfang<br />
eine beliebige monotone Funktion den Zusammenhang zwischen zwei Variablen<br />
darstellen kann. Die Besonderheit dieses Testverfahrens besteht darin, dass die<br />
Effizienzwerte der beiden Analysen in Rängen geordnet werden, um anschlie-<br />
ßend die Originalwerte durch die Ränge zu ersetzen.<br />
Der Rangkorrelationskoeffizient nach Spearman berechnet sich wie folgt:<br />
(3.10)
Methodik 25<br />
Mit Hilfe des Korrelationskoeffizienten lassen sich nun Aussagen darüber treffen,<br />
wie stark zwei Größen miteinander korrelieren. Es gilt: Je größer ist, desto<br />
stärker hängen die untersuchten Variablen voneinander ab (Fahrmeir et al.,<br />
2007). Laut Fahrmeir, et al. (2007) lässt sich <strong>für</strong> relativ genaue Messungen fol-<br />
gende Grobeinteilung zugrunde legen:<br />
„schwache Korrelation“ :<br />
„mittlere Korrelation“ :<br />
„starke Korrelation“ :<br />
3.5.3. Breusch-Pagan-Test<br />
Nachdem alle Berechnungen durchgeführt worden sind, müssen bestimmte Ei-<br />
genschaften des Modells überprüft werden.<br />
Wenn die Residuen eines Modells unterschiedliche Varianzen aufweisen, spricht<br />
man im Allgemeinen von Heteroskedastizität (Fahrmeir et al., 2007). Durch die<br />
zuvor beschriebene Modellspezifikation wurde festgelegt, dass man von einem<br />
konstanten Mittelwert und einer gleichbleibenden Standardabweichung bei den<br />
Störtermen ausgeht. Wenn Heteroskedastizität vorliegt, ist diese Grundannahme<br />
nicht mehr gegeben und es könnte somit Fehlspezifikationen in dem Modell ge-<br />
ben.<br />
Im Rahmen des Breusch-Pagan-Tests wird mit Hilfe einer einfachen Regression<br />
überprüft, ob die Residuen des betrachteten Modells unabhängig von den exo-<br />
genen Variablen sind (Waldman, 1983). Die Vorgehensweise bei diesem Test<br />
wird im folgenden Passus kurz erläutert.<br />
Mit Hilfe einer einfachen OLS-Regression kann der Zusammenhang zwischen<br />
unabhängigen und abhängigen Variablen bestimmt werden. Somit können also<br />
auch die Residuen bestimmt werden (Gleichung (3.11)).<br />
(3.11)<br />
Einleitend wurde beschrieben, dass überprüft werden soll, ob es einen Zusam-<br />
menhang zwischen den Residuen und den unabhängigen Variablen gibt. In<br />
einer weiteren OLS-Schätzung wird nun der Zusammenhang zwischen den qua-<br />
drierten Residuen und den unabhängigen Variablen überprüft (Gleichung (3.12)).<br />
(3.12)
Methodik 26<br />
Mit Hilfe des im Rahmen der zweiten OLS-Schätzung ermittelten Bestimmtheits-<br />
maßes (R²) kann nun gezeigt werden, ob die abhängige Variable ( ) einen signi-<br />
fikanten Einfluss auf die Residuen hat oder nicht. Das Prüfmaß des<br />
Breusch/Pagan-Tests ist Chi-Quadrat verteilt und lautet:<br />
(3.13)<br />
Wenn die Nullhypothese (Homoskedastizität) nicht abgelehnt werden kann, muss<br />
von Heteroskedastizität ausgegangen werden. Diese Annahme hat zur Folge,<br />
dass jedes Modell entsprechend angepasst werden muss.
SFA-Modell 27<br />
4. SFA-Modell<br />
Im vorigen Kapitel wurde die allgemeine Vorgehensweise im Rahmen einer sto-<br />
chastischen Frontier Analyse erörtert. In dem folgenden Passus wird die spezifi-<br />
sche Modellformulierung der vorliegenden Arbeit abgebildet. In dem ersten Teil<br />
dieses Abschnittes wird explizit auf die Wahl einer geeigneten Produktionsfunkti-<br />
on eingegangen. Danach wird eine kurze Übersicht der verwendeten Variablen<br />
geben, bevor in dem anschließenden zweiten Teil die genaue Formulierung des<br />
Modells vorgenommen wird.<br />
4.1. Umfang des Modells<br />
Die Wahl der Produktionsfunktion stellt eines der zentralen Probleme bei einer<br />
Effizienzanalyse mit Hilfe der SFA dar. Ziel ist es, durch die unterstellte Produkti-<br />
onsfunktion die Realität möglichst exakt abzubilden. Verwendet man einfache<br />
Funktionstypen, wie z. B. arithmetisch-lineare Verknüpfungen, wird per Definition<br />
eine konstante Grenzproduktivität unterstellt. Diese Annahme schränkt ein Modell<br />
erheblich in seiner Abbildungsschärfe ein, so dass auf diesen Typ von Funktio-<br />
nen generell verzichtet werden sollte (Röders, 1996). In der Literatur werden häu-<br />
fig Cobb-Douglas-Funktionen (Kurkalova & Carriquiry, 2003; Battese & Coelli,<br />
1995; Pleßman, 2000) oder Translog-Funktionen (Röders, 1996; Tiedemann &<br />
Latacz-Lohmann, 2011; Kriese, 2008; Gubi, 2006) angewandt.<br />
Die Vorgehensweise bei der Verwendung dieser beiden Funktionstypen wurde in<br />
Kapitel 4 bereits dargestellt. In dem folgenden Passus werden die explizit zur<br />
Anwendung kommenden Parameter und Einflussgrößen des Modells näher be-<br />
schrieben. Im Anschluss daran wird das konkrete SFA-Modell vorgestellt.<br />
Die herkömmliche Produktionsfunktion von landwirtschaftlichen Betrieben orien-<br />
tiert sich an den drei klassischen Produktionsfaktoren Arbeit, Kapital und Boden.<br />
Bei diesen drei Faktoren handelt es sich um die zentralen Inputvariablen einer<br />
landwirtschaftlichen Unternehmung. Am Anfang von jeder Regression steht die<br />
Wahl des zu erklärenden Outputs.<br />
Das erklärte Ziel dieser Arbeit ist es, die Effizienz des Marktfruchtbaus zu ermit-<br />
teln. Aus diesem Grund bietet es sich an, die Umsatzerlöse des Pflanzenbaus<br />
pro Betrieb als Output zu erklären. Dabei wird eine exakte Definition bezüglich<br />
der zu verwendenden Einflussgrößen vorgenommen. Da sich die Untersuchung<br />
auf Marktfruchtbetriebe beschränkt, werden jegliche Umsatzerlöse, die <strong>für</strong> einen<br />
klassischen Marktfruchtbetrieb als fremd erscheinen, im Output nicht berücksich-<br />
tigt. Dazu gehören unter anderem die Silage- und Grünfutterproduktion oder die<br />
spezialisierte Gemüseproduktion. Eine genaue Darstellung der verwendeten Va-
SFA-Modell 28<br />
riablen zeigt die Tabelle 2 und der Anhang 1. Der Inputfaktor Boden wird als ab-<br />
solute Größe in der Einheit „Hektar landwirtschaftlicher Nutzfläche pro Betrieb“<br />
ermittelt und später in der Berechnung verwendet. Weiterhin werden die im Be-<br />
trieb zur Verfügung stehenden Arbeitskräfte erfasst. Auch diese Variable wird als<br />
absoluter Wert ermittelt. Um das in der Produktion gebundene Kapital zu berück-<br />
sichtigen, werden verschiedene Positionen aus den Jahresabschlüssen in den<br />
Datensatz integriert. Zum einen wird der Spezialaufwand <strong>für</strong> die Pflanzenproduk-<br />
tion (Dünger, Saatgut, Pflanzenschutzmittel) erfasst, zum anderen werden alle<br />
der Pflanzenproduktion direkt zuordenbaren Aufwendungen (Diesel usw.) in ei-<br />
nem Inputfaktor gebündelt. Dieser Faktor wird im weiteren Verlauf der Arbeit als<br />
Vorleistung bezeichnet. Jeder landwirtschaftliche Betrieb hat Aufwendungen, die<br />
der Pflanzenproduktion nicht direkt zuordenbar sind. Dennoch sind die Ausgaben<br />
<strong>für</strong> eine erfolgreiche Pflanzenproduktion unvermeidbar. Damit auch dieser Input<br />
Berücksichtigung findet, wird die Variable des sonstigen betrieblichen Aufwandes<br />
eingeführt. Mit dieser Position werden beispielsweise alle Unterhaltungskosten,<br />
Versicherungskosten und sonstige Materialaufwendungen zusammengefasst.<br />
Um den Kapitalaufwand <strong>für</strong> Maschinen realitätsnah widerzuspiegeln, werden die<br />
da<strong>für</strong> anfallenden Aufwendungen <strong>für</strong> Abschreibungen des jeweiligen Geschäfts-<br />
jahres zu Grunde gelegt.<br />
Besonders bei Betrieben mit einem Veredlungszweig ist es wichtig, die Aufwen-<br />
dungen <strong>für</strong> Abschreibungen von Wirtschaftsgebäuden den jeweiligen Produkti-<br />
onszweigen zu zuordnen. Da eine exakte Aufschlüsselung der Abschreibungen<br />
<strong>für</strong> Wirtschaftsgebäude in Betrieben mit Veredlung ex post nicht mehr möglich ist,<br />
wird lediglich auf die Aufwendungen <strong>für</strong> Lagerhaltungs- und Trocknungskosten<br />
der jeweiligen Untersuchungseinheit zurückgegriffen. Durch diese Vorgehens-<br />
weise werden die Kosten <strong>für</strong> Trocknung und Lagerung der Marktfrüchte in jedem<br />
Betrieb berücksichtigt. In der Regel sind keine weiteren Wirtschaftsgebäude zur<br />
Produktion von Marktfrüchten zwingend erforderlich.<br />
Um ein aussagefähiges Modell zu entwickeln, ist es allerdings unumgänglich<br />
weitere betriebsbeschreibende Faktoren in dem Modell zu berücksichtigen. Hier-<br />
bei handelt es sich um die sogenannten Kovariablen, die in dem Technical-<br />
Effects-Model berücksichtigt werden.<br />
Ziel dieser Arbeit ist es auch, den Einfluss der Organisationsform eines Markt-<br />
fruchtbetriebes auf dessen Effizienz zu bestimmen. Zur Abbildung der entspre-<br />
chenden Organisationsform werden zusätzliche Kennzahlen und Größen errech-<br />
net, die Aufschluss über die innerbetriebliche Organisation geben. Diese Kenn-<br />
größen werden ebenfalls als Kovariablen in dem zweigeteilten Störterm der Reg-
SFA-Modell 29<br />
ressionsanalyse berücksichtigt und dienen somit dazu, die Ineffizienz der Betrie-<br />
be zu erklären.<br />
Die exogenen Variablen <strong>für</strong> den Ineffizienz-Term sind in Tabelle 1 dargestellt.<br />
Tabelle 1: Kovariablen des Technical-Effects-Modells<br />
Variable Einheit der Variable<br />
Ackerfläche ha<br />
Arbeitskräfte pro 100 ha<br />
Kosten <strong>für</strong> Lohnunternehmen pro ha<br />
Betrieb mit Familien AK Dummy-Variable<br />
Wachstumsbetrieb Dummy-Variable<br />
Veredlungsgrad relativ<br />
Pachtanteil relativ<br />
Anzahl der Früchte in der Fruchtfolge absolut<br />
Rechtsform Dummy-Variable<br />
Ertragsmesszahl pro ha<br />
Quelle: Eigene Darstellung<br />
Um eventuelle Skaleneffekte zu erfassen, wird die zur Verfügung stehende<br />
Ackerfläche in das Modell der stochastischen Frontier Analyse integriert. Weiter-<br />
hin werden die Arbeitskräfte des Unternehmens pro 100 Hektar berücksichtigt.<br />
Diese Variable lässt unter anderem Rückschlüsse darüber zu, ob ein Unterneh-<br />
men eher kapital- oder arbeitsintensiv organisiert ist. Hieran anknüpfend wird der<br />
Einfluss der Ausgaben <strong>für</strong> Lohnunternehmer und Dienstleistungen bewertet. Mit<br />
Hilfe dieser Kennzahl soll festgestellt werden, ob die Untersuchungseinheit ten-<br />
denziell eigenmechanisiert ist, oder ob die anfallenden Arbeitsgänge von Dienst-<br />
leistern durchgeführt werden. Entsprechend der aufgestellten Hypothesen wird<br />
eine Dummy-Variable <strong>für</strong> Betriebe eingeführt, die ausschließlich Familienmitglie-<br />
der als Arbeitskräfte einsetzten. Weiterhin wird in dem Modell beachtet, ob der<br />
Betrieb ein Wachstumsbetrieb ist oder nicht. Als Wachstumsbetrieb gilt hierbei<br />
jeder Betrieb, der Flächenwachstum realisieren kann.<br />
Um messen zu können in welchem Umfang die Betriebe im Bereich der Vered-<br />
lung aktiv sind, wird der Veredlungsgrad ebenfalls integriert. Diese Kennzahl gibt<br />
an, wie viel Prozent der gesamten Umsatzerlöse aus landwirtschaftlicher Produk-<br />
tion durch die Veredlung erzeugt werden.<br />
Die zur Verfügung stehende Ackerfläche ist ein zentraler Produktionsfaktor in<br />
Marktfruchtbetrieben. Dieser Faktor kann vor allem durch die Pachtung von Flä-
SFA-Modell 30<br />
chen kurzfristig und kapitalextensiv erweitert werden. Gemäß der Hypothesen-<br />
Formulierung in Kapitel 2.2 ist es realistisch, dass Pachtflächen einen Einfluss<br />
auf die Effizienz haben. Folglich wird die Variable Pacht eingeführt, welche den<br />
Anteil der entgeltlich zugepachteten Ackerfläche an der Gesamtfläche des Unter-<br />
nehmens wiedergibt.<br />
Zur Beschreibung des Einflusses von Rechtsformen wird eine weitere Dummy-<br />
Variable eingeführt. Alle Betriebe, die nicht in der Rechtsform der Einzelpersonen<br />
Gesellschaft organisiert sind, werden gekennzeichnet. Damit der exakte Einfluss<br />
der verschiedenen Rechtsformen untersucht werden kann, müsste <strong>für</strong> jede diffe-<br />
rente Organisationsform eine Dummy-Variable eingeführt werden. Der zur Verfü-<br />
gung stehende Datensatz beinhaltet fast ausschließlich Einzelpersonengesell-<br />
schaften und Gesellschaften bürgerlichen Rechts. Aus diesem Grund wird auf die<br />
oben beschriebene Aufteilung in Einzelpersonengesellschaft und restliche<br />
Rechtsformen zurückgegriffen. Eine genaue Darstellung der anteiligen Rechts-<br />
formen am gesamten Datensatz erfolgt während der späteren Datensatzbe-<br />
schreibung.<br />
In den Hypothesen wurde des Weiteren die Fruchtfolge als mögliche Effizienz<br />
bestimmende Größe diskutiert. Aus diesem Grund wird die Anzahl der Früchte in<br />
den Fruchtfolgen des jeweiligen Betriebes mit in die Berechnungen aufgenom-<br />
men. Dem vielfach zitierten Einfluss der Bodengüte auf die Produktion von Markt-<br />
früchten wird durch die Berücksichtigung der Ertragsmesszahl Rechnung getra-<br />
gen.<br />
Um den strukturellen Aufbau des Modells zu verdeutlichen, werden die verwen-<br />
deten Parameter abschließend in tabellarischer Form dargestellt (Tabelle 2).
SFA-Modell 31<br />
Tabelle 2: Übersicht der verwendeten Variablen<br />
Variable im<br />
Modell<br />
Variable im Jahresabschluss des<br />
Betriebes<br />
Outputvariable Umsatzerlöse Pflanzenbau<br />
Inputvariablen landwirtschaftliche Ackerfläche<br />
Anzahl Arbeitskräfte<br />
Kovariablen Ackerfläche<br />
Vorleistungen <strong>für</strong> den Pflanzenbau<br />
Sonstiger betrieblicher Aufwand<br />
Aufwand <strong>für</strong> Abschreibung<br />
Pachtflächenanteil<br />
Ertragsmesszahl<br />
Kosten <strong>für</strong> Lohnunternehmen pro ha<br />
Arbeitskräfte<br />
Betrieb mit Familien AK<br />
Wachstumsbetrieb<br />
Rechtsform des Betriebes<br />
Anteil der Veredlung am Umsatz<br />
Anzahl der Früchte in der Fruchtfolge<br />
4.2. Spezifikation des SFA- Modells<br />
Name d. Variable im<br />
Modell<br />
Quelle: Eigene Darstellung<br />
Nachdem im vorigen Abschnitt die ausgewählten Einflussgrößen beschrieben<br />
wurden, wird nun die exakte Modellformulierung dargestellt und erläutert.<br />
Wie bereits im Kapitel 2 erörtert wurde, sollen die Cobb-Douglas-<br />
Produktionsfunktion und die erweiterte Translog-Produktionsfunktion angewandt<br />
werden. Zuerst wird der Aufbau des Modells bei der Verwendung der klassischen<br />
Cobb-Douglas-Produktionsfunktion beschrieben. Die Bezeichnungen der Variab-<br />
len ändern sich nicht und entsprechen der Aufteilung aus Tabelle 2.<br />
Weil eine Analyse von Paneldaten vorgenommen werden soll, wird ein zusätzli-<br />
cher Index <strong>für</strong> die jeweilige Periode (t= 1, 2, …, N) eingeführt.
SFA-Modell 32<br />
Der Aufbau der Cobb-Douglas-Produktionsfunktion <strong>für</strong> Marktfruchtbetriebe stellt<br />
sich wie folgt dar:<br />
mit:<br />
Nach dem Logarithmieren gilt:<br />
(4.14)<br />
(4.15)<br />
Die systematische bedingte einseitige Komponente ( ) des zweigeteilten Stör-<br />
terms ( ) wird definitionsgemäß durch die Kovariablen erklärt. Um verschie-<br />
denste Einflüsse auf die Effizienz untersuchen zu können, werden differente Stör-<br />
terme definiert. Unter Verwendung der oben aufgeführten Einflussfaktoren ergibt<br />
sich <strong>für</strong> den systematisch bedingten Teil des Störterms folgender Ausdruck:<br />
mit:<br />
(4.16)<br />
Die Gleichung (4.16) wird ebenfalls mit Hilfe des Maximum-Likelihood-Verfahrens<br />
im Rahmen der durchgeführten Regressionsanalyse geschätzt. Dabei stellen<br />
die zu bestimmenden Koeffizienten dar. Somit kann die systematische effizienz-<br />
bestimmende Abweichung <strong>für</strong> jede Beobachtungseinheit bestimmt werden. Da-<br />
raus resultierend lässt sich abschließend, wie in Gleichung (3.8) erläutert, die<br />
technische Effizienz des untersuchten landwirtschaftlichen Betriebes errechnen<br />
(Pleßman, 2000).<br />
Analog zur Cobb-Douglas-Funktion wird eine Translog-Funktion geschätzt, mit<br />
deren Hilfe ebenfalls die technische Effizienz derselben Untersuchungseinheiten<br />
bestimmt werden soll. Als Erweiterung zur bereits vorhandenen Funktion werden<br />
nun zusätzlich Kreuzterme gebildet. Um die Vollständigkeit der vorliegenden Ar-<br />
beit zu gewährleisten, wird auch dieses Modell dargestellt.
SFA-Modell 33<br />
Damit trotz des komplexen Aufbaus weiterhin die Übersichtlichkeit erhalten bleibt,<br />
wird in Anlehnung an Gleichung (3.6) die logarithmierte endgültige Form der<br />
Translog-Funktion angeführt (Gleichung (4.17)).<br />
mit:<br />
und:<br />
(4.17)<br />
(4.18)<br />
Für den Term der technischen Ineffizienz gelten die gleichen Bedingungen, wie<br />
in dem davor beschriebenen Cobb-Douglas-Modell.<br />
Im Anschluss an alle Analysen werden die bereits erklärten Testverfahren durch-<br />
geführt. Nur so kann exakt und nachvollziehbar überprüft werden, ob die Ergeb-<br />
nisse <strong>für</strong> die weitere Interpretation geeignet sind oder nicht.
Daten 34<br />
5. Daten<br />
Das Fundament jeglicher wissenschaftlichen Betrachtung bestimmter ökonomi-<br />
scher Sachverhalte sind ausreichend belastbare Daten. Damit die durchgeführten<br />
Analysen und Modellierungen die Realität exakt abbilden können, sind Qualität<br />
und Quantität des vorhandenen Datensatzes wesentliche Einflussparameter auf<br />
das Ergebnis der vorliegenden Arbeit.<br />
Im folgenden Abschnitt wird beschrieben welcher Herkunft die Daten sind, wie<br />
die Datenerhebung erfolgt ist und welchen Umfang der zur Verfügung stehende<br />
Datensatz hat. Anschließend wird dann explizit die Auswahl der Variablen bzw.<br />
Kennzahlen beschrieben und begründet.<br />
5.1. Datenherkunft<br />
Als Datengrundlage dieser Arbeit dienen die Buchführungsergebnisse von land-<br />
wirtschaftlichen Betrieben aus ganz Deutschland. Die Daten wurden von der<br />
Land-Data GmbH 1 und im Rahmen des Testbetriebsnetzes erhoben und freund-<br />
licher Weise <strong>für</strong> diese Untersuchung zur Verfügung gestellt. In beiden Fällen<br />
wurde die Buchführung der Betriebe nach einheitlichen Regeln mit dem BMELV-<br />
Jahresabschluss 2 erstellt. Die Land-Data GmbH entwickelt seit Jahren Software-<br />
anwendungen zur Buchführung von landwirtschaftlichen Betrieben. Ein Angebot<br />
des Unternehmens ist das zentrale Führen von Buchführungsergebnissen land-<br />
wirtschaftlicher Betriebe (Land-Data GmbH, 2012). Teile dieser Datenbank ste-<br />
hen <strong>für</strong> die Datenanalyse zur Verfügung.<br />
Das Testbetriebsnetz beinhaltet jährlich aktualisierte Informationen zur betriebs-<br />
wirtschaftlichen Situation der Landwirtschaft, der Forstwirtschaft sowie der klei-<br />
nen Hochsee- und Küstenfischerei. Des Weiteren werden auch Daten des Gar-<br />
ten- und Weinbaus in der Datenbank erfasst. Die Auswahl der landwirtschaftli-<br />
chen Betriebe erfolgt auf der Grundlage der Agrarstruktur Erhebung des Statisti-<br />
schen Bundesamtes.<br />
1 Land-Data Gesellschaft <strong>für</strong> Verarbeitung landwirtschaftlicher Daten mbH,<br />
Wedekindstraße 9 – 11, 27374 Visselhövede<br />
2 Das Bundesministerium <strong>für</strong> Ernährung, Verbraucherschutz und Landwirtschaft hat einheitliche<br />
Regeln <strong>für</strong> die Buchführung festgelegt. Dazu werden jedes Jahr aktualisierte<br />
Ausführungsanweisungen, in denen die jeweilige Codierung der einzelnen Buchführungspositionen<br />
enthalten ist, veröffentlicht.
Daten 35<br />
5.2. Struktur der Datengrundlage<br />
Der zur Verfügung stehende Datensatz umfasst Jahresabschlüsse aus den Wirt-<br />
schaftsjahren 2005/2006 bis hin zum Wirtschaftsjahr 2008/2009. Im Durchschnitt<br />
der Jahre wurden 30.068 verschiedene Haupterwerbsbetriebe aus allen Bundes-<br />
ländern in den Datensatz aufgenommen. Durch eine gleichmäßige Datenerhe-<br />
bung auf Grundlage der Ausführungsanweisungen des BMELV und eines ein-<br />
heitlichen Codekataloges, ist eine konstant hohe Datenqualität vorhanden.<br />
Die Kennzahlen der Betriebe wurden zum Teil anonymisiert, indem auf die per-<br />
sönlichen Angaben der Betriebsleiter sowie auf die Angabe von Gemeindekenn-<br />
ziffern verzichtet wurde.<br />
Trotz des standardisierten Datenerhebungsverfahrens sind einige <strong>für</strong> das Modell<br />
relevante Kennzahlen nicht vorhanden oder mit Werten versehen, die fachlich<br />
nicht nachvollziehbar sind. Beobachtungen mit Kennzahlen solcher Art werden<br />
von vornherein verworfen. Am häufigsten ist die Variable der Ertragsmesszahl<br />
mit in sich nicht schlüssigen Werten versehen, so dass bis zu einem Drittel der<br />
Betriebe aus dem Datensatz entfernt werden müssen.<br />
Neben den Ertragsmesszahlen passen oftmals die Art der Verbuchung von Ge-<br />
schäftsvorfällen und das jeweilige Umsatzsteuersystem nicht zueinander, so<br />
dass eine weitere Verkleinerung des Datensatzes erfolgen muss. Der Umfang<br />
der Fehlbuchungen ist bei diesen Variablen mit einem Prozent vom gesamten<br />
Datensatz deutlich geringer als bei der Ertragsmesszahl.<br />
Eine exakte Beschreibung der Selektionskriterien <strong>für</strong> Marktfruchtbetriebe wird in<br />
dem nächsten Abschnitt angeführt.<br />
Abschließend wird ein kurzer Überblick über die Verteilung der Betriebe in<br />
Deutschland und die jeweils vorhandenen Rechtsformen gegeben. In Tabelle 3<br />
ist zu erkennen, dass der Schwerpunkt der Datenerfassung in den Bundeslän-<br />
dern Schleswig-Holstein, Niedersachsen, Nordrhein-Westfalen, Baden-<br />
Württemberg und Bayern liegt.<br />
Die Tabelle zeigt die Verteilung der Betriebe im deutschen Bundesgebiet <strong>für</strong> das<br />
Wirtschaftsjahr 2007/2008.
Daten 36<br />
Tabelle 3: Verteilung der Testbetriebe in den Bundesländern<br />
Bundesland Anzahl Betriebe Anteil<br />
Schleswig-Holstein 7650 25,44%<br />
Hamburg 44 0,15%<br />
Niedersachsen 4228 14,06%<br />
Bremen 7 0,02%<br />
Nordrhein-Westfalen 4061 13,51%<br />
Hessen 373 1,24%<br />
Rheinland-Pfalz 1509 5,02%<br />
Baden-Württemberg 4762 15,84%<br />
Bayern 5625 18,71%<br />
Saarland 96 0,32%<br />
Berlin 2 0,01%<br />
Brandenburg 199 0,66%<br />
Mecklenburg-Vorpommern 817 2,72%<br />
Sachsen 308 1,02%<br />
Sachsen-Anhalt 247 0,82%<br />
Thüringen 140 0,47%<br />
Betriebe insgesamt 30068 100,00%<br />
Tabelle 4: Einteilung der Betriebe nach Rechtsformen<br />
Quelle: Eigene Darstellung<br />
Rechtsform Anzahl Betriebe Anteil<br />
Einzelunternehmen 27215 90,51%<br />
GbR 2661 8,85%<br />
OHG 1 0,00%<br />
KG 101 0,34%<br />
sonstige Personengesellschaften 5 0,02%<br />
GmbH & Co.KG 8 0,03%<br />
e.G. 12 0,04%<br />
GmbH 58 0,19%<br />
AG 3 0,01%<br />
sonstige Rechtsformen 4 0,01%<br />
Betriebe insgesamt 30068 100%<br />
Quelle: Eigene Darstellung
Daten 37<br />
Aus Tabelle 4 wird ersichtlich, dass vor allem Betriebe in der Rechtsform des<br />
Einzelunternehmens in dem Datensatz vorhanden sind. Die nächstgrößere<br />
Gruppe sind mit knapp neun Prozent die Gesellschaften bürgerlichen Rechts. Auf<br />
Grund der mangelnden Datengrundlage muss leider darauf verzichtet werden,<br />
die Auswirkungen der verschiedenen Rechtsformen auf die Effizienz zu berech-<br />
nen. Vielmehr werden alle Rechtsformen die nicht zur Gruppe der Einzelunter-<br />
nehmen gehören in einer Gruppe erfasst (vgl. Kapitel 4).<br />
Ein durchschnittlicher Betriebsspiegel wird aufgrund der großen Heterogenität<br />
der Betriebe <strong>für</strong> den gesamten Datensatz nicht erstellt. Erst im Anschluss an die<br />
Betriebsselektion wird eine dementsprechende Übersicht gegeben, damit sich<br />
der kritische Leser ein Bild von den Betrieben machen kann, die <strong>für</strong> die anschlie-<br />
ßenden Berechnungen zur Verfügung stehen.<br />
5.3. Selektion der Betriebe und Aufbereitung der Variablen<br />
Mit Hilfe von verschieden Selektionskriterien wird versucht, einen möglichst ho-<br />
mogen Datensatz zu erstellen. Dieser erste Schritt der Datenanalyse ist sehr<br />
wichtig, damit die Vergleichbarkeit der Betriebe untereinander gewährleistet ist.<br />
Folglich bezieht sich das erste Auswahlkriterium auf die Bewirtschaftungsform<br />
und den Erwerbscharakter der Betriebe. Damit später eine Produktionsfunktion<br />
<strong>für</strong> alle Betriebe unterstellt werden kann, müssen alle verwendeten Vergleichs-<br />
einheiten als konventioneller Haupterwerbsbetrieb geführt werden.<br />
Ziel dieser Arbeit ist es den Einfluss der Organisationsform von Marktfruchtbe-<br />
trieben auf deren Effizienz zu ermitteln. Aus der Aufgabenstellung wird schnell<br />
klar, dass vor allem diejenigen landwirtschaftlichen Betriebe von Interesse sind,<br />
die sich auf die Produktion von Marktfrüchten spezialisiert haben. Die Klassifizie-<br />
rung von Marktfruchtbetrieben erfolgt anhand der anteiligen Umsatzerlöse der<br />
Pflanzenproduktion an dem Gesamtumsatz des Unternehmens. Jeder Betrieb,<br />
der mindestens 60 Prozent seiner Umsatzerlöse aus dem Marktfruchtbau gene-<br />
riert, wird in der folgenden Analyse als Marktfruchtbetrieb deklariert.<br />
Die Zusammensetzung der Umsatzerlöse der Pflanzenproduktion wird in der <strong>für</strong><br />
Marktfruchtbetriebe üblichen Art und Weise vorgenommen. Dazu gehören in ers-<br />
ter Linie alle Getreidearten und Hackfrüchte. Des Weiteren werden alle Erträge<br />
berücksichtigt, die der Pflanzenproduktion des Betriebes direkt zugeordnet wer-<br />
den können. Hier sind vor allem die staatlichen Förderprogramme und Aus-<br />
gleichszahlungen <strong>für</strong> das Einhalten von Umweltauflagen zu nennen. Es werden<br />
aber nur Subventionszahlungen einbezogen, die von der angebauten Frucht ab-<br />
hängig sind. An die Fläche gebundene Direktzahlungen oder sonstige betriebli-
Daten 38<br />
che Prämien werden außer Acht gelassen. Eine genaue Aufschlüsselung der<br />
berücksichtigten Variablen befindet sich im Anhang 1.<br />
Als Veredlungszweige werden die Schweinhaltung und die Geflügelhaltung be-<br />
rücksichtigt. Die enge Auswahl der zulässigen Veredlungsformen ist in der späte-<br />
ren Kostenaufgliederung begründet. In Betrieben mit Rinderhaltung lassen sich<br />
die Kosten <strong>für</strong> Maschinen nicht eindeutig dem Marktfruchtbau zuordnen, weil hier<br />
<strong>für</strong> die Tierproduktion ebenfalls Schlepper oder ähnliches beispielsweise <strong>für</strong> die<br />
tägliche Futtervorlage oder Grundfutterproduktion von Nöten sind.mEs wird da-<br />
von ausgegangen, dass die Schweine- und Geflügelhaltung keinen nennenswer-<br />
ten Einsatz von landtechnischen Maschinen erfordert.<br />
Daran anschließend werden die Produktionszweige Garten-, Obst- und Weinbau<br />
komplett ausgeschlossen. Für diese Produktionszweige sind ebenfalls Landma-<br />
schinen notwendig, so dass die Maschinenkosten <strong>für</strong> den reinen Marktfruchtbau<br />
nicht exakt zu beziffern sind.<br />
Die Umsatzerlöse aus Forstwirtschaft, Fischerei, Handel und Dienstleistungen<br />
werden nicht völlig ausgeklammert, sondern in ihrer absoluten Höhe auf fünf bzw.<br />
zehn Prozent des Gesamtumsatzerlöses begrenzt. Damit nicht zu viele Betriebe<br />
durch das Raster fallen, gibt es Restriktionen <strong>für</strong> die Hobbytierhaltung. Eine ge-<br />
naue Aufstellung der Grenzen <strong>für</strong> die zulässige Hobbytierhaltung befindet sich im<br />
Anhang 2.<br />
Ein besonderes Augenmerk wird auf die Verbuchungsart der Geschäftsvorfälle<br />
gelegt. Bei einigen Betrieben ist festzustellen, dass zwar von der Option zur Re-<br />
gelbesteuerung Gebrauch gemacht wurde, die Geschäftsvorfälle aber trotzdem in<br />
Bruttowerten angegeben sind. Da die Input/Output-Relation in diesen Betrieben<br />
von vornherein verzerrt ist, werden sie im weiteren Verlauf der Arbeit nicht mehr<br />
betrachtet. Gleiches gilt <strong>für</strong> den Fall der Pauschalierung bei gleichzeitiger Verbu-<br />
chung von Nettowerten in den Jahresabschlüssen.<br />
In Zeiten von zunehmend volatilen Märkten ist es besonders wichtig, dass die<br />
Erträge und Aufwendungen passend zueinander geordnet werden. Damit keine<br />
Verzerrung der Analyse stattfindet, werden den Aufwendungen aus dem jeweili-<br />
gen Beobachtungsjahr die Erträge aus dem folgenden Wirtschaftjahr zugeordnet<br />
und mit den jeweils gültigen Preisindizes des Statistischen Bundesamtes defla-<br />
tioniert. Somit werden den landwirtschaftlichen Erzeugnissen die dazugehörigen<br />
Inputgrößen zugeordnet.<br />
Laut den Selektionskriterien ist es möglich und gleichzeitig aufgrund der Frage-<br />
stellung erwünscht, dass sowohl reine Ackerbaubetriebe wie auch Ackerbaube-
Daten 39<br />
triebe mit einem Veredlungszweig in dem Datensatz verbleiben. Das gewählte<br />
Selektionsmuster stellt allerdings auch besondere Anforderungen an die weitere<br />
Datenaufbereitung. Ziel der Arbeit soll es sein ausschließlich die Effizienz des<br />
Marktfruchtbaus zu berechnen. Für eine aussagekräftige Untersuchung ist es<br />
sehr wichtig, dass der Input exakt zugeordnet wird. Aus diesem Grund wurden<br />
die zulässigen Veredlungsformen so gewählt, dass in den Betrieben <strong>für</strong> die Tier-<br />
haltung keine landwirtschaftlichen Maschinen notwendig sind. Dennoch gibt es<br />
weitere Aspekte die berücksichtigt werden müssen.<br />
Naturgemäß fällt in den Veredlungsbetrieben organischer Dünger an. Der anfal-<br />
lende organische Dünger kann im Ackerbau ertragssteigernd eingesetzt werden<br />
und ermöglicht somit Einsparungen bei der Aufwandmenge von mineralischen<br />
Düngern. Um Verzerrungen zu vermeiden wird die anfallende Gülle <strong>für</strong> die ein-<br />
zelnen Wirtschaftsjahre exakt bewertet. Mit diesem Ansatz wird <strong>für</strong> den organi-<br />
schen Dünger ein Marktwert definiert, der bei den Vorleistungen des Betriebes<br />
berücksichtigt werden muss. Mit Hilfe der KTBL-Kalkulationsgrundlagen und den<br />
Preisindizes des statistischen Bundesamtes wurden Menge und Wert des orga-<br />
nischen Düngers pro Tierplatz <strong>für</strong> jede Veredlungsform ermittelt.<br />
Es gibt laut Selektionskriterien folgende Veredlungsformen:<br />
� Mastschweinehaltung<br />
� Ferkelerzeugung<br />
� Ferkel-Aufzucht<br />
� Jungsauen-Aufzucht<br />
� Jungeber-Aufzucht<br />
� Junghennen-Aufzucht<br />
� Legehennenhaltung<br />
� Hähnchenmast<br />
� Entenmast<br />
� Putenmast<br />
� Gänsemast<br />
� sonstiges Geflügel<br />
Nachdem der reine Düngerwert der anfallenden organischen Dünger berechnet<br />
wurde, müssen anschließend die Ausbringungskosten einfließen.<br />
Generell sind die Kosten der Ausbringung <strong>für</strong> jegliche Düngerform in dem Auf-<br />
wand <strong>für</strong> Abschreibungen und in den Aufwendungen <strong>für</strong> Lohnarbeit und Maschi-<br />
nenmiete berücksichtigt. Dennoch müssen die Mehrkosten <strong>für</strong> die Ausbringung
Daten 40<br />
von organischen Düngemitteln beachtet werden. Nur so kann der aktuelle Markt-<br />
wert des Rohstoffs Gülle bzw. Mist genau berechnet werden. Die Mehrkosten der<br />
Ausbringung ergeben sich aus der Differenz zwischen den Ausbringungskosten<br />
von mineralischem und organischem Dünger. Als Referenzmethode wurde die<br />
Ausbringung des mineralischen Düngers Kalkammonsalpeter durch einen<br />
Schleuderstreuer gewählt.<br />
Weiterhin wurde unterstellt, dass eine Düngergabe von bis zu 60 kg N pro Hektar<br />
ausgebracht werden sollte. Analog dazu wurde <strong>für</strong> jede Veredlungsform die aus-<br />
zubringende Menge an organischem Dünger und die daraus resultierenden Aus-<br />
bringungskosten mit entsprechenden Güllewagen oder Miststreuern kalkuliert.<br />
Die Berechnungsgrundlage <strong>für</strong> die Ausbringungskosten ist der Feldarbeitsrech-<br />
ner des KTBL. Abschließend werden die entstehenden Mehrkosten der Ausbrin-<br />
gung von dem Marktwert des jeweiligen organischen Düngers abgezogen. Somit<br />
steht ein bereinigter Marktwert zur Verfügung.<br />
Eine Beispielhafte Übersicht der Marktwerte von Gülle und Mist befindet sich in<br />
gekürzter Form in Tabelle 5.<br />
Tabelle 5: Marktwert des organischen Düngers<br />
Veredlungszweig<br />
Einheit<br />
Menge/<br />
Jahr<br />
Kosten f. Ausbrin-<br />
Mastschweine m³ 1.50 2.54 € 3.15 15.00 3.17 €<br />
Ferkelerzeugung m³ 4.00 2.55 € 1.05 25.00 -3.04 €<br />
Ferkelaufzucht m³ 0.60 2.55 € 4.90 12.00 2.54 €<br />
Jungsauen m³ 1.50 2.54 € 3.15 15.00 3.17 €<br />
Jungeber m³ 1.50 2.54 € 3.15 15.00 3.17 €<br />
Junghennen t 0.03 3.95 € 16.80 3.50 0.56 €<br />
Legehennen t 0.03 3.95 € 16.80 3.50 0.56 €<br />
Jungmasthühner t 0.01 3.65 € 6.80 8.00 0.17 €<br />
Mastenten t 0.11 3.48 € 3.20 10.00 0.75 €<br />
Mastputen t 0.08 3.48 € 3.22 10.00 0.50 €<br />
Mastgänse t 0.08 3.48 € 3.22 10.00 0.50 €<br />
Sonst. Geflügel t 0.03 3.87 € 9.60 5.50 0.53 €<br />
gung pro m³ o. t<br />
kg N/m³<br />
Menge/ha<br />
Marktwert Gülle/<br />
Quelle: Eigene Berechnungen<br />
In diesem Szenario wurde das Nährstoffpreisniveau im Wirtschaftsjahr<br />
2005/2006 angenommen. In diesem Zeitraum kostete das Kilogramm Stickstoff<br />
Tierplatz
Daten 41<br />
durchschnittlich 0,69 Euro. Die Preise <strong>für</strong> Phosphor und Kali lagen mit 0,60 bzw.<br />
0,33 Euro auf einem ähnlichen Niveau (BMELV, 2010). Eine exakte Aufstellung<br />
der Kalkulation und der jeweiligen Düngerwerte befindet sich im Anhang. Der<br />
Marktwert der Gülle pro Tierplatz wird anschließend mit der vorhandenen Anzahl<br />
der Tiere multipliziert und zu den Vorleistungen des Betriebes hinzuaddiert. So-<br />
mit ist die ertragssteigernde Wirkung der organischen Düngemittel, die nur in<br />
Betrieben mit Veredlung anfallen, in der Datenaufbereitung berücksichtigt.<br />
Wie aus Tabelle 5 ersichtlich ist, ergibt sich <strong>für</strong> den Betriebszweig der Ferkeler-<br />
zeugung ein negativer Marktwert der Gülle. Die Berücksichtigung von negativen<br />
Marktwerten ist in diesem Zusammenhang nicht sinnvoll, so dass negative<br />
Marktwerte mit null Euro interpretiert werden.<br />
Von einer Verzerrung der Ergebnisse durch geringeren Düngeraufwand in Vered-<br />
lungsbetrieben ist demnach im weiteren Verlauf der Arbeit nicht mehr auszuge-<br />
hen.<br />
In Marktfruchtbetrieben mit einem Veredlungszweig lassen sich die Arbeitskräfte<br />
nicht eindeutig dem Ackerbau oder der Veredlung zuordnen. Daher ist es von<br />
elementarer Bedeutung, dass in solchen Betrieben die absolute Anzahl der Ar-<br />
beitskräfte um den <strong>für</strong> die Viehhaltung notwendigen Teil bereinigt werden. Zu<br />
diesem Zweck wird mit Hilfe von KTBL-Daten ermittelt, wie viele Arbeitskraftstun-<br />
den pro Tierplatz und Jahr benötigt werden. Anschließend wird der notwendige<br />
Zeitaufwand mit dem durchschnittlichen Tierbestand multipliziert und <strong>für</strong> alle Ver-<br />
edlungszweige des Betriebes aufsummiert. Abschließend wird die Anzahl der<br />
gesamten Arbeitskräfte entsprechend korrigiert. Eine Aufstellung der notwendi-<br />
gen Arbeitskräfte pro Tierplatz befindet sich in Anhang 5.<br />
Als letztes Auswahlkriterium werden alle Variablen, wie bereits oben beschrie-<br />
ben, auf ihre Logik und ihre Existenz überprüft. Jede Beobachtung, die nicht über<br />
alle <strong>für</strong> das Modell und die Selektion der Betriebe notwendigen Variablen verfügt,<br />
wird aus dem Datensatz entfernt.<br />
Nachdem die oben aufgeführten Kriterien erfüllt sind werden die Betriebe aus<br />
dem Datensatz entfernt, die nicht in jeder Periode vorkommen.<br />
Somit steht ein balanciertes Datenpanel über drei Perioden zur Verfügung, wel-<br />
ches die Grundlage <strong>für</strong> die folgende Paneldatenanalyse darstellt.<br />
Nach der Selektion stehen in jedem Beobachtungsjahr 415 Marktfruchtbetriebe<br />
<strong>für</strong> die Analyse zur Verfügung. Die Verteilung der Betriebe auf die Bundesländer<br />
hat sich durch die Selektion verändert, so dass ein großer Teil der Untersu-<br />
chungsbetriebe aus Niedersachsen kommt. In den Stadtstaaten Hamburg, Bre-
Daten 42<br />
men und Berlin liegen nach Durchführung der Selektion keine Vergleichseinhei-<br />
ten vor. Eine genaue Übersicht liefert Tabelle 6.<br />
Tabelle 6: Verteilung der Betriebe in den Bundesländern nach der Selektion<br />
Bundesland Anzahl Betriebe Anteil<br />
Schleswig-Holstein 19 4,58%<br />
Niedersachsen 131 31,57%<br />
Nordrhein-Westfalen 10 2,41%<br />
Hessen 18 4,34%<br />
Rheinland-Pfalz 34 8,19%<br />
Baden-Württemberg 49 11,81%<br />
Bayern 52 12,53%<br />
Saarland 3 0,72%<br />
Brandenburg 6 1,45%<br />
Mecklenburg-Vorpommern 14 3,37%<br />
Sachsen 20 4,82%<br />
Sachsen-Anhalt 42 10,12%<br />
Thüringen 17 4,1%<br />
Betriebe insgesamt 415 100%<br />
Quelle: Eigene Darstellung<br />
Die Anzahl der verschiedenen Rechtsformen hat sich erwartungsgemäß stark<br />
verändert. Es verbleiben lediglich vier verschiedene Rechtsformen in dem Daten-<br />
satz. Das Verhältnis zwischen Einzelunternehmen und den restlichen Rechtsfor-<br />
men hat sich im Vergleich zur Ausgangssituation (vgl. Tabelle 4) nicht wesentlich<br />
verändert.<br />
Tabelle 7 zeigt eine Übersicht der vorhandenen Rechtsformen nach Abschluss<br />
der Betriebsselektion.<br />
Tabelle 7: Rechtsformen der Betriebe nach der Selektion<br />
Rechtsform Anzahl Betriebe Anteil<br />
Einzelunternehmen 376 90,61%<br />
GbR 37 8,89%<br />
KG 1 0,20%<br />
GmbH & Co.KG 1 0,20%<br />
Betriebe insgesamt 415 100%<br />
Quelle: Eigene Darstellung
Daten 43<br />
Nachdem die Selektion der Betriebe durchgeführt wurde, kann ein Betriebsspie-<br />
gel <strong>für</strong> den durchschnittlichen Untersuchungsbetrieb erstellt werden.<br />
Die Flächenausstattung der Betriebe ist mit 177 ha im Vergleich zu dem Durch-<br />
schnitt des Ausgangsdatensatzes (60 ha) relativ groß. Dieser Größenunterschied<br />
ist vor allem auf die scharfen Selektionskriterien, die ausschließlich auf Acker-<br />
baubetriebe abzielen, zurückzuführen.<br />
Bezüglich der Arbeitsverfassung lässt sich vorab feststellen, dass durchschnitt-<br />
lich 1,41 Arbeitskräfte pro 100 Hektar vorhanden sind. Die nächste Kennziffer<br />
belegt, dass im Mittel 98 Euro pro Hektar <strong>für</strong> Dienstleistungen gezahlt werden.<br />
Der äußerst niedrige Veredlungsgrad resultiert aus der geringen Anzahl von Ver-<br />
edlungsbetrieben, die in dem Datensatz verbleiben. Von 415 Beobachtungen pro<br />
Periode verfügen lediglich 30 Betriebe über einen Veredlungszweig. Das ent-<br />
spricht einem Anteil der Veredlungsbetriebe von circa 7,3 Prozent. Der mittlere<br />
Pachtflächenanteil beträgt über 60 Prozent.<br />
In Marktfruchtbetrieben ist das Wachstum über das Zupachten von Flächen ein<br />
gebräuchliches Verfahren, weil hier im Gegensatz zu dem Kauf von Flächen eine<br />
weniger umfangreiche Kapitalbindung erfolgt. Bei der Anzahl der Früchte in der<br />
Fruchtfolge bleibt festzustellen, dass in der Regel mehr als vier Hauptfrüchte an-<br />
gebaut werden. Die durchschnittliche Ertragsmesszahl pro ha liegt mit 4817<br />
Punkten auf einem <strong>für</strong> Marktfruchtbetriebe typischen Niveau. Bei Ertragsmess-<br />
zahlen von über 4000 Punkten lassen sich bereits die klassischen Fruchtfolgen<br />
mit Raps, Winterweizen und Wintergerste verwirklichen.<br />
Die letzten drei Kennzahlen des Betriebsspiegels geben einen Aufschluss über<br />
die Kostenstruktur des Ackerbaus in den Beobachtungsbetrieben. Die Kostenpo-<br />
sitionen <strong>für</strong> den Aufwand <strong>für</strong> Abschreibungen und Pflanzenschutz sind mit 123<br />
bzw. 186 Euro auf einem normalen Niveau. Die Größenordnungen zeigen, dass<br />
vor allem die Düngerkosten mit 234 Euro einen erheblichen Anteil an den Ge-<br />
samtkosten haben.<br />
Der zusammenfassende Betriebsspiegel am Stichprobenmittelwert ist in Tabelle<br />
8 dargestellt.
Daten 44<br />
Tabelle 8: Mittelwerte der betrieblichen Kennzahlen<br />
Variable Mittelwert Std. Fehler<br />
Ackerfläche<br />
177 8,8644<br />
Arbeitskräfte pro 100 ha<br />
1,41 0,0458<br />
Lohnunternehmerkosten pro ha<br />
98 4,5340<br />
Anteil d. Veredlung am Umsatz<br />
1,38% 0,0024<br />
Pachtflächenanteil<br />
60,48% 0,0137<br />
Anzahl Früchte in Fruchtfolge<br />
4,15 0,0655<br />
EMZ<br />
4817 82,0671<br />
AFA pro ha<br />
123 4,0765<br />
Aufwand <strong>für</strong> Pflanzenschutz pro ha<br />
186 3,0075<br />
Aufwand <strong>für</strong> Dünger pro ha<br />
234 3,6444<br />
Quelle: Eigene Darstellung<br />
Nachdem die Selektion der Betriebe und die logische Überprüfung der Variablen<br />
abgeschlossen sind, können mit Hilfe der zuvor beschriebenen Methodik die in<br />
Kapitel 2.2 aufgestellten Hypothesen untersucht werden.
Ergebnisse 45<br />
6. Ergebnisse<br />
Im Verlauf der Arbeit wurde bereits mehrfach darauf hingewiesen, dass <strong>für</strong> alle<br />
drei zur Verfügung stehenden Beobachtungsjahre eine Paneldaten-Analyse<br />
durchgeführt werden soll. Durch die Erhöhung des Stichprobenumfanges ist zu<br />
erwarten, dass die Datenbasis über mehr Informationen und Variation verfügt als<br />
Querschnitts-Daten. Außerdem ist anzunehmen, dass weniger Kollinearität unter<br />
den Variablen bei einer gleichzeitigen Erhöhung der Freiheitsgrade vorhanden ist<br />
(Hsiao, 2007). Weiterhin sollen zwei verschiedene Produktionsfunktionsformen<br />
zur Anwendung kommen. Am Ende der Berechnungen soll die geeignetere Funk-<br />
tionsform ausgewählt werden, bevor die Interpretation und Diskussion der Er-<br />
gebnisse beginnt.<br />
Im folgenden Kapitel werden zuerst die Ergebnisse der einzelnen Regressionen<br />
dargestellt, bevor anschließend die notwendigen Tests zur Modellgüte durchge-<br />
führt werden. Am Ende des Kapitels werden die Betriebe in Effizienzklassen ein-<br />
geteilt und beschrieben.<br />
6.1. Ergebnisse <strong>für</strong> die Cobb-Douglas-Produktionsfunktion<br />
Zuerst werden die Ergebnisse bei Verwendung einer Cobb-Douglas-<br />
Produktionsfunktion in Tabelle 9 dargestellt. Die dreigliedrige Tabelle beinhaltet<br />
im oberen Teil die Ergebnisse <strong>für</strong> das Modell der Produktionsfrontier, während im<br />
mittleren Teil die Parameter des Modells der technischen Ineffizienz dokumentiert<br />
sind. Abschließend werden im letzten Tabellenabschnitt die Güteparameter des<br />
Modells angeführt.<br />
Der LR-Wert beschreibt das Ergebnis des ersten Likelihood-Ratio-Tests. Es wur-<br />
de bereits beschrieben, dass mit Hilfe dieses Tests überprüft wird, ob die ver-<br />
wendeten exogenen Kovariablen einen Erklärungsbeitrag leisten oder nicht. Der<br />
LR-Wert von 164,6127 liegt oberhalb des tabellarischen ²-Wertes. Somit muss<br />
davon ausgegangen werden, dass die verwendeten Inputvariablen des Modells<br />
der technischen Ineffizienz einen Erklärungsbeitrag leisten.<br />
Weiterhin kann anhand des Gamma-Wertes abgelesen werden, dass circa 44<br />
Prozent der Varianz durch Ineffizienzen erklärt werden. Ob dieser Wert ausrei-<br />
chend ist oder ob höhere Gamma-Werte zu erreichen sind, wird später überprüft.<br />
Vorerst wird festgestellt, dass immerhin ein wesentlicher Teil der Varianz durch<br />
Ineffizienzen erklärt wird. Bei der Verwendung von Cobb-Douglas-<br />
Produktionsfunktionen lassen sich die Elastizitäten der einzelnen Produktionsfak-<br />
toren direkt aus den Koeffizienten ablesen. Auf den ersten Blick sind fast alle<br />
Koeffizienten <strong>für</strong> das Modell der Produktionsfrontier positiv.
Ergebnisse 46<br />
Es ist auffällig, dass die Ackerfläche, die Anzahl der Arbeitskräfte und der Auf-<br />
wand <strong>für</strong> Abschreibungen keinen signifikanten Einfluss auf die Höhe der Umsatz-<br />
erlöse haben. Aus diesem Grund ist eine weitere Interpretation der Regressions-<br />
koeffizienten nicht sinnvoll. Für die Vorleistungen und den sonstigen betriebli-<br />
chen Aufwand konnte ein hoch signifikanter Einfluss festgestellt werden. Es muss<br />
erwähnt werden, dass besonders die Vorleistungen mit 0,89 einen großen Ein-<br />
fluss auf die Höhe der Umsatzerlöse haben. Daran anschließend hat der sonstige<br />
betriebliche Aufwand eine Elastizität von 0,09.<br />
Die verbleibenden exogenen Variablen haben deutlich geringere Elastizitäten.<br />
Warum die Ackerfläche als wesentlicher Produktionsfaktor keinen Einfluss auf die<br />
Höhe der Umsatzerlöse hat, wird später versucht zu erklären. Zunächst wird im<br />
zweiten Teil dieser Ergebnispräsentation das Modell der technischen Ineffizienz<br />
beleuchtet.<br />
Tabelle 9: Ergebnisse Cobb-Douglas-Produktionsfunktion<br />
exogene Variable Koeffizient Std. Fehler t-Wert<br />
Modell der Produktionsfrontier<br />
Konstante α0 1,2885 *** 0,2163 5,9560<br />
lnAF Ackerfläche α1 -0,0019 0,0313 -0,0615<br />
lnAK Arbeitskräfte α2 0,0028 0,0205 0,1387<br />
lnVL Aufw. <strong>für</strong> Vorleistungen α3 0,8942 *** 0,0276 32,4364<br />
lnKAP sonst. betr. Aufwand α4 0,0910 *** 0,0189 4,8131<br />
lnAFA Aufw. <strong>für</strong> Abschreibung α5 0,0066 0,0056 1,1802<br />
Modell der techn. Ineffizienz<br />
Konstante δ0 0,6810 *** 0,0788 8,6380<br />
Ackerfläche δ1 0,0002 * 0,0001 1,9174<br />
Pachtflächenanteil δ2 -0,0094 0,0499 -0,1891<br />
Ertragsmesszahl δ3 -0,0001 *** 0,0000 -5,8695<br />
Arbeitskräfte pro 100 ha δ4 0,0070 0,0191 0,3642<br />
Lohnunternehmerkosten pro ha δ5 -0,0004 * 0,0002 -1,7920<br />
Dummy <strong>für</strong> Familienarbeitskräfte δ6 0,0703 *** 0,0255 2,7534<br />
Dummy <strong>für</strong> Wachstum δ7 0,0234 0,0234 1,0018<br />
Dummy <strong>für</strong> Rechtsform δ8 -0,1045 ** 0,0497 -2,1028<br />
Anteil d. Veredlung am Umsatz δ9 -0,4479 ** 0,2144 -2,0894<br />
Anzahl Früchte in Fruchtfolge δ10 -0,0344 *** 0,0111 -3,0918<br />
Log Likelihood Wert -15,0575<br />
Likelihood-Ratio-Test 164,6127<br />
Sigma squared σ² 0,0672 0,0055 12,1372<br />
Gamma γ 0,4428 *** 0,1179 3,7574<br />
***/**/* entspricht signifikant auf dem Niveau 0,01 / 0,05 / 0,1 (2-seitig)<br />
Quelle: Eigene Berechnungen
Ergebnisse 47<br />
Zur Erklärung der Ineffizienzen wurden alle Kovariablen, die in den vorigen Kapi-<br />
teln diskutiert wurden, in das Modell integriert. Im zweiten Teil der Ergebnisse<br />
wird die Ineffizienz eines landwirtschaftlichen Betriebes erklärt. Es ist zu beach-<br />
ten, dass Koeffizienten mit negativen Vorzeichen sich positiv auf die Effizienz des<br />
jeweiligen Unternehmens auswirken.<br />
Zunächst wurde <strong>für</strong> die Variable Ackerfläche ein leicht signifikant positiver Ein-<br />
fluss auf die Ineffizienz festgestellt. Daraus kann somit abgeleitet werden, dass<br />
es in Bezug auf die einzelbetriebliche Effizienz leichte negative Skaleneffekte<br />
gibt. Die nächste Variable berücksichtigt den Anteil der Pachtflächen an der ge-<br />
samten Ackerfläche des Betriebes. Für diese Variable konnte kein signifikanter<br />
Einfluss festgestellt werden. In Bezug auf die Ertragsmesszahl ergeben die Be-<br />
rechnungen, dass ein hoch signifikanter Einfluss besteht. Und zwar steigt mit<br />
höherer Ertragsmesszahl auch die Effizienz des Betriebes. Daran anschließend<br />
wurden die Anzahl der Arbeitskräfte pro 100 Hektar erfasst und in das Modell<br />
integriert. Für diese Kovariable gilt wiederum, dass keine Auswirkungen des Ar-<br />
beitskräftebesatzes auf die Effizienz des Marktfruchtbaus vorhanden sind. Analog<br />
dazu wurden die Betriebe mit reinem Familienarbeitskräftebesatz mit einer<br />
Dummy-Variable gekennzeichnet. Weitergehend wurden die Ausgaben <strong>für</strong> Lohn-<br />
unternehmen und landwirtschaftliche Dienstleistungen berücksichtigt, um even-<br />
tuelle Effekte durch den Einsatz von effizienterer Großtechnik aufzudecken. Hier<br />
konnte unter Verwendung der Cobb-Douglas-Produktionsfunktion ein signifikant<br />
positiver Effekt errechnet werden. Nach der ersten Untersuchung scheint sich die<br />
Fremdmechanisierung positiv auf die Effizienz des Marktfruchtbaus auszuwirken.<br />
Durch die Berücksichtigung der Dummy-Variable <strong>für</strong> Familienarbeitskräfte wird<br />
untersucht, welche Auswirkungen das ausschließliche Beschäftigen von Fami-<br />
lienangehörigen auf die Effizienz des Marktfruchtbaus hat. In Bezug auf diese<br />
Variable muss festgehalten werden, dass sich ein reiner Familienarbeitskräftebe-<br />
satz negativ auf die Effizienz auswirkt. Das Signifikanzniveau <strong>für</strong> diese Kovariab-<br />
le liegt bei einem Prozent. Die Variable Wachstum kennzeichnet Betriebe, die ein<br />
Flächenwachstum realisieren konnten. Für diese Kovariable konnten keinerlei<br />
Einflüsse festgestellt werden. Für die Dummy-Variable Rechtsform ist hingegen<br />
ein positiver Einfluss auf die Effizienz feststellbar. Des Weiteren wurde der Ein-<br />
fluss der Veredlung berücksichtigt. Auch hier ergeben die Berechnungen einen<br />
positiven Einfluss auf die Effizienz des Marktfruchtbaus. Zuletzt wurden die An-<br />
zahl der verschiedenen Früchte in der Fruchtfolge gezählt und als Einflussgröße<br />
berücksichtigt. Auch hier ergab sich ein positiver Effekt einer diversifizierten<br />
Fruchtfolge auf die Effizienz des Marktfruchtbaus.
Ergebnisse 48<br />
Nachdem die Ergebnisse der Stochastischen Frontier Analyse bei Verwendung<br />
einer Cobb-Douglas-Produktionsfunktion dargestellt wurden, gibt es noch einige<br />
Aspekte die weitergehend Berücksichtigung finden müssen. Vor allem ist am<br />
Anfang der Ergebnisbetrachtung aufgefallen, dass die Ackerfläche keinen signifi-<br />
kanten Einfluss auf die Höhe der Umsatzerlöse des Marktfruchtbaus hat. Um zu<br />
klären warum ein wesentlicher Produktionsfaktor keinen Einfluss auf die Höhe<br />
der Umsatzerlöse des Marktfruchtbaus hat, wird der Rangkorrelationskoeffizient<br />
nach Spearman berechnet (vgl. Kapitel 3.5.2.).<br />
In Tabelle 10 ist die Korrelationsmatrix nach Spearman <strong>für</strong> die exogenen Variab-<br />
len des Frontiermodells dargestellt.<br />
Während der Methodenbeschreibung wurde erklärt, dass Werte, die im Betrag<br />
unter 0,5 liegen, auf eine schwache Korrelation hinweisen. Werte, die im Betrag<br />
zwischen 0,5 und 0,8 liegen, weisen auf eine mittlere Korrelation hin. Zuletzt wei-<br />
sen Werte, die im Betrag über 0,8 liegen, auf eine starke Korrelation hin. Beson-<br />
ders auffällig ist, dass die Vorleistungen (lnVL) sehr stark mit der Ackerfläche<br />
(lnAF) korrelieren. Bei einer hohen Korrelation zwischen zwei Inputs spricht man<br />
von Multikollinearität. Multikollinearität kann dazu führen, dass negative Auswir-<br />
kungen auf die Aussagekraft des jeweiligen Regressionsmodells hervorgerufen<br />
werden. Während die Multikollinearität zu nicht verzerrten Schätzern führt, steigt<br />
gleichzeitig deren Varianz. Die Varianz kann so groß sein, dass die geschätzten<br />
Koeffizienten sich sehr weit von den tatsächlichen Werten entfernen können<br />
(Wiebusch et al., 2003).<br />
Zur Beseitigung des Problems gibt es verschiedene Lösungsansätze. Zuerst bie-<br />
tet es sich an Variablen, die miteinander hochgradig korreliert sind, zu einem<br />
Input zu aggregieren. Außerdem kann das Problem der Multikollinearität behoben<br />
werden, indem man betroffene Variablen nicht berücksichtigt oder den Stichpro-<br />
benumfang erhöht (Brooks, 2002). Bei einem empirischen Datensatz ist immer<br />
einer gewisser Grad an Multikollineariät vorhanden (Rybnikova, 2011). Wiebusch<br />
et al. (2003) weisen ebenfalls daraufhin, dass Multikollinearität durch die Be-<br />
schaffenheit des Datensatzes hervorgerufen werden kann und nicht immer ein<br />
Problem der Modellspezifikation sein muss. Weil im Rahmen dieser Arbeit die<br />
Einflussgrößen der einzelbetrieblichen Effizienz und nicht die Einflussgrößen der<br />
Umsatzerlöse erklärt werden sollen, wird von einer weiteren Behandlung des<br />
Problems abgesehen.
Ergebnisse 49<br />
Tabelle 10: Rangkorrelationskoeffizient nach Spearman<br />
lnAF lnAK lnVL lnKAP lnAFA<br />
Wirtschaftsjahr 2005/2006<br />
lnAF 1,0000<br />
lnAK 0,5464 1,0000<br />
lnVL 0,9213 0,5607 1,0000<br />
lnKAP 0,6815 0,4112 0,7538 1,0000<br />
lnAFA 0,7028 0,4559 0,7298 0,4894 1,0000<br />
Wirtschaftsjahr 2006/2007<br />
lnAF 1,0000<br />
lnAK 0,5717 1,0000<br />
lnVL 0,9034 0,5924 1,0000<br />
lnKAP 0,6766 0,4476 0,7505 1,0000<br />
lnAFA 0,6761 0,4464 0,7195 0,4824 1,0000<br />
Wirtschaftsjahr 2007/2008<br />
lnAF 1,0000<br />
lnAK 0,5704 1,0000<br />
lnVL 0,9200 0,5842 1,0000<br />
lnKAP 0,6741 0,4366 0,7547 1,0000<br />
lnAFA 0,6717 0,4647 0,7093 0,4765 1,0000<br />
Quelle: Eigene Berechnungen<br />
Um sicherzustellen, dass zwischen den Kovariablen keine starken Zusammen-<br />
hänge bestehen, wird auch <strong>für</strong> die Variablen des Ineffizienz-Modells eine Korrela-<br />
tionsmatrix erstellt.<br />
Aus Gründen der Übersichtlichkeit ist die ausführliche Korrelationsmatrix im An-<br />
hang 6 aufgeführt.<br />
Bezüglich der Kovariablen kann festgehalten werden, dass <strong>für</strong> keine der Variab-<br />
len Multikollinearität vorliegt. Lediglich <strong>für</strong> die Variablen Ackerfläche und Anzahl<br />
der Arbeitskräfte pro 100 Hektar wurde ein Korrelationskoeffizient von -0,80 er-<br />
rechnet. Für alle weiteren Variablenpaare wurden deutlich geringer Werte ermit-<br />
telt. Somit lässt sich abschließend festhalten, dass <strong>für</strong> das Modell der techni-<br />
schen Ineffizienz keine Verzerrungen der Aussagekraft durch Multikollinearität zu<br />
erwarten sind.<br />
6.2. Ergebnisse <strong>für</strong> die Translog-Produktionsfunktion<br />
Nachdem die Ergebnisse <strong>für</strong> die Cobb-Douglas-Produktionsfunktion beschrieben<br />
wurden, soll nun mit Hilfe der Translog-Produktionsfunktion ein weiterer Erklä-<br />
rungsversuch unternommen werden.
Ergebnisse 50<br />
Die Ergebnisse der stochastischen Frontier-Analyse unter Verwendung der<br />
Translog-Funktion sind in Tabelle 12 dargestellt.<br />
Der obere Teil der Tabelle zeigt die Ergebnisse <strong>für</strong> das Modell der Produktions-<br />
frontier. Im mittleren Abschnitt der Tabelle sind die Parameter des Modells der<br />
technischen Ineffizienz aufgeführt, während im letzten Teil der Tabelle die Para-<br />
meter zur Modellgüte enthalten sind.<br />
Die Aussagekraft des Modells wurde ebenfalls mit dem Likelihood-Ratio-Test<br />
überprüft. Der ermittelte LR-Wert von 174,0541 liegt deutlich über dem tabellari-<br />
schen Chi-Quadrat-Wert. Somit ist von einem entsprechenden Erklärungsbeitrag<br />
der exogenen Kovariablen auszugehen. Außerdem werden über 47 Prozent der<br />
Varianzen durch das Modell der technischen Ineffizienz erklärt. Der Gamma-Wert<br />
bei Verwendung der Translog-Funktion liegt circa 3 Prozentpunkte über dem er-<br />
mittelten Gamma-Wert <strong>für</strong> die Cobb-Douglas-Produktionsfunktion.<br />
Nachdem die Parameter zur Beschreibung der Modellgüte abgehandelt wurden,<br />
folgt nun eine Darstellung der ermittelten Koeffizienten mit den entsprechenden<br />
Signifikanzniveaus. Mehr als ein Drittel der exogenen Variablen des Modells der<br />
Produktionsfrontier haben einen signifikanten Einfluss auf die Höhe der Umsatz-<br />
erlöse. Im Gegensatz zu dem Cobb-Douglas-Modell muss die Interpretation der<br />
Koeffizienten <strong>für</strong> die exogenen Variablen differenzierter erfolgen. Durch das Im-<br />
plementieren von Kreuztermen lassen sich die Elastizitäten der einzelnen Inputs<br />
nicht mehr an den Koeffizienten ablesen. Um die Elastizitäten der jeweiligen Pro-<br />
duktionsfaktoren berechnen zu können, muss die erste Ableitung der Produkti-<br />
onsfunktion nach dem entsprechenden Produktionsfaktor gebildet werden. Die<br />
Produktionselastizität kann entweder <strong>für</strong> jede Beobachtungseinheit oder <strong>für</strong> den<br />
Stichprobenmittelwert berechnet werden. Weil eine Berechnung der Elastizitäten<br />
<strong>für</strong> jede Beobachtung keinen Vergleich mit den Elastizitäten der Cobb-Douglas-<br />
Produktionsfunktion zulässt, wird die Variante der Mittelwerte gewählt. Die Pro-<br />
duktionselastizitäten am Stichprobenmittelwert sind in Tabelle 11 aufgeführt.<br />
Tabelle 11: Elastizitäten der Produktionsfaktoren<br />
Elastizität<br />
Std. Fehler <br />
Ackerfläche <br />
Arbeitskräfte<br />
Aufw. <strong>für</strong> Vorleistungen<br />
sonst. betr.<br />
Aufwand<br />
Aufw. <strong>für</strong> Abschreibung<br />
-0,0123 -0,0095 0,8673 *** 0,1039 (*) 0,0340<br />
0,1592 0,1116 0,1420 0,0757 0,0313<br />
***/**/*/(*) entspricht signifikant auf dem Niveau 0,01 / 0,05 / 0,1 (2-seitig)/ 0,1 (1-seitig)<br />
Quelle: Eigene Berechnungen
Ergebnisse 51<br />
Die Aufteilung der Elastizitäten ähnelt der Aufteilung bei der Cobb-Douglas Pro-<br />
duktionsfunktion (vgl. Regressionskoeffizienten ß1-ß5 in Tabelle 9). Den größten<br />
Einfluss auf die Höhe der Umsatzerlöse haben weiterhin die Vorleistungen. Auf-<br />
fällig ist auch in diesem Fall, dass die Ackerfläche keinen Einfluss auf die Höhe<br />
der Umsatzerlöse des Marktfruchtbaus hat. Der sonstige betriebliche Aufwand<br />
hat lediglich bei einer einseitigen Testprozedur noch einen leicht signifikanten<br />
Einfluss auf den Output. Da sich beide Betrachtungsweisen auf die gleiche Da-<br />
tengrundlage stützen, liegt auch bei der Verwendung der Translog-Funktionsform<br />
das Problem der Multikollinearität vor. Es ist daher möglich, dass durch die hohe<br />
Korrelation zwischen Vorleistungen und Ackerfläche eine Verzerrung der Reg-<br />
ressionskoeffizienten hervorgerufen wird. In Bezug auf das Modell der Produkti-<br />
onsfrontier kann davon ausgegangen werden, dass die Multikollineariät durch<br />
den vorhandenen Datensatz hervorgerufen wird (Wiebusch et al., 2003).<br />
Für die Kovariablen gelten weiterhin die Korrelationskoeffizienten aus Anhang 6.<br />
Es wird aus diesem Grund angenommen, dass <strong>für</strong> die exogenen Variablen des<br />
Modells der technischen Ineffizienz keine Multikollinearität vorliegt. Die Ergebnis-<br />
se <strong>für</strong> das Modell der technischen Ineffizienz sind demnach uneingeschränkt<br />
verwertbar.
Ergebnisse 52<br />
Tabelle 12: Ergebnisse Translog-Produktionsfunktion<br />
exogene Variable Koeffizient Std. Fehler t-Wert<br />
Modell der Produktionsfrontier<br />
Konstante ß0 8,4184 *** 3,0073 2,7994<br />
lnAF Ackerfläche ß1 0,8098 0,6013 1,3467<br />
lnAK Arbeitskräfte ß2 -0,8163 ** 0,4095 -1,9935<br />
lnVL Aufw. <strong>für</strong> Vorleistungen ß3 -1,0498 0,8020 -1,3089<br />
lnKAP sonst. betr. Aufwand ß4 0,5412 0,3817 1,4178<br />
lnAFA Aufw. <strong>für</strong> Abschreibung ß5 -0,0847 0,1826 -0,4640<br />
0,5 (lnAF * lnAF) ß11 -0,0593 0,0479 -1,2382<br />
0,5 (lnAK * lnAK) ß22 -0,0002 0,0117 -0,0175<br />
0,5 (lnVL * lnVL) ß33 0,1370 ** 0,0696 1,9691<br />
0,5 (lnKAP * lnKAP) ß44 0,0373 * 0,0213 1,7502<br />
0,5 (lnAFA * lnAFA) ß55 0,0022 0,0019 1,1489<br />
lnAF * lnAK ß12 -0,1177 ** 0,0514 -2,2896<br />
lnAF * lnVL ß13 -0,0595 0,0962 -0,6186<br />
lnAF * lnKAP ß14 0,0090 0,0481 0,1877<br />
lnAF * lnAFA ß15 0,0394 * 0,0228 1,7271<br />
lnAK * lnVL ß23 0,0661 0,0620 1,0661<br />
lnAK * lnKAP ß24 0,1152 *** 0,0391 2,9446<br />
lnAK * lnAFA ß25 -0,0548 *** 0,0193 -2,8473<br />
lnVL * lnKAP ß34 -0,0965 0,0606 -1,5916<br />
lnVL * lnAFA ß35 0,0107 0,0247 0,4324<br />
lnKAP * lnAFA<br />
Modell der techn. Ineffizienz<br />
ß45 -0,0212 0,0165 -1,2825<br />
Konstante δ0 0,6621 *** 0,0793 8,3531<br />
Ackerfläche δ1 0,0001 0,0001 0,7533<br />
Pachtflächenanteil δ2 0,0202 0,0378 0,5358<br />
Ertragsmesszahl δ3 -0,0001 *** 0,0000 -6,6810<br />
Arbeitskräfte pro 100 ha δ4 0,0036 0,0319 0,1128<br />
Lohnunternehmerkosten pro ha δ5 -0,0002 0,0002 -1,1022<br />
Dummy <strong>für</strong> Familienarbeitskräfte δ6 0,0835 *** 0,0258 3,2409<br />
Dummy <strong>für</strong> Wachstum δ7 0,0277 0,0200 1,3841<br />
Dummy <strong>für</strong> Rechtsform δ8 -0,1019 ** 0,0450 -2,2646<br />
Anteil d. Veredlung am Umsatz δ9 -0,3759 ** 0,1846 -2,0358<br />
Anzahl Früchte in Fruchtfolge δ10 -0,0326 *** 0,0113 -2,8975<br />
Log Likelihood Wert 25,1209<br />
Likelihood-Ratio-Test 174,0541<br />
Sigma squared σ² 0,0647 0,0056 11,6333<br />
Gamma γ 0,4717 *** 0,1045 4,5153<br />
***/**/* entspricht signifikant auf dem Niveau 0,01 / 0,05 / 0,1 (2-seitig)<br />
Quelle: Eigene Berechnungen<br />
Das Modell der technischen Ineffizienz liefert ähnliche Ergebnisse wie die zuvor<br />
dargestellte Regressionsanalyse. Die Ackerfläche und der Pachtflächenanteil<br />
haben in dieser Betrachtungsform keinen signifikanten Einfluss auf die Effizienz.
Ergebnisse 53<br />
Es gibt demnach keine Skaleneffekte in Bezug auf die Effizienz. Weiterhin ist<br />
davon auszugehen, dass auch der Pachtflächenanteil keinerlei Einfluss auf die<br />
Höhe der einzelbetrieblichen Effizienz hat. Demgegenüber konnte der signifikan-<br />
te Einfluss der Variablen Ertragsmesszahl und Dummy <strong>für</strong> Familienarbeitskräfte<br />
bestätigt werden. Die Vorzeichen der entsprechenden Koeffizienten sind iden-<br />
tisch zu den Vorzeichen aus der Analyse mit Hilfe der Cobb-Douglas-<br />
Produktionsfunktion. Mit steigenden Ertragsmesszahlen wird laut diesem Modell<br />
die Effizienz der jeweiligen Betriebe steigen. Lediglich das Ausmaß des Einflus-<br />
ses auf die Effizienz ist unterschiedlich, nicht die Richtung in die beide Variablen<br />
wirken aber. Es wurde ebenfalls durch die Transzendent-logarithmierte Funkti-<br />
onsform bestätigt, dass sich die ausschließliche Beschäftigung von Familienar-<br />
beitskräften negativ auf die Effizienz des Marktfruchtbaus auswirkt. Die Dummy-<br />
Variable <strong>für</strong> Wachstumsbetriebe wird auch in dieser Untersuchung als nicht signi-<br />
fikant bewertet. Der Dummy-Variable <strong>für</strong> die Rechtsform wird in diesem Fall<br />
ebenfalls ein signifikant positiver Einfluss auf die Effizienz unterstellt. Es wird<br />
deutlich, dass Einzelpersonengesellschaften weniger effektiv geführt werden als<br />
Mehrpersonengesellschaften. Als vorletzte Kovariable wurde der Anteil der Ver-<br />
edlung am Umsatz des Unternehmens berücksichtigt. Es hat sich gezeigt, dass<br />
mit steigenden Umsatzanteilen durch die Veredlung auch die Effizienz des Markt-<br />
fruchtbaus steigen wird. Abschließend wurde wieder die Anzahl der Früchte in<br />
der Fruchtfolge berücksichtigt. Entsprechend der ersten Ergebnisse wurde auch<br />
in diesem Fall ebenfalls ein signifikant positiver Einfluss auf die Effizienz bestä-<br />
tigt. Somit gilt auch laut dieser Berechnung, dass Betriebe mit einer diversifizier-<br />
ten Fruchtfolge zu signifikant höheren Effizienzwerten tendieren als Betriebe mit<br />
spezialisierten Fruchtfolgen.<br />
Nachdem die Ergebnisse <strong>für</strong> die einzelnen Koeffizienten dargestellt wurden, wird<br />
zunächst der Likelihood-Ratio-Test durchgeführt, bevor die ermittelten Effizienz-<br />
maße und die daraus resultierenden Charakteristika <strong>für</strong> effiziente und weniger<br />
effiziente Betriebe ausführlich erläutert werden.<br />
6.3. Ergebnisse der Likelihood-Ratio-Tests <strong>für</strong> Paneldaten<br />
Wie in Kapitel 3.5.1 erklärt wurde, eignet sich der Likelihood-Ratio-Test zum Ver-<br />
gleich zweier Modelle. Zur Durchführung des Likelihood-Ratio-Tests sind immer<br />
zwei Modelle (Nullmodell und Alternativmodell) notwendig. In dem vorliegenden<br />
Fall handelt es sich bei dem Cobb-Douglas-Modell um das Nullmodell, während<br />
die Transzendent logarithmierte Funktionsform das Alternativmodell darstellt.<br />
Aus Tabelle 13 wird ersichtlich, dass die Nullhypothese auf einem Signifikanzni-<br />
veau von einem Prozent abgelehnt werden kann. Es ist also davon auszugehen,
Ergebnisse 54<br />
dass die zusätzlichen Kreuzterme der Translog-Funktionsform einen Erklärungs-<br />
beitrag zur Höhe der Umsatzerlöse leisten.<br />
Aus diesem Grund ist die Modellformulierung mit Hilfe der transzendent logarith-<br />
mierten Funktionsform dem Modell auf Basis der Cobb-Douglas-<br />
Produktionsfunktion vorzuziehen.<br />
Tabelle 13: Ergebnisse des Likelihood-Ratio-Tests <strong>für</strong> Paneldaten<br />
Paneldaten<br />
LRT-Wert 80,36 ***<br />
H0: δ1 -10 = 0<br />
tabellarischer Chi-Quadrat-Wert<br />
α 0,01<br />
Χ² 32,80<br />
Quelle: Eigene Berechnungen<br />
Das Ergebnis des Likelihood-Ratio-Tests wird durch den Vergleich der Gamma-<br />
Werte untermauert (vgl. Tabelle 9 und Tabelle 12). Bei diesem Vergleich fiel be-<br />
reits auf, dass die Translog-Funktionsform in der Lage ist einen höheren prozen-<br />
tualen Anteil der Varianz durch Ineffizienzen zu erklären.<br />
Somit wurde anhand von zwei Merkmalen gezeigt, dass die Translog-<br />
Funktionsform zur Erklärung der Effizienz von Marktfruchtbetrieben als besser<br />
geeignet angesehen werden muss. Aus diesem Grund werden sich alle an-<br />
schließenden Diskussionen und Interpretationen auf die Grundlage der Translog-<br />
Produktionsfunktion stützen.<br />
6.4. Test auf Heteroskedastizität<br />
Während der Beschreibung von statistischen Tests in Kapitel 3.5 wurde unter<br />
anderem der Breusch-Pagan-Test erläutert. Dieser Test ist geeignet <strong>für</strong> die<br />
Überprüfung der Konstanz der Varianz der Residuen. Nur wenn die Varianz der<br />
Residuen konstant ist, kann von effizienten Schätzungen ausgegangen werden.<br />
Andernfalls würde das Modell verzerrte Ergebnisse liefern. Der Breusch-Pagan-<br />
Test hat <strong>für</strong> beide Modellvarianten die folgenden Ergebnisse geliefert.<br />
Tabelle 14: Ergebnisse Breusch-Pagan-Test<br />
Cobb-Douglas-Modell Translog-Modell<br />
BG-Wert 1,7207 1,7161<br />
Χ²tab 6,6349 6,6349<br />
α = 1 Prozent<br />
Quelle: Eigene Berechnungen
Ergebnisse 55<br />
Aus Tabelle 14 kann abgelesen werden, dass in beiden Fällen der empirische<br />
Chi-Quadrat-Wert höher ist als der tabellarische Wert der Chi-Quadrat-Verteilung<br />
bei einem Signifikanzniveau von einem Prozent. Aus diesem Grund ist <strong>für</strong> beide<br />
Modellvarianten nicht von Heteroskedastizität auszugehen. Damit ist eine we-<br />
sentliche Grundannahme <strong>für</strong> das Schätzen von Regressionsgleichungen erfüllt.<br />
6.5. Effizienzwerte der Marktfruchtbetriebe im Vergleich<br />
Auf Grundlage der eingangs formulierten Hypothesen wurden sowohl die klassi-<br />
schen Inputgrößen eines Marktfruchtbetriebes (Arbeit, Kapital und Boden) wie<br />
auch einige weitere betriebsbeschreibende Einflussgrößen in die Modelle inte-<br />
griert. Vor allem die betriebsbeschreibenden Einflussgrößen sollen dazu dienen,<br />
die zentrale Fragestellung nach dem Einfluss der Organisationsform auf die Effi-<br />
zienz von Marktfruchtbetrieben zu beantworten. Nachdem in den vorigen Ab-<br />
schnitten geklärt wurde, ob die gewählten exogenen Variablen tatsächlich einen<br />
Einfluss auf die einzelbetriebliche Effizienz des Marktfruchtbaus ausüben, sollen<br />
nun die tatsächlichen Effizienzwerte der Betriebe kurz dargestellt werden. Mit<br />
dieser Darstellung wird deutlich, welche Eigenschaften ein Marktfruchtbetrieb<br />
haben muss, damit er langfristig zu den effizienteren oder zu den ineffizienteren<br />
Betrieben gehört.<br />
Um eine entsprechende Aufstellung der Betriebe zu ermöglichen, steht am An-<br />
fang die Betrachtung aller ermittelten Effizienzwerte. Die durchschnittliche Effizi-<br />
enz über alle drei Beobachtungsjahre und über alle 415 Betriebe beträgt 75,69<br />
Prozent. Um eine Klassifizierung der Betriebe zu ermöglichen, werden die Effizi-<br />
enzwerte in Quantile eingeteilt. Die Einteilung erfolgt dabei in folgende zwei<br />
Quantile:<br />
� 0,15-Quantil<br />
� 0,85-Quantil<br />
Die Quantile geben auf eine einfache Art Hinweise über die Verteilung von Da-<br />
ten. Links von dem 0,15-Quantil liegen 15 Prozent der Daten, während rechts<br />
von dem 0,85-Quantil ebenfalls 15 Prozent der Daten liegen. Die verbleibenden<br />
Daten liegen zwischen den beiden äußeren Quantilen (Fahrmeir et al., 2007).<br />
In Abbildung 6 ist die Dichtefunktion <strong>für</strong> die Effizienzwerte des Translog-Modells<br />
aller Betriebe in den drei Wirtschaftsjahren mit den drei beschriebenen Quantilen<br />
dargestellt. Die roten Linien markieren die Grenzen zwischen den einzelnen<br />
Quantilen. Im linken Teil wird das 0,15-Quantil gezeigt, während der rechte Teil<br />
das 0,85-Quantil darstellt.
Ergebnisse 56<br />
Abbildung 6: Wahrscheinlichkeitsdichtefunktion der Effizienzwerte<br />
0 1 2 3 4<br />
.4 .6 .8 1<br />
einzelbetriebliche Effizienzwerte<br />
Quelle: Eigene Darstellung<br />
Von besonderem Interesse sind die Betriebe, die dauerhaft (also in allen drei<br />
Perioden) in einem der beiden äußeren Quantile liegen. Bevor die Betriebe und<br />
ihre charakteristischen Eigenschaften weiter beschrieben werden, sind alle Be-<br />
triebe, die nicht genau dreimal in dem jeweiligen Quantil liegen auszusortieren.<br />
Die Grenze <strong>für</strong> das linke Quantil liegt bei einem Effizienzwert von 0,6449 <strong>für</strong> das<br />
obere Quantil bei 0,8634.<br />
Die Zuteilung der Betriebe in die jeweiligen Quantile ergibt folgende zahlenmäßi-<br />
ge Aufgliederung. In den beiden äußeren Quantilen liegen jeweils 62 Betriebe,<br />
während die restlichen 291 Betriebe in dem mittleren Quantil verbleiben. Im An-<br />
schluss daran werden alle Betriebe, die nicht dreimal in den beiden äußeren<br />
Quantilen liegen aussortiert. Nach Beenden dieser Selektion zeigt sich, dass in<br />
beiden Quantilen nur circa ein Drittel der Betriebe übrig bleibt. Somit sind 23 Be-<br />
triebe in dem Datensatz vorhanden, die in allen Beobachtungsjahren zu den effi-<br />
zientesten 15 Prozent gehören. Analog dazu verbleiben 19 Betriebe, die kontinu-<br />
ierlich zu den 15 Prozent ineffizientesten Betrieben gehören.
Ergebnisse 57<br />
Tabelle 15: Teil 1 des Betriebsspiegels der äußeren Quantile<br />
Ackerfläche<br />
Pacht<br />
15% effizientesten Betriebe (n=62)<br />
EMZ<br />
Arbeitskräfte pro<br />
100 ha<br />
Lohnunternehmerkosten<br />
pro<br />
ha<br />
WJ 05/06 245,35 0,71 7246 1,23 115,31 133,57<br />
WJ 06/07 248,80 0,68 7246 1,16 120,20 125,00<br />
WJ 07/08 246,77 0,65 7073 1,21 123,09 118,74<br />
Mittel 246,97 0,68 7188 1,20 119,53 125,77<br />
15% ineffizientesten Betriebe (n=62)<br />
WJ 05/06 112,44 0,54 2996 1,45 53,57 101,56<br />
WJ 06/07 112,17 0,53 2991 1,46 54,65 93,65<br />
WJ 07/08 114,11 0,54 3065 1,43 61,40 96,73<br />
Mittel 112,91 0,54 3017 1,45 56,54 97,31<br />
Quelle: Eigene Darstellung<br />
In Tabelle 15 ist der erste Teil des Betriebsspiegels <strong>für</strong> die in den äußeren Quan-<br />
tilen verbleibenden Beobachtungseinheiten. Es ist deutlich zu erkennen, dass die<br />
Betriebsgröße in den beiden Klassen unterschiedlich ist. Während ein effizienter<br />
Betrieb im Durchschnitt 247 Hektar bewirtschaftet, verfügen die ineffizienteren<br />
Betriebe lediglich über knapp 113 Hektar Ackerfläche. In beiden Klassen wurde<br />
Flächenwachstum in den verschieden Perioden realisiert. Aus der nächsten Spal-<br />
te wird ersichtlich, dass in beiden Gruppen ein hoher Pachtflächenanteil vorliegt.<br />
Die effizienteren Betriebe pachteten durchschnittlich 68 Prozent ihrer Flächen,<br />
die Betriebe des linken Quantils pachteten nur 54 Prozent der. Während die<br />
Gruppe der ineffizienten Betriebe einen rückläufigen Pachtflächenanteil hat, ist<br />
zumindest während der drei Beobachtungsjahre <strong>für</strong> die Gruppe der 15 Prozent<br />
ineffizientesten Marktfruchtbetriebe ein konstantes Pachtniveau zu erkennen.<br />
Einen sehr deutlichen Unterschied gibt es bei den Ertragsmesszahlen. Landwirt-<br />
schaftliche Unternehmen mit hohen Effizienzwerten haben im Durchschnitt um<br />
ca. 4000 Punkte höhere Ertragsmesszahlen als Betriebe, die ineffizient wirtschaf-<br />
ten.<br />
Die letzten drei Spalten der Tabelle sollen einen kleinen Eindruck über die Orga-<br />
nisation des Produktionsprozesses geben. Bezüglich der Ausstattung mit Ar-<br />
beitskräften ist festzustellen, dass der Arbeitskräftebesatz pro 100 Hektar in den<br />
AfA pro ha
Ergebnisse 58<br />
effizienten Betrieben geringer ist als in den weniger effizient produzierenden Be-<br />
trieben. Die beobachteten Unternehmen in dem linken Quantil verfügen durch-<br />
schnittlich über 1,45 Arbeitskräfte pro 100 Hektar, während die Betriebe des<br />
rechten Quantils mit 1,20 Arbeitskräften pro 100 Hektar auskommen.<br />
Die Intensität des Ackerbaus lässt sich unter anderem an den Maschinenkosten<br />
ablesen. Dazu sind in den letzten beiden Spalten die Kosten <strong>für</strong> Dienstleistungen<br />
durch Lohnunternehmer und die Aufwendungen <strong>für</strong> Abschreibungen dargestellt.<br />
Bei den Lohnunternehmerkosten zeigt sich, dass die effizienten Betriebe etwa<br />
doppelt so hohe Ausgaben <strong>für</strong> landwirtschaftliche Dienstleistungen aufweisen wie<br />
die 15 Prozent ineffizientesten Betriebe. Ein ähnlicher Trend findet sich bei den<br />
Aufwendungen <strong>für</strong> Abschreibungen wieder. Hier geben die besseren Betriebe in<br />
etwa 125 Euro pro Hektar aus, während die schlechteren Betriebe nur 97 Euro<br />
pro Hektar als Aufwand <strong>für</strong> Abschreibungen verbuchen. Das Verhältnis dieser<br />
Zahlen entspricht etwa 30 Prozent höheren Aufwendungen bei den effizienteren<br />
Betrieben.<br />
Tabelle 16 zeigt die zweite Hälfte des vergleichenden Betriebsspiegels <strong>für</strong> die<br />
äußeren Quantile der Dichtefunktion<br />
Tabelle 16: Teil 2 des Betriebsspiegels der äußeren Quantile<br />
15% effizientesten Betriebe<br />
Anzahl d. Früchte Pflanzenschutzkosten<br />
pro ha<br />
Düngerkosten pro<br />
ha<br />
WJ 05/06 4,41 127,91 133,28<br />
WJ 06/07 4,45 140,88 143,55<br />
WJ 07/08 4,57 189,69 208,54<br />
Mittel 4,48 152,83 161,79<br />
15% ineffizientesten Betriebe<br />
WJ 05/06 3,26 135,65 179,92<br />
WJ 06/07 3,74 148,39 178,09<br />
WJ 07/08 3,63 178,17 254,82<br />
Mittel 3,54 154,07 204,28<br />
Quelle: Eigene Darstellung<br />
Zunächst wird ersichtlich, dass die besseren Betriebe im Durchschnitt eine Frucht<br />
mehr in ihrer Fruchtfolge anbauen als Betriebe mit einem geringen Effizienzwert.<br />
Bei den Kosten <strong>für</strong> Pflanzenschutzmittel gibt es zwischen den beiden Effizienz-<br />
klassen keine wesentlichen Unterschiede. Anders stellen sich dagegen die Kos-<br />
ten <strong>für</strong> Düngemittel dar. Vor dem Hintergrund, dass von dem WJ 2005/ 2006 bis
Ergebnisse 59<br />
zum WJ 2007/2008 Produktpreissteigerungen stattgefunden haben, sind eben-<br />
falls steigende Ausgaben <strong>für</strong> ertragssteigernde Mittel zu erkennen. Dies kann<br />
zum einen durch steigende Faktor-Preise und zum anderen durch höhere Intensi-<br />
täten in der Produktion bei hohen Weizenpreisen induziert werden (Hartl, 2008).<br />
Abbildung 7: Verteilung aller Betriebe in den Bundesländern<br />
Thüringen<br />
Sachsen-Anhalt<br />
Sachsen<br />
Mecklenburg-Vorpommern<br />
Brandenburg<br />
Saarland<br />
Bayern<br />
Baden-Württemberg<br />
Rheinland-Pfalz<br />
Hessen<br />
Nordrhein-Westfalen<br />
Niedersachsen<br />
Schleswig-Holstein<br />
Alle Betriebe<br />
Quelle: Eigene Darstellung<br />
Während der Datenselektion wurde bereits kurz auf die Verteilung der Untersu-<br />
chungsbetriebe in den Bundesländern eingegangen. In Abbildung 7 ist dargestellt<br />
wie viel Prozent der Betriebe aus den jeweiligen Bundesländern kommen. Bun-<br />
desländer in denen nach der Datenselektion keine Betriebe mehr vorhanden<br />
sind, werden in der Abbildung nicht mehr berücksichtigt. Eindeutig ist zu erken-<br />
nen, dass etwa ein Drittel aller Beobachtungen aus Niedersachsen stammen.<br />
Dies ist unter anderem mit der starken Präsenz das landwirtschaftlichen Buchfüh-<br />
rungsverbandes in Niedersachsen zu erklären.<br />
0 5 10 15 20 25 30 35<br />
Anteil in Prozent
Ergebnisse 60<br />
Abbildung 8: Verteilung der 15% effizientesten Betriebe in Deutschland<br />
Thüringen<br />
Sachsen-Anhalt<br />
Sachsen<br />
Mecklenburg-Vorpommern<br />
Brandenburg<br />
Saarland<br />
Bayern<br />
Baden-Württemberg<br />
Rheinland-Pfalz<br />
Hessen<br />
Nordrhein-Westfalen<br />
Niedersachsen<br />
Schleswig-Holstein<br />
Quelle: Eigene Darstellung<br />
Abbildung 8 zeigt die Verteilung der Betriebe des 0,85-Quantils innerhalb der<br />
Bundesrepublik Deutschland. Dabei ist auffällig, dass in einigen Bundesländern<br />
keine Betriebe vorhanden sind, die zu den 15 Prozent effizientesten Unterneh-<br />
men gehören (Vgl. Abbildung 8). Zu diesen Bundesländern gehören Thüringen,<br />
Mecklenburg-Vorpommern, Brandenburg, Saarland, Hessen und Schleswig-<br />
Holstein. Jeweils mehr als ein Viertel der erfolgreichen Betriebe stammt aus Nie-<br />
dersachsen und Sachsen-Anhalt. Während Bayern, Baden-Württemberg und<br />
Rheinland-Pfalz jeweils einen Anteil von circa 13 Prozent an den erfolgreicheren<br />
Betrieben haben. Die restlichen Betriebe des 0,85-Quantils liegen in Sachsen<br />
und Nordrhein-Westfalen.<br />
15% effizientesten Betriebe<br />
0 10 20 30<br />
Anteil in Prozent
Ergebnisse 61<br />
Abbildung 9: Verteilung der 15% ineffizientesten Betriebe in Deutschland<br />
15% ineffizientesten Betriebe<br />
Thüringen<br />
Sachsen-Anhalt<br />
Sachsen<br />
Mecklenburg-Vorpommern<br />
Brandenburg<br />
Saarland<br />
Bayern<br />
Baden-Württemberg<br />
Rheinland-Pfalz<br />
Hessen<br />
Nordrhein-Westfalen<br />
Niedersachsen<br />
Schleswig-Holstein<br />
0 10 20 30<br />
Anteil in Prozent<br />
Quelle: Eigene Darstellung<br />
Abbildung 9 zeigt die Verteilung der ineffizienteren Betriebe innerhalb Deutsch-<br />
lands. In den Bundesländern Thüringen, Mecklenburg-Vorpommern, Saarland<br />
und Nordrhein-Westfalen gibt es keine Beobachtungseinheiten, die in dem 0,15<br />
Quantil liegen. Auffällig an der Grafik ist, dass mehr als ein Viertel der weniger<br />
erfolgreichen Betriebe aus Schleswig-Holstein stammen. Danach folgen Sachsen<br />
und Niedersachsen mit einem etwas mehr als 15 prozentigen Anteil an der Grup-<br />
pe der ineffizientesten Betriebe. Die verbleibenden Bundesländer weisen annä-<br />
hernd gleich hohe Anteile an der Vergleichsgruppe auf. Signifikante Einflüsse auf<br />
die einzelbetriebliche Effizienz lassen sich aus dieser Vorgehensweise nicht ab-<br />
leiten. Dennoch kann festgehalten werden, dass die Bundesländer in Bezug auf<br />
die Streuung der Effizienzwerte unterschiedliche Eigenschaften aufweisen. Ob<br />
die differenzierte Ausgestaltung von Prämienmodellen oder gesetzlichen Aufla-<br />
gen auf Bundeslandebene zu den unterschiedlichen Verteilungen führen, lässt<br />
sich abschließend nicht sagen. Die weitergehende Analyse auf statistische signi-<br />
fikante Einflüsse der Bundesländer und ihrer jeweiligen Gesetzgebung auf die<br />
Effizienz des Marktfruchtbaus wird im Rahmen dieser Arbeit nicht vorgenommen.
Diskussion 62<br />
7. Diskussion<br />
Nachdem die Ergebnisse der stochastischen Frontier-Analyse und der dazugehö-<br />
rigen statistischen Tests dargestellt wurden, sollen diese nun einer intensiven<br />
Diskussion unterworfen werden. Dazu werden <strong>für</strong> jede der zehn Hypothesen aus<br />
Kapitel 2.2 die dazugehörigen Ergebnisse der Berechnungen kurz repetiert, be-<br />
vor die anschließende Diskussion erfolgt. Zuvor werden die allgemeinen Ergeb-<br />
nisse <strong>für</strong> die Produktionsfrontiers analysiert.<br />
Am Anfang der Berechnung standen die Aufbereitung des Datensatzes und die<br />
Betriebsselektion. Durch die Vorabselektion der Betriebe werden die Ergebnisse<br />
der stochastischen Frontier-Analyse entsprechend determiniert. Die größte Her-<br />
ausforderung besteht darin, die Betriebe mit einem Veredlungszweig vergleichbar<br />
zu behandeln. Es wurde versucht den daraus entstehenden Vor- und Nachteilen<br />
Rechnung zu tragen, in dem zum Beispiel die Arbeitskräfte nach einem Auftei-<br />
lungsschlüssel den passenden Betriebszweigen zugeordnet wurden. Weiterhin<br />
ist durch die Berechnung des Marktwertes <strong>für</strong> Gülle sichergestellt, dass eventuel-<br />
le Vorteile durch die anfallenden organischen Dünger eingeschränkt bzw. elimi-<br />
niert wurden. Dadurch soll der Betriebszweig des Marktfruchtbaus von allen be-<br />
triebszweigfremden Einflüssen bereinigt sein.<br />
Die Kriterien und Kennzahlen <strong>für</strong> die Datenaufbereitung entstammen im Wesent-<br />
lichen den Datenbanken des Kuratoriums <strong>für</strong> Technik und Bauwesen in der<br />
Landwirtschaft. Der Umfang der Beobachtungen ist mit 415 Betrieben in allen<br />
drei Wirtschaftsjahren durchaus zufriedenstellend. Lediglich der Anteil der Vered-<br />
lungsbetriebe ist mit knapp zehn Prozent etwas gering und kann möglicherweise<br />
nicht zu repräsentativen Ergebnissen führen.<br />
In dem vorigen Kapitel wurden die Ergebnisse der Berechnungen präsentiert.<br />
Bezüglich der exogenen Variablen im Modell der Produktionsfrontier galt es fest-<br />
zustellen, dass die Ackerfläche in beiden Untersuchungen keinen signifikanten<br />
Einfluss auf die Höhe der Umsatzerlöse hat. Aus rein logischer Sicht ist dieser<br />
Zustand nicht zu erklären. In anderen Untersuchungen <strong>für</strong> Marktfruchtbetriebe<br />
wurden sowohl <strong>für</strong> die Ackerfläche wie auch <strong>für</strong> die Vorleistungen signifikante<br />
Einflüsse festgestellt (Dreesman, 2006; Gubi, 2006; Pleßman, 2000). In diesem<br />
Zusammenhang wurde der Rangkorrelationskoeffizient nach Spearman berech-<br />
net. Die daraus resultierenden Korrelationsmatrizen haben eindeutig belegt, dass<br />
<strong>für</strong> die Inputs Ackerfläche, Vorleistungen und sonstiger betrieblicher Aufwand das<br />
Problem der Multikollinearität vorliegt. Dies kann eine mögliche Ursache da<strong>für</strong><br />
sein, dass die Koeffizienten <strong>für</strong> das Modell der Produktionsfrontier verzerrt sind
Diskussion 63<br />
und die Aussagen somit verfälscht werden (Rybnikova, 2011). Um das Problem<br />
der Multikollinearität zu umgehen, wäre das Zusammenfassen oder Weglassen<br />
von einzelnen Inputvariablen ein Lösungsansatz (Farrar & Glauber, 1967). Weil<br />
im Rahmen dieser Arbeit der Fokus auf dem Modell der technischen Ineffizienz<br />
liegt, wird von einer weiteren Behandlung der multikollinearen Inputvariablen ab-<br />
gesehen.<br />
Für die verwendete Kovariablen wurden ebenfalls wie beschrieben die Rangkor-<br />
relationskoeffizienten berechnet. Es wurde nur <strong>für</strong> ein Variablenpaar aus Acker-<br />
fläche und Arbeitskräften pro 100 Hektar ein maximaler Wert von -0,80 festge-<br />
stellt. Die anderen Werte liegen deutlich unterhalb dieses Wertes, so dass <strong>für</strong> die<br />
verbleibenden Koeffizienten des Technical-Effects-Modells keine Verzerrung zu<br />
erwarten ist.<br />
Unter anderem wurden auch die Ergebnisse des Likelihood-Ratio-Tests darge-<br />
stellt. Der Likelihood-Ratio-Test hat ergeben, dass die Modellvariante bei Ver-<br />
wendung der Translog-Funktionsform den höheren Erklärungsgehalt gegenüber<br />
der Cobb-Douglas-Funktionsform hat. Somit ist in der weiteren Betrachtung bei<br />
eventuell differenten Ergebnissen zwischen den beiden Modellvarianten dem<br />
Ergebnis des Translog-Modells der Vorrang zu geben. Aus diesem Grund sind<br />
die Ergebnisse des Translog-Modells als entsprechende Diskussionsgrundlage<br />
anzusehen.<br />
Hypothese 1: Große Betriebe sind effizienter, weil Skaleneffekte ausgenutzt wer-<br />
den können.<br />
In dem Modell konnte kein Einfluss der Betriebsgröße auf die technische Effizi-<br />
enz der Untersuchungseinheit festgestellt werden. Somit ist in Bezug auf die Effi-<br />
zienz festzustellen, dass keinerlei Skaleneffekte vorliegen.<br />
In größeren Betrieben werden in der Regel neuere und größere Landmaschinen<br />
zur Produktion von landwirtschaftlichen Gütern eingesetzt. Somit ist nicht zuletzt<br />
durch die Nutzung von Skaleneffekten von einem deutlichen Anstieg der Effizienz<br />
in diesen Betrieben auszugehen (Hofstätter, 2008). Die Ergebnisse von Hofstät-<br />
ter lassen sich in der vorliegenden Arbeit jedoch nicht wiederfinden. Es muss<br />
folglich auch Effekte des Größenwachstums geben, die sich kontraproduktiv auf<br />
die Effizienz des landwirtschaftlichen Betriebes auswirken. Die Anforderungen an<br />
das Management sind in einem Großbetrieb deutlich höher und ackerbauliche<br />
Präzision wird zunehmend erschwert. Daran schließt sich der Aspekt der ma-<br />
schinellen Überkapazitäten an. Kleinere landwirtschaftliche Unternehmen tendie-<br />
ren eher zu einer überdimensionierten maschinellen Ausstattung als Großbetrie-
Diskussion 64<br />
be (Breitschuh, 2000). In Betrieben mit einem hohen Maschinenbesatz pro Hek-<br />
tar landwirtschaftliche Nutzfläche können die anfallenden Arbeiten in den relativ<br />
engen Zeitfenstern termingerecht durchgeführt werden (Bär, 1996). Daher ist in<br />
den kleineren Betrieben tendenziell mit höheren Erträgen und damit einherge-<br />
hend steigenden Umsatzerlösen pro Hektar zu rechnen. Weil in der Regel kleine-<br />
re landwirtschaftliche Unternehmen über maschinelle Überkapazitäten verfügen<br />
und gleichzeitig aufgrund ihrer Größe einen exakteren Pflanzenbau erlauben,<br />
ergeben sich zwei wesentliche Punkte, die gegen Skaleneffekte bei der techni-<br />
schen Effizienz sprechen. Abschließend muss festgestellt werden, dass sowohl<br />
Gründe <strong>für</strong> Skaleneffekte als auch gegen Skaleneffekte angeführt werden kön-<br />
nen. Die Bezugsgröße ist in diesem Fall lediglich die Effizienz des Ackerbaus und<br />
nicht der wirtschaftliche Erfolg des Betriebes.<br />
Hypothese 2: Ein hoher Besatz mit Arbeitskräften pro 100 Hektar wirkt sich nega-<br />
tiv auf die Effizienz eines landwirtschaftlichen Betriebes aus.<br />
Das Modell konnte keinen signifikanten Einfluss des Arbeitskräftebesatzes auf<br />
die Effizienz der untersuchten Marktfruchtbetriebe bestätigen. Es muss also ab-<br />
schließend festgehalten werden, dass die steigenden Kosten <strong>für</strong> Transaktion und<br />
Kontrolle durch die zunehmende Anzahl an Arbeitskräften keinen negativen Ein-<br />
fluss auf die Effizienz haben (Allen & Lueck, 1998).<br />
Seit dem Jahr 1991 ist die Anzahl der Arbeitskräfte in der Landwirtschaft fast<br />
kontinuierlich gesunken. Während 1993 noch knapp 800.000 Arbeitskrafteinhei-<br />
ten in der Landwirtschaft eingesetzt, wurden waren es 2007 nur noch annähernd<br />
500.000 Arbeitskrafteinheiten (Statistisches Bundesamt, 2009). In reinen Markt-<br />
fruchtbetrieben stellt sich dieser Trend durch die anhaltenden Weiterentwicklun-<br />
gen im Bereich der Landtechnik noch drastischer dar. Durch immer größere wer-<br />
dende Maschinen ist die Produktion von Marktfrüchten in der heutigen Zeit nicht<br />
mehr arbeitsintensiv, sondern kapitalintensiv (Deutscher Bauernverband, 2012).<br />
Dadurch ist zu erklären, dass der Arbeitskräftebesatz in vielen landwirtschaftli-<br />
chen Unternehmen bereits auf das notwendige Minimum reduziert ist. Diese<br />
Aussage wird durch den vorhandenen Datensatz gestützt. Während der Be-<br />
schreibung der Daten wurde erwähnt, dass der durchschnittliche Betrieb 177,05<br />
Hektar landwirtschaftliche Nutzfläche bewirtschaftet. Gleichzeitig werden 1,41<br />
Arbeitskräfte pro 100 Hektar eingesetzt. In der Regel setzt sich der Arbeitskräfte-<br />
besatz aus einem Betriebsleiter und einer Saisonarbeitskraft zusammen. Das<br />
Verhältnis dieser Zahlen verdeutlicht, dass die vorhandenen Marktfruchtbetriebe<br />
in Bezug auf den Arbeitskräftebesatz ein relativ homogenes Bild aufweisen. Auch<br />
beim Vergleich der beiden äußeren Effizienz-Quantile muss bestätigt werden,
Diskussion 65<br />
dass <strong>für</strong> die Kennzahl der Arbeitskräfte pro 100 Hektar keine großen Unterschie-<br />
de zwischen den effizienten und den weniger effizienten Betrieben vorliegen.<br />
Somit ist diese betriebliche Kenngröße kein entscheidendes Merkmal zur Beein-<br />
flussung der einzelbetrieblichen Effizienz des Marktfruchtbaus.<br />
Hypothese 3: Betriebe mit hohen Lohnunternehmerkosten pro Hektar verfügen<br />
über eine höhere Effizienz.<br />
In Bezug auf diese Hypothese konnte kein eindeutiger Einfluss der Lohnunter-<br />
nehmerkosten pro Hektar festgestellt werden. Während die Analyse mit Hilfe der<br />
Cobb-Douglas-Produktionsfunktion einen signifikanten Einfluss der Ausgaben <strong>für</strong><br />
landwirtschaftliche Dienstleistungen ergab ist bei dem Translog-Modell kein signi-<br />
fikanter Einfluss messbar. Ein Einfluss dieser Kovariable ist daher in Frage zu<br />
stellen. Die Tests zur Modellgüte haben einheitlich ergeben, dass die transzen-<br />
dent logarithmierte Funktionsform besser zur Abbildung der Realität geeignet ist.<br />
Im Zweifelsfall sollten daher den Ergebnissen aus der zweiten Analyse der Vor-<br />
rang gegeben werden.<br />
Eingangs wurde angenommen, dass der Einsatz von Lohnunternehmen gleich-<br />
zeitig den Einsatz von modernen Großmaschinen bedeutet. Diese Annahme gilt<br />
auch weiterhin. Dennoch ist auch ein landwirtschaftlicher Dienstleister daran inte-<br />
ressiert, seine Maschine möglichst maximal auszulasten (Schmid, 2007). Aus<br />
diesem Grund ist der Landwirt eventuell gezwungen Zeitfenster <strong>für</strong> die Durchfüh-<br />
rung von Arbeitsgängen zu nutzen, die aus ackerbaulicher Sicht nicht optimal<br />
sind. Somit ist es möglich, dass der Effekt der effizienteren Technik durch nicht<br />
optimale Einsatzzeitpunkte aufgehoben wird (Bär, 1996). Weiterhin muss zu be-<br />
denken gegeben werden, dass Lohnunternehmen in der Regel Arbeiten ausfüh-<br />
ren, <strong>für</strong> die sehr kapitalaufwendige Spezialmaschinen notwendig sind. Bei diesen<br />
Maschinen handelt es sich in der Regel um Erntemaschinen, die nur <strong>für</strong> einen<br />
sehr kurzen Zeitraum im Jahr benötigt werden (Franz et al., 2010). Das heißt, alle<br />
ertragsbeeinflussenden Arbeiten, wie zum Beispiel die Bestellung der Äcker im<br />
Herbst, das Streuen von Dünger oder die Applikation von Pflanzenschutzmitteln,<br />
werden weiterhin von den landwirtschaftlichen Betrieben durch Eigenmechanisie-<br />
rung ausgeführt. Es werden alle wesentlichen Ertrags und Effizienz beeinflus-<br />
senden Maßnahmen während eines Wirtschaftsjahres weiterhin von den Land-<br />
wirten selbst durchgeführt, auch wenn hohe Ausgaben <strong>für</strong> landwirtschaftliche<br />
Dienstleistungen festzustellen sind. Diese deuten vielmehr auf eine Fremdme-<br />
chanisierung im Bereich der Erntetechnik hin.
Diskussion 66<br />
Hypothese 4: Sobald ein Betrieb ausschließlich Familienarbeitskräfte ein-<br />
setzt, wird die Effizienz des Marktfruchtbaus erhöht.<br />
Die vierte Hypothese wurde durch die Analysen mit Hilfe der stochastischen<br />
Frontier-Analyse nicht bestätigt, sondern widerlegt. Betriebe mit einem Arbeits-<br />
kräftebesatz, der ausschließlich aus Familienarbeitskräften besteht, wurden<br />
durch eine Dummy-Variable gekennzeichnet. In beiden Untersuchungen wurde<br />
<strong>für</strong> diese Dummy-Variable ein signifikant negativer Einfluss auf die Höhe der Effi-<br />
zienz festgestellt. Somit ist anhand der Datengrundlage eindeutig belegt, dass<br />
Betriebe dieser Kategorie tendenziell ineffizienter sind. Ein wesentlicher Aspekt,<br />
den dieses Ergebnis beschreibt, ist die versteckte Arbeitslosigkeit in landwirt-<br />
schaftlichen Betrieben. Von versteckter Arbeitslosigkeit wird genau dann gespro-<br />
chen, wenn Arbeitskräfte aus einem Arbeitsprozess ausscheiden ohne sich als<br />
arbeitslos zu melden bzw. Arbeitskräfte, die ohne Vollauslastung tätig sind (Kryer<br />
& Penker, 2000). In landwirtschaftlichen Betrieben ist der Generationswechsel oft<br />
ein sehr schleichender Prozess (Wenk, 2005). In vielen Fällen beginnen die zu-<br />
künftigen Hoferben ihr Berufsleben auf dem elterlichen Betrieb (Tietje, 2005),<br />
obwohl der derzeitige Betriebsleiter noch nicht im rentenfähigen Alter ist. Aus<br />
diesem Grund arbeiten oftmals zwei Betriebsleitergenerationen zusammen auf<br />
einem Familienbetrieb. Dennoch ist die Größe des Betriebes vielerorts nicht ver-<br />
doppelt worden. An die Definition von Kryer, et al. (2000) anlehnend ist daher<br />
davon auszugehen, dass die vorhandenen Arbeitskräfte nicht voll ausgelastet<br />
sind. Dieser Umstand der versteckten Arbeitslosigkeit spiegelt sich in den niedri-<br />
geren Effizienzwerten dieser Betriebe wider.<br />
Ein zusätzlicher Aspekt ist, dass ein Großteil der Betriebe durch Familienarbeits-<br />
kräfte geführt wird. Das Statistische Bundesamt hat im Jahr 2007 in der Agrar-<br />
strukturerhebung festgestellt, dass 80 Prozent der beschäftigen Arbeitskräfte in<br />
der Landwirtschaft aus Familienarbeitskräften bestehen. In dem vorhandenen<br />
Datensatz beträgt der Anteil der Familienarbeitskräfte an den gesamten Arbeits-<br />
kräften sogar 87 Prozent. Es fällt Familienarbeitskräften oftmals sehr schwer zu<br />
erkennen, dass ihre Arbeitskraft nicht voll ausgelastet ist. Es muss also nicht im-<br />
mer ein Generationswechsel dazu führen, dass eine Überkapazität an Arbeits-<br />
kräften vorhanden ist. Vielmehr kann auch die enge Verbundenheit mit dem Fa-<br />
milienbetrieb dazu führen, dass ein zu hoher Besatz mit Arbeitskräften bestehen<br />
bleibt.<br />
Abschließend muss festgehalten werden, dass die ursprüngliche Hypothese im<br />
Rahmen dieser Arbeit widerlegt wurde. Vielmehr muss gelten, dass Betriebe, die<br />
ausschließlich mit Familienarbeitskräften arbeiten, zur Ineffizienz neigen.
Diskussion 67<br />
Hypothese 5: Hohe Effizienz ist vor allem in Betrieben zu finden, die Flä-<br />
chenwachstum verwirklichen.<br />
Um eine Untersuchung dieser Hypothese zu ermöglichen wurde eine weitere<br />
Dummy-Variable eingeführt. Mit Hilfe dieser Variable wurden Betriebe markiert,<br />
die während eines Wirtschaftsjahres mindestens ein Prozent Flächenwachstum<br />
realisieren konnten. Keine der durchgeführten Untersuchungen konnte belegen,<br />
dass die Eigenschaft eines Wachstumsbetriebes einen signifikanten Einfluss auf<br />
die Effizienz des Marktfruchtbaus in den einzelnen Betrieben aufweist. Bei der<br />
Betrachtung des Einflusses von Flächenwachstum muss dringend darauf hinge-<br />
wiesen werden, dass der Faktor Boden ein zunehmend knapperes Gut wird. Die<br />
Möglichkeit zur Allokation von Boden durch Kauf oder Pacht von Flächen ist regi-<br />
onal sehr unterschiedlich und hängt von vielen verschiedenen Einflüssen ab.<br />
Landwirtschaftliche Flächen werden an dem normalen Bodenmarkt gehandelt<br />
und sind somit im Normalfall <strong>für</strong> jedermann zugänglich. Dennoch ist nicht jeder<br />
Landwirt in der Lage, frei nach Belieben landwirtschaftliche Flächen zu erwerben.<br />
Zum einen ist die Region, in der ein Marktfruchtunternehmen liegt, eine entschei-<br />
dende Einflussgröße auf die Möglichkeit <strong>für</strong> den Zukauf von Flächen. Zum ande-<br />
ren sind persönliche und zwischenmenschliche Einflussgrößen von Bedeutung<br />
<strong>für</strong> die Flächenakquise. In Bezug auf die regionalen Einflüsse gibt es beispiels-<br />
weise vor allem in den neuen Bundesländern bessere Chancen <strong>für</strong> Flächen-<br />
wachstum, als in den dichter besiedelten Regionen Deutschlands (Dirksmeyer et<br />
al., 2005). Gleichwohl muss es dem Unternehmer auch bei reichlichem Angebot<br />
gelingen, rechtzeitig die vakanten Flächen zu erkennen, um dann ein evtl. Flä-<br />
chenwachstum zu realisieren.<br />
Mit Hilfe dieser komprimierten Darstellung des Bodenmarktes soll verdeutlicht<br />
werden, dass auch sehr effiziente Landwirte unter Umständen kein Flächen-<br />
wachstum realisieren können, weil es <strong>für</strong> sie schlichtweg kein Angebot an land-<br />
wirtschaftlichen Ackerflächen gibt. Diese Eigenschaft des knappen Produktions-<br />
faktors Boden könnte einer der Gründe da<strong>für</strong> sein, dass kein signifikanter Ein-<br />
fluss des Flächenwachstums auf die einzelbetriebliche Effizienz von Marktfrucht-<br />
betrieben messbar ist.<br />
Hypothese 6: Wenn ein landwirtschaftlicher Betrieb über einen Veredlungs-<br />
zweig verfügt, wird durch die Diversifikation der Betriebszweig Marktfruchtbau an<br />
Effizienz verlieren.<br />
Es konnte sowohl bei Verwendung der Cobb-Douglas-Produktionsfunktion wie<br />
auch bei Verwendung der Translog-Produktionsfunktion ein signifikant positiver
Diskussion 68<br />
Einfluss durch Diversifikation auf die einzelbetriebliche Effizienz festgestellt wer-<br />
den. Die eingangs formulierte Hypothese ging davon aus, dass die Effizienz mit<br />
einem zunehmenden Veredlungsgrad sinkt. Die Begründung dieser Hypothese<br />
besteht darin, dass die Anforderungen an das Management des Unternehmens<br />
wachsen, sobald mehr als ein Produktionszweig vorhanden ist. Somit ist auf den<br />
ersten Blick davon auszugehen, dass der Ackerbau an Detail verlieren wird. In<br />
beiden Berechnungen weisen die Koeffizienten ein negatives Vorzeichen auf,<br />
wodurch ein Sinken der Ineffizienz bei einem abnehmenden Veredlungsgrad sig-<br />
nalisiert wird. Es lässt sich demnach feststellen, dass ein Veredlungszweig posi-<br />
tive Effekte auf den Marktfruchtbau ausübt.<br />
Obwohl die jeweiligen Effekte der organischen Düngung in dem Modell mit aktu-<br />
ellen Nährstoffpreisen berücksichtigt wurden, scheint es zusätzliche Effekte zu<br />
geben, die im bisherigen Verlauf dieser Arbeit noch nicht berücksichtigt wurden.<br />
Zu diesen Effekten kann unter anderem die Bildung von Humus im Boden ge-<br />
zählt werden (Blume et al., 2008). Des Weiteren stehen einem Marktfruchtbetrieb<br />
mit angegliedertem Veredlungszweig unter Umständen andere Vermarktungswe-<br />
ge zur Verfügung. Die Möglichkeit zur innerbetrieblichen Verwertung von land-<br />
wirtschaftlichen Erzeugnissen während einer Tiefpreis-Phase von Getreide und<br />
Ölsaaten bietet <strong>für</strong> Marktfruchtbetriebe mit einem angegliederten Veredlungs-<br />
zweig eventuell die Möglichkeit einen Teil der Umsatzerlöse abzufangen. Somit<br />
können gleichzeitig tendenziell höhere Effizienzwerte in diesen Perioden erreicht<br />
werden. Der signifikant positive Einfluss eines Veredlungszweiges auf die Effizi-<br />
enz des Marktfruchtbaus bedeutet dennoch nicht, dass alle effizienten Betriebe<br />
auch gleichzeitig Veredlungsbetriebe sein müssen. Es bedeutet vielmehr, dass<br />
sich ein zusätzlicher Betriebszweig in Form von tierischer Veredlung in dem vor-<br />
handenen Modell effizienzerhöhend auswirkt.<br />
Hypothese 7: Betriebe mit hohem Pachtflächenanteil sind effizienter als Betriebe<br />
mit einer hohen Eigenlandquote.<br />
Die Aussage dieser Hypothese bezüglich des Einflusses von Pachtflächen auf<br />
die Effizienz des Marktfruchtbaus konnte nicht bestätigt werden. Es wurde in kei-<br />
ner der Untersuchungen ein signifikanter Einfluss auf die Effizienz festgestellt. In<br />
den beobachteten Betrieben wurde ein durchschnittlicher Pachtflächenanteil von<br />
60,48 Prozent festgestellt. Selbst die ineffizienteren Betriebe verfügen immer<br />
noch über einen Pachtflächenanteil von knapp 54 Prozent, während die Gruppe<br />
der effizienteren Betriebe im Mittel 68 Prozent der Flächen gepachtet hat. Die<br />
Ergebnisse zeigen, dass Betriebe aus allen Effizienzklassen in der Regel <strong>für</strong> ei-<br />
nen erheblichen Anteil ihrer Ackerflächen ein Pachtentgelt zahlen müssen. Dies
Diskussion 69<br />
scheint ein Grund da<strong>für</strong> zu sein, dass bei dem vorhandenen Datensatz kein signi-<br />
fikanter Einfluss des Pachtflächenanteils auf die Effizienz messbar ist.<br />
Es wurde bereits kurz erwähnt, dass die Marktfruchtunternehmen besonders ka-<br />
pitalintensiv geführt werden. Vor diesem Grund stellt die Pacht von Flächen ein<br />
relativ kapitalextensives Instrument zur Flächenakquise dar, welches inzwischen<br />
in allen Betriebsklassen eingesetzt wird. Während 1955 nur circa 12,50 Prozent<br />
der landwirtschaftlichen Nutzfläche gepachtet waren, wurden im Jahr 2005 in<br />
Deutschland durchschnittlich 62,40 Prozent der landwirtschaftlichen Flächen ge-<br />
pachtet (Statistisches Bundesamt, 2009). Anhand dieser Zahlen wird unabhängig<br />
von dem verwendeten Datensatz gezeigt, dass die Pacht von landwirtschaftli-<br />
chen Flächen ein weit verbreitetes Verfahren zur oftmals notwendigen Verwirkli-<br />
chung von Betriebswachstum darstellt. Mit der Flächenausdehnung werden die<br />
Betriebe nicht effizienter (Vgl. Hypothese 1). Gleichzeitig wird aber nicht ausge-<br />
schlossen, dass ein Betrieb durch Wachstum insgesamt rentabler wird.<br />
Hypothese 8: Die Anzahl der verschiedenen Früchte einer Fruchtfolge hat<br />
einen positiven Einfluss auf die Effizienz des Marktfruchtbaus.<br />
Die Ergebnisse der stochastischen Frontier-Analyse zeigen sehr deutlich, dass<br />
diese Hypothese in der Realität wiederzufinden ist. In sämtlichen Untersuchun-<br />
gen konnte dargestellt werden, dass eine steigende Anzahl von Früchten in der<br />
Fruchtfolge einen positiven Einfluss auf die einzelbetriebliche Effizienz von Markt-<br />
fruchtbetrieben ausübt. Auf den ersten Blick erscheint es <strong>für</strong> den Betrachter pa-<br />
radox zu sein. Viele verschiedene Früchte führen zu höheren Effizienzwerten,<br />
wobei die Konzentration auf eine Frucht doch einen effizienteren Produktionsab-<br />
lauf vermuten lässt. Dennoch gibt es verschiedene Gründe, die es plausibel er-<br />
scheinen lassen, dass eine breite Fruchtfolge zu hohen Effizienzwerten führen<br />
kann. Die logische Konsequenz aus einer diversifizierten Fruchtfolge ist, dass der<br />
Betrieb über eine größere Anzahl an verschiedenen Früchten verfügt. Dadurch<br />
werden sich Preisschwankungen bei einzelnen Erzeugnissen nicht so extrem auf<br />
die Umsatzerlöse des Marktfruchtbaus auswirken (Puig-Junoy & Argilés, 2000).<br />
Neben den vermarktungsstrategischen Effekten kommen auch ackerbaulich posi-<br />
tive Effekte zu Stande. Zuerst können die Vorfruchteffekte der verschiedenen<br />
Kulturen angeführt werden. Neben den zu erzielenden Marktpreisen und Erträ-<br />
gen sind auch die Vorfruchtwerte einzelner Kulturen nicht zu unterschätzen. Bei-<br />
spielsweise kann der Anbau von Zuckerrüben zu einer Erhöhung des Rohprote-<br />
ingehaltes bei Winterweizen führen (Dachler & Köchl, 2003). Der Rohrproteinge-<br />
halt ist ein entscheidendes Qualitätskriterium <strong>für</strong> Winterweizen, somit bewirkt<br />
eine generelle Erhöhung bzw. Stabilisierung des Proteingehaltes höhere Um-
Diskussion 70<br />
satzerlöse. Weiterhin ist davon auszugehen, dass der Krankheitsdruck in den<br />
Kulturen durch eine weite Fruchtfolge verringert wird. Enge Fruchtfolgen führen<br />
unter Umständen zu Fruchtfolgekrankheiten (DTR, Kohlhernie), sodass höhere<br />
Ausgaben <strong>für</strong> Pflanzenschutzmittel notwendig sind (Böning, 1968). Bei sinkenden<br />
Erträgen und steigenden Pflanzenschutzkosten wird auch zwangsläufig die Effi-<br />
zienz des Marktfruchtbaus sinken. Somit ist ein weiteres Argument <strong>für</strong> weite<br />
Fruchtfolgen präsent.<br />
Ein zusätzlicher Effekt der diversifizierten Fruchtfolgen ist die Verteilung von Ar-<br />
beitsspitzen auf mehr Feldarbeitstage. Eine Fruchtfolge mit Zuckerrüben ermög-<br />
licht beispielsweise die bessere Auslastung der Maschinen, da ein Teil der Be-<br />
stellung im Frühjahr erfolgt. Weiterhin führen die unterschiedlichen Erntezeit-<br />
punkte dazu, dass die Ernte termingerecht erfolgen kann und die Erntemaschi-<br />
nen höhere Auslastungen erfahren (Heilmann & Ziesemer, n.d.). Diese ackerbau-<br />
lichen Aspekte führen dazu, dass mit weniger Input (Maschinen, Pflanzenschutz)<br />
der gleiche oder evtl. höhere Output (Umsatzerlöse) erzielt werden kann. Die<br />
Folge dessen ist, dass die Effizienz des Marktfruchtbaus steigt.<br />
Hypothese 9: Die Rechtsform der Einzelpersonengesellschaft hat einen negati-<br />
ven Einfluss auf die Effizienz von Marktfruchtbetrieben.<br />
Der Denkansatz dieser Hypothese war ursprünglich, dass alle Rechtsformen. die<br />
nicht in der Form der Einzelpersonengesellschaft geführt werden, tendenziell<br />
effizienter sind. Dazu wurden alle Betriebe, die nicht in der Rechtsform des Ein-<br />
zelunternehmens geführt werden, mit einer weiteren Dummy-Variable gekenn-<br />
zeichnet. Die Berechnungen stützen diese These. Es wurde in beiden Kalkulatio-<br />
nen bestätigt, dass Betriebe in der Rechtsform des Einzelunternehmens tenden-<br />
ziell ineffizienter sind.<br />
Während der Beschreibung des Datensatzes wurde erläutert, dass im Wesentli-<br />
chen Einzelpersonengesellschaften und Gesellschaften des bürgerlichen Rechts<br />
in der Datengrundlage vorhanden sind. Eine Gesellschaft bürgerlichen Rechts<br />
wird oftmals dann gegründet, wenn sich zwei oder mehrere selbständige Land-<br />
wirte dazu entschließen, eine gemeinsame Kooperation einzugehen. Die damit<br />
verfolgten Ziele sind vielfältig. Sie reichen von wirtschaftlichen bis hin zu sozialen<br />
Zielen. Die wirtschaftlichen Ziele sind vor allem die Verbesserung der Einkom-<br />
menssituation und die dauerhafte Existenzsicherung der Betriebe. Durch das<br />
Zusammenlegen von Wirtschaftseinheiten werden größere Einheiten erzeugt, die<br />
eine Senkung der Produktionskosten ermöglichen. Gleichzeitig ergeben sich<br />
möglicherweise bessere Vermarktungspositionen durch die Bündelung von Men-<br />
gen beim Einkauf von Betriebsmitteln und beim Verkauf von landwirtschaftlichen
Diskussion 71<br />
Erzeugnissen (Theuvsen, 2003). Ein weiterer Aspekt ist, dass die Unternehmer<br />
im Falle einer Kooperation untereinander Know-how austauschen und es zu ei-<br />
ner möglichen Spezialisierung der Arbeitskräfte kommen kann. Die Spezialisie-<br />
rung von Arbeitskräften führt in letzter Konsequenz zu besseren Erträgen und<br />
somit zu mehr Output.<br />
Hypothese 10: Die Bodengüte hat einen positiven Einfluss auf die Effizienz<br />
von Marktfruchtbetrieben.<br />
Bereits aus früheren Untersuchungen wurde die positive Wirkung der Bodengüte<br />
auf die Effizienz des Ackerbaus festgestellt. Auch <strong>für</strong> diese Arbeit gilt, dass in<br />
allen Analysen ein hochsignifikant positiver Einfluss <strong>für</strong> die Ertragsmesszahl er-<br />
rechnet wurde. Den Landwirten steht nur eine geringe Anzahl von ertragsstei-<br />
gernden Mitteln zu Verfügung. Mit Hilfe dieser Inputs kann in begrenztem Um-<br />
fang ein Defizit in der Bodengüte ausgeglichen werden. Trotzdem wird auf sehr<br />
schlecht bonitierten Böden nie das gleiche Ertragsniveau wie auf den qualitativ<br />
hochwertigeren Böden erreicht werden (Ullrich, 2012). Betriebe auf besser boni-<br />
tierten Standorten sind in der Lage, Höchsterträge zu erreichen. Die höheren<br />
Erträge können aber in Relation zu schlechter bonitierten Standorten mit einer<br />
geringeren Menge an Inputs erzeugt werden. Der daraus resultierende Effekt ist<br />
in letzter Konsequenz eine steigende Effizienz. Diese Argumentationsweise wird<br />
durch die bereits vorgestellten Betriebsspiegel verdeutlicht. Während Betriebe<br />
der unteren Effizienzklasse im Durchschnitt der drei Beobachtungsjahre 204,28<br />
Euro pro Hektar <strong>für</strong> Düngemittel ausgegeben haben, belaufen sich die Dünger-<br />
kosten bei den 15 Prozent effizientesten Betrieben nur auf 161,79 Euro. Gleich-<br />
zeitig ist <strong>für</strong> die Gruppe der 15 Prozent ineffizientesten Betriebe eine durch-<br />
schnittliche Ertragsmesszahl von 3017 zu erkennen, während die Gruppe der<br />
effizienteren Betriebe im Durchschnitt eine Ertragsmesszahl von 7188 aufweist.<br />
Somit sind die Ergebnisse von Ulrich (2012) auch durch diese Untersuchung be-<br />
stätigt.
Zusammenfassung und Fazit 72<br />
8. Zusammenfassung und Fazit<br />
Das Thema der Arbeit ist der Einfluss der Organisationsform von Marktfruchtbe-<br />
trieben auf deren Effizienz. Nach einem kurzen einleitenden Literaturüberblick<br />
werden zehn zu untersuchende Hypothesen aufgestellt. Jede dieser Hypothesen<br />
ist exakt auf die Fragestellung zugeschnitten und soll somit ihren Erklärungsbei-<br />
trag über den Einfluss der Organisationsform auf die Effizienz liefern. Unter dem<br />
Begriff der Organisationsform werden vor allem die Arbeitsverfassung, der Anteil<br />
an Pachtflächen, die Rechtsform, in der ein Unternehmen geführt wird, und die<br />
Gestaltung der Fruchtfolge verstanden. Weitergehend soll im Rahmen dieser<br />
Arbeit geklärt werden, wie sich zusätzliche Betriebszweige auf die Effizienz des<br />
Marktfruchtbaus auswirken.<br />
Zu diesem Zweck werden die Selektionskriterien so gewählt, dass Betriebe den<br />
größeren Teil ihrer Umsatzerlöse aus dem Marktfruchtbau generieren müssen,<br />
wobei der verbleibende Teil aus den Veredlungszweigen der Schweine- oder<br />
Geflügelhaltung stammen darf. Die Intention hinter dieser Fragestellung ist, dass<br />
die Anforderungen an den Betriebsleiter ansteigen und folglich damit zu rechnen<br />
ist, dass die ackerbauliche Präzision und schließlich auch die Effizienz des<br />
Marktfruchtbaus sinken. Die gleichzeitige Berücksichtigung von mehreren Be-<br />
triebszweigen birgt die Gefahr von Verzerrungen in sich, wenn die Effizienz eines<br />
einzelnen Betriebszweiges untersucht werden soll. Daher wird mit Hilfe von Auf-<br />
teilungsschlüsseln versucht, den Input Arbeit den entsprechenden Betriebszwei-<br />
gen zu zuordnen. Des Weiteren werden die anfallenden organischen Dünger mit<br />
Hilfe eines Bewertungsmodells mit den <strong>für</strong> das betrachtete Wirtschaftsjahr gülti-<br />
gen Nährstoffpreisen bewertet. Durch diesen Eingriff wird einer möglichen Ver-<br />
zerrungen der Ergebnisse vorgebeugt.<br />
Die Analysemethode ist eine stochastische Frontier-Analyse. Alle methodischen<br />
Grundlagen werden kurz in den Grundzügen skizziert, bevor die exakte Modell-<br />
formulierung vorgenommen wird. Die Produktionsfunktionen der landwirtschaftli-<br />
chen Betriebe werden mit Hilfe der Cobb-Douglas-Funktionsform und mit Hilfe<br />
der transzendent-logarithmierten Funktionsform abgebildet.<br />
Als Datengrundlage stehen circa 30.000 Jahresabschlüsse des Testbetriebsnet-<br />
zes zur Verfügung. Nach Abschluss einer intensiven Selektion der Betriebe und<br />
einer Überprüfung aller Variablen auf ihre Konsistenz verbleiben 415 Beobach-<br />
tungseinheiten. Die zur Verfügung stehenden Betriebe sind in den Wirtschaftsjah-<br />
ren von 2005/2006 bis 2007/2008 je einmal vertreten, sodass <strong>für</strong> diesen Zeitraum<br />
ein balanciertes Datenpanel zur Verfügung steht.
Zusammenfassung und Fazit 73<br />
Nachdem die stochastische Frontier-Analyse mit den Funktionsformen der Cobb-<br />
Douglas-Produktionsfunktion und der Translog-Produktionsfunktion durchgeführt<br />
wird, schließt sich der Likelihood-Ratio-Test an. Die Durchführung dieses Tests<br />
erlaubt es dem Autor zwei Aussagen zu treffen. Zuerst kann entschieden werden,<br />
ob ein Composed-Error-Modell oder Technical-Effects-Modell zur Abbildung der<br />
Realität besser geeignet ist. Außerdem wird entschieden, welche der beiden ge-<br />
wählten Funktionsformen einen höheren Erklärungsbeitrag leistet.<br />
Die Ergebnisse der Likelihood-Ratio-Tests zeigen, dass ein Technical Effects<br />
Modell mit der Translog-Funktionsform die besten Erklärungen zur vorhandenen<br />
Fragestellung gibt. Der abschließende Breusch-Pagan-Test zeigt, dass keine<br />
Heteroskedastizität der Residuen vorliegt.<br />
Am Ende der Ergebnispräsentation werden die Beobachtungseinheiten in Effizi-<br />
enzklassen eingeteilt und deren Eigenschaften mit Hilfe von Betriebsspiegeln<br />
beschrieben. Zuletzt wird eine Diskussion der Ergebnisse vorgenommen, in de-<br />
ren Rahmen bezüglich der zu untersuchenden Hypothesen sich folgende<br />
Schlussfolgerungen ergeben:<br />
� Es wurde gezeigt, dass die Betriebsgröße keinen signifikanten Einfluss<br />
auf die technische Effizienz des Marktfruchtbaus hat.<br />
� Der Arbeitskräftebesatz pro 100 Hektar ist durch die extrem weit fortge-<br />
schrittene Mechanisierung des Ackerbaus auf einem minimalen Niveau,<br />
sodass in der Regel die Betriebsinhaber als wesentliche Arbeitskräfte<br />
sowohl auf den effizienten wie auf den ineffizienten Betrieben verbleiben.<br />
� Fremdmechanisierung führt nicht zu einer Steigerung der Effizienz.<br />
� Betriebe, die ausschließlich Familienarbeitskräfte beschäftigen, neigen<br />
zur Ineffizienz.<br />
� Wachstumsbetriebe sind nicht effizienter als andere Betriebe.<br />
� Ein zusätzlicher Betriebszweig in Form von Veredlung wirkt sich positiv<br />
auf den Marktfruchtbau aus.<br />
� Der Pachtflächenanteil hat keinen Einfluss auf die Effizienz.<br />
� Eine breite Fruchtfolge erhöht die Effizienz des Ackerbaus.<br />
� Betriebe, die in der Rechtsform einer Gesellschaft bürgerlichen Rechts<br />
geführt werden, sind tendenziell effizienter.<br />
� Hohe Ertragsmesszahlen führen zu einem effizienteren Marktfruchtbau.
Zusammenfassung und Fazit 74<br />
Es konnte nicht eindeutig geklärt werden, warum sich ein Veredlungszweig posi-<br />
tiv auf den Ackerbau auswirkt. Es ist davon auszugehen, dass gewisse ertrags-<br />
steigernde Effekte nicht ausreichend in den Modellen berücksichtigt wurden. In<br />
diesem Zusammenhang besteht weiterer Forschungsbedarf. In welchem Umfang<br />
die unterschiedlichen Gesetzgebungen der einzelnen Bundesländer die Effizienz<br />
der Ackerbaubetriebe beeinflussen, sollte ebenfalls in zusätzlichen Analysen un-<br />
tersucht werden.
Anhang i<br />
Anhang<br />
Anhang 1: Bestandteile des Umsatzerlöses der Pflanzenproduktion<br />
Umsatzerlöse Code lt. Codekatalog zum BMELV- Jahresabschluss<br />
Winterweizen, Dinkel 2001<br />
Sommerweizen 2002<br />
Hartweizen, Durum 2003<br />
Roggen 2004<br />
Wintergerste 2005<br />
Sommergerste 2006<br />
Hafer 2007<br />
Körnermais 2010<br />
Triticale 2012<br />
Sonstiges Getreide 2017<br />
Stroh 2018<br />
Ackerbohnen 2020<br />
Futtererbsen 2021<br />
Sonstige Hülsenfrüchte 2023<br />
Winterraps 2024<br />
Sommerraps und Rübsen 2025<br />
Sonnenblumen 2026<br />
Sojabohnen 2027<br />
Energiegetreide 2031<br />
Energierüben 2035<br />
Kartoffeln 2039<br />
Zuckerrüben 2040<br />
Grassamen 2061<br />
Prämie f. Eiweißpflanzen 2394<br />
Beihilfe f. Energiepflanzen 2398<br />
Sonstige Prämien f. Pflanzen 2399<br />
Zahlungen f. Agrarumweltmaßnahmen 2444<br />
Ausgleichszahlungen f. Umweltauflagen 2445<br />
Entschädigung der Hagelversicherung 2457<br />
Innenumsatz f. Saatgut 4099<br />
Innenumsatz f. Futtermittel 4099<br />
Lohnarbeit u. Maschinenmiete 2232<br />
Erlöse aus Landschaftspflege 2335<br />
Quelle: Eigene Darstellung
Anhang ii<br />
Anhang 2: Restriktionen Hobbytierhaltung<br />
1. Pferde:<br />
a. Nicht mehr als zwei Pferde pro 100 ha<br />
b. Nicht mehr als ein Prozent des Umsatzerlöses aus Pferdehaltung<br />
2. Rinder:<br />
a. Nicht mehr als zwei Rinder pro 100 ha<br />
b. Nicht mehr als ein Prozent der Umsatzerlöse aus der Rinderhaltung<br />
3. Schafe:<br />
a. Nicht mehr als fünf Schafe pro 100 ha<br />
b. Nicht mehr als ein Prozent der Umsatzerlöse aus der Schafhaltung<br />
4. Damtiere:<br />
a. Nicht mehr als fünf Damtiere pro 100 ha<br />
b. Nicht mehr als ein Prozent der Umsatzerlöse aus der Damtierhaltung<br />
5. Sonstige Tierproduktion:<br />
a. Nicht mehr als fünf Stück sonstige Tiere pro 100 ha<br />
b. Nicht mehr als ein Prozent der Umsatzerlöse aus sonstiger Tierproduktion
Anhang iii<br />
Anhang 3: Beispielhafte Kalkulation des Marktwertes von Gülle<br />
Produktionszweig<br />
m³/Jahr o.<br />
t/Jahr<br />
Mehrkosten f.<br />
Ausbringung<br />
pro m³ oder t<br />
kg N/m³ insgesamt<br />
anrechenbar<br />
kg N/m³<br />
Nährstoffe pro m³<br />
kg P2O5/m³<br />
kg K20/m³<br />
kg N<br />
Nährstoffe pro<br />
Platz<br />
kg P2O5<br />
kg K2O<br />
Aufwand/<br />
ha <strong>für</strong> ca.<br />
60 kg N<br />
m³/ha o. t/ha<br />
N<br />
Ausgebrachte Nährstoffmengen<br />
Mastschweine 1,50 2,54 € 4,50 70% 3,15 2,50 3,00 4,73 3,75 4,50 15,00 47,25 37,50 45,00 3,19 €<br />
Ferkelerzeugung 4,00 2,55 € 1,50 70% 1,05 0,80 1,80 4,20 3,20 7,20 25,00 26,25 12,00 27,00 -3,01 €<br />
Ferkelaufzucht 0,60 2,55 € 7,00 70% 4,90 3,50 4,00 2,94 2,10 2,40 12,00 58,80 52,50 60,00 2,55 €<br />
Jungsauenaufzucht 1,50 2,54 € 4,50 70% 3,15 2,50 3,00 4,73 3,75 4,50 15,00 47,25 37,50 45,00 3,19 €<br />
Jungeber 1,50 2,54 € 4,50 70% 3,15 2,50 3,00 4,73 3,75 4,50 15,00 47,25 37,50 45,00 3,19 €<br />
Junghennen 0,03 3,95 € 24,00 70% 16,80 17,00 14,00 0,42 0,43 0,35 3,50 58,80 255,00 210,00 0,56 €<br />
Legehennen 0,03 3,95 € 24,00 70% 16,80 17,00 14,00 0,42 0,43 0,35 3,50 58,80 255,00 210,00 0,56 €<br />
Jungmasthühner 0,01 3,65 € 17,00 40% 6,80 15,00 18,00 0,07 0,17 0,20 8,00 54,40 225,00 270,00 0,18 €<br />
Mastenten 0,11 3,48 € 8,00 40% 3,20 9,00 9,00 0,34 0,96 0,96 10,00 32,00 135,00 135,00 0,76 €<br />
Mastputen 0,08 3,48 € 8,04 40% 3,22 9,36 7,24 0,24 0,70 0,54 10,00 32,16 140,40 108,60 0,51 €<br />
Mastgänse 0,08 3,48 € 8,04 40% 3,22 9,40 7,20 0,24 0,71 0,54 10,00 32,16 141,00 108,00 0,51 €<br />
sonstiges Geflügel 0,03 3,87 € 24,00 40% 9,60 17,00 14,00 0,29 0,51 0,42 5,50 52,80 255,00 210,00 0,53 €<br />
P2O5<br />
K2O<br />
Güllewert/<br />
Tierplatz<br />
Quelle: Eigene Berechnungen
Anhang iv<br />
Anhang 4: Übersicht d. Marktwerte in den einzelnen WJ<br />
Wirtschaftsjahr WJ05/06 WJ06/07 WJ07/08 WJ08/09<br />
Nährstoffpreise<br />
€/kg N 0,69 € 0,76 € 0,88 € 1,05 €<br />
€/ kg P2O5 0,60 € 0,64 € 0,86 € 1,30 €<br />
€/kg K2O 0,33 € 0,33 € 0,45 € 0,82 €<br />
Wert d. Gülle pro Tierplatz und Jahr<br />
Mastschweine 3,19 € 3,67 € 5,60 € 9,72 €<br />
Ferkelerzeugung -3,01 € 2,58 € -0,51 € 4,27 €<br />
Ferkelaufzucht 2,55 € 2,84 € 3,94 € 6,26 €<br />
Jungsauenaufzucht 3,19 € 3,67 € 5,60 € 9,72 €<br />
Jungeber 3,19 € 3,67 € 5,60 € 9,72 €<br />
Junghennen 0,56 € 0,61 € 0,79 € 1,18 €<br />
Legehennen 0,56 € 0,61 € 0,79 € 1,18 €<br />
Jungmasthühner 0,18 € 0,19 € 0,26 € 0,42 €<br />
Mastenten 0,76 € 0,82 € 1,19 € 2,03 €<br />
Mastputen 0,51 € 0,55 € 0,80 € 1,35 €<br />
Mastgänse 0,51 € 0,55 € 0,80 € 1,35 €<br />
sonstiges Geflügel 0,53 € 0,57 € 0,76 € 1,19 €<br />
Quelle: Eigene Berechnungen
Anhang v<br />
Anhang 5: Bedarf an Arbeitskräften <strong>für</strong> Tierhaltungsformen<br />
Mastschweine<br />
Ferkelerzeugung<br />
Ferkelaufzucht<br />
Jungsauenaufzucht<br />
Jungeber<br />
Junghennen<br />
Legehennen<br />
Jungmasthühner<br />
Mastenten<br />
Mastputen<br />
Mastgänse<br />
sonstiges Geflügel<br />
Veredlungszweig Arbeitskraftstunden/Tierplatz/Jahr<br />
0,81<br />
9,30<br />
1,10<br />
0,90<br />
0,90<br />
0,05<br />
0,22<br />
0,03<br />
0,30<br />
0,11<br />
0,42<br />
0,11<br />
Quelle: Eigen Darstellung nach KTBL Wirtschaftlichkeitsrechner
Anhang vi<br />
Anhang 6: Korrelationsmatrix nach Spearman<br />
Ackerfläche 1,0000<br />
Pacht 0,3812 1,0000<br />
Ackerfläche<br />
EMZ -0,1139 0,0773 1,0000<br />
AK pro 100ha -0,8131 -0,3382 0,0759 1,0000<br />
Pacht<br />
Kosten LU pro ha -0,2698 -0,1120 0,2694 0,1665 1,0000<br />
EMZ<br />
AK pro 100ha<br />
Kosten LU pro ha<br />
Wirtschaftsjahr 2005/2006<br />
Dummy-FamAK -0,4763 -0,1418 0,0166 0,2665 0,0963 1,0000<br />
Dummy-Wachstum 0,1075 0,0848 -0,0192 -0,1260 0,0180 0,0176 1,0000<br />
Dummy-Rechtsform 0,3064 0,1596 0,0657 -0,1958 0,0670 -0,2150 -0,0001 1,0000<br />
Anteil d. Veredlung -0,0654 0,0385 -0,0990 0,1080 -0,0673 0,0608 0,0614 -0,1004 1,0000<br />
Anzahl Früchte 0,5835 0,2341 -0,1067 -0,4161 -0,1353 -0,3171 0,0798 0,2137 -0,0278 1,0000<br />
Ackerfläche 1,0000<br />
Pacht 0,3777 1,0000<br />
EMZ -0,1181 0,0607 1,0000<br />
AK pro 100ha -0,8067 -0,3137 0,0789 1,0000<br />
Kosten LU pro ha -0,2892 -0,0825 0,2632 0,1944 1,0000<br />
Wirtschaftsjahr 2006/2007<br />
Dummy-FamAK -0,4477 -0,1224 0,0032 0,2359 0,1194 1,0000<br />
Dummy-Wachstum 0,1469 0,0916 -0,0595 -0,0989 -0,0687 -0,0693 1,0000<br />
Dummy-Rechtsform 0,3039 0,1502 0,0457 -0,1878 -0,0008 -0,1821 0,1320 1,0000<br />
Anteil d. Veredlung -0,0529 0,0769 -0,0901 0,0974 -0,0470 0,1019 0,0867 -0,1028 1,0000<br />
Anzahl Früchte 0,5149 0,1718 -0,1031 -0,3544 -0,1522 -0,2109 0,1452 0,2077 -0,0269 1,0000<br />
Ackerfläche 1,0000<br />
Pacht 0,3730 1,0000<br />
EMZ -0,1190 0,0409 1,0000<br />
AK pro 100ha -0,8069 -0,3217 0,0927 1,0000<br />
Kosten LU pro ha -0,2623 -0,1199 0,2294 0,1891 1,0000<br />
Wirtschaftsjahr 2008/2009<br />
Dummy-FamAK -0,4158 -0,0822 -0,0401 0,2308 0,0842 1,0000<br />
Dummy-Wachstum 0,1689 0,0390 -0,0075 -0,1395 -0,0881 0,0011 1,0000<br />
Dummy-Rechtsform 0,3238 0,1423 0,0216 -0,1961 0,0021 -0,1545 -0,0135 1,0000<br />
Anteil d. Veredlung -0,0382 0,0819 -0,1028 0,0775 -0,0588 0,0904 0,1297 -0,0773 1,0000<br />
Anzahl Früchte 0,4523 0,2429 -0,1255 -0,3100 -0,0908 -0,2322 0,0862 0,1592 0,0263 1,0000<br />
Dummy-FamAK<br />
Dummy-Wachstum<br />
Dummy-Rechtsform<br />
Quelle: Eigene Berechnungen<br />
Anteil d. Veredlung<br />
Anzahl Früchte
Anhang vii<br />
Anhang 7: Stata-Syntax zur Aufbereitung des Rohdatensatzes<br />
///Log-File anlegen<br />
capture log close<br />
log using "logifle_datensatzgenerieren.smcl", replace<br />
set more off<br />
//Speicher erweitern<br />
clear<br />
drop _all<br />
clear matrix<br />
set matsize 5000<br />
//Datensatz mit allen Perioden erstellen<br />
*Hinweis <strong>für</strong> Datenmatching: periodeX_Y.txt --> x=Periode (1<br />
bis 4) y=Abfrageteil (Teil 1 und Teil 2)*<br />
//Globale Listen<br />
global flaechen_getr v4001_02 v4002_02 v4003_02 v4003_02<br />
v4004_02 v4005_02 v4006_02 v4007_02 v4012_02 v4017_02<br />
v4031_02 v4061_02 v4010_02 v4026_02 v4027_02<br />
global flaechen_blatt v4035_02 v4039_02 v4040_02 v4024_02<br />
v4025_02 v4020_02 v4021_02<br />
global liste_umsaetze v2001_05 v2002_05 v2003_05 v2004_05<br />
v2005_05 v2006_05 v2007_05 v2010_05 v2012_05 v2017_05<br />
v2018_05 v2020_05 v2021_05 v2023_05 v2024_05 v2025_05<br />
v2026_05 v2027_05 v2031_05 v2035_05 v2039_05 v2040_05<br />
v2061_05 v2394_05 v2398_05 v2399_05 v2444_05 v2445_05<br />
v2457_05 v2332_05 v2335_05 v4099_05 v4099_06 v2339_05<br />
v6100_07<br />
global liste_pflanzenumsaetze v2001_05 v2002_05 v2003_05<br />
v2004_05 v2005_05 v2006_05 v2007_05 v2010_05 v2012_05<br />
v2017_05 v2018_05 v2020_05 v2021_05 v2023_05 v2024_05<br />
v2025_05 v2026_05 v2027_05 v2031_05 v2035_05 v2039_05<br />
v2040_05 v2061_05<br />
global rohvariablen umsatz_pflanze AF AK VL KAP AFA<br />
v_umsatz_pflanze<br />
global mod_var lnQ lnAF lnAK lnVL lnKAP lnAFA<br />
global inputs lnAF lnAK lnVL lnKAP lnAFA<br />
global liste_bl BL3 BL5 BL6 BL7 BL8 BL9 BL10 BL12 BL13 BL14<br />
BL15 BL16<br />
global liste_test lnAF lnAK lnVL lnKAP lnAFA<br />
global liste_cobb lnQ lnAF lnAK lnVL lnKAP lnAFA<br />
global liste_trans lnQ lnAF lnAK lnVL lnKAP lnAFA lnAF_lnAF<br />
lnAF_lnAK lnAF_lnVL lnAF_lnKAP lnAF_lnAFA lnAK_lnAK<br />
lnAK_lnVL lnAK_lnKAP lnAK_lnAFA lnVL_lnVL lnVL_lnKAP<br />
lnVL_lnAFA lnKAP_lnKAP lnKAP_lnAFA lnAFA_lnAFA<br />
global kovariablen AF Pacht EMZ AK_100ha LU_ha d_fam<br />
d_wachstum RF2 Veredlung Anzahl_Frucht<br />
global liste_elast AF AK VL KAP AFA<br />
global elast e_AF e_AK e_VL e_KAP e_AFA<br />
//Periode1 erzeugen<br />
*Teil 2 von Periode laden*<br />
insheet using "periode1_2.txt", clear
Anhang viii<br />
gen flaeche_getreide = v4001_02 + v4002_02 + v4003_02 +<br />
v4004_02 + v4005_02 + v4006_02 + v4007_02 + v4012_02 +<br />
v4017_02 + v4031_02 + v4061_02 + v4010_02 + v4026_02 +<br />
v4027_02<br />
gen flaeche_blattfruechte = v4035_02 + v4039_02 + v4040_02 +<br />
v4024_02 + v4025_02 + v4020_02 + v4021_02<br />
drop $flaechen_getr<br />
drop $flaechen_blatt<br />
save "periode1_2.dta", replace<br />
*Teil 1 von Periode laden und Umsatzerlöse der Pflanzenproduktion<br />
umbennen*<br />
insheet using "periode1_1.txt", clear<br />
foreach variable in $liste_umsaetze {<br />
rename `variable' `variable'_00<br />
}<br />
save "periode1_1.dta", replace<br />
*Umsatzerlöse aus dem Folgejahr dem aktuellen WJ zuordnen*<br />
insheet using "periode2_1.txt", clear<br />
keep betrieb $liste_umsaetze<br />
save "periode2_1.dta", replace<br />
use "periode1_1.dta", clear<br />
merge m:m betrieb using "periode2_1.dta"<br />
drop if _merge ==1| _merge ==2<br />
drop _merge<br />
save "periode1_1.dta", replace<br />
*Abfrage Teil 1 und Teil 2 matchen*<br />
use "periode1_1.dta", clear<br />
merge m:m betrieb using "periode1_2.dta"<br />
drop if _merge ==1| _merge ==2<br />
drop _merge<br />
gen byte t = 1<br />
save "periode1.dta", replace<br />
save periode1_roh.dta, replace<br />
//Periode 2 erzeugen<br />
*Teil 2 von Periode laden*<br />
insheet using "periode2_2.txt", clear<br />
gen flaeche_getreide = v4001_02 + v4002_02 + v4003_02 +<br />
v4004_02 + v4005_02 + v4006_02 + v4007_02 + v4012_02 +<br />
v4017_02 + v4031_02 + v4061_02 + v4010_02 + v4026_02 +<br />
v4027_02<br />
gen flaeche_blattfruechte = v4035_02 + v4039_02 + v4040_02 +<br />
v4024_02 + v4025_02 + v4020_02 + v4021_02<br />
drop $flaechen_getr<br />
drop $flaechen_blatt<br />
save "periode2_2.dta", replace<br />
*Teil 1 von Periode laden und Umsatzerlöse der Pflanzenproduktion<br />
umbennen*<br />
insheet using "periode2_1.txt", clear<br />
foreach variable in $liste_umsaetze {<br />
rename `variable' `variable'_00<br />
}<br />
save "periode2_1.dta", replace<br />
*Umsatzerlöse aus dem Folgejahr dem aktuellen WJ zuordnen*
Anhang ix<br />
insheet using "periode3_1.txt", clear<br />
keep betrieb $liste_umsaetze<br />
save "periode3_1.dta", replace<br />
use "periode2_1.dta", clear<br />
merge m:m betrieb using "periode3_1.dta"<br />
drop if _merge ==1| _merge ==2<br />
drop _merge<br />
save "periode2_1.dta", replace<br />
*Abfrage Teil 1 und Teil 2 matchen*<br />
use "periode2_1.dta", clear<br />
merge m:m betrieb using "periode2_2.dta"<br />
drop if _merge ==1| _merge ==2<br />
drop _merge<br />
gen byte t = 2<br />
save "periode2.dta", replace<br />
save periode2_roh.dta, replace<br />
//Periode 3 erzeugen<br />
*Teil 2 von Periode laden*<br />
insheet using "periode3_2.txt", clear<br />
gen flaeche_getreide = v4001_02 + v4002_02 + v4003_02 +<br />
v4004_02 + v4005_02 + v4006_02 + v4007_02 + v4012_02 +<br />
v4017_02 + v4031_02 + v4061_02 + v4010_02 + v4026_02 +<br />
v4027_02<br />
gen flaeche_blattfruechte = v4035_02 + v4039_02 + v4040_02 +<br />
v4024_02 + v4025_02 + v4020_02 + v4021_02<br />
drop $flaechen_getr<br />
drop $flaechen_blatt<br />
save "periode3_2.dta", replace<br />
*Teil 1 von Periode laden und Umsatzerlöse der Pflanzenproduktion<br />
umbennen*<br />
insheet using "periode3_1.txt", clear<br />
foreach variable in $liste_umsaetze {<br />
rename `variable' `variable'_00<br />
}<br />
save "periode3_1.dta", replace<br />
*Umsatzerlöse aus dem Folgejahr dem aktuellen WJ zuordnen*<br />
insheet using "periode4_1.txt", clear<br />
keep betrieb $liste_umsaetze<br />
save "periode4_1.dta", replace<br />
use "periode3_1.dta", clear<br />
merge m:m betrieb using "periode4_1.dta"<br />
drop if _merge ==1| _merge ==2<br />
drop _merge<br />
save "periode3_1.dta", replace<br />
*Abfrage Teil 1 und Teil 2 matchen*<br />
use "periode3_1.dta", clear<br />
merge m:m betrieb using "periode3_2.dta"<br />
drop if _merge ==1| _merge ==2<br />
drop _merge<br />
gen byte t = 3<br />
save "periode3.dta", replace<br />
save periode3_roh.dta, replace<br />
//Log File schließen<br />
log close
Anhang x<br />
///Variablen überprüfen<br />
forvalues p = 1/3 {<br />
capture log close<br />
//Log File anlegen<br />
log using selektion_periode`p'.smcl, replace<br />
//Periode laden<br />
use periode`p'.dta, clear<br />
*EMZ vorhanden und nicht unter 700 und nicht über 10000*<br />
drop if v0044_03 ==0 | v0044_03 ==.<br />
drop if v0044_03 =10000<br />
*Fläche vorhanden*<br />
drop if v6100_07 ==0 | v6100_07 ==.<br />
*Bundesland vorhanden*<br />
drop if v0003_02 ==0 | v0003_02 ==.<br />
*Regierungsbezirk vorhanden*<br />
drop if v0004_02 ==.<br />
*Landkreis vorhanden*<br />
drop if v0005_02 ==0 | v0005_02 ==.<br />
*Rechtsform vorhanden*<br />
drop if v0020_02 ==0 | v0020_02 ==.<br />
*Gesamtumsatzerlös vorhanden*<br />
drop if v2339_05 ==.<br />
*AK vorhanden*<br />
drop if v7099_03 ==0 | v7099_03 ==.<br />
*Überprüfen, ob Umsatzsteuersystem zur Verbuchung der Geschäftsvorfälle<br />
passt*<br />
drop if v0028_02 ==0 & v0028_02 ==.<br />
drop if v0027_02 ==0 & v0027_02 ==.<br />
drop if v0028_02 ==1 & v0027_02 ==2<br />
drop if v0028_02 ==2 & v0027_02 ==1<br />
//Güllewert berechnen !!!!!!Werte auf Aktualität überprüfen!!!!!!<br />
*Mastschweine*<br />
gen v_guelle_mastschweine = 0<br />
replace v_guelle_mastschweine = (v3134_09 + v3133_09) * 3.17<br />
if t ==1<br />
replace v_guelle_mastschweine = (v3134_09 + v3133_09) * 3.65<br />
if t ==2<br />
replace v_guelle_mastschweine = (v3134_09 + v3133_09) * 5.58<br />
if t ==3<br />
*Ferkelerzeugung*<br />
gen v_guelle_zuchtsauen = 0<br />
replace v_guelle_zuchtsauen = v3136_09 * -3.04 if t ==1<br />
replace v_guelle_zuchtsauen = v3136_09 * -2.59 if t ==2<br />
replace v_guelle_zuchtsauen = v3136_09 * -0.53 if t ==3<br />
replace v_guelle_zuchtsauen = 0 if v_guelle_zuchtsauen < 0<br />
*Ferkelaufzucht*<br />
gen v_guelle_ferkel = 0<br />
replace v_guelle_ferkel = (v3131_09 + v3130_09) * 2.54 if t<br />
==1 & v3136_09 ==0
Anhang xi<br />
replace v_guelle_ferkel = (v3131_09 + v3130_09) * 2.83 if t<br />
==2 & v3136_09 ==0<br />
replace v_guelle_ferkel = (v3131_09 + v3130_09) * 3.93 if t<br />
==3 & v3136_09 ==0<br />
*Jungsauen*<br />
gen v_guelle_jungsauen = 0<br />
replace v_guelle_jungsauen = v3135_09 * 3.17 if t ==1<br />
replace v_guelle_jungsauen = v3135_09 * 3.65 if t ==2<br />
replace v_guelle_jungsauen = v3135_09 * 5.58 if t ==3<br />
*Jungeber*<br />
gen v_guelle_jungeber = 0<br />
replace v_guelle_jungeber = v3137_09 * 3.17 if t ==1<br />
replace v_guelle_jungeber = v3137_09 * 3.65 if t ==2<br />
replace v_guelle_jungeber = v3137_09 * 5.58 if t ==3<br />
*Junghennen*<br />
gen v_guelle_junghennen = 0<br />
replace v_guelle_junghennen = v3151_09 * 0.56 if t ==1<br />
replace v_guelle_junghennen = v3151_09 * 0.61 if t ==2<br />
replace v_guelle_junghennen = v3151_09 * 0.79 if t ==3<br />
*Legehennen*<br />
gen v_guelle_legehennen = 0<br />
replace v_guelle_legehennen = v3152_09 * 0.56 if t ==1<br />
replace v_guelle_legehennen = v3152_09 * 0.61 if t ==2<br />
replace v_guelle_legehennen = v3152_09 * 0.79 if t ==3<br />
*Jungmasthühner*<br />
gen v_guelle_jungmasthuehner = 0<br />
replace v_guelle_jungmasthuehner = (v3153_09 + v3150_09) *<br />
0.17 if t ==1<br />
replace v_guelle_jungmasthuehner = (v3153_09 + v3150_09) *<br />
0.19 if t ==2<br />
replace v_guelle_jungmasthuehner = (v3153_09 + v3150_09) *<br />
0.26 if t ==3<br />
*Mastenten*<br />
gen v_guelle_mastenten = 0<br />
replace v_guelle_mastenten = v3154_09 * 0.75 if t ==1<br />
replace v_guelle_mastenten = v3154_09 * 0.82 if t ==2<br />
replace v_guelle_mastenten = v3154_09 * 1.19 if t ==3<br />
*Mastputen*<br />
gen v_guelle_mastputen = 0<br />
replace v_guelle_mastputen = v3155_09 * 0.50 if t ==1<br />
replace v_guelle_mastputen = v3155_09 * 0.55 if t ==2<br />
replace v_guelle_mastputen = v3155_09 * 0.80 if t ==3<br />
*Mastgänse*<br />
gen v_guelle_mastgaense = 0<br />
replace v_guelle_mastgaense = v3156_09 * 0.50 if t ==1<br />
replace v_guelle_mastgaense = v3156_09 * 0.55 if t ==2<br />
replace v_guelle_mastgaense = v3156_09 * 0.80 if t ==3<br />
*Geflügel*<br />
gen v_guelle_gefluegel = 0<br />
replace v_guelle_gefluegel = (v3157_09 + v3159_09) * 0.53 if t<br />
==1
Anhang xii<br />
replace v_guelle_gefluegel = (v3157_09 + v3159_09) * 0.57 if t<br />
==2<br />
replace v_guelle_gefluegel = (v3157_09 + v3159_09) * 0.76 if t<br />
==3<br />
*Güllewert insgesamt*<br />
gen v_guelle = v_guelle_mastschwein + v_guelle_zuchtsauen +<br />
v_guelle_ferkel + v_guelle_jungsauen + v_guelle_jungeber +<br />
v_guelle_junghennen + v_guelle_legehennen +<br />
v_guelle_jungmasthuehner + v_guelle_mastenten +<br />
v_guelle_mastputen + v_guelle_mastgaense +<br />
v_guelle_gefluegel<br />
//Variablen generieren<br />
*Gesamtumsatz des Unternehmens aus ldw. Produktion*<br />
gen umsatz = v2339_05<br />
*Umsatzerlös Marktfrucht <strong>für</strong> Selektion*<br />
gen v_umsatz_pflanze = v2001_05_00 + v2002_05_00 + v2003_05_00<br />
+ v2004_05_00 + v2005_05_00 + v2006_05_00 + v2007_05_00 +<br />
v2010_05_00 + v2012_05_00 + v2017_05_00 + v2018_05_00 +<br />
v2020_05_00 + v2021_05_00 + v2023_05_00 + v2024_05_00 +<br />
v2025_05_00 + v2026_05_00 + v2027_05_00 + v2031_05_00 +<br />
v2035_05_00 + v2039_05_00 + v2040_05_00 + v2061_05_00 +<br />
v2394_05_00 + v2398_05_00 + v2399_05_00 + v2444_05_00 +<br />
v2445_05_00 + v2457_05_00 + v4099_05_00 + v4099_06_00 +<br />
v2332_05_00 + v2335_05_00<br />
*Umsatzerlöse der Pflanzenproduktion als Output*<br />
gen umsatz_getreide = v2004_05 + v2007_05 + v2012_05 +<br />
v2017_05 + v2031_05 + v2035_05 + v4099_05<br />
gen umsatz_weizen = v2001_05 + v2002_05 + v2003_05<br />
gen umsatz_wgerste = v2005_05<br />
gen umsatz_sgerste = v2006_05<br />
gen umsatz_kmais = v2010_05<br />
gen umsatz_getreidesaatgut = v4099_06<br />
gen umsatz_raps = v2024_05 + v2025_05<br />
gen umsatz_zrueben = v2040_05<br />
gen umsatz_kartoffel = v2039_05<br />
gen umsatz_sonstige = v2018_05 + v2020_05 + v2021_05 +<br />
v2023_05 + v2026_05 + v2027_05 + v2061_05<br />
gen umsatz_geld = v2394_05 + v2398_05 + v2399_05 + v2444_05 +<br />
v2445_05 + v2457_05<br />
//Zählen der verschiedenen Früchte<br />
gen Anzahl_Frucht = 0<br />
foreach frucht in $liste_pflanzenumsaetze {<br />
replace Anzahl_Frucht = Anzahl_Frucht + 1 if `frucht' > 5000<br />
}<br />
//Deflationieren auf Vorjahresniveau !!!!!!Werte auf Aktualität<br />
überprüfen!!!!!!<br />
*Getreide allgemein*<br />
replace umsatz_getreide = umsatz_getreide / (1+0.19) if t ==1<br />
replace umsatz_getreide = umsatz_getreide / (1+0.64) if t ==2<br />
replace umsatz_getreide = umsatz_getreide / (1-0.06) if t ==3<br />
*Weizen*<br />
replace umsatz_weizen = umsatz_weizen / (1+0.20) if t ==1<br />
replace umsatz_weizen = umsatz_weizen / (1+0.65) if t ==2
Anhang xiii<br />
replace umsatz_weizen = umsatz_weizen / (1-0.04) if t ==3<br />
*Wintergerste*<br />
replace umsatz_wgerste = umsatz_wgerste / (1+0.07) if t ==1<br />
replace umsatz_wgerste = umsatz_wgerste / (1+0.65) if t ==2<br />
replace umsatz_wgerste = umsatz_wgerste / (1+0.04) if t ==3<br />
*Sommergerste*<br />
replace umsatz_sgerste = umsatz_sgerste / (1+0.12) if t ==1<br />
replace umsatz_sgerste = umsatz_sgerste / (1+0.76) if t ==2<br />
replace umsatz_sgerste = umsatz_sgerste / (1-0.02) if t ==3<br />
*Körnermais*<br />
replace umsatz_kmais = umsatz_kmais / (1+0.29) if t ==1<br />
replace umsatz_kmais = umsatz_kmais / (1+0.42) if t ==2<br />
replace umsatz_kmais = umsatz_kmais / (1-0.31) if t ==3<br />
*Getreidesaatgut*<br />
replace umsatz_getreidesaatgut = umsatz_getreidesaatgut /<br />
(1+0.09) if t ==1<br />
replace umsatz_getreidesaatgut = umsatz_getreidesaatgut /<br />
(1+0.28) if t ==2<br />
replace umsatz_getreidesaatgut = umsatz_getreidesaatgut / (1-<br />
0.01) if t ==3<br />
*Raps*<br />
replace umsatz_raps = umsatz_raps / (1+0.21) if t ==1<br />
replace umsatz_raps = umsatz_raps / (1+0.24) if t ==2<br />
replace umsatz_raps = umsatz_raps / (1+0.34) if t ==3<br />
*Zuckerrüben*<br />
replace umsatz_zrueben = umsatz_zrueben / (1-0.13) if t ==1<br />
replace umsatz_zrueben = umsatz_zrueben / (1-0.08) if t ==2<br />
replace umsatz_zrueben = umsatz_zrueben / (1-0.06) if t ==3<br />
*Kartoffel*<br />
replace umsatz_kartoffel = umsatz_kartoffel / (1+0.83) if t<br />
==1<br />
replace umsatz_kartoffel = umsatz_kartoffel / (1-0.04) if t<br />
==2<br />
replace umsatz_kartoffel = umsatz_kartoffel / (1-0.24) if t<br />
==3<br />
*Sonstige*<br />
replace umsatz_sonstige = umsatz_sonstige / (1+0.15) if t ==1<br />
replace umsatz_sonstige = umsatz_sonstige / (1+0.20) if t ==2<br />
replace umsatz_sonstige = umsatz_sonstige / (1+0.00) if t ==3<br />
*Pflanzenbezogene Prämien*<br />
replace umsatz_geld = umsatz_geld / (1+0.02) if t ==1<br />
replace umsatz_geld = umsatz_geld / (1+0.02) if t ==2<br />
replace umsatz_geld = umsatz_geld / (1+0.03) if t ==3<br />
*Aufsummierter Umsatz der Pflanzenproduktion aus dem Folgejahr*<br />
gen umsatz_pflanze = umsatz_getreide + umsatz_weizen + umsatz_wgerste<br />
+ umsatz_sgerste + umsatz_kmais + umsatz_getreidesaatgut<br />
+ umsatz_raps + umsatz_zrueben + umsatz_kartoffel<br />
+ umsatz_sonstige + umsatz_geld<br />
*Vorleistung Marktfrucht*<br />
gen VL = (v2509_05 + v2539_05 + v2559_05 + (v2773_05 -<br />
v2380_05) + v2774_05)*-1 + v_guelle<br />
drop if VL < 0<br />
*sonsitger Kapitalaufwand Marktfrucht*<br />
gen KAP = (v2598_05 + v2832_05 + v2833_05 + v2765_05 +<br />
v2767_05 + v2782_05 + v2810_05 + v2817_05 + v2841_05 +<br />
v2842_05 + v2849_05)*-1
Anhang xiv<br />
*Aufwand <strong>für</strong> Abschreibung*<br />
gen AFA = v3022_09 + v3031_09 + v3041_09 + v3043_09 + v3048_09<br />
replace AFA = 1 if AFA < 1| AFA ==.<br />
*Pachtanteil generieren*<br />
gen Pacht = v6100_05/v6100_07_00<br />
drop if v6100_05 > v6100_07_00<br />
*Veredlungsgrad generieren*<br />
gen Veredlung = v2199_05 / umsatz<br />
*Aufwand PSM/ ha*<br />
gen PSM_ha = v2559_05 / v6100_07_00<br />
*Aufwand Dünger/ ha*<br />
gen Duenger_ha = v2539_05 / v6100_07_00<br />
*Arbeitskräfte von Bedarf <strong>für</strong> Tierhaltung bereinigen*<br />
gen AK = (v7099_03 * 1800 - (v3134_09 + v3133_09) * 0.81 -<br />
v3136_09 * 9.3 - (v3131_09 + v3130_09) * 1.1 - v3135_09 *<br />
0.9 - v3137_09 * 0.9 - v3151_09 * 0.05 - v3152_09 * 0.22 -<br />
(v3153_09 + v3150_09) * 0.03 - v3154_09 * 0.3 - v3155_09 *<br />
0.11 - v3156_09 * 0.42 - (v3157_09 + v3159_09) * 0.11) /1800<br />
///Betriebe selektieren---------------------------------------<br />
-----------------------------<br />
//Spezifikation von Marktfruchtbetrieben<br />
*min. 60% d. Umsatzerlöse aus Marktfruchtbau*<br />
drop if umsatz_pflanze 0.4<br />
//Fruchtfolge Restriktion*<br />
*Überprüfung der Flächen Variable*<br />
drop if flaeche_blattfruechte + flaeche_getreide > v6100_07<br />
*max. 50% Blattfrüchte*<br />
drop if flaeche_blattfruechte > v6100_07 * 0.5<br />
*max. 100% Getreide*<br />
drop if flaeche_getreide > v6100_07 * 1<br />
//keine anderen Anbauarten<br />
*kein Obstbau*<br />
drop if v2209_05 > 0<br />
*kein Gartenbau*<br />
drop if v2269_05 > 0<br />
*kein Weinbau*<br />
drop if v2299_05 > 0<br />
*Handel und Dienstleistungen max. 10% der Umsatzerlöse*<br />
drop if v2337_05 >= umsatz * 0.1<br />
*Forstwirtschaft und Jagd max. 5% der Umsatzerlöse*<br />
drop if v2309_05 >= umsatz * 0.05<br />
*Fischerei max. 5% der Umsatzerlöse*<br />
drop if v2319_05 >= umsatz * 0.05<br />
//Restriktionen <strong>für</strong> die Hobbytierhaltung
Anhang xv<br />
//Pferde<br />
*nicht mehr als 2 Pferde pro 100 ha*<br />
drop if v3109_09 / (v6100_07 / 100) >= 2<br />
*nicht mehr als 1% des Umsatzes aus Pferden*<br />
drop if v2109_05 >= umsatz * 0.01<br />
//Rinder<br />
*nicht mehr als 2 Rinder pro 100 ha*<br />
drop if v3129_09 / (v6100_07 / 100) >= 2<br />
*nicht mehr als 1% des Umsatzes aus Rindern*<br />
drop if v2129_05 >= umsatz * 0.01<br />
//Schafe<br />
*nicht mehr als 5 Schafe pro 100 ha*<br />
drop if v3149_09 / (v6100_07 / 100) >= 5<br />
*nicht mehr als 1% des Umsatzes aus Schafen*<br />
drop if v2149_05 >= umsatz * 0.01<br />
//Damtiere<br />
*nicht mehr als 5 Damtiere pro 100 ha*<br />
drop if v3169_09 / (v6100_07 / 100) >= 5<br />
*nicht mehr als 1% des Umsatzes aus Damtieren*<br />
drop if v2169_05 >= umsatz * 0.01<br />
//sonstige Tierproduktion<br />
*nicht mehr als 5 Stück sonstige Tiere*<br />
drop if v3198_09 / (v6100_07 / 100) >= 5<br />
*nicht mehr als 1% des Umsatzes aus sonstiger Tierproduktion*<br />
drop if v2198_05 >= umsatz * 0.01<br />
//Dummy Variablen <strong>für</strong> die Bundesländer<br />
local i 1<br />
while `i' 0.05<br />
//Dummy <strong>für</strong> reine Familien AK Betriebe*<br />
gen d_fam = 0<br />
replace d_fam = 1 if v7098_03 ==0<br />
//Dummy <strong>für</strong> Flächenwachstum eines Betriebes --> ein Betrieb<br />
gilt dann als Wachstumsbetrieb, wenn er mindestens 1% Flächenwachstum<br />
realisiert hat!
Anhang xvi<br />
gen wachstum = (v6100_07 - v6100_07_00) / v6100_07_00<br />
gen byte d_wachstum = 0<br />
replace d_wachstum = 1 if wachstum > 0<br />
//Dummy Variable <strong>für</strong> reinen Pachtbetrieb<br />
gen byte d_pacht = 0<br />
replace d_pacht = 1 if Pacht ==1<br />
//Variablen generieren und umbenennen<br />
*Lohnunternehmerkosten pro ha*<br />
gen LU_ha = (v2782_05 / v6100_07)*-1<br />
*AK pro 100 ha*<br />
gen AK_100ha = v7099_03 / (v6100_07_00 / 100)<br />
*Variablen umbenennen*<br />
rename v6100_07_00 AF<br />
rename v0044_03 EMZ<br />
rename v0003_02 BL<br />
rename v0004_02 RegB<br />
rename v0005_02 LK<br />
*Logarithmieren der Variablen*<br />
gen output = umsatz_pflanze<br />
gen lnQ = log(output)<br />
gen lnAF = log(AF)<br />
gen lnAK = log(AK)<br />
gen lnVL = log(VL)<br />
gen lnKAP = log(KAP)<br />
gen lnAFA = log(AFA)<br />
//Kreuzterme bilden<br />
gen lnAF_lnAF = lnAF * lnAF<br />
gen lnAF_lnAK = lnAF * lnAK<br />
gen lnAF_lnVL = lnAF * lnVL<br />
gen lnAF_lnKAP = lnAF * lnKAP<br />
gen lnAF_lnAFA = lnAF* lnAFA<br />
gen lnAK_lnAK = lnAK * lnAK<br />
gen lnAK_lnVL = lnAK * lnVL<br />
gen lnAK_lnKAP = lnAK * lnKAP<br />
gen lnAK_lnAFA = lnAK * lnAFA<br />
gen lnVL_lnVL = lnVL * lnVL<br />
gen lnVL_lnKAP = lnVL * lnKAP<br />
gen lnVL_lnAFA = lnVL * lnAFA<br />
gen lnKAP_lnKAP = lnKAP * lnKAP<br />
gen lnKAP_lnAFA = lnKAP * lnAFA<br />
gen lnAFA_lnAFA = lnAFA * lnAFA<br />
//Datensatz abspeichern<br />
save periode`p'.dta, replace<br />
log close<br />
}<br />
//Betriebe so selektieren, dass sie in allen 3 Perioden vorhanden<br />
sind
Anhang xvii<br />
use periode1.dta, clear<br />
append using periode2.dta<br />
append using periode3.dta<br />
*Nur Betriebe, die in allen Perioden vorhanden sind im Datensatz<br />
lassen*<br />
quietly: count<br />
local ende1 = r(N)<br />
local ende2 = `ende1'<br />
local i = 1<br />
while `i' < `ende2' {<br />
local betriebsnr = betrieb in `i'<br />
quietly: count if betrieb == `betriebsnr'<br />
if r(N) < 3 {<br />
drop if betrieb == `betriebsnr'<br />
local i = `i' -1<br />
}<br />
dis "Zeile: " `i'<br />
dis "Betrieb: " `betriebsnr'<br />
quietly: count<br />
local ende2 = r(N)<br />
local i = `i' +1<br />
}<br />
display `ende1' - `ende2'<br />
*Datensatz speichern*<br />
save datensatz_insgesamt.dta, replace<br />
//Datensätze <strong>für</strong> Frontier 4.1 erstellen<br />
//Verschiede Datensätze erstellen<br />
*gesamten Datensatz <strong>für</strong> Panel-Analyse speichern*<br />
keep betrieb t $liste_trans $kovariablen<br />
order betrieb t $liste_trans $kovariablen<br />
sort betrieb<br />
save panel_datensatz_trans.dta, replace<br />
use datensatz_insgesamt.dta, clear<br />
keep betrieb t $liste_cobb $kovariablen<br />
order betrieb t $liste_cobb $kovariablen<br />
sort betrieb<br />
save panel_datensatz_cobb.dta, replace<br />
*Datensätze <strong>für</strong> die Perioden-Analyse in Stata speichern*<br />
forvalues a = 1/3 {<br />
use datensatz_insgesamt.dta, clear<br />
drop if t != `a'<br />
save periode`a'.dta, replace<br />
}<br />
//Datensätze der einzelnen Perioden<br />
forvalues a = 1/3 {<br />
use periode`a'.dta, clear<br />
replace t = 1<br />
keep betrieb t $liste_cobb $kovariablen<br />
order betrieb t $liste_cobb $kovariablen<br />
sort betrieb<br />
//jeweilige Periode laden<br />
save periode_frontier`a'.dta, replace<br />
}
Anhang xviii<br />
Anhang 8: Stata-Syntax zur Aufbereitung der Frontier 4.1 Ergebnisse<br />
//Log File anlegen<br />
set more off<br />
capture log close<br />
log using logfile_deskrip_panel.smcl, replace<br />
//Globale Listen<br />
global liste_cobb lnQ lnAF lnAK lnVL lnKAP lnAFA<br />
global hetliste_cobb lnAF lnAK lnVL lnKAP lnAFA<br />
global liste_trans lnQ lnAF lnAK lnVL lnKAP lnAFA lnAF_lnAF<br />
lnAF_lnAK lnAF_lnVL lnAF_lnKAP lnAF_lnAFA lnAK_lnAK<br />
lnAK_lnVL lnAK_lnKAP lnAK_lnAFA lnVL_lnVL lnVL_lnKAP<br />
lnVL_lnAFA lnKAP_lnKAP lnKAP_lnAFA lnAFA_lnAFA<br />
global hetliste_trans lnAF lnAK lnVL lnKAP lnAFA lnAF_lnAF<br />
lnAF_lnAK lnAF_lnVL lnAF_lnKAP lnAF_lnAFA lnAK_lnAK<br />
lnAK_lnVL lnAK_lnKAP lnAK_lnAFA lnVL_lnVL lnVL_lnKAP<br />
lnVL_lnAFA lnKAP_lnKAP lnKAP_lnAFA lnAFA_lnAFA<br />
global variablen AF AK_100ha LU_ha d_fam d_wachstum Veredlung<br />
Pacht Anzahl_Frucht RF2 EMZ PSM_ha Duenger_ha VL KAP AFA BL<br />
global spiegel AF AK_100ha FamAK LU_ha Anzahl_Frucht Veredlung<br />
Pacht EMZ AFA_ha PSM_ha Duenger_ha<br />
global rohvariablen umsatz_pflanze AF AK VL KAP AFA<br />
v_umsatz_pflanze<br />
global kovariablen AF Pacht EMZ AK_100ha LU_ha d_fam<br />
d_wachstum RF2 Veredlung Anzahl_Frucht<br />
global koeffizienten _blnaf _blnak _blnvl _blnkap _blnafa<br />
_blnaf_lnaf _blnaf_lnak _blnaf_lnvl _blnaf_lnkap<br />
_blnaf_lnafa _blnak_lnak _blnak_lnvl _blnak_lnkap<br />
_blnak_lnafa _blnvl_lnvl _blnvl_lnkap _blnvl_lnafa<br />
_blnkap_lnkap _blnkap_lnafa _blnafa_lnafa<br />
global liste_elast AF AK VL KAP AFA<br />
global elast e_AF e_AK e_VL e_KAP e_AFA<br />
//Effizienzwerte laden<br />
insheet using eff_2.txt, clear<br />
keep betrieb t eff_2<br />
save eff_2.dta, replace<br />
//Datensatzerstellen<br />
forvalues a = 1/3 {<br />
use datensatz_insgesamt.dta, clear<br />
keep if t == `a'<br />
save periode_panel`a'.dta, replace<br />
use eff_2.dta, clear<br />
keep if t == `a'<br />
save eff_2_tmp.dta, replace<br />
use periode_panel`a'.dta, clear<br />
merge m:m betrieb using eff_2_tmp.dta<br />
drop _merge<br />
save periode_panel`a'.dta, replace<br />
}<br />
use periode_panel1.dta, clear<br />
append using periode_panel2.dta<br />
append using periode_panel3.dta<br />
//Variablen <strong>für</strong> Betriebsspiegel*<br />
gen FamAK = AK - v7098_03<br />
gen VL_ha = VL / AF
Anhang xix<br />
gen KAP_ha = KAP / AF<br />
gen AFA_ha = AFA / AF<br />
replace PSM_ha = PSM_ha * -1<br />
replace Duenger_ha = Duenger_ha * -1<br />
//Variablen labeln<br />
label define BLlb 1 "Schleswig-Holstein" 2 "Hamburg" 3 "Niedersachsen"<br />
4 "Bremen" 5 "Nordrhein-Westfalen" 6 "Hessen" 7<br />
"Rheinland-Pfalz" 8 "Baden-Württemberg" 9 "Bayern" 10 "Saarland"<br />
11 "Berlin" 12 "Brandenburg" 13 "Mecklenburg-<br />
Vorpommern" 14 "Sachsen" 15 "Sachsen-Anhalt" 16 "Thüringen"<br />
label values BL BLlb<br />
replace RF = 12 if RF ==13<br />
label define RFlb 11 "Einzelunternehmen" 12 "GbR" 14 "OHG" 15<br />
"KG" 16 "sonstige Personengesellschaften" 17 "GmbH&CoKG" 61<br />
"e.V." 62 "e.G." 63 "GmbH" 64 "AG" 66 "sonstige Rechtsformen"<br />
label values RF RFlb<br />
//Statistik des Datensatzes ----------------------------------<br />
------------------------------------------------------------<br />
----<br />
//Percentile einteilen<br />
sum $spiegel, d<br />
sum eff_2, d<br />
centile eff_2, centile(15 85)<br />
scalar eff_schlecht_25 = r(c_1)<br />
scalar eff_besten_25 = r(c_2)<br />
save datensatz_final.dta, replace<br />
//Test auf Heteroskeasdizität<br />
*Cobb-Douglas-Funktion*<br />
regress $liste_cobb<br />
hettest<br />
foreach variable in $hetliste_cobb {<br />
hettest `variable'<br />
}<br />
*Translog-Funktion*<br />
regress $liste_trans<br />
hettest<br />
foreach variable in $hetliste_trans {<br />
hettest `variable'<br />
}<br />
//Durchschnitt über alles<br />
mean $spiegel if t ==3<br />
tab BL if t ==3<br />
// Anzahl der 25% besten und schlechtesten Betriebe ingesamt<br />
*Besten*<br />
count if eff_2 > eff_besten_25<br />
*Schlechtesten*<br />
count if eff_2 < eff_schlecht_25<br />
//Regelmäßigkeit der Betriebe überprüfen<br />
*25% besten*<br />
keep if eff_2 > eff_besten_25<br />
*Nur Betriebe, die in allen Perioden vorhanden sind im Datensatz<br />
lassen*<br />
quietly: count<br />
local ende1 = r(N)
Anhang xx<br />
local ende2 = `ende1'<br />
local i = 1<br />
quietly while `i' < `ende2' {<br />
local betriebsnr = betrieb in `i'<br />
quietly: count if betrieb == `betriebsnr'<br />
if r(N) < 3 {<br />
drop if betrieb == `betriebsnr'<br />
local i = `i' -1<br />
}<br />
dis "Zeile: " `i'<br />
dis "Betrieb: " `betriebsnr'<br />
quietly: count<br />
local ende2 = r(N)<br />
local i = `i' +1<br />
}<br />
display `ende1' - `ende2'<br />
gen id = 1<br />
save datensatz_25besten.dta, replace<br />
*25 % schlechtesten*<br />
use datensatz_final.dta, clear<br />
keep if eff_2 < eff_schlecht_25<br />
*Nur Betriebe, die in allen Perioden vorhanden sind im Datensatz<br />
lassen*<br />
quietly: count<br />
local ende1 = r(N)<br />
local ende2 = `ende1'<br />
local i = 1<br />
quietly while `i' < `ende2' {<br />
local betriebsnr = betrieb in `i'<br />
quietly: count if betrieb == `betriebsnr'<br />
if r(N) < 3 {<br />
drop if betrieb == `betriebsnr'<br />
local i = `i' -1<br />
}<br />
dis "Zeile: " `i'<br />
dis "Betrieb: " `betriebsnr'<br />
quietly: count<br />
local ende2 = r(N)<br />
local i = `i' +1<br />
}<br />
display `ende1' - `ende2'<br />
gen id = 2<br />
save datensatz_25schlecht.dta, replace<br />
//Neuen Datensatz mit 25% Besten und schlechten erzeugen Hinweis:<br />
Variable id: 1 --> 25 besten; 2 --> 25 schlechtesten<br />
use datensatz_25besten.dta, clear<br />
append using datensatz_25schlecht.dta<br />
save daten_25quantile.dta, replace<br />
forvalues t = 1/3 {<br />
use daten_25quantile.dta, clear<br />
keep if t == `t'<br />
local a =1<br />
//Betriebsspiegel<br />
*Anzahl an Veredlungsbetrieben*<br />
count if Veredlung > 0 & id == `a'
Anhang xxi<br />
*Betriebsspiegel der 25% effizientesten*<br />
mean $spiegel if id == `a'<br />
tab BL if id == `a'<br />
}<br />
forvalues t = 1/3 {<br />
use daten_25quantile.dta, clear<br />
keep if t == `t'<br />
local a =2<br />
//Betriebsspiegel<br />
*Anzahl an Veredlungsbetrieben*<br />
count if Veredlung > 0 & id == `a'<br />
*Betriebsspiegel der 25% ineffizientesten*<br />
mean $spiegel if id == `a'<br />
tab BL if id == `a'<br />
}<br />
//Elastizitäten am Stichprobenmittelwert berechnen<br />
//Koeffienten laden<br />
insheet using koeffizienten.txt, clear<br />
foreach variable in $koeffizienten {<br />
scalar `variable' = `variable'<br />
}<br />
//Datensatz laden<br />
use datensatz_final.dta, clear<br />
//Rangkorrelationskoeffizient nach Spearman<br />
forvalues t = 1/3 {<br />
spearman $hetliste_cobb if t==`t'<br />
spearman $kovariablen if t==`t'<br />
}<br />
//Mittelwerte der Einzelnen Variablen erzeugen --> dient zur<br />
Berechnung der Elastizitäten*<br />
foreach variable in $rohvariablen {<br />
capture mean `variable'<br />
matrix tmp = e(b)<br />
scalar m_`variable' = tmp[1,1]<br />
scalar m_`variable' = log(m_`variable')<br />
}<br />
scalar list<br />
//Skalare berechnen<br />
scalar AF = _blnaf + 2 * _blnaf_lnaf * m_AF + _blnaf_lnak *<br />
m_AK + _blnaf_lnvl * m_VL + _blnaf_lnkap * m_KAP +<br />
_blnaf_lnafa * m_AFA<br />
scalar AK = _blnak + 2 * _blnak_lnak * m_AK + _blnaf_lnak *<br />
m_AF + _blnak_lnvl * m_VL + _blnak_lnkap * m_KAP +<br />
_blnak_lnafa * m_AFA<br />
scalar VL = _blnvl + 2 * _blnvl_lnvl * m_VL + _blnaf_lnvl *<br />
m_AF + _blnak_lnvl * m_AK + _blnvl_lnkap * m_KAP +<br />
_blnvl_lnafa * m_AFA<br />
scalar KAP = _blnkap + 2 * _blnkap_lnkap * m_KAP +<br />
_blnaf_lnkap * m_AF + _blnak_lnkap * m_AK + _blnvl_lnkap *<br />
m_VL + _blnkap_lnafa * m_AFA<br />
scalar AFA = _blnafa + 2 * _blnafa_lnafa * m_AFA +<br />
_blnaf_lnafa * m_AF + _blnak_lnafa * m_AK + _blnvl_lnafa *<br />
m_VL + _blnkap_lnafa * m_KAP<br />
scalar list AF<br />
scalar list AK<br />
scalar list VL<br />
scalar list KAP<br />
scalar list AFA
Anhang xxii<br />
// Elastizitäten an jedem Datenpunkt<br />
foreach variable in $liste_elast {<br />
generate e_`variable' = 0<br />
}<br />
capture count<br />
local ende = r(N)<br />
local i = 1<br />
while `i'
Literaturverzeichnis xxiii<br />
Literaturverzeichnis<br />
Aigner, D., Lovell, C.A.K. & Schmidt, P., 1977. Formulation and Estimation of<br />
Stochastic Frontier Production Function Models. Journal of Econometrcis 6 ,<br />
pp.21-37.<br />
Ali, M. & Flinn, J.C., 1989. Profit Efficiency Among Basmati Rice Producers in<br />
Pakistan Punjab. American Journal of Agricultural Economics, Bd. 71, pp.303-10.<br />
Allen, D.W. & Lueck, D., 1998. The nature of the farm. The Journal of Law and<br />
Economics, pp.343-86.<br />
Arndt, J., 2004. Wohin führt der Strukturwandel in der Landwirtschaft. Statistische<br />
Monatsheft Baden-Württemberg, pp.29-33.<br />
Banker, R.D., Charnes, A. & Cooper, W.W., 1984. Some Models for Estimating<br />
Technical and Scale Inefficiencies in Data Envelopment Analysis. Management<br />
Science, 30 (9), pp.1078-92.<br />
Bär, F., 1996. Einfluß des Rodetermins auf die Wirtschaftlichkeit der<br />
Zückerrübenproduktion; Dipl.-Arbeit. Wien.<br />
Battese, G.E., 1992. Frontier production functions and technical efficiency: a<br />
survey of empirical applications in agricultural economics. Agricultural<br />
Economics, 7, pp.185-208.<br />
Battese, G.E. & Coelli, T.J., 1993. Frontier Production Functions, Technical<br />
Efficiency and Panel Data: With Application to Paddy Farmers in India. Journal of<br />
Productivity Analysis, Nr. 3, pp.153-69.<br />
Battese, G.E. & Coelli, T., 1995. A Model for Technical Inefficiency Effects in a<br />
Stochastic Frontier Production Function for Panel Data. Empirical Economics<br />
(20), pp.325-32.<br />
Battese, G.E. & Corra, G.S., 1977. Estimation of a Production Frontier Model:<br />
with Aplliaction to the Pastoral Zone of Esatern Australia. Asutralian Journal of<br />
Agricultural Economics, Vol. 21, No. 3, Dezember. pp.169-79.<br />
Bielecki, A., 2009. Efficient Frontier Analysis. In Albers, S. et al. Methodik der<br />
empirischen Forschung. Wiesbaden: Gabler.<br />
Blume, H.-P. et al., 2008. Lehrbuch der Bodenkunde. Heidelberg: Sepktrum<br />
Akademischer Verlag.<br />
BMELV, 2010. Statistisches Jahrbuch über Ernährung, Landiwrtschaft und<br />
Forsten der Bundesrepublik Deutschland 2010. Wiesbaden: Wirtschaftsverlag<br />
NW GmbH.<br />
BMELV, 2011. Buchführung der Testbetriebe - Grundlagen zur BMELV-<br />
Testbetriebsbuchführung. [Online] Available at: http://berichte.bmelv-<br />
statistik.de/BFB-0114001-2011.pdf [Accessed 13 März 2012].
Literaturverzeichnis xxiv<br />
Böning, K., 1968. Die Bedeutung der Fruchtfolge im Rahmen des integrieten<br />
Pflanzenschutzes. Plant foods for human nutrition Vol. 15, pp.215-24.<br />
BRD, 2007. Gesetz zur Schätzung des landwirtschaftlichen Kulturbodens<br />
(Bodenschätzungsgesetz - BodSchätzG).<br />
Breitschuh, G., 2000. Kostenvergleich bei der pflanzlichen Produktion zwischen<br />
Ost und West. Thüringische Landesanstalt <strong>für</strong> Landwirtschaft.<br />
Brodersen, C.M. & Thiele, H., 1999. Effizienzunterschiede in der<br />
landwirtschaftlichen Produktion, eine nicht parametrische Analyse <strong>für</strong><br />
Deutschland. In Vierzigste Jahrestagung der Gesellschaft <strong>für</strong> Wirtschafts- und<br />
Sozialwissenschaften des Landbaus e.V. Kiel, 1999.<br />
Brooks, C., 2002. Introductory Econometrics for Finance. Cambridge.<br />
Cantner, U., Krüger, J. & Hanusch, H., 2007. Produktivitäts- und<br />
Effizienzanalyse. Heiderlberg: Springer Verlag.<br />
Coelli, T., Rao, D.S.P., O'Donell, C. & Battese, G.E., 2005. An introduction to<br />
efficiency and productivity analysis - second edition. New York: Springer<br />
Science+Business Media, Inc.<br />
Curtiss, J., 2000. Technical Efficiency and Competitiveness of the Czech<br />
Agricultural Sector in Late Transition – The Case of Crop Production. In Paper<br />
presented at the KATO Symposium. Berlin, 2000.<br />
Dabbert, S. & Braun, J., 2006. Landwirtschaftliche Betriebslehre. Stuttgart<br />
(Hohenheim): Eugen Ulmer KG.<br />
Dachler, M. & Köchl, A., 2003. Der Einfluss von Fruchtfolge, Vorfrucht,<br />
Stickstoffdüngung und Einarbeitung der Ernterückstände auf Ertrag und<br />
Rohproteingehalt vn Winterweizen und nachfolgender Sommergerste. Die<br />
Bodenkultur 54 (1), pp.23-34.<br />
Deutscher Bauernverband, 2012. Situationsbericht 2011/2012. Berlin.<br />
Dirksmeyer, W., Forstner, B., Margarian, A. & Zimmer, Y., 2005. Aktualisierung<br />
der Zwischenbwertung des Agrarinvestitionsförderprogramms in Deutschland <strong>für</strong><br />
den Förderzeitraum 2000 bis 2004.<br />
Dreesman, A., 2006. Messung von Produktivität und Effizienz landwirtschaftlicher<br />
Betriebe unter Einbeziehung von Umweltwirkungen.<br />
Eichhorn, W., 1968. Eine Verallgemeinerung des Begriffs der homogenen<br />
Produktionsfunktion. Mathematical Methods of Operations Research, Vol. 13, No.<br />
2, Oktober. pp.99-109.<br />
Europäische Union, 2010. Landwirtschaft - INLB. [Online] Available at:<br />
http://ec.europa.eu/agriculture/rica/methodology1_de.cfm [Accessed 26 März<br />
2012].
Literaturverzeichnis xxv<br />
Fahrmeir, L., Künstler, R., Pigeot, I. & Tutz, G., 2007. Statistik- Der Weg zur<br />
Datenanalyse. Heidelberg: Springer Verlag.<br />
Farrar, D.E. & Glauber, R.R., 1967. Multicollinearity in Regression Analysis: The<br />
Problem Revisited. The Review of Economics and Statistics, Vol. 49 No.1,<br />
Februar. pp.92-107.<br />
Farrell, M.T., 1957. The Measurement of Productive Efficiency. Journal of the<br />
Royal Statistical Society, Vol. 120, No. 3, pp.253-90.<br />
Francksen, T., 2007. Effizienzanalyse in der Landwirtschaft: Innovative Ansätze<br />
und ihre empirsche Implementierung. Kiel.<br />
Francksen, T., 2010. Vorlesung Modul 270 Quantitative Planungsmehtoden. CAU<br />
Kiel.<br />
Francksen, T. & Latacz-Lohmann, U., 2006. Beurteilung der technischen<br />
Effizienz der Agrarsektoren der EU-Beitrittsländer anhand parametrischer und<br />
nicht parametrischer Analyseverfahren. Kiel: CAU Kiel.<br />
Franz, A., Schaper, C., Spiller, A. & Theuvsen, L., 2010. Geschäftsbeziehungen<br />
zwischen Landwirten und Lohnunternehmen: Ergebnisse einer empirischen<br />
Analyse. Jahrbuch der Schweizerischen Gesellschaft <strong>für</strong> Agrarwirtschaft und<br />
Agrarsoziologie, pp.195-230.<br />
Gubi, G., 2006. Analyse der erfolgs- und effizienzbestimmenden Faktoren im<br />
ökologischen Landbau. Kiel: CAU Kiel.<br />
Hartl, L., 2008. Mehr Ertrag durch Zuchtfortschritt bei Getreide. In Pflanzenbau<br />
unter neuen Preis-Kosten-Bedingungen - LfL Jahrestagung., 2008.<br />
Heilmann, H. & Ziesemer, A., n.d. Stärken und Schwächen des Rapsanbaues in<br />
Mecklenburg-Vorpommern. Beiträge zur Winterrapsproduktion - Mitteilungen der<br />
Landesforschungsanstalt <strong>für</strong> Landwirtschaft und Firscherei Heft 44, pp.1-5.<br />
Henning, C.H.C.A., 2005. The show must go on: Zur politischen Ökonomie der<br />
Ländlichen Entwicklungspolitik in der EU. Agrarwirtschaft Nr. 54, pp.193-96.<br />
Hofstätter, C., 2008. Auswirkung von Betriebsgrößenwachstum auf den<br />
Betriebserfolg und die Arbeitsproduktivität in Marktfruchtbetrieben; Dipl.-Arbeit.<br />
Wien.<br />
Hsiao, C., 2007. Panel data analysis - advantages and challenges. TEST Vol. 16,<br />
pp.1-22.<br />
Idiong, I.C., 2007. Estimation of Farm Level Technical Efficiency in Smallscale<br />
Swamp Rice Production in Cross River State of Nigeria: A Stochastic Frontier<br />
Approach. World Journal of Agricultural Sciences 3 (5), pp.653-58.
Literaturverzeichnis xxvi<br />
Jondrow, J., Lovell, C.A., Materov, I.S. & Schmidt, P., 1982. On the Estimation of<br />
Technical Inefficiency in the Stochastic Frontier Production Function Model.<br />
Journal of Econometrcis, Nr.19, pp.233-38.<br />
Jürgensen, M., 1981. Struktur des mengenmäßigen und zeitlichen Einsatzes von<br />
Produktionsfaktoren im Marktfruchtbau und deren Einfluß auf die<br />
Wirtschaftlichkeit der Produktion.<br />
Kriese, M., 2008. Effizienzanalyse der sächsischen Gemeinden. ifo Dresden<br />
Berichtet, 5, pp.3-13.<br />
Kryer, A. & Penker, W., 2000. Volkswirtschatfslehre - 6. Auflage. Wien:<br />
Oldenbourg.<br />
Kumbhakar, S.C. & Lovell, C.A.K., 2003. Stochastic Frontier Analysis.<br />
Cambridge: Cambridge Press.<br />
Kuratorium <strong>für</strong> Technik und Bauwesen in der Landwirtschaft, 2011. KTBL-SDB-<br />
welcome. [Online] Available at: http://daten.ktbl.de/sdb/welcome.do [Accessed 26<br />
März 2012].<br />
Kurkalova, L.A. & Carriquiry, A., 2003. Input- and Output-Oriented Technical<br />
Efficiency of Ukrain Collective Farms, 1989-1992: Bayesian Analysis of a<br />
Stochastic Production Frontier Model. Journal of Productivity Analysis, 20,<br />
pp.191-211.<br />
Land-Data GmbH, 2012. Nah am Kunden - Land-Data. [Online] Available at:<br />
http://www.landdata.de/cms/Unternehmen_landdata.html [Accessed 13 März<br />
2012].<br />
Latruffe, L., Balcombe, K., Davidova, S. & Zawalinska, K., 2004. Determinants of<br />
technical efficiency of crop and livestock farms in Poland. Applied Economics.<br />
Meeusen, W. & van Den Broeck, J., 1977. Efficiency Estimation from Cobb-<br />
Douglas Production Function with Composed Error. International Economic<br />
Review, Vol. 18, No. 2, Juni. pp.435-44.<br />
Mohn, R., 1984. Oeconomical effects and possibilities of machinery cooperatives.<br />
Mohr, H.P., 1971. Ein Beitrag zum Betriebsgrößenproblem in der Landwirtschaft<br />
unter besonderer Berücksichtigung schleswig-holsteinischer Großbetriebe. Kiel.<br />
Nause, G., 2003. Zur Entwicklung der in den landwirtschaftlichen Betrieben<br />
Deutschlands beschäftigten Arbeitskräfte 1991 bis 2001. Wirtschaft und Statistik<br />
4.<br />
Pleßman, F., 2000. Vergleichende Produktionskostenanalyse des<br />
Marktfruchtbaus in Mecklenburg-Vorpommern und Schleswig-Holstein.<br />
Bergen/Dummer: Agrimedia.
Literaturverzeichnis xxvii<br />
Posada, D. & Buckley, T.R., 2004. Model Selection and Model Averaging in<br />
Phylogenetics: Advantages of Akaike Information Criterion andy Bayesian<br />
Approaches Over Likelihood Ratio Tests. Systematic Biology 53 (5), pp.793-808.<br />
Puig-Junoy, J. & Argilés, M., 2000. Measuring and explaining farm inefficiency in<br />
a panel data set of mixed farms. Barcelona, Spanien: Pompeu Fabra University.<br />
Röders, I., 1996. Determinanten von Erfolgs- und Effizienzunterschieden<br />
marktfruchtproduzierender Unternehmen - Eine empirische Analyse -. Aachen:<br />
Shaker Verlage.<br />
Rybnikova, I., 2011. Schriften zur Organisationswissenschaft -<br />
Erfolgsfaktorenforschung auf den Zahn gefühlt.<br />
Schäfer, W., 2001. Europa in der Globalisierung. Wirtschaftsdienst Vol. 81,<br />
pp.30-37.<br />
Schierjott, A. & Schulze, P.M., 1985. Bemerkungen zur Translog-Funktion und<br />
ihrer Schätzung. Jahrbuch <strong>für</strong> Sozialwissenschaft 36, pp.190-204.<br />
Schmid, A., 2007. Kalkulation und Kostenanalyse im Lohnunternehmen.<br />
Schulte-Ostermann, W.-R., 1985. Analyse der Einkommensbestimmung und<br />
Einkommensentwicklung in Marktfruchtbetrieben. Kiel: Diss. Kiel.<br />
Statistisches Bundesamt, 2007. Land- und Forstwirtschaft, Fischerei;<br />
Ausgewählte Zahlen der Agrarstrukturerhebung. Wiesbaden.<br />
Statistisches Bundesamt, 2009. 50 Jahre Statistisches Jahrbuch - 50 Jahre<br />
Agrarentwicklung. [Online] Available at: http://berichte.bmelv-statistik.de/SJT-<br />
0000200-2005.xls [Accessed 8 Mai 2012].<br />
Statistisches Bundesamt, 2009. Diagramm: Entwicklung der Arbeitskräfte in der<br />
Landwirtschaft im Vergleich zum Arbeitskräftebesatz in Deutschland insgesamt.<br />
[Online] Statistisches Bundesamt Available at: http://berichte.bmelv-<br />
statistik.de/SJG-9303010-0000.pdf [Accessed 5 Mai 2012].<br />
Statistisches Bundesamt, 2010. Land- und Forstwirtschaft, Fischerei;<br />
Betriebswirtschaftliche Ausrichtung und Standardoutput. Wiesbaden.<br />
Statistisches Bundesamt, 2010. Preise - Preisindizes <strong>für</strong> die Land- und<br />
Forstwirtschaft. Wiesbaden.<br />
Tain, W. & Wan, G.H., 2000. Technical Efficiency and Its Determinants in China's<br />
Grain Production. Journal of Productivity Analysis 13, pp.159-74.<br />
Theuvsen, L., 2003. Kooperationen in der Landwirtschaft - Formen, Wirkungen<br />
und aktuelle Bedeutung -. In 5. Jahrestagung Thüringer Landwirtschaft., 2003.<br />
Tiedemann, T. & Latacz-Lohmann, U., 2011. Empirische Analysen zur<br />
Produktivitätsentwicklung im ökologischen und konventionellen Landbau.<br />
German Journal of Agricultural Economics; Band 60, pp.101-18.
xxviii<br />
Tietje, H., 2005. Hofnachfolge in Schleswig-Holstein. Amtliche Mikrodaten <strong>für</strong> die<br />
Agrar- und Umweltwissenschaften, pp.31-41.<br />
Timmer, C.P., 1971. Using a Probabilistic Frontier Production Function to<br />
Measure Technical Efficiency. Journal of Political Economy Vol. 79, Juli-August.<br />
pp.776-94.<br />
Töpfer, A., 2007. Betriebswirtschaftslehre - Anwendungs- und prozessorientierte<br />
Grundlagen. Heidelberg: Springer Verlag.<br />
Ullrich, J., 2012. Ökonomie des Winterweizenanbaus auf unterschiedlichen<br />
Standortqualtitäten Mecklenburg-Vorpommerns - Anpassungspotentiale im<br />
Bereich der Direktkosten auf unterschiedliche Ertragserwartungen. Beiträge zur<br />
Weizenproduktion - Mitteilungen der Landesforschungsanstalt <strong>für</strong> Landwirtschaft<br />
und Fischerei (Heft 47), pp.66-70.<br />
Urban, D., 1993. Logit-Analyse: Statistische Verfahren zur Analyse mit<br />
qualitativen Response-Variablen. Stuttgart: Gustav Fischer Verlag.<br />
Waldman, D.M., 1983. A note on algebraic equivalence of White's Test and a<br />
variation of the Godfrey/Breusch-Pagan Test for heteroscedasticity. Economics<br />
Letters 13, pp.197-200.<br />
Weining, M. & Koo, W.W., 1997. Productivity growth, technological progress, and<br />
efficiency change in chinese agriculture after rural economic reforms: A DEA<br />
approach. China Economic Review, pp.157-74.<br />
Wenk, R., 2005. Generationswechsel in kleinen Familienbetrieben als<br />
biographische Arbeit - Eine empirische Studie. Göttingen.<br />
Wiebusch, A., Henning, C.H.C.A. & Henningsen, A., 2003. Analyse von<br />
Transaktionskosten auf dem ländlichen Kreditmarkt in Polen. In 43. Jahrestagung<br />
der Gesellschaft <strong>für</strong> Wirtschafts- und Sozialwissenschaften des Landbaues e.V.<br />
Hohenheim, 2003.<br />
Wiese, H., 2002. Mikroökonomik - Eine Einführung in 379 Aufgaben. Berlin:<br />
Springer Verlag.<br />
Zellner, A., Kmenta, J. & Drèze, J., 1966. Specification and Estimation of Cobb-<br />
Douglas Prodcution Function Models. Econometrica Vol. 34 No. 4, Oktober.<br />
pp.784-95.
Erklärung xxix<br />
Erklärung<br />
Hiermit erkläre ich, dass ich die vorliegende Arbeit selbständig und ohne fremde<br />
Hilfe angefertigt und keine anderen als die angegebenen Quellen und Hilfsmittel<br />
verwendet habe.<br />
Die eingereichte schriftliche Fassung der Arbeit entspricht der auf dem elektroni-<br />
schen Speichermedium.<br />
Weiterhin versichere ich, dass diese Arbeit noch nicht als Abschlussarbeit an<br />
anderer Stelle vorgelegen hat.<br />
Kiel im Januar 2013,<br />
Hauke Krüger
Letzte Seite<br />
Letzte Seite<br />
Golombs Merksätze über mathematische Modelle:<br />
1. Verwechsel Modelle nicht mit der Realität!<br />
(Iss nicht die Speisekarte.)<br />
2. Benutze Modelle nur <strong>für</strong> ihren Zweck!<br />
(Spring nicht in das Nichtschwimmerbecken.)<br />
3. Klebe nicht an schlechten Modellen!<br />
(Es hat keinen Sinn, toten Pferden die Peitsche zu geben.)