Masterarbeit - Institut für Agrarökonomie - Christian-Albrechts ...

Masterarbeit
Im Studiengang Agrarwissenschaften
Einfluss der Organisationsform von Marktfruchtbetrieben
auf deren Effizienz
– eine empirische Analyse mittels SFA
vorgelegt von B.Sc. agr. Hauke Krüger
Matrikelnummer 856432
Kiel im Januar 2013
Erstgutachter: Herr Prof. Dr. Uwe Latacz-Lohmann
Zweitgutachter: Dr. Volker Saggau
Lehrstuhl für landwirtschaftliche Betriebslehre und Produktionsökonomie
Institut für Agrarökonomie
Agrar- und Ernährungswissenschaftliche Fakultät
Christian-Albrechts-Universität zu Kiel

Masterarbeit
Im Studiengang Agrarwissenschaften
Einfluss der Organisationsform von Marktfruchtbetrieben
auf deren Effizienz
– eine empirische Analyse mittels SFA
vorgelegt von B.Sc. agr. Hauke Krüger
Matrikelnummer 856432
Kiel im Januar 2013
Erstgutachter: Herr Prof. Dr. Uwe Latacz-Lohmann
Zweitgutachter: Dr. Volker Saggau
Lehrstuhl für landwirtschaftliche Betriebslehre und Produktionsökonomie
Institut für Agrarökonomie
Agrar- und Ernährungswissenschaftliche Fakultät
Christian-Albrechts-Universität zu Kiel

Inhaltsverzeichnis I
Inhaltsverzeichnis
Abkürzungsverzeichnis ....................................................................................... III
Abbildungsverzeichnis ........................................................................................ IV
Tabellenverzeichnis ............................................................................................. V
1. Einleitung ............................................................................................... 1
1.1. Aufbau der Arbeit ................................................................................... 3
2. Literatur.................................................................................................. 4
2.1. Literaturübersicht ................................................................................... 4
2.2. Hypothesen zur Effizienz in Marktfruchtbetrieben .................................. 6
3. Methodik .............................................................................................. 10
3.1. Definition der Begriffe Produktivität und Effizienz ................................. 10
3.2. Einflussfaktoren auf die Effizienz des Marktfruchtbaus ......................... 13
3.3. Methodische Grundlagen der Effizienzanalyse..................................... 16
3.4. Die stochastische Frontier-Analyse ...................................................... 18
3.5. Tests zur Modellgüte ............................................................................ 23
3.5.1. Likelihood-Ratio-Test ........................................................................... 23
3.5.2. Spearmans-Rangkorrelationskoeffizient ............................................... 24
3.5.3. Breusch-Pagan-Test ............................................................................ 25
4. SFA-Modell .......................................................................................... 27
4.1. Umfang des Modells ............................................................................ 27
4.2. Spezifikation des SFA- Modells ............................................................ 31
5. Daten ................................................................................................... 34
5.1. Datenherkunft ...................................................................................... 34
5.2. Struktur der Datengrundlage ................................................................ 35
5.3. Selektion der Betriebe und Aufbereitung der Variablen ........................ 37
6. Ergebnisse ........................................................................................... 45
6.1. Ergebnisse für die Cobb-Douglas-Produktionsfunktion ........................ 45
6.2. Ergebnisse für die Translog-Produktionsfunktion ................................. 49

Inhaltsverzeichnis II
6.3. Ergebnisse der Likelihood-Ratio-Tests für Paneldaten ......................... 53
6.4. Test auf Heteroskedastizität ................................................................. 54
6.5. Effizienzwerte der Marktfruchtbetriebe im Vergleich ............................. 55
7. Diskussion ........................................................................................... 62
8. Zusammenfassung und Fazit ............................................................... 72
Anhang.. ............................................................................................................... i
Literaturverzeichnis.......................................................................................... xxiii
Erklärung ......................................................................................................... xxix

Abkürzungsverzeichnis III
Abkürzungsverzeichnis
bzw. : beziehungsweise
BRD : Bundesrepublik Deutschland
d. : der
DTR : drechslera tritici-repentis
ha : Hektar
kg : Kilogramm
KTBL : Kuratorium für Technik und Bauwesen in der Landwirtschaft
N : Stickstoff
o. Ä. : oder Ähnliches
PSM : Pflanzenschutzmittel
SFA : stochastische Frontier-Analyse
WJ : Wirtschaftsjahr

Abbildungsverzeichnis IV
Abbildungsverzeichnis
Abbildung 1: Anzahl landwirtschaftlicher Betriebe in Deutschland ....................... 2
Abbildung 2: Die Produktions-Frontier für den Fall Single-Input/Single-Output .. 11
Abbildung 3: Isoquante im 2-Input/1-Output-Fall ................................................ 12
Abbildung 4: Übersicht über Frontieransätze ..................................................... 17
Abbildung 5: Grafische Darstellung der SFA ...................................................... 22
Abbildung 6: Wahrscheinlichkeitsdichtefunktion der Effizienzwerte .................... 56
Abbildung 7: Verteilung aller Betriebe in den Bundesländern ............................. 59
Abbildung 8: Verteilung der 15% effizientesten Betriebe in Deutschland ........... 60
Abbildung 9: Verteilung der 15% ineffizientesten Betriebe in Deutschland ......... 61

Tabellenverzeichnis V
Tabellenverzeichnis
Tabelle 1: Kovariablen des Technical-Effects-Modells ....................................... 29
Tabelle 2: Übersicht der verwendeten Variablen ................................................ 31
Tabelle 3: Verteilung der Testbetriebe in den Bundesländern ............................ 36
Tabelle 4: Einteilung der Betriebe nach Rechtsformen ...................................... 36
Tabelle 5: Marktwert des organischen Düngers ................................................. 40
Tabelle 6: Verteilung der Betriebe in den Bundesländern nach der Selektion .... 42
Tabelle 7: Rechtsformen der Betriebe nach der Selektion ................................. 42
Tabelle 8: Mittelwerte der betrieblichen Kennzahlen .......................................... 44
Tabelle 9: Ergebnisse Cobb-Douglas-Produktionsfunktion ................................ 46
Tabelle 10: Rangkorrelationskoeffizient nach Spearman ................................... 49
Tabelle 11: Elastizitäten der Produktionsfaktoren .............................................. 50
Tabelle 12: Ergebnisse Translog-Produktionsfunktion ....................................... 52
Tabelle 13: Ergebnisse des Likelihood-Ratio-Tests für Paneldaten ................... 54
Tabelle 14: Ergebnisse Breusch-Pagan-Test ..................................................... 54
Tabelle 15: Teil 1 des Betriebsspiegels der äußeren Quantile ........................... 57
Tabelle 16: Teil 2 des Betriebsspiegels der äußeren Quantile ........................... 58

Einleitung 1
1. Einleitung
Der Begriff Effizienz wird im Duden mit den Worten Wirksamkeit bzw. Wirtschaft-
lichkeit erklärt. Besonders in Zeiten der globalisierten Arbeitsteilung und immer
knapper werdenden Ressourcen wird der Begriff Effizienz von zunehmend gro-
ßem Interesse für die Allgemeinheit. In der heutigen Zeit wird jedes unternehme-
rische Handeln in noch nie dagewesenem Maß an seiner Wirtschaftlichkeit und
somit an seiner Effizienz gemessen. Daraus ableitend muss geschlussfolgert
werden, dass die Globalisierung unter anderem Effizienz erzwingt. Wirtschaftli-
che und politische Arrangements, die nicht nach den aktuellen weltweit gültigen
Maßstäben zur effizienten Faktorverwertung handeln, sind kurz- oder mittelfristig
zum Scheitern verurteilt (Schäfer, 2001). Die Effizienz landwirtschaftlicher Betrie-
be ist daher seit vielen Jahrzehnten ein Themengebiet, das von großem Interes-
se für die Wissenschaft ist. Nicht nur vor dem Hintergrund der Rechtfertigung von
Subventionszahlungen an Landwirte durch die Europäische Union (Henning,
2005), sondern auch im Hinblick auf den stetig anhalten Strukturwandel, ist die
Effizienz des landwirtschaftlichen Sektors von großem Interesse für Wissen-
schaft, Forschung und nicht zuletzt den landwirtschaftlichen Unternehmer selbst.
Denn nur wenn der Unternehmer weiß, wo er mit seinem Unternehmen im Ver-
gleich zu anderen Landwirten steht, ist es ihm möglich die Situation zu beurteilen
und entsprechende Maßnahmen zur Verbesserung der Effizienz bzw. der Wirt-
schaftlichkeit zu ergreifen.
In landwirtschaftlichen Betrieben vollzieht sich spätestens seit der Mechanisie-
rung der Produktionsverfahren ein immer rasanterer Wandel der Strukturen. Bei-
spielsweise kam es im Bundesland Baden-Württemberg im Zuge des letzten
Viertel Jahrhunderts zu einer Halbierung der Anzahl landwirtschaftlicher Betriebe.
Gleichzeitig ist die Anzahl der Tierbestände deutlich gewachsen und die Anzahl
der in der Landwirtschaft tätigen Arbeitskräfte um 30 Prozent gesunken (Arndt,
2004). Neben diesen Zahlen verdeutlicht Abbildung 1 die Entwicklung der deut-
schen Landwirtschaft. In dieser Grafik ist zu erkennen, dass vor allem die Anzahl
kleiner Betriebe (Betriebe mit 10 bis 50 ha) rückläufig ist. Größere Betriebe (50
bis 100 ha) sind in ihrer Anzahl während der letzten zwölf Jahre relativ konstant.
Bei den Betrieben mit über 100 Hektar landwirtschaftlicher Nutzfläche ist ein An-
stieg in der Anzahl der Betriebe zu erkennen. Somit lässt sich der anhand von
Baden-Württemberg beschriebene Trend auch in ganz Deutschland wiederfin-
den. Nach Betrachtung dieser Fakten drängt sich die Frage auf, wie Betriebe
organisiert und strukturiert sind, die sich langfristig im Wettbewerb um den immer
knapper werdenden Faktor Boden behaupten können.

Einleitung 2
Abbildung 1: Anzahl landwirtschaftlicher Betriebe in Deutschland
Quelle: Eigene Darstellung nach (Statistisches Bundesamt, 2007)
Ziel dieser Arbeit ist es, Effizienzmaße für marktfruchtproduzierende Betriebe in
Deutschland zu ermitteln. Zum einen soll generell das Effizienzniveau der deut-
schen Marktfruchtproduzenten ermittelt werden, bevor in einem zweiten Schritt
untersucht wird, welche möglichen Einflussgrößen auf die Höhe der Effizienz
wirken.
Anzahl der Betriebe in Deutschland
Es stellen sich somit folgende Leitfragen für diese Arbeit:
� Welche Organisationsform ist für erfolgreiche Betriebe charakteristisch?
� Sind nur große Betriebe effizient?
� Wie wirkt sich die Arbeitsverfassung eines Betriebes auf die Effizienz aus?
� Haben Veredlungszweige einen Einfluss auf die Effizienz des Marktfrucht-
baus?
140
120
100
80
60
40
20
0
� Verfügen effiziente Betriebe vorrangig über Pacht- oder Eigenland?
� Sind Wachstumsbetriebe immer effizient?
Für die Untersuchung stehen Jahresabschlüsse von Betrieben aus allen Bundes-
ländern zur Verfügung. Anhand des Datensatzes wird versucht unter Anwendung
einer stochastischen Frontier-Analyse eine Antwort auf die oben aufgeführten
Fragen zu finden.
1999 2001 2003 2005 2007 2010
Jahre
Betriebe mit 10 bis 20 ha in 1000
Betriebe mit 20 bis 50 ha in 1000
Betriebe mit 50 bis 100 ha in 1000
Betriebe mit über 100 ha in 1000
Anzahl Betriebe insgesamt in 10.000

Einleitung 3
1.1. Aufbau der Arbeit
Die vorliegende Arbeit ist aufgegliedert in acht verschiedene Kapitel. Im An-
schluss an die Einleitung wird im zweiten Kapitel ein kurzer Überblick über die
bisherige Literatur zu dem Thema der stochastischen Frontier-Analyse geben.
Dazu werden die Veröffentlichungen kurz inhaltlich vorgestellt. Darauf basierend
formuliert der Autor im nächsten Abschnitt die zu prüfenden Hypothesen bezüg-
lich des Einflusses der Organisationsform von Marktfruchtbetrieben auf deren
Effizienz. Daran anschließend wird in Kapitel 3 die Methodik erläutert. Zuerst
werden die wichtigsten Begriffe definiert, bevor in den nächsten Abschnitten die
Methode der stochastischen Frontier-Analyse erläutert wird. Dieses Kapitel endet
mit der Beschreibung von anzuwendenden statistischen Tests. Das vierte Kapitel
beschreibt das konkrete Modell der stochastischen Frontier-Analyse dieser Ar-
beit. Es wird der Umfang des Modells erklärt und die exakte Spezifikation der
benutzten Produktionsfunktionen vorgenommen. Im Anschluss daran beschäftigt
sich der nächste Abschnitt, Kapitel 5, mit der Herkunft der Daten und deren Auf-
bereitung. Hier werden vor allem die Aspekte zur Selektion von Marktfruchtbe-
trieben aus dem gesamten zur Verfügung stehenden Datensatz aufgeführt. Das
nächste Kapitel dient zur Präsentation der Ergebnisse und gibt die Basis für die
anschließende Diskussion der selbigen in Kapitel 7. Zum Schluss wird im letzten
Kapitel eine zusammenfassende Betrachtung der vorliegenden Arbeit vorge-
nommen, die in einem kurzen Fazit zur genannten Fragestellung endet.

Literatur 4
2. Literatur
2.1. Literaturübersicht
In der Vergangenheit wurden bereits zahlreiche Analysen zur Bestimmung der
technischen Effizienz für verschiedene industrielle und landwirtschaftliche Pro-
duktionsprozesse durchgeführt. In diesem Abschnitt werden Untersuchungen
vorgestellt, die als Forschungsinhalt Effizienzmaße für Agrarsektoren oder ein-
zelne landwirtschaftliche Betriebe beinhalten.
Im Grundsatz basieren die im Folgenden aufgeführten Arbeiten auf dem Ansatz
der stochastischen Frontier-Analyse deren Ursprung auf Farrell (1957) zurück-
geht. Mit Hilfe Programmiertechnik und Nutzung von elektronischen Rechenanla-
gen gelang es Farrell erstmals eine Frontierproduktionsfunktion zu schätzen.
Battese und Corra (1977) zeigen am Beispiel der ostaustralischen Schafswoll-
produktion den Modellaufbau zur Schätzung einer geeigneten Funktion für die
Darstellung der Produktions-Frontier. Das generierte Modell eignet sich, um den
Einfluss von Produktionskosten, Arbeitskräften und bewirtschafteter Fläche auf
das Betriebsergebnis der untersuchten Schafhalter zu bestimmen.
Aigner, Knox Lovell und Schmidt (1977) haben in ihrer Veröffentlichung am Bei-
spiel der US-amerikanischen Landwirtschaft gezeigt, dass es möglich ist eine
adäquate Frontier-Produktions-Funktion zu schätzen. Im Jahr 1995 untersuchten
Battese und Coelli die Effizienz von Reisbauern in einem indischen Dorf. Der
Output wurde in diesem Modell als Gesamtwert der produzierten Güter definiert.
Der Input waren Boden, bewässerter Boden, Arbeit, Umfang der Ochsenproduk-
tion, Kapital und das jeweilige Jahr. Um die technische Ineffizienz zu erklären,
wurden zusätzlich das Alter des Betriebsleiters, dessen Schulbildung sowie das
jeweilige Jahr als Kovariablen in dem Modell integriert. Es konnte festgestellt
werden, dass vor allem das Alter des Betriebsleiters sowie der Umfang der Be-
wässerung einen erheblichen Einfluss auf die Effizienz des Betriebes haben. Die
Höhe der Kosten und Menge der eingesetzten Inputs hatte entgegen der Erwar-
tungen nur einen geringen Einfluss auf die technische Effizienz.
Die Autoren Piug-Junoy und Argilés (2000) haben Effizienzwerte für landwirt-
schaftliche Betriebe in Nord-West-Spanien berechnet. Als Einflussgrößen dienten
in dieser Veröffentlichung Fixkosten, Umlaufvermögen, spezifische Kosten und
allgemeine Kosten. Zusätzlich wurden die eingebrachten Arbeitsstunden in dem
Modell berücksichtigt. Des Weiteren fanden insgesamt 15 Kovariablen Berück-
sichtigung. Hierbei handelte es sich um betriebsbeschreibende Faktoren wie zum
Beispiel die Betriebsgröße, das Alter des Betriebsleiters, die Anzahl der Tiere

Literatur 5
oder die geografische Lage des Betriebes. Als endogene Variable wurde die
Bruttowertschöpfung des Betriebes gewählt. Nach der Berücksichtigung aller
Faktoren kommen die Autoren zu dem Ergebnis, dass ein durchschnittlicher kata-
lanischer Gemischtbetrieb eine technische Effizienz von 64 Prozent aufweist.
Weitergehend konnten Piug-Junoy und Argilés zeigen, dass positive Skaleneffek-
te negativ mit der Ineffizienz korreliert sind. Große Betriebe sind also gemäß die-
ser Untersuchung in der Regel effizienter.
Im Rahmen einer ähnlichen Untersuchung führen Tian und Wan (2000) für den
Zeitraum von 1983 bis 1986 eine Effizienzanalyse für landwirtschaftliche Betriebe
in der Volksrepublik China durch. Diese Untersuchung bezieht sich vorrangig auf
die Effizienz der Pflanzenproduktion. Aus diesem Grund ist es nahliegend, dass
als Output der Ertrag pro Hektar festgelegt wurde. Input des Modells sind Arbeit,
Düngeraufwand und sonstige Aufwendungen. Hinter den sonstigen Aufwendun-
gen verbergen sich Kosten für Saatgut, Pflanzenschutzmittel und die Kosten der
Arbeitserledigung. Der Faktor Arbeit wird in Arbeitstagen angeben, während alle
anderen Faktoren mit monetären Einheiten versehen sind. Damit die Vergleich-
barkeit zwischen den Perioden erhalten bleibt wurden die Kosten mit Hilfe von
Preisindizes auf das Niveau von 1984 deflationiert. Die Kovariablen des Modells
berücksichtigen den Ausbildungsstand des Betriebsleiters, die regionale Lage
des Betriebes, die Betriebsausstattung mit Be- und Entwässerungssystemen,
sowie den Eigenlandanteil des Betriebes. Für die Darstellung der Ergebnisse
wurden die Produktionszweige nach den erzeugten Früchten untergliedert. Ab-
schließend konnte in der gesamten Volksrepublik China eine durchschnittliche
technische Effizienz von 86,2 Prozent für die Weizenproduktion und 85,3 Prozent
für die Maisproduktion ermittelt werden. Für die Reisproduktion lag der vergleich-
bare Wert mit 90,5 Prozent auf einem sehr hohen Niveau.
Latruffe et al. haben im Jahr 2004 Effizienzwerte für polnische Ackerbaubetriebe
berechnet und sind zu dem Ergebnis gekommen, dass die Betriebsgröße einen
positiven signifikanten Einfluss auf die Effizienz der Betriebe hat. Weiterhin konn-
ten die Autoren belegen, dass auch die Bodengüte und die Fähigkeit auf den
freien Märkten angemessen zu agieren, einen hohen Einfluss auf die betriebliche
Effizienz haben (Latruffe et al., 2004).
Im Jahr 2007 erforschte Idiong die Effizienz von Reisbauern im nigerianischen
Cross River State. Aufgrund des hohen Nahrungsmitteldefizites in Nigeria war
das Ziel der Studie Mittel und Wege aufzuweisen, mit deren Hilfe möglichst
schnell die Effizienz und damit auch die Produktivität der landwirtschaftlichen
Betriebe gesteigert werden kann. Als Inputfaktoren kamen auch in dieser Arbeit

Literatur 6
die klassischen Faktoren Arbeit, Kapital und Boden zur Anwendung. Außerdem
wurden die Aufwandmengen für Dünger und Saatgut in Kilogramm mit in das
SFA-Modell aufgenommen. Bei der Auswahl der verwendeten Kovariablen wur-
den bewusst sozioökonomische Kenngrößen aufgenommen. Hier spielten vor
allem der Ausbildungsstand des Betriebsleiters, die Zugehörigkeit zu Interes-
sensverbänden, der Zugangsmöglichkeit zu Krediten und das Geschlecht des
Betriebsleiters eine Rolle. Die durchschnittliche technische Effizienz der Reispro-
duzenten von 77 Prozent zeigt, dass es noch Steigerungspotential in der Reis-
produktion gibt (vgl. 90 Prozent in Gesamt-China (Tain & Wan, 2000)). Daran
anschließend konnte gezeigt werden, dass der Ausbildungsstand, die Mitglied-
schaft in Interessensverbänden und der Zugang zu Krediten positiv mit der Effizi-
enz korrelieren. Daraus resultierend leitet der Autor ab, dass die Politik durch
eine Verbesserung der Ausbildungsmöglichkeiten, die Stärkung von Interessens-
gruppen und die Verbesserung von Kreditmöglichkeiten erheblich zur Steigerung
der technischen Effizienz der nigerianischen Reisproduktion beitragen kann.
Die kleine Auswahl der angeführten Untersuchungen zur technischen Effizienz
von landwirtschaftlichen Betrieben zeigt, dass dieses Thema über einen langen
Zeitraum von Interesse für die Wirtschaftswissenschaften ist. Ständig wechsel-
ende Rahmenbedingungen erfordern eine fortlaufenden Anpassung der Produk-
tionstechnik landwirtschaftlicher Betriebe in Deutschland und weltweit. Außerdem
führen die zahlreichen Einflussfaktoren zu immer neuen Betrachtungsweisen, so
dass ein Ende der Forschungsaktivitäten in diesem Bereich noch in weiter Ferne
scheint.
2.2. Hypothesen zur Effizienz in Marktfruchtbetrieben
Es existieren zahlreiche Hypothesen zur Effizienz von Marktfruchtbetrieben. Im
nächsten Abschnitt werden einige ausgewählte Hypothesen aufgestellt, die dann
im weiteren Verlauf mit Hilfe der stochastischen Frontier-Analyse geprüft werden
sollen. Landwirtschaftliche Betriebe sind in der Regel sehr unterschiedlich orga-
nisiert. Der Begriff der Organisation umfasst in diesem Sinne nicht nur die
Rechtsform in der die Unternehmung geführt wird, sondern auch die Organisation
der betrieblichen Abläufe und die Kombination von Wirtschaftszweigen in dem
jeweiligen Unternehmen.
Hypothese 1: Große Betriebe sind effizienter, weil Skaleneffekte ausgenutzt wer-
den können.
Große Betriebe sind in der Lage Skaleneffekte auszunutzen (Puig-Junoy &
Argilés, 2000) und können somit im Vergleich zu kleineren Betrieben höhere Effi-

Literatur 7
zienzwerte erreichen. Ein weiterer Vorteil ist, dass sich bei steigender Betriebs-
größe sowohl die Konditionen für den Verkauf von landwirtschaftlichen Erzeug-
nissen, wie auch die Konditionen für den Kauf von landwirtschaftlichen Produkti-
onsmitteln zu Gunsten des Landwirtes entwickeln (Latruffe et al., 2004).
Hypothese 2: Ein hoher Besatz mit Arbeitskräften pro 100 Hektar wirkt sich nega-
tiv auf die Effizienz eines landwirtschaftlichen Betriebes aus.
Es wird davon ausgegangen, dass mit zunehmender Zahl an Fremdarbeitskräf-
ten die Transaktionskosten der Arbeit steigen. Die Kosten der Transaktion beste-
hen aus der Planung, der Administration und der Kontrolle der vorhandenen Ar-
beitskräfte und sind in ihrer Höhe nicht zu unterschätzen (Allen & Lueck, 1998).
Hypothese 3: Betriebe mit hohen Lohnunternehmerkosten pro Hektar verfügen
über eine höhere Effizienz.
Betriebe mit hohen Ausgaben für landwirtschaftliche Dienstleistungen verfügen in
der Regel über einen relativ geringen Eigenmechanisierungsgrad. Durch den
Einsatz von modernen und großen Maschinen ist es den Landwirten möglich
sowohl die Schlagkraft als auch die Arbeitsqualität mit angemessenem Aufwand
zu steigern. Somit können Betriebe, die auf Fremdmechanisierung setzen, ihre
Effizienz in der Pflanzenproduktion verbessern (Mohn, 1984).
Hypothese 4: Sobald ein Betrieb ausschließlich Familienarbeitskräfte einsetzt,
wird die Effizienz des Marktfruchtbaus erhöht.
Analog zur Hypothese 2 muss davon ausgegangen werden, dass die Transakti-
onskosten der Arbeit bei Familienarbeitskräften deutlich geringer sind. Außerdem
ist damit zu rechnen, dass Familienangehörige sich intensiver mit dem eigenen
Betrieb auseinandersetzen und somit mögliche Potenziale zur Steigerung des
Outputs frühzeitiger erkennen. Auch wenn Latruffe et al. (2004) keinen signifikan-
ten Einfluss der Familienarbeitskräfte feststellen konnten, wird diese Hypothese
erneut aufgegriffen und untersucht.
Hypothese 5: Hohe Effizienz ist vor allem in Betrieben zu finden, die Flächen-
wachstum verwirklichen.
Die effizientesten Betriebe werden Flächenwachstum realisieren können, weil
diese Betriebe in der Lage sind den knappen und kapitalintensiven Faktor Boden
am besten zu verwerten. Gleichzeitig kann davon ausgegangen werden, dass
Wachstumsbetriebe in der Regel zukunftsorientiert handeln und somit bereit sind
den technischen Fortschritt schneller zu adaptieren. Es ist unumstritten, dass die
Adaption von technischem Fortschritt entscheidend für kontinuierlich hohe Effizi-
enzniveaus ist (Weining & Koo, 1997).

Literatur 8
Hypothese 6: Wenn ein landwirtschaftlicher Betrieb über einen Veredlungszweig
verfügt, wird durch die Diversifikation der Betriebszweig Marktfruchtbau an Effizi-
enz verlieren.
Sobald ein Betrieb über mehrere Betriebszweige verfügt, sind die Anforderungen
an das Management deutlich umfangreicher und komplexer. Der effiziente Ein-
satz aller Produktionsfaktoren des Unternehmens ist folglich schwieriger zu reali-
sieren. Obwohl Brodersen und Thiele (1999) zeigen, dass Veredlungsbetriebe
und Dauerkulturbetriebe die höchsten Effizienzwerte aufweisen, scheint eine er-
neute Überprüfung dieser Hypothese als angebracht. Auf die zahlreichen Vortei-
le, die ein Veredlungszweig im Bereich der organischen Düngemittel mit sich
bringt, wird im späteren Teil der Arbeit umfassend eingegangen.
Hypothese 7: Betriebe mit hohem Pachtflächenanteil sind effizienter als Betriebe
mit einer hohen Eigenlandquote.
In landwirtschaftlichen Unternehmen, die einen großen Teil der Ackerflächen
entgeltlich gepachtet haben, ist eine effizientere Produktionsweise zu erwarten.
Diese Betriebe müssen den Faktor Boden einer produktiveren Verwendung zu-
führen, weil im Gegensatz zum Eigenland die Pacht entlohnt werden muss
(Röders, 1996).
Hypothese 8: Die Anzahl der verschiedenen Früchte einer Fruchtfolge hat einen
positiven Einfluss auf die Effizienz des Marktfruchtbaus.
Durch eine abwechslungsreiche Fruchtfolge gelingt es dem Landwirt die
phytosanitären Bedingungen in den Kulturen zu verbessern (Böning, 1968). Nicht
nur die aus dem geringeren Krankheitsdruck resultierenden Einsparungen beim
Pflanzenschutz sondern auch die breitere Absicherung gegen Preisschwankun-
gen bei einzelnen Erzeugnissen lassen ein höheres und stabileres Effizienzni-
veau vermuten (Puig-Junoy & Argilés, 2000). In weiten Fruchtfolgen werden Ar-
beitsspitzen gebrochen. Somit ist es für den Landwirt eher möglich, die notwen-
digen Arbeitsgänge zu optimalen Zeitpunkten mit einem geringeren Maschinen-
besatz durchzuführen. Sehr enge Fruchtfolgen mit wenigen verschiedenen
Früchten weisen hingegen dieses Optimierungspotential nicht auf.
Hypothese 9: Die Rechtsform der Einzelpersonengesellschaft hat einen negati-
ven Einfluss auf die Effizienz von Marktfruchtbetrieben.
In der Regel sind größere Betriebe nicht in der Form einer Einzelpersonengesell-
schaft, sondern vielmehr als Mehrpersonengesellschaften oder als juristische
Personen organisiert. Durch die tendenziell größeren Einheiten können Skalenef-
fekte genutzt werden. Curtiss (2000) konnte zeigen, dass Betriebe, die in einer

Literatur 9
Kooperation oder als juristische Person geführt werden, signifikant höhere Effizi-
enzwerte aufweisen als Einzelpersonengesellschaften.
Hypothese 10: Die Bodengüte hat einen positiven Einfluss auf die Effizienz von
Marktfruchtbetrieben.
Es wird davon ausgegangen, dass die Qualität des Bodens einen erheblichen
Einfluss auf die Effizienz der Ackerbaubetriebe haben wird. Es ist unumstritten,
dass die jeweiligen Betriebsleiter nur bedingt in der Lage sind, mit Hilfe von er-
tragssteigernden Betriebsmitteln die Standortdefizite auszugleichen. Bereits in
früheren Untersuchungen konnte der positive Einfluss der Bodenqualität bestätigt
werden (Latruffe et al., 2004).

Methodik 10
3. Methodik
3.1. Definition der Begriffe Produktivität und Effizienz
Bevor im folgenden Textabschnitt näher auf die effizienzbestimmenden Einfluss-
faktoren und die Methodik zur Errechnung von Effizienzwerten eingegangen wird,
müssen einige ausgewählte Begriffe erklärt und definiert werden. Am Anfang
steht eine Abgrenzung der Begriffe Produktivität und Effizienz. Produktivität kann
als mengenmäßiges oder auch technisches Verhältnis von Input und dem erziel-
ten Output beschrieben werden (Töpfer, 2007). In Formel (3.1) ist die Gleichung
für die Faktorproduktivität in einem Single-Input/Single-Output Fall dargestellt.
(3.1)
Bei der Faktorproduktivität kann eine zusätzliche Unterteilung vorgenommen
werden. Wird ausschließlich ein bestimmter Output in ein Verhältnis zu einem
bestimmtem Input gesetzt, so wird das Ergebnis als partielle Faktorproduktivität
interpretiert (vgl. Formel (3.1)). Setzt man die Summe des Outputs eines Unter-
nehmens ins Verhältnis zur Summe des gesamten Inputs so ergibt sich daraus
die totale Faktorproduktivität (Cantner et al., 2007). Das Ziel dieser Arbeit ist es,
den Marktfruchtbau in unterschiedlichen landwirtschaftlichen Betrieben zu erfor-
schen. Weil der Marktfruchtbau nur einer von vielen möglichen Produktionszwei-
gen ist, wird im weiteren Verlauf die partielle Faktorproduktivität eines Betriebs-
zweiges verwendet. Damit Betriebe miteinander verglichen werden können,
reicht es nicht aus, nur die Produktivität von einzelnen Betriebszweigen zu be-
rechnen. Es muss vielmehr ein Referenzwert entwickelt werden, mit dessen Hilfe
man die beobachteten Kennzahlen eines Betriebes ins Verhältnis zu den im Op-
timum möglichen Werten für Input und Output setzt. Hinter dem Begriff der Effizi-
enz verbirgt sich exakt die zuvor beschrieben Vorgehensweise. Es werden die
tatsächlich realisierten Werte für Input und Output in ein Verhältnis zu den unter
optimalen Bedingungen erreichbaren Vergleichswerten gesetzt. Sowohl die Fak-
torproduktivität wie auch die Effizienz einzelner Betriebe oder Betriebszweige
wird durch die vorherrschenden Rahmenbedingungen und die eingesetzte Pro-
duktionstechnologie bestimmt (Gubi, 2006).
Die technische Effizienz eines landwirtschaftlichen Betriebes lässt sich für den
Fall Single-Input/Single-Output leicht über das Verhältnis des eingesetzten Inputs
und Outputs definieren (Vgl. Gleichung (3.2)). stellt den beobachteten Output
der Vergleichseinheit dar, während die eingesetzte Menge des Inputs wieder-
spiegelt. Im Nenner der Gleichung wird das Verhältnis von der im Optimum mög-

Methodik 11
lichen Menge des Outputs ( ) und der eingesetzten Menge des Inputs bestimmt
(Francksen 2010).
(3.2)
Dieser einfache Fall kann auch mit Hilfe eines Diagramms aufgezeigt wer-
den (Abbildung 2). In der Darstellung wird deutlich, dass die Steigung der
Geraden die Produktivität von der Vergleichseinheit C wiedergibt. Da der Betrieb
C die höchste Produktivität von allen Vergleichseinheiten hat, definiert dieser
Betrieb mit seiner Produktivität gleichzeitg die Produktionsfrontier. Anhand dieser
Übersicht wird deutlich, dass die Produktions-Frontier durch die Beobachtungen
mit der höchsten Prouktivität definiert wird (Farrell, 1957).
Abbildung 2: Die Produktions-Frontier für den Fall Single-Input/Single-Output
Quelle: Eigene Darstellung
Gemäß der Definition müssen alle Beobachtungen auf oder unterhalb der Pro-
duktions-Frontier liegen. Sobald eine Vergleichseinheit unterhalb der Frontier
liegt, wird diese als ineffizient bewertet. Hier ergeben sich nun zwei Handlungsal-
ternativen, um die Ineffizienz in den Betrieben zu eliminieren. Zum einen besteht
beispielsweise für Vergleichseinheit A die Möglichkeit bei konstantem Input den
Output zu erhöhen, um dann im Punkt A2 zu produzieren. Der zweite Weg zur
Erhöhung der Effizienz führt über die Reduzierung des Inputs bei gleichbleiben-
dem Output. In diesem Fall würde der Betrieb fortan im Punkt A1 produzieren
(Gubi, 2006).

Methodik 12
Eine umfassendere Darstellung ist notwendig, wenn zwei unterschiedliche Inputs
und ein definierter Output vorliegen. In diesem Fall wird zur Darstellung der Inef-
fizienz eine Isoquante verwendet. Analog zur vorigen Darstellung wird nun die
Effizienzmessung für landwirtschaftliche Betriebe, die unter der Annahme von
konstanten Skalenerträgen genau einen Outputgröße mit zwei unterschiedlichen
Inputs erwirtschaften. Das Vorgehen bei dieser Methode basiert auf der Effizi-
enzmessung nach Farrell (1957).
Abbildung 3: Isoquante im 2-Input/1-Output-Fall
Quelle: Eigene Darstellung
Die effizienten Vergleichseinheiten (hier A, B und D) umhüllen den Raum der
möglichen Produktionspunkte. Jede Vergleichseinheit, die nicht auf der Isoquan-
te liegt, ist demnach ineffizient. Die Ineffizienz lässt sich in diesem Fall als der
Abstand des Beobachtungspunktes zur Isoquante interpretieren. Damit das exak-
te Ausmaß der Ineffizienz festgestellt werden kann, wird eine Gerade durch den
Ursprung und durch die zu untersuchende Vergleichseinheit gelegt. Das Verhält-
nis von
ist folglich das vorhandene Ausmaß der Ineffizienz. Damit die
Vergleichseinheit C zu einer effizienten Produktionseinheit wird, müssten der
gesamte Input in gleichbleibendem Verhältnis entlang der Ursprungsgeraden
reduziert werden. Im Rahmen dieser Betrachtungsweise ist es somit möglich, die
technische Effizienz in einem Mehr-Faktoren-Fall zu bestimmen.
Wenn zusätzliche Preisinformationen für die eingesetzten Inputs vorliegen, kann
weitergehend untersucht werden, ob eine Vergleichseinheit die Faktoren auch
entsprechend des Preisverhältnisses in einer effektiven Kombination eingesetzt
hat. Das optimale Preisverhältnis wird in dem rechten Teil von Abbildung 3 durch
die Gerade PP dargestellt. Der Tangentialpunkt von Preisgeraden und Isoquante
stellt Minimalkostenkombination dar. Die Produktionseinheit C ist zwar technisch
aber nicht ökonomisch effizient, weil bei fest vorgegebenen Preisen nicht die kos-

Methodik 13
tenminimierende Kombination der zur Verfügung stehenden Faktoren eingesetzt
wird. Somit müsste der Betrieb C seine Produktion nicht nach F verlagern. Die-
ser Punkt spiegelt sowohl eine Effizienz von eins wie auch eine kostenminimale
Produktionsweise wieder. Mit Hilfe der Ursprungsgeraden ist es möglich die allo-
kative Effizienz zu ermitteln. Dabei dient das Verhältnis der Strecken
Bestimmung der allokativen Effizienz (Dreesman, 2006). Weil die Datenbasis
keine Preisinformationen für alle eingesetzten Inputs beinhaltet, kann die alloka-
tive Effizienz im Rahmen dieser Arbeit nicht bestimmt werden. Des Weiteren
muss darauf hingewiesen werden, dass auch bei der technischen Effizienz nicht
exakt nach der Definition vorgegangen wird. Vielmehr werden alle Aufwendun-
gen und Leistungen in monetären Einheiten erfasst und nicht in der für den jewei-
ligen Faktor geltenden Maßeinheit (Puig-Junoy & Argilés, 2000).
3.2. Einflussfaktoren auf die Effizienz des Marktfruchtbaus
Eine Analyse der Determinanten für den betrieblichen Erfolg und die Effizienz
von Marktfruchtbetrieben kann auf der makroökonomischen und auf der mirkoö-
konomischen Ebene vorgenommen werden (Röders, 1996). Da bei einer makro-
ökonomischen Beurteilung Strukturvariablen und Variablen für Regionszugehö-
rigkeiten verwendet werden, kommt es in der Regel zur Bildung von Vergleichs-
gruppen. Es handelt sich bei einer makroökonomischen Betrachtung also um
aggregierte Gruppenvergleiche, bei denen regelmäßig die Verteilung einer be-
stimmten Zielgröße (z.B. Steuergelder) im Mittelpunkt der Analyse steht.
Eine mikroökonomische Analyse stellt Unternehmensmodelle in das Zentrum der
Betrachtung. Dabei werden nicht aggregierte, sondern für jede Untersuchungs-
einheit einzeln erfasste Größen verwendet. Die Mikroökonomie versucht also
Aussagen über Unterschiede zwischen den Betrieben und Unternehmen zu ma-
chen. Daher eignet sich eine mikroökonomische Betrachtungsweise für die vor-
liegende Fragestellung des einzelbetrieblichen Effizienzvergleichs deutlich bes-
ser als eine makroökonomische Betrachtungsweise (Röders, 1996).
Ziel dieser Arbeit ist der effizienzanalytische Vergleich zwischen einzelnen land-
wirtschaftlichen Betrieben bzw. Unternehmen. Weil die wesentlichen Akteure
einer mikroökonomischen Analyse die Haushalte, das Unternehmen und der
Staat sind, können einzelbetriebliche Unterschiede in der Erreichung von be-
stimmten ökonomischen Zielen aufgedeckt und bewertet werden (Wiese, 2002).
Vor Beginn einer jeden Effizienzanalyse ist es unumgänglich festzulegen welche
Einflussfaktoren bei der Durchführung der Untersuchung Berücksichtigung finden
sollen und welche Faktoren außer Acht gelassen werden können. Die Landwirt-
zur

Methodik 14
schaft verfügt über zahlreiche unterschiedliche Produktionszweige, die verschie-
densten Umwelteinflüssen ausgesetzt sind. Im folgenden Abschnitt werden die
wichtigsten Einflussfaktoren in einzelne Kategorien eingeteilt und kurz erläutert.
Die Erfolgs- und Effizienzunterschiede von landwirtschaftlichen Betrieben wurden
schon vielfach durch die Wissenschaft erforscht und untersucht. Viele dieser Un-
tersuchungen sind zu dem Ergebnis gekommen, dass vor allem die differenten
Standortbedingungen zu unterschiedlichen Erfolgskennzahlen in den betrachte-
ten Betrieben führen. Nach Weinschenk und Henrichsmeyer (1966) lassen sich
die Standortfaktoren nach einer bestimmten Struktur aufgliedern. Der wirtschaftli-
che Erfolg ist nach dieser Definition von den folgenden Faktoren abhängig:
� Natürliche Standortbedingungen
� Äußere und innere Verkehrslage
� Agrarpolitik
� Stand der volkswirtschaftlichen Entwicklung
� Produktionstechnik
� Arbeitskräftebesatz
� Persönlichkeit des Betriebsleiters / Management
� Betriebsgröße
� Kapitalausstattung
Die oben aufgeführten Faktoren lassen sich offensichtlich in betriebsexterne und
betriebsinterne Faktoren unterteilen. Die betriebsexternen Faktoren entziehen
sich im Wesentlichen dem Einfluss des Betriebsleiters. Vielmehr werden diese
Faktoren durch die äußeren Rahmenbedingungen bestimmt. Die hier genannten
externen Faktoren lassen eine weitere Aufteilung in natürliche und gesellschaftli-
che Faktoren sinnvoll erscheinen. Zu den natürlichen betriebsexternen Faktoren
müssen demnach die Standortbedingungen gezählt werden. Der Marktfruchtbau
findet unter freiem Himmel statt und ist daher von Bodengüte, Niederschlag und
Temperaturen abhängig. Diese Einflussfaktoren lassen sich nur in äußerst gerin-
gem Maße durch Beregnung o. Ä. verändern. Des Weiteren gehören gesell-
schaftliche Rahmenbedingungen zu den betriebsexternen Faktoren. Es zählen
die infrastrukturelle Anbindung des Betriebes an das Umland und die erschließ-
baren Absatzwege genauso zu den gesellschaftlichen Faktoren, wie die vorherr-
schende Agrarpolitik und der Stand der volkswirtschaftlichen Entwicklung. Be-
sonders die beiden letztgenannten Faktoren können verschiedenste Umweltauf-
lagen oder Anforderungen an die Nachhaltigkeit der Landwirtschaft mit sich zie-
hen. Diese und andere gesellschaftspolitischen Rahmenbedingungen entziehen

Methodik 15
sich ebenfalls zum großen Teil dem Einfluss des landwirtschaftlichen Unterneh-
mers.
Die betriebsinternen Faktoren lassen sich in der Regel sehr gut durch den Be-
triebsleiter beeinflussen. Unter dem Faktor der Produktionstechnik werden hier
im weiteren Sinne der Einsatz aller ertragssteigernden Betriebsmittel sowie der
Aufwand für Maschinen verstanden. Es handelt sich hierbei also um Faktoren,
die für Marktfruchtbetriebe die bestimmenden Ursachen der Ertragsmaximierung
sind (Pleßman, 2000). Weitere betriebsinterne Faktoren sind der Arbeitskräftebe-
satz, die Kapitalausstattung und die Persönlichkeit des Betriebsleiters. Letztere
ist aber nur in sehr engen Grenzen durch den Betriebsleiter in Form von Aus-
und Weiterbildung zu beeinflussen.
Zahlreiche Untersuchungen haben in der Vergangenheit belegt, dass es einen
großen Zusammenhang zwischen der Betriebsgröße und der Effizienz des unter-
suchten Betriebes gibt (Mohr, 1971; Jürgensen, 1981). Aufgrund dessen muss
die Betriebsgröße als ein weiterer Einflussfaktor aufgeführt werden. Da es sich
bei dem Faktor Boden um ein nachweislich knappes Produktionsgut handelt, hat
die Unternehmensführung nicht unbegrenzt die Möglichkeit den Einsatz dieses
Faktors zu erweitern. Hier spielt auch die regionale Lage der Betriebe eine wich-
tige Rolle. In einigen Landkreisen der Bundesrepublik Deutschland, die über viel
landwirtschaftliche Nutzfläche und wenig Einwohner verfügen, ist die Akquise von
Flächen in Form von Zukauf oder Pachtung um ein Vielfaches einfacher zu er-
möglichen als in dicht besiedelten flächenarmen Regionen. Dieser Aspekt be-
schreibt die eingangs aufgeführten Faktoren innere und äußere Verkehrslage
bzw. Standortbedingungen.
Wie bereits kurz erwähnt wurde, kommt dem Management in landwirtschaftlichen
Betrieben eine zentrale Bedeutung zu. Die oben beschriebenen betriebsinternen
Faktoren lassen sich durch das Betriebsmanagement in unterschiedlichem Um-
fang beeinflussen. Letztendlich bestimmen vor allem bei den ertragssteigernden
Faktoren der Zeitpunkt und die Aufwandmenge über die Effizienz des Produkti-
onszyklus in einem marktfruchtproduzierenden Betrieb.
Die vorliegende Arbeit hat das Ziel, den Einfluss der Organisationsform von
Marktfruchtbetrieben auf deren Effizienz zu ermitteln. Dazu werden neben den
betriebsinternen noch weitere Faktoren berücksichtigt. Dazu zählen unter ande-
rem die Rechtsform des Unternehmens, der Umsatzanteil des Veredlungszwei-
ges am Gesamtumsatz des Unternehmens, sowie die Anzahl der Früchte in der
vorhandenen Fruchtfolge. Des Weiteren werden verschiedene betriebsbeschrei-

Methodik 16
bende Dummy-Variablen verwendet. Eine exakte Darstellung der exogenen Mo-
dellvariablen wird in den folgenden Abschnitten aufgeführt.
3.3. Methodische Grundlagen der Effizienzanalyse
Um die technische Effizienz von Unternehmen (oder auch Vergleichseinheiten)
zu bestimmen, gibt es verschiedene Ansätze. Im Rahmen dieser Arbeit wird zur
Bestimmung der Effizienzniveaus der Fokus auf die Frontierkonzepte gelegt. Die
Ansätze zur Messung von Effizienz mit Hilfe von Frontierkonzepten gehen auf
Farrell (1957) zurück. In seinem Artikel beschreibt der Autor beispielhaft die Mes-
sung der Effizienz für landwirtschaftliche Betriebe mit vier Faktoren zur Darstel-
lung des Inputs und einer den Output beschreibenden Größe.
Grundlage für jegliches Frontierkonzept ist ein ausgewählter Datensatz, der aus
entsprechenden Beobachtungen in einem ausreichenden Stichprobenumfang
besteht. Aus den Beobachtungen wird nun mit Hilfe der Frontiermodelle eine
Produktionsfunktion geschätzt. Diese Produktionsfunktion wird auch als „effizien-
ter Rand der Technik“ oder Produktionsfrontier bezeichnet (Röders, 1996). Das
erklärte Ziel von allen angewandten Methoden der Effizienzanalyse muss es
sein, eine aggregierende Kennzahl zu bestimmen, die Aussagen über die Effizi-
enz der Vergleichseinheit zulässt und gleichzeitig Variablen mit unterschiedlicher
Skalierung und Maßeinheit aufnimmt (Gubi, 2006).
Die Fachliteratur unterteilt die Frontieransätze nach verschiedenen Kriterien.
Dem ersten Kriterium zur Folge können die Ansätze in parametrische und nicht-
parametrische Verfahren unterteilt werden. Die zur Verfügung stehenden Metho-
den werden in deterministische und stochastische Vorgehensweisen aufgeteilt.
Wie oben erwähnt bestehen die Frontieransätze in ihrem Kern aus einer zu
schätzenden Produktionsfunktion. Bei dem parametrischen Ansatz muss a-priori
die Form der Produktionsfunktion festgelegt werden. Dieser Ansatz hat allerdings
einen großen Nachteil. Da es nur schwer möglich ist eine allgemeingültige Funk-
tionsform zu finden, kann unterstellt werden, dass bereits durch die Wahl der
Funktionsform die Resultate der Analyse nur begrenzt aussagefähig sind
(Francksen, 2007). Die Parameter der Funktionsform des parametrischen Ansat-
zes werden durch regressionsanalytische Verfahren anhand des vorhandenen
Datensatzes geschätzt.
Der Vorteil des parametrischen Verfahrens im Vergleich mit dem nicht-
parametrischen Ansatz ist, dass stochastische Schwankungen durch unvorher-
sehbare Einflüsse (Wetterschwankungen o. Ä.) berücksichtigt werden können.
Ein weiterer Vorteil dieser Methode ist, dass Kovariablen (Bodengüte, Rechts-

Methodik 17
form, Veredlung) zur Erklärung von Effizienzunterschieden zusätzlich in dem Mo-
dell implementiert werden können.
Bei dem nicht-parametrischen Ansatz wird durch eine lineare Programmierung
versucht, die beobachteten Werte des Datensatzes möglichst eng zu umhüllen.
Somit ist es nicht notwendig, vorab eine Produktionsfunktion festzulegen. Dies ist
der entscheidende Vorteil des nicht-parametrischen Ansatzes. Allerdings muss
berücksichtigt werden, dass dieses Verfahren nicht in der Lage ist, adäquat auf
Ausreißer in dem Datensatz zu reagieren. Vielmehr werden alle Abweichungen
von der Frontier, egal ob zufälligen oder produktionsbedingten Ursprungs, als
Ineffizienzen gewertet (Francksen, 2007). Nachteilig ist, dass Aussagen über
Kovariablen nur möglich sind, wenn in einem zweiten an die lineare Programmie-
rung anschließenden Schritt eine Regression durchgeführt wird.
Die folgende Aufteilung in stochastische und deterministische Analysemethoden
berücksichtigt die stochastischen Schwankungen der unvorhersehbaren Einflüs-
se. Bei dem stochastischen Ansatz wird der Produktionsfunktion ein Störterm
hinzugefügt, der die zufälligen Schwankungen berücksichtigen soll. Bei der de-
terministischen Vorgehensweise entfällt dieser Schritt. Hier bildet die Produkti-
onsfunktion exakt den maximal möglichen Output ab (Gubi, 2006).
Abbildung 4: Übersicht über Frontieransätze
Quelle: Eigene Darstellung nach Francksen, 2010
Es werden in der Fachliteratur keine eindeutigen Aussagen darüber gemacht,
welches der beiden Verfahren vorzuziehen ist. Dennoch gibt es zwei Verfahren,
die sich in der praktischen Anwendung durchgesetzt haben. In Abbildung 4 ist die
stochastische Frontier-Analyse für den stochastisch parametrischen Ansatz und
die Data Envelopment Analysis für den deterministisch nicht-parametrischen An-
satz angeführt.

Methodik 18
Zur Bearbeitung der vorhandenen Fragestellung wird die stochastische Frontier-
Analyse gewählt.
Weil es sich bei dieser Methode um ein regressionsanalytisches Verfahren han-
delt, können sowohl Ausreißer im Datensatz wie auch erklärende Kovariablen in
einem Modell gleichzeitig berücksichtigt werden. Wie bei jeder Regressionsana-
lyse lassen sich auch in diesem Fall Signifikanzniveaus für jeden Koeffizienten
bestimmen. Dadurch ist es möglich Aussagen über die Qualität der gewonnen
Information zu treffen (Bielecki, 2009).
3.4. Die stochastische Frontier-Analyse
Im Rahmen einer Effizienzanalyse für landwirtschaftliche Betriebe in den USA
entwickelte Timmer (1971) erstmals die Methode der stochastischen Frontier-
Analyse. Daraufhin wurde die Methodik einige Jahre später von Aigner, Lovell
und Schmidt (1977), sowie davon unabhängig von Meeussen und van den
Broeck (1977) angewandt. Weitergehend wurde von Battese und Coelli (1992) in
Anlehnung an den Artikel von Jondrow, Lovell, Matreov und Schmidt (1982) das
Maximum-Likelihood Verfahren entwickelt. Mit Hilfe dieser Verfahren ist es mög-
lich, den Fehler-Term der durchgeführten Regressionsanalyse zu unterteilen und
somit für jede vorhandene Beobachtung das Ausmaß der technischen Ineffizienz
zu bestimmen. Das in dieser Arbeit formulierte Modell wird in Anlehnung an Bat-
tese und Coelli (1995) aufgebaut und zur weiteren empirischen Analyse verwen-
det.
Es werden die zwei gängigsten Modellvarianten vorgestellt und später zur An-
wendung gebracht. In dem ersten Modell wird eine klassische Cobb-Douglas-
Produktionsfunktion unterstellt, bevor im zweiten erweiterten Teil der Analyse
eine auf der Cobb-Douglas-Funktion basierende transzendent-logarithmische
(Translog) Funktionsform zum Einsatz kommt. Durch die Verwendung von zwei
differenten Funktionsformen für die Produktion landwirtschaftlicher Unternehmen
sollen Antworten auf die in der Einleitung aufgezählten Leitfragen gegeben wer-
den. Außerdem soll erkennbar werden, welche der beiden Funktionsformen für
die Untersuchung bezüglich der technischen Effizienz von landwirtschaftlichen
Betrieben in Deutschland besser geeignet scheint. Um zu klären, welches der
beiden Modelle die Realität besser abbildet, wird abschließend der Likelihood-
Ratio-Test angewandt. Durch diesen Test kann geprüft werden, ob das restrin-
gierte Cobb-Douglas-Modell oder das unrestringierte Translog-Modell einen hö-
heren Erklärungsgehalt hat.

Methodik 19
Um das Verständnis für die Vorgehensweise zu Erleichtern wird in diesem Ab-
schnitt der generelle Aufbau der vorgesehenen Produktionsfunktionen beschrie-
ben, bevor dann im Kapitel 4 die explizite, für die Forschungsfrage relevante,
Modellformulierung stattfindet.
Die klassische Produktionsfunktion für landwirtschaftliche Betriebe ist eine Funk-
tion, die von drei Hauptfaktoren abhängt. Gleichung (3.3) zeigt die den Output
bestimmenden Variablen einer solchen Produktionsfunktion.
mit: i = Anzahl der Beobachtungen (i=1, 2, …, N)
q = Output gemessen in Umsatzerlösen
A = Arbeitsmenge
K = Kapitalaufwand
B = Bodenmenge
(3.3)
Wenn eine Cobb-Douglas-Funktion unterstellt wird, ergibt sich anschließend der
Ausdruck in Gleichung (3.4) (Zellner et al., 1966).
mit: i = Anzahl der Beobachtungen (i=1, 2, …, N)
mit
qi = Output der i-ten Beobachtung
S = Niveauparameter
A = Arbeitsmenge
K = Kapitalaufwand
B = Bodenmenge
(3.4)
α β γ = zu bestimmende Regressionskoeffizienten
εi = Störterm für die i-te Beobachtung
Um die Bestimmung der Regressionskoeffizienten zu ermöglichen wird das zuvor
formulierte Modell mit Hilfe des natürlichen Logarithmus transformiert. Nach dem
Logarithmieren stellt sich das Modell wie folgt dar:
(3.5)
Analog zur Cobb-Douglas-Funktion soll nun im Folgenden auch die Translog-
Funktionsform dargestellt werden. Um weiterhin die Übersichtlichkeit zu bewah-
ren wird diese Form der Produktionsfunktion beispielhaft für die Faktoren Boden
und Kapital erläutert (Gleichung (3.6)).

Methodik 20
Nach dem Logarithmieren ergibt sich folgender Term:
Für den Mehrfaktoren-Fall ergibt sich folgende Struktur:
mit: i = Anzahl der Beobachtungen (i= 1, 2, …, N)
j = Anzahl der Faktoren (j = 1, 2, …, N)
k = Anzahl der Faktoren (k=1, 2, …, N)
(3.6)
In der Literatur wird oft beschrieben, dass eine Cobb-Douglas-
Produktionsfunktion in ihren Grenzen zu eng ist, um die Realität angemessen
abzubilden. Den Hauptkritikpunkt stellt hier sicherlich die konstante Skalenelasti-
zität dar (Eichhorn, 1968). Auch Schierjott und Schulze (1985) beschreiben, dass
für mehr als zwei Inputgüter Produktionsfunktionen vom Typ der Cobb-Douglas-
Funktion kaum geeignet scheinen, weil in Bezug auf die Substitutionselastizitäten
sehr restriktive Annahmen getroffen werden.
Die Translog-Funktion erfasst neben den einzelnen Produktionsfaktoren zusätz-
lich die sogenannten Kreuzterme. Durch diese Art der Funktion werden auch
nicht homothetische Nutzenfunktionen zugelassen. Es besteht somit eine deut-
lich geringere Verzerrungsgefahr bei der einzelbetrieblichen Effizienzanalyse
(Röders, 1996). Wie bereits oben kurz erwähnt, wird der Störterm bisher in An-
lehnung an Aigner et al. (1977), Meeusen und van den Broeck (1977) und Batte-
se und Corra (1977) in zwei Komponenten unterteilt. Damit eine Schätzung des
kombinierten Störterms möglich wird, müssen a-priori Annahmen über die Vertei-
lung der beiden Fehlerkomponenten gemacht werden (Kumbhakar & Lovell,
2003).
Die Variable stellt die unsystematische Zufallskomponente in dem Modell dar.
Sie ist normalverteilt mit einem Erwartungswert von Null (N ). Laut Definiti-
on kann diese Größe sowohl negative als auch positive Werte annehmen. Es
handelt sich hierbei um weißes Rauschen. Welches dazu dient zufallsbedingte
Einflüsse durch Wetter oder ähnliche vom Betriebsleiter nicht beeinflussbare Fak-
toren im Modell zu berücksichtigen.
Die zweite Komponente des Störterms wird als Ineffizienz interpretiert. Hier han-
delt es sich um die systematisch bedingte einseitig-positive Komponente des

Methodik 21
Störterms ( ). Es wird von zahlreichen Autoren unterstellt, dass dieser Teil
des Störterms einer abgeschnittenen Normalverteilung folgt (Battese & Coelli,
1993). Die gleichen Annahmen gelten auch in dieser Arbeit für die Verteilung der
Komponenten des Störterms. Zusätzlich wird bezüglich der Standardabweichun-
gen definiert, dass und
gilt. Mit Hilfe dieser Definition
kann angegeben werden, welcher Anteil der gesamten Varianz auf die systema-
tische Komponente des Störterms zurückzuführen ist (Jondrow et al., 1982). Die-
ses Modell wird als Composed-Error-Model bezeichnet. Battese und Coelli
(1993) verwenden in ihrem Artikel ebenfalls einen aus zwei Komponenten beste-
henden Störterm. Hier gilt es aber hervorzuheben, dass der systematisch beding-
te Teil des Störterms durch eine Regression erklärt wird. Die Annahmen für die
unsystematische Zufallskomponente des Störterms sind exakt die gleichen wie
im Composed-Error-Model. Die Variable stellt in diesem Fall die systematisch
bedingte einseitige Komponente mit der Verteilung N , wobei gilt:
.
Die exogenen Kovariablen werden durch den ( )-Vektor , die zu schätzen-
den Parameter durch den ( )-Vektor dargestellt. Bei diesem Modell handelt
sich um das Technical-Effects-Model. Es werden sowohl die Parameter des ei-
gentlichen SFA-Models und die Parameter des Technical-Effects-Models in ei-
nem Schritt durch das Maximum-Likelihood-Schätzverfahren bestimmt (Gubi,
2006). Im weiteren Verlauf der Arbeit wird ausschließlich das eben beschriebene
Technical-Effects-Model angewandt.
Vor dem Hintergrund, dass Röders (1996) sich bereits ausführlich mit den Ablei-
tungen der Likelihood-Funktionen befasst hat, werden im nächsten Abschnitt nur
kurz die wesentlichen Schritte zur Interpretation der einzelbetrieblichen Effizienz
erläutert.
Nachdem die systematisch bedingte Komponente des Störterms, wie oben be-
schrieben ermittelt ist, kann letztendlich die technische Effizienz für jede Beo-
bachtungseinheit bestimmt werden. Vereinfacht lassen sich die bereits beschrie-
benen Produktionsfunktionen wie folgt darstellen:
β mit (3.7)
Laut der bereits unterstellten Notation stellt den j-ten Inputfaktor für die i-te
Beobachtung dar, wobei lediglich den Output der i-ten Beobachtung wieder-
gibt. β beschreibt den zu schätzenden Regressor des j-ten Faktors. Basierend

Methodik 22
auf der Annahme des zweigeteilten Störterms lässt sich die technische Effizienz
für jede einzelne Beobachtung folgendermaßen ermitteln:
(3.8)
mit: = tatsächlicher Output der i-ten Beobachtung
= Frontieroutput der i-ten Beobachtung
Mit Hilfe dieser Gleichung lässt sich die technische Effizienz für jede Beobach-
tung und damit auch für jeden Einzelbetrieb berechnen. Abschließend wird an-
hand von Abbildung 5 die Vorgehensweise bei der stochastischen Frontier-
Analyse in einer Grafik gezeigt.
Abbildung 5: Grafische Darstellung der SFA
Quelle: Eigene Darstellung nach BATTESE, 1992
Die Abbildung 5 beinhaltet die beispielhafte Darstellung der Effizienzermittlung
für die Beobachtungseinheiten 1 und 2. Für beide Einheiten lässt sich nun mit
Hilfe der zuvor festgelegten Produktionsfunktion und der oben beschriebenen
Annahmen zu den Störtermen ein SFA-Ergebnis für jede Beobachtung bestim-
men. Dieser Wert liegt je nach Ausprägung von ober- oder unterhalb der Pro-
duktionsfunktion. Die technische Effizienz lässt sich laut Gleichung (3.8) als der
Quotient aus dem tatsächlichen Output und dem Frontieroutput für die jeweilige
Beobachtungseinheit darstellen. Die Ermittlung der Frontierfunktionsparameter
und der jeweiligen Effizienzniveaus erfolgt mit Hilfe des Programmes Frontier 4.1.

Methodik 23
Die Aufbereitung der Daten und die anschließenden Tests zur Modellgüte wer-
den mit Hilfe von Stata 11 berechnet.
3.5. Tests zur Modellgüte
Im Anschluss an jede Regressionsanalyse müssen eine Reihe von statistischen
Tests durchgeführt werden, damit die Aussagefähigkeit des errechneten Modells
überprüft werden kann. Dazu werden im folgenden Abschnitt drei ausgewählte
Testverfahren vorgestellt, die im Rahmen dieser Arbeit zur Anwendung kommen
sollen.
Die ausgewählten Testverfahren sind:
� Likelihood-Ratio-Test
� Spearmans-Rangkorrelationskoeffizient
� Breusch-Pagan-Test
3.5.1. Likelihood-Ratio-Test
Es ist von großem Interesse, ob der parametrische oder nicht-parametrische An-
satz besser geeignet scheint, um die Realität abzubilden bzw. zu erklären.
Grundsätzlich wird davon ausgegangen, dass mit steigender Anzahl an berück-
sichtigten Variablen auch der Erklärungsbeitrag des Modells steigt. Dieser Vor-
gehensweise sind allerdings Grenzen gesetzt, da ein bestimmtes Verhältnis zwi-
schen der Anzahl der Variablen und dem Stichprobenumfang nicht unterschritten
werden darf. In der Literatur wird darauf hingewiesen, dass ein Verhältnis von 1:7
zwischen erklärenden Variablen und Beobachtungseinheiten bestehen sollte
(Banker et al., 1984).
Wie in Kapitel 3.4 beschrieben, werden in der Translog-Funktion zusätzliche
Kreuzterme der verwendeten exogenen Variablen berücksichtigt. Somit handelt
es sich bei dieser Funktion um das umfangreichere Modell, welches im folgenden
Abschnitt als das Alternativmodell bezeichnet wird. Das restringierte Modell ba-
siert folglich auf der etwas weniger umfangreichen Cobb-Douglas-
Produktionsfunktion. Dieses Modell wird im weiteren Verlauf als das Nullmodell
bezeichnet.
Es soll durch diesen Test geklärt werden, ob die zusätzlichen Kreuzterme der
Translog-Modellformulierung einen Erklärungsbeitrag leisten oder nicht. Sobald
die Kreuzterme einen Erklärungsbeitrag leisten, sind ihre Koeffizienten von null
verschieden. Entsprechend wird die zu überprüfende Nullhypothese formuliert.
Mit Hilfe des Likelihood-Ratio-Tests werden nun die Likelihood-Werte der beiden

Methodik 24
Regressionen in ein Verhältnis zueinander gesetzt. Die Teststatistik ist wie folgt
definiert:
.
.
(3.9)
Für die Verteilung des Prüfmaßes „LRT“ wird die Chi-Quadrat-Verteilung unter-
stellt. Somit lässt sich anhand des ermittelten Wertes und einer entsprechenden
Chi-Quadrat-Verteilung überprüfen, ob die Nullhypothese abgelehnt werden kann
oder nicht. Sobald abgelehnt wird, leistet die nicht restringierte Modellformu-
lierung einen signifikant besseren Erklärungsbeitrag als das restringierte Modell
(Posada & Buckley, 2004).
Analog zu dem Vergleich von zwei Funktionsformen lässt sich auch die generelle
Verwendbarkeit eines Modells mit diesem Test überprüfen. Zu diesem Zweck
wird ein weiteres Nullmodell geschätzt, in dem alle Regressionskoeffizienten der
Kovariablen gleich null gesetzt werden, so dass lediglich das Modell der Produk-
tionsfrontier zur Erklärung der Umsatzerlöse vorhanden ist. Somit kann vorab
getestet werden, ob die Kovariablen des Technical-Effects-Modells zur Erklärung
der einzelbetrieblichen Effizienz geeignet sind.
Für die Anwendung des Likelihood-Ratio-Tests wird die korrekte Modellformulie-
rung von mindestens einem der beiden verglichenen Modelle unterstellt. Wenn
dies nicht der Fall, ist kann das Ergebnis zu einer falschen Interpretation führen
(Posada & Buckley, 2004).
3.5.2. Spearmans-Rangkorrelationskoeffizient
Der Spearman-Rangkorrelationskoeffizient dient zur Erklärung der Zusammen-
hänge zwischen zwei Variablen. Es wird somit überprüft, in welchem Umfang
eine beliebige monotone Funktion den Zusammenhang zwischen zwei Variablen
darstellen kann. Die Besonderheit dieses Testverfahrens besteht darin, dass die
Effizienzwerte der beiden Analysen in Rängen geordnet werden, um anschlie-
ßend die Originalwerte durch die Ränge zu ersetzen.
Der Rangkorrelationskoeffizient nach Spearman berechnet sich wie folgt:
(3.10)

Methodik 25
Mit Hilfe des Korrelationskoeffizienten lassen sich nun Aussagen darüber treffen,
wie stark zwei Größen miteinander korrelieren. Es gilt: Je größer ist, desto
stärker hängen die untersuchten Variablen voneinander ab (Fahrmeir et al.,
2007). Laut Fahrmeir, et al. (2007) lässt sich für relativ genaue Messungen fol-
gende Grobeinteilung zugrunde legen:
„schwache Korrelation“ :
„mittlere Korrelation“ :
„starke Korrelation“ :
3.5.3. Breusch-Pagan-Test
Nachdem alle Berechnungen durchgeführt worden sind, müssen bestimmte Ei-
genschaften des Modells überprüft werden.
Wenn die Residuen eines Modells unterschiedliche Varianzen aufweisen, spricht
man im Allgemeinen von Heteroskedastizität (Fahrmeir et al., 2007). Durch die
zuvor beschriebene Modellspezifikation wurde festgelegt, dass man von einem
konstanten Mittelwert und einer gleichbleibenden Standardabweichung bei den
Störtermen ausgeht. Wenn Heteroskedastizität vorliegt, ist diese Grundannahme
nicht mehr gegeben und es könnte somit Fehlspezifikationen in dem Modell ge-
ben.
Im Rahmen des Breusch-Pagan-Tests wird mit Hilfe einer einfachen Regression
überprüft, ob die Residuen des betrachteten Modells unabhängig von den exo-
genen Variablen sind (Waldman, 1983). Die Vorgehensweise bei diesem Test
wird im folgenden Passus kurz erläutert.
Mit Hilfe einer einfachen OLS-Regression kann der Zusammenhang zwischen
unabhängigen und abhängigen Variablen bestimmt werden. Somit können also
auch die Residuen bestimmt werden (Gleichung (3.11)).
(3.11)
Einleitend wurde beschrieben, dass überprüft werden soll, ob es einen Zusam-
menhang zwischen den Residuen und den unabhängigen Variablen gibt. In
einer weiteren OLS-Schätzung wird nun der Zusammenhang zwischen den qua-
drierten Residuen und den unabhängigen Variablen überprüft (Gleichung (3.12)).
(3.12)

Methodik 26
Mit Hilfe des im Rahmen der zweiten OLS-Schätzung ermittelten Bestimmtheits-
maßes (R²) kann nun gezeigt werden, ob die abhängige Variable ( ) einen signi-
fikanten Einfluss auf die Residuen hat oder nicht. Das Prüfmaß des
Breusch/Pagan-Tests ist Chi-Quadrat verteilt und lautet:
(3.13)
Wenn die Nullhypothese (Homoskedastizität) nicht abgelehnt werden kann, muss
von Heteroskedastizität ausgegangen werden. Diese Annahme hat zur Folge,
dass jedes Modell entsprechend angepasst werden muss.

SFA-Modell 27
4. SFA-Modell
Im vorigen Kapitel wurde die allgemeine Vorgehensweise im Rahmen einer sto-
chastischen Frontier Analyse erörtert. In dem folgenden Passus wird die spezifi-
sche Modellformulierung der vorliegenden Arbeit abgebildet. In dem ersten Teil
dieses Abschnittes wird explizit auf die Wahl einer geeigneten Produktionsfunkti-
on eingegangen. Danach wird eine kurze Übersicht der verwendeten Variablen
geben, bevor in dem anschließenden zweiten Teil die genaue Formulierung des
Modells vorgenommen wird.
4.1. Umfang des Modells
Die Wahl der Produktionsfunktion stellt eines der zentralen Probleme bei einer
Effizienzanalyse mit Hilfe der SFA dar. Ziel ist es, durch die unterstellte Produkti-
onsfunktion die Realität möglichst exakt abzubilden. Verwendet man einfache
Funktionstypen, wie z. B. arithmetisch-lineare Verknüpfungen, wird per Definition
eine konstante Grenzproduktivität unterstellt. Diese Annahme schränkt ein Modell
erheblich in seiner Abbildungsschärfe ein, so dass auf diesen Typ von Funktio-
nen generell verzichtet werden sollte (Röders, 1996). In der Literatur werden häu-
fig Cobb-Douglas-Funktionen (Kurkalova & Carriquiry, 2003; Battese & Coelli,
1995; Pleßman, 2000) oder Translog-Funktionen (Röders, 1996; Tiedemann &
Latacz-Lohmann, 2011; Kriese, 2008; Gubi, 2006) angewandt.
Die Vorgehensweise bei der Verwendung dieser beiden Funktionstypen wurde in
Kapitel 4 bereits dargestellt. In dem folgenden Passus werden die explizit zur
Anwendung kommenden Parameter und Einflussgrößen des Modells näher be-
schrieben. Im Anschluss daran wird das konkrete SFA-Modell vorgestellt.
Die herkömmliche Produktionsfunktion von landwirtschaftlichen Betrieben orien-
tiert sich an den drei klassischen Produktionsfaktoren Arbeit, Kapital und Boden.
Bei diesen drei Faktoren handelt es sich um die zentralen Inputvariablen einer
landwirtschaftlichen Unternehmung. Am Anfang von jeder Regression steht die
Wahl des zu erklärenden Outputs.
Das erklärte Ziel dieser Arbeit ist es, die Effizienz des Marktfruchtbaus zu ermit-
teln. Aus diesem Grund bietet es sich an, die Umsatzerlöse des Pflanzenbaus
pro Betrieb als Output zu erklären. Dabei wird eine exakte Definition bezüglich
der zu verwendenden Einflussgrößen vorgenommen. Da sich die Untersuchung
auf Marktfruchtbetriebe beschränkt, werden jegliche Umsatzerlöse, die für einen
klassischen Marktfruchtbetrieb als fremd erscheinen, im Output nicht berücksich-
tigt. Dazu gehören unter anderem die Silage- und Grünfutterproduktion oder die
spezialisierte Gemüseproduktion. Eine genaue Darstellung der verwendeten Va-

SFA-Modell 28
riablen zeigt die Tabelle 2 und der Anhang 1. Der Inputfaktor Boden wird als ab-
solute Größe in der Einheit „Hektar landwirtschaftlicher Nutzfläche pro Betrieb“
ermittelt und später in der Berechnung verwendet. Weiterhin werden die im Be-
trieb zur Verfügung stehenden Arbeitskräfte erfasst. Auch diese Variable wird als
absoluter Wert ermittelt. Um das in der Produktion gebundene Kapital zu berück-
sichtigen, werden verschiedene Positionen aus den Jahresabschlüssen in den
Datensatz integriert. Zum einen wird der Spezialaufwand für die Pflanzenproduk-
tion (Dünger, Saatgut, Pflanzenschutzmittel) erfasst, zum anderen werden alle
der Pflanzenproduktion direkt zuordenbaren Aufwendungen (Diesel usw.) in ei-
nem Inputfaktor gebündelt. Dieser Faktor wird im weiteren Verlauf der Arbeit als
Vorleistung bezeichnet. Jeder landwirtschaftliche Betrieb hat Aufwendungen, die
der Pflanzenproduktion nicht direkt zuordenbar sind. Dennoch sind die Ausgaben
für eine erfolgreiche Pflanzenproduktion unvermeidbar. Damit auch dieser Input
Berücksichtigung findet, wird die Variable des sonstigen betrieblichen Aufwandes
eingeführt. Mit dieser Position werden beispielsweise alle Unterhaltungskosten,
Versicherungskosten und sonstige Materialaufwendungen zusammengefasst.
Um den Kapitalaufwand für Maschinen realitätsnah widerzuspiegeln, werden die
dafür anfallenden Aufwendungen für Abschreibungen des jeweiligen Geschäfts-
jahres zu Grunde gelegt.
Besonders bei Betrieben mit einem Veredlungszweig ist es wichtig, die Aufwen-
dungen für Abschreibungen von Wirtschaftsgebäuden den jeweiligen Produkti-
onszweigen zu zuordnen. Da eine exakte Aufschlüsselung der Abschreibungen
für Wirtschaftsgebäude in Betrieben mit Veredlung ex post nicht mehr möglich ist,
wird lediglich auf die Aufwendungen für Lagerhaltungs- und Trocknungskosten
der jeweiligen Untersuchungseinheit zurückgegriffen. Durch diese Vorgehens-
weise werden die Kosten für Trocknung und Lagerung der Marktfrüchte in jedem
Betrieb berücksichtigt. In der Regel sind keine weiteren Wirtschaftsgebäude zur
Produktion von Marktfrüchten zwingend erforderlich.
Um ein aussagefähiges Modell zu entwickeln, ist es allerdings unumgänglich
weitere betriebsbeschreibende Faktoren in dem Modell zu berücksichtigen. Hier-
bei handelt es sich um die sogenannten Kovariablen, die in dem Technical-
Effects-Model berücksichtigt werden.
Ziel dieser Arbeit ist es auch, den Einfluss der Organisationsform eines Markt-
fruchtbetriebes auf dessen Effizienz zu bestimmen. Zur Abbildung der entspre-
chenden Organisationsform werden zusätzliche Kennzahlen und Größen errech-
net, die Aufschluss über die innerbetriebliche Organisation geben. Diese Kenn-
größen werden ebenfalls als Kovariablen in dem zweigeteilten Störterm der Reg-

SFA-Modell 29
ressionsanalyse berücksichtigt und dienen somit dazu, die Ineffizienz der Betrie-
be zu erklären.
Die exogenen Variablen für den Ineffizienz-Term sind in Tabelle 1 dargestellt.
Tabelle 1: Kovariablen des Technical-Effects-Modells
Variable Einheit der Variable
Ackerfläche ha
Arbeitskräfte pro 100 ha
Kosten für Lohnunternehmen pro ha
Betrieb mit Familien AK Dummy-Variable
Wachstumsbetrieb Dummy-Variable
Veredlungsgrad relativ
Pachtanteil relativ
Anzahl der Früchte in der Fruchtfolge absolut
Rechtsform Dummy-Variable
Ertragsmesszahl pro ha
Quelle: Eigene Darstellung
Um eventuelle Skaleneffekte zu erfassen, wird die zur Verfügung stehende
Ackerfläche in das Modell der stochastischen Frontier Analyse integriert. Weiter-
hin werden die Arbeitskräfte des Unternehmens pro 100 Hektar berücksichtigt.
Diese Variable lässt unter anderem Rückschlüsse darüber zu, ob ein Unterneh-
men eher kapital- oder arbeitsintensiv organisiert ist. Hieran anknüpfend wird der
Einfluss der Ausgaben für Lohnunternehmer und Dienstleistungen bewertet. Mit
Hilfe dieser Kennzahl soll festgestellt werden, ob die Untersuchungseinheit ten-
denziell eigenmechanisiert ist, oder ob die anfallenden Arbeitsgänge von Dienst-
leistern durchgeführt werden. Entsprechend der aufgestellten Hypothesen wird
eine Dummy-Variable für Betriebe eingeführt, die ausschließlich Familienmitglie-
der als Arbeitskräfte einsetzten. Weiterhin wird in dem Modell beachtet, ob der
Betrieb ein Wachstumsbetrieb ist oder nicht. Als Wachstumsbetrieb gilt hierbei
jeder Betrieb, der Flächenwachstum realisieren kann.
Um messen zu können in welchem Umfang die Betriebe im Bereich der Vered-
lung aktiv sind, wird der Veredlungsgrad ebenfalls integriert. Diese Kennzahl gibt
an, wie viel Prozent der gesamten Umsatzerlöse aus landwirtschaftlicher Produk-
tion durch die Veredlung erzeugt werden.
Die zur Verfügung stehende Ackerfläche ist ein zentraler Produktionsfaktor in
Marktfruchtbetrieben. Dieser Faktor kann vor allem durch die Pachtung von Flä-

SFA-Modell 30
chen kurzfristig und kapitalextensiv erweitert werden. Gemäß der Hypothesen-
Formulierung in Kapitel 2.2 ist es realistisch, dass Pachtflächen einen Einfluss
auf die Effizienz haben. Folglich wird die Variable Pacht eingeführt, welche den
Anteil der entgeltlich zugepachteten Ackerfläche an der Gesamtfläche des Unter-
nehmens wiedergibt.
Zur Beschreibung des Einflusses von Rechtsformen wird eine weitere Dummy-
Variable eingeführt. Alle Betriebe, die nicht in der Rechtsform der Einzelpersonen
Gesellschaft organisiert sind, werden gekennzeichnet. Damit der exakte Einfluss
der verschiedenen Rechtsformen untersucht werden kann, müsste für jede diffe-
rente Organisationsform eine Dummy-Variable eingeführt werden. Der zur Verfü-
gung stehende Datensatz beinhaltet fast ausschließlich Einzelpersonengesell-
schaften und Gesellschaften bürgerlichen Rechts. Aus diesem Grund wird auf die
oben beschriebene Aufteilung in Einzelpersonengesellschaft und restliche
Rechtsformen zurückgegriffen. Eine genaue Darstellung der anteiligen Rechts-
formen am gesamten Datensatz erfolgt während der späteren Datensatzbe-
schreibung.
In den Hypothesen wurde des Weiteren die Fruchtfolge als mögliche Effizienz
bestimmende Größe diskutiert. Aus diesem Grund wird die Anzahl der Früchte in
den Fruchtfolgen des jeweiligen Betriebes mit in die Berechnungen aufgenom-
men. Dem vielfach zitierten Einfluss der Bodengüte auf die Produktion von Markt-
früchten wird durch die Berücksichtigung der Ertragsmesszahl Rechnung getra-
gen.
Um den strukturellen Aufbau des Modells zu verdeutlichen, werden die verwen-
deten Parameter abschließend in tabellarischer Form dargestellt (Tabelle 2).

SFA-Modell 31
Tabelle 2: Übersicht der verwendeten Variablen
Variable im
Modell
Variable im Jahresabschluss des
Betriebes
Outputvariable Umsatzerlöse Pflanzenbau
Inputvariablen landwirtschaftliche Ackerfläche
Anzahl Arbeitskräfte
Kovariablen Ackerfläche
Vorleistungen für den Pflanzenbau
Sonstiger betrieblicher Aufwand
Aufwand für Abschreibung
Pachtflächenanteil
Ertragsmesszahl
Kosten für Lohnunternehmen pro ha
Arbeitskräfte
Betrieb mit Familien AK
Wachstumsbetrieb
Rechtsform des Betriebes
Anteil der Veredlung am Umsatz
Anzahl der Früchte in der Fruchtfolge
4.2. Spezifikation des SFA- Modells
Name d. Variable im
Modell
Quelle: Eigene Darstellung
Nachdem im vorigen Abschnitt die ausgewählten Einflussgrößen beschrieben
wurden, wird nun die exakte Modellformulierung dargestellt und erläutert.
Wie bereits im Kapitel 2 erörtert wurde, sollen die Cobb-Douglas-
Produktionsfunktion und die erweiterte Translog-Produktionsfunktion angewandt
werden. Zuerst wird der Aufbau des Modells bei der Verwendung der klassischen
Cobb-Douglas-Produktionsfunktion beschrieben. Die Bezeichnungen der Variab-
len ändern sich nicht und entsprechen der Aufteilung aus Tabelle 2.
Weil eine Analyse von Paneldaten vorgenommen werden soll, wird ein zusätzli-
cher Index für die jeweilige Periode (t= 1, 2, …, N) eingeführt.

SFA-Modell 32
Der Aufbau der Cobb-Douglas-Produktionsfunktion für Marktfruchtbetriebe stellt
sich wie folgt dar:
mit:
Nach dem Logarithmieren gilt:
(4.14)
(4.15)
Die systematische bedingte einseitige Komponente ( ) des zweigeteilten Stör-
terms ( ) wird definitionsgemäß durch die Kovariablen erklärt. Um verschie-
denste Einflüsse auf die Effizienz untersuchen zu können, werden differente Stör-
terme definiert. Unter Verwendung der oben aufgeführten Einflussfaktoren ergibt
sich für den systematisch bedingten Teil des Störterms folgender Ausdruck:
mit:
(4.16)
Die Gleichung (4.16) wird ebenfalls mit Hilfe des Maximum-Likelihood-Verfahrens
im Rahmen der durchgeführten Regressionsanalyse geschätzt. Dabei stellen
die zu bestimmenden Koeffizienten dar. Somit kann die systematische effizienz-
bestimmende Abweichung für jede Beobachtungseinheit bestimmt werden. Da-
raus resultierend lässt sich abschließend, wie in Gleichung (3.8) erläutert, die
technische Effizienz des untersuchten landwirtschaftlichen Betriebes errechnen
(Pleßman, 2000).
Analog zur Cobb-Douglas-Funktion wird eine Translog-Funktion geschätzt, mit
deren Hilfe ebenfalls die technische Effizienz derselben Untersuchungseinheiten
bestimmt werden soll. Als Erweiterung zur bereits vorhandenen Funktion werden
nun zusätzlich Kreuzterme gebildet. Um die Vollständigkeit der vorliegenden Ar-
beit zu gewährleisten, wird auch dieses Modell dargestellt.

SFA-Modell 33
Damit trotz des komplexen Aufbaus weiterhin die Übersichtlichkeit erhalten bleibt,
wird in Anlehnung an Gleichung (3.6) die logarithmierte endgültige Form der
Translog-Funktion angeführt (Gleichung (4.17)).
mit:
und:
(4.17)
(4.18)
Für den Term der technischen Ineffizienz gelten die gleichen Bedingungen, wie
in dem davor beschriebenen Cobb-Douglas-Modell.
Im Anschluss an alle Analysen werden die bereits erklärten Testverfahren durch-
geführt. Nur so kann exakt und nachvollziehbar überprüft werden, ob die Ergeb-
nisse für die weitere Interpretation geeignet sind oder nicht.

Daten 34
5. Daten
Das Fundament jeglicher wissenschaftlichen Betrachtung bestimmter ökonomi-
scher Sachverhalte sind ausreichend belastbare Daten. Damit die durchgeführten
Analysen und Modellierungen die Realität exakt abbilden können, sind Qualität
und Quantität des vorhandenen Datensatzes wesentliche Einflussparameter auf
das Ergebnis der vorliegenden Arbeit.
Im folgenden Abschnitt wird beschrieben welcher Herkunft die Daten sind, wie
die Datenerhebung erfolgt ist und welchen Umfang der zur Verfügung stehende
Datensatz hat. Anschließend wird dann explizit die Auswahl der Variablen bzw.
Kennzahlen beschrieben und begründet.
5.1. Datenherkunft
Als Datengrundlage dieser Arbeit dienen die Buchführungsergebnisse von land-
wirtschaftlichen Betrieben aus ganz Deutschland. Die Daten wurden von der
Land-Data GmbH 1 und im Rahmen des Testbetriebsnetzes erhoben und freund-
licher Weise für diese Untersuchung zur Verfügung gestellt. In beiden Fällen
wurde die Buchführung der Betriebe nach einheitlichen Regeln mit dem BMELV-
Jahresabschluss 2 erstellt. Die Land-Data GmbH entwickelt seit Jahren Software-
anwendungen zur Buchführung von landwirtschaftlichen Betrieben. Ein Angebot
des Unternehmens ist das zentrale Führen von Buchführungsergebnissen land-
wirtschaftlicher Betriebe (Land-Data GmbH, 2012). Teile dieser Datenbank ste-
hen für die Datenanalyse zur Verfügung.
Das Testbetriebsnetz beinhaltet jährlich aktualisierte Informationen zur betriebs-
wirtschaftlichen Situation der Landwirtschaft, der Forstwirtschaft sowie der klei-
nen Hochsee- und Küstenfischerei. Des Weiteren werden auch Daten des Gar-
ten- und Weinbaus in der Datenbank erfasst. Die Auswahl der landwirtschaftli-
chen Betriebe erfolgt auf der Grundlage der Agrarstruktur Erhebung des Statisti-
schen Bundesamtes.
1 Land-Data Gesellschaft für Verarbeitung landwirtschaftlicher Daten mbH,
Wedekindstraße 9 – 11, 27374 Visselhövede
2 Das Bundesministerium für Ernährung, Verbraucherschutz und Landwirtschaft hat einheitliche
Regeln für die Buchführung festgelegt. Dazu werden jedes Jahr aktualisierte
Ausführungsanweisungen, in denen die jeweilige Codierung der einzelnen Buchführungspositionen
enthalten ist, veröffentlicht.

Daten 35
5.2. Struktur der Datengrundlage
Der zur Verfügung stehende Datensatz umfasst Jahresabschlüsse aus den Wirt-
schaftsjahren 2005/2006 bis hin zum Wirtschaftsjahr 2008/2009. Im Durchschnitt
der Jahre wurden 30.068 verschiedene Haupterwerbsbetriebe aus allen Bundes-
ländern in den Datensatz aufgenommen. Durch eine gleichmäßige Datenerhe-
bung auf Grundlage der Ausführungsanweisungen des BMELV und eines ein-
heitlichen Codekataloges, ist eine konstant hohe Datenqualität vorhanden.
Die Kennzahlen der Betriebe wurden zum Teil anonymisiert, indem auf die per-
sönlichen Angaben der Betriebsleiter sowie auf die Angabe von Gemeindekenn-
ziffern verzichtet wurde.
Trotz des standardisierten Datenerhebungsverfahrens sind einige für das Modell
relevante Kennzahlen nicht vorhanden oder mit Werten versehen, die fachlich
nicht nachvollziehbar sind. Beobachtungen mit Kennzahlen solcher Art werden
von vornherein verworfen. Am häufigsten ist die Variable der Ertragsmesszahl
mit in sich nicht schlüssigen Werten versehen, so dass bis zu einem Drittel der
Betriebe aus dem Datensatz entfernt werden müssen.
Neben den Ertragsmesszahlen passen oftmals die Art der Verbuchung von Ge-
schäftsvorfällen und das jeweilige Umsatzsteuersystem nicht zueinander, so
dass eine weitere Verkleinerung des Datensatzes erfolgen muss. Der Umfang
der Fehlbuchungen ist bei diesen Variablen mit einem Prozent vom gesamten
Datensatz deutlich geringer als bei der Ertragsmesszahl.
Eine exakte Beschreibung der Selektionskriterien für Marktfruchtbetriebe wird in
dem nächsten Abschnitt angeführt.
Abschließend wird ein kurzer Überblick über die Verteilung der Betriebe in
Deutschland und die jeweils vorhandenen Rechtsformen gegeben. In Tabelle 3
ist zu erkennen, dass der Schwerpunkt der Datenerfassung in den Bundeslän-
dern Schleswig-Holstein, Niedersachsen, Nordrhein-Westfalen, Baden-
Württemberg und Bayern liegt.
Die Tabelle zeigt die Verteilung der Betriebe im deutschen Bundesgebiet für das
Wirtschaftsjahr 2007/2008.

Daten 36
Tabelle 3: Verteilung der Testbetriebe in den Bundesländern
Bundesland Anzahl Betriebe Anteil
Schleswig-Holstein 7650 25,44%
Hamburg 44 0,15%
Niedersachsen 4228 14,06%
Bremen 7 0,02%
Nordrhein-Westfalen 4061 13,51%
Hessen 373 1,24%
Rheinland-Pfalz 1509 5,02%
Baden-Württemberg 4762 15,84%
Bayern 5625 18,71%
Saarland 96 0,32%
Berlin 2 0,01%
Brandenburg 199 0,66%
Mecklenburg-Vorpommern 817 2,72%
Sachsen 308 1,02%
Sachsen-Anhalt 247 0,82%
Thüringen 140 0,47%
Betriebe insgesamt 30068 100,00%
Tabelle 4: Einteilung der Betriebe nach Rechtsformen
Quelle: Eigene Darstellung
Rechtsform Anzahl Betriebe Anteil
Einzelunternehmen 27215 90,51%
GbR 2661 8,85%
OHG 1 0,00%
KG 101 0,34%
sonstige Personengesellschaften 5 0,02%
GmbH & Co.KG 8 0,03%
e.G. 12 0,04%
GmbH 58 0,19%
AG 3 0,01%
sonstige Rechtsformen 4 0,01%
Betriebe insgesamt 30068 100%
Quelle: Eigene Darstellung

Daten 37
Aus Tabelle 4 wird ersichtlich, dass vor allem Betriebe in der Rechtsform des
Einzelunternehmens in dem Datensatz vorhanden sind. Die nächstgrößere
Gruppe sind mit knapp neun Prozent die Gesellschaften bürgerlichen Rechts. Auf
Grund der mangelnden Datengrundlage muss leider darauf verzichtet werden,
die Auswirkungen der verschiedenen Rechtsformen auf die Effizienz zu berech-
nen. Vielmehr werden alle Rechtsformen die nicht zur Gruppe der Einzelunter-
nehmen gehören in einer Gruppe erfasst (vgl. Kapitel 4).
Ein durchschnittlicher Betriebsspiegel wird aufgrund der großen Heterogenität
der Betriebe für den gesamten Datensatz nicht erstellt. Erst im Anschluss an die
Betriebsselektion wird eine dementsprechende Übersicht gegeben, damit sich
der kritische Leser ein Bild von den Betrieben machen kann, die für die anschlie-
ßenden Berechnungen zur Verfügung stehen.
5.3. Selektion der Betriebe und Aufbereitung der Variablen
Mit Hilfe von verschieden Selektionskriterien wird versucht, einen möglichst ho-
mogen Datensatz zu erstellen. Dieser erste Schritt der Datenanalyse ist sehr
wichtig, damit die Vergleichbarkeit der Betriebe untereinander gewährleistet ist.
Folglich bezieht sich das erste Auswahlkriterium auf die Bewirtschaftungsform
und den Erwerbscharakter der Betriebe. Damit später eine Produktionsfunktion
für alle Betriebe unterstellt werden kann, müssen alle verwendeten Vergleichs-
einheiten als konventioneller Haupterwerbsbetrieb geführt werden.
Ziel dieser Arbeit ist es den Einfluss der Organisationsform von Marktfruchtbe-
trieben auf deren Effizienz zu ermitteln. Aus der Aufgabenstellung wird schnell
klar, dass vor allem diejenigen landwirtschaftlichen Betriebe von Interesse sind,
die sich auf die Produktion von Marktfrüchten spezialisiert haben. Die Klassifizie-
rung von Marktfruchtbetrieben erfolgt anhand der anteiligen Umsatzerlöse der
Pflanzenproduktion an dem Gesamtumsatz des Unternehmens. Jeder Betrieb,
der mindestens 60 Prozent seiner Umsatzerlöse aus dem Marktfruchtbau gene-
riert, wird in der folgenden Analyse als Marktfruchtbetrieb deklariert.
Die Zusammensetzung der Umsatzerlöse der Pflanzenproduktion wird in der für
Marktfruchtbetriebe üblichen Art und Weise vorgenommen. Dazu gehören in ers-
ter Linie alle Getreidearten und Hackfrüchte. Des Weiteren werden alle Erträge
berücksichtigt, die der Pflanzenproduktion des Betriebes direkt zugeordnet wer-
den können. Hier sind vor allem die staatlichen Förderprogramme und Aus-
gleichszahlungen für das Einhalten von Umweltauflagen zu nennen. Es werden
aber nur Subventionszahlungen einbezogen, die von der angebauten Frucht ab-
hängig sind. An die Fläche gebundene Direktzahlungen oder sonstige betriebli-

Daten 38
che Prämien werden außer Acht gelassen. Eine genaue Aufschlüsselung der
berücksichtigten Variablen befindet sich im Anhang 1.
Als Veredlungszweige werden die Schweinhaltung und die Geflügelhaltung be-
rücksichtigt. Die enge Auswahl der zulässigen Veredlungsformen ist in der späte-
ren Kostenaufgliederung begründet. In Betrieben mit Rinderhaltung lassen sich
die Kosten für Maschinen nicht eindeutig dem Marktfruchtbau zuordnen, weil hier
für die Tierproduktion ebenfalls Schlepper oder ähnliches beispielsweise für die
tägliche Futtervorlage oder Grundfutterproduktion von Nöten sind.mEs wird da-
von ausgegangen, dass die Schweine- und Geflügelhaltung keinen nennenswer-
ten Einsatz von landtechnischen Maschinen erfordert.
Daran anschließend werden die Produktionszweige Garten-, Obst- und Weinbau
komplett ausgeschlossen. Für diese Produktionszweige sind ebenfalls Landma-
schinen notwendig, so dass die Maschinenkosten für den reinen Marktfruchtbau
nicht exakt zu beziffern sind.
Die Umsatzerlöse aus Forstwirtschaft, Fischerei, Handel und Dienstleistungen
werden nicht völlig ausgeklammert, sondern in ihrer absoluten Höhe auf fünf bzw.
zehn Prozent des Gesamtumsatzerlöses begrenzt. Damit nicht zu viele Betriebe
durch das Raster fallen, gibt es Restriktionen für die Hobbytierhaltung. Eine ge-
naue Aufstellung der Grenzen für die zulässige Hobbytierhaltung befindet sich im
Anhang 2.
Ein besonderes Augenmerk wird auf die Verbuchungsart der Geschäftsvorfälle
gelegt. Bei einigen Betrieben ist festzustellen, dass zwar von der Option zur Re-
gelbesteuerung Gebrauch gemacht wurde, die Geschäftsvorfälle aber trotzdem in
Bruttowerten angegeben sind. Da die Input/Output-Relation in diesen Betrieben
von vornherein verzerrt ist, werden sie im weiteren Verlauf der Arbeit nicht mehr
betrachtet. Gleiches gilt für den Fall der Pauschalierung bei gleichzeitiger Verbu-
chung von Nettowerten in den Jahresabschlüssen.
In Zeiten von zunehmend volatilen Märkten ist es besonders wichtig, dass die
Erträge und Aufwendungen passend zueinander geordnet werden. Damit keine
Verzerrung der Analyse stattfindet, werden den Aufwendungen aus dem jeweili-
gen Beobachtungsjahr die Erträge aus dem folgenden Wirtschaftjahr zugeordnet
und mit den jeweils gültigen Preisindizes des Statistischen Bundesamtes defla-
tioniert. Somit werden den landwirtschaftlichen Erzeugnissen die dazugehörigen
Inputgrößen zugeordnet.
Laut den Selektionskriterien ist es möglich und gleichzeitig aufgrund der Frage-
stellung erwünscht, dass sowohl reine Ackerbaubetriebe wie auch Ackerbaube-

Daten 39
triebe mit einem Veredlungszweig in dem Datensatz verbleiben. Das gewählte
Selektionsmuster stellt allerdings auch besondere Anforderungen an die weitere
Datenaufbereitung. Ziel der Arbeit soll es sein ausschließlich die Effizienz des
Marktfruchtbaus zu berechnen. Für eine aussagekräftige Untersuchung ist es
sehr wichtig, dass der Input exakt zugeordnet wird. Aus diesem Grund wurden
die zulässigen Veredlungsformen so gewählt, dass in den Betrieben für die Tier-
haltung keine landwirtschaftlichen Maschinen notwendig sind. Dennoch gibt es
weitere Aspekte die berücksichtigt werden müssen.
Naturgemäß fällt in den Veredlungsbetrieben organischer Dünger an. Der anfal-
lende organische Dünger kann im Ackerbau ertragssteigernd eingesetzt werden
und ermöglicht somit Einsparungen bei der Aufwandmenge von mineralischen
Düngern. Um Verzerrungen zu vermeiden wird die anfallende Gülle für die ein-
zelnen Wirtschaftsjahre exakt bewertet. Mit diesem Ansatz wird für den organi-
schen Dünger ein Marktwert definiert, der bei den Vorleistungen des Betriebes
berücksichtigt werden muss. Mit Hilfe der KTBL-Kalkulationsgrundlagen und den
Preisindizes des statistischen Bundesamtes wurden Menge und Wert des orga-
nischen Düngers pro Tierplatz für jede Veredlungsform ermittelt.
Es gibt laut Selektionskriterien folgende Veredlungsformen:
� Mastschweinehaltung
� Ferkelerzeugung
� Ferkel-Aufzucht
� Jungsauen-Aufzucht
� Jungeber-Aufzucht
� Junghennen-Aufzucht
� Legehennenhaltung
� Hähnchenmast
� Entenmast
� Putenmast
� Gänsemast
� sonstiges Geflügel
Nachdem der reine Düngerwert der anfallenden organischen Dünger berechnet
wurde, müssen anschließend die Ausbringungskosten einfließen.
Generell sind die Kosten der Ausbringung für jegliche Düngerform in dem Auf-
wand für Abschreibungen und in den Aufwendungen für Lohnarbeit und Maschi-
nenmiete berücksichtigt. Dennoch müssen die Mehrkosten für die Ausbringung

Daten 40
von organischen Düngemitteln beachtet werden. Nur so kann der aktuelle Markt-
wert des Rohstoffs Gülle bzw. Mist genau berechnet werden. Die Mehrkosten der
Ausbringung ergeben sich aus der Differenz zwischen den Ausbringungskosten
von mineralischem und organischem Dünger. Als Referenzmethode wurde die
Ausbringung des mineralischen Düngers Kalkammonsalpeter durch einen
Schleuderstreuer gewählt.
Weiterhin wurde unterstellt, dass eine Düngergabe von bis zu 60 kg N pro Hektar
ausgebracht werden sollte. Analog dazu wurde für jede Veredlungsform die aus-
zubringende Menge an organischem Dünger und die daraus resultierenden Aus-
bringungskosten mit entsprechenden Güllewagen oder Miststreuern kalkuliert.
Die Berechnungsgrundlage für die Ausbringungskosten ist der Feldarbeitsrech-
ner des KTBL. Abschließend werden die entstehenden Mehrkosten der Ausbrin-
gung von dem Marktwert des jeweiligen organischen Düngers abgezogen. Somit
steht ein bereinigter Marktwert zur Verfügung.
Eine Beispielhafte Übersicht der Marktwerte von Gülle und Mist befindet sich in
gekürzter Form in Tabelle 5.
Tabelle 5: Marktwert des organischen Düngers
Veredlungszweig
Einheit
Menge/
Jahr
Kosten f. Ausbrin-
Mastschweine m³ 1.50 2.54 € 3.15 15.00 3.17 €
Ferkelerzeugung m³ 4.00 2.55 € 1.05 25.00 -3.04 €
Ferkelaufzucht m³ 0.60 2.55 € 4.90 12.00 2.54 €
Jungsauen m³ 1.50 2.54 € 3.15 15.00 3.17 €
Jungeber m³ 1.50 2.54 € 3.15 15.00 3.17 €
Junghennen t 0.03 3.95 € 16.80 3.50 0.56 €
Legehennen t 0.03 3.95 € 16.80 3.50 0.56 €
Jungmasthühner t 0.01 3.65 € 6.80 8.00 0.17 €
Mastenten t 0.11 3.48 € 3.20 10.00 0.75 €
Mastputen t 0.08 3.48 € 3.22 10.00 0.50 €
Mastgänse t 0.08 3.48 € 3.22 10.00 0.50 €
Sonst. Geflügel t 0.03 3.87 € 9.60 5.50 0.53 €
gung pro m³ o. t
kg N/m³
Menge/ha
Marktwert Gülle/
Quelle: Eigene Berechnungen
In diesem Szenario wurde das Nährstoffpreisniveau im Wirtschaftsjahr
2005/2006 angenommen. In diesem Zeitraum kostete das Kilogramm Stickstoff
Tierplatz

Daten 41
durchschnittlich 0,69 Euro. Die Preise für Phosphor und Kali lagen mit 0,60 bzw.
0,33 Euro auf einem ähnlichen Niveau (BMELV, 2010). Eine exakte Aufstellung
der Kalkulation und der jeweiligen Düngerwerte befindet sich im Anhang. Der
Marktwert der Gülle pro Tierplatz wird anschließend mit der vorhandenen Anzahl
der Tiere multipliziert und zu den Vorleistungen des Betriebes hinzuaddiert. So-
mit ist die ertragssteigernde Wirkung der organischen Düngemittel, die nur in
Betrieben mit Veredlung anfallen, in der Datenaufbereitung berücksichtigt.
Wie aus Tabelle 5 ersichtlich ist, ergibt sich für den Betriebszweig der Ferkeler-
zeugung ein negativer Marktwert der Gülle. Die Berücksichtigung von negativen
Marktwerten ist in diesem Zusammenhang nicht sinnvoll, so dass negative
Marktwerte mit null Euro interpretiert werden.
Von einer Verzerrung der Ergebnisse durch geringeren Düngeraufwand in Vered-
lungsbetrieben ist demnach im weiteren Verlauf der Arbeit nicht mehr auszuge-
hen.
In Marktfruchtbetrieben mit einem Veredlungszweig lassen sich die Arbeitskräfte
nicht eindeutig dem Ackerbau oder der Veredlung zuordnen. Daher ist es von
elementarer Bedeutung, dass in solchen Betrieben die absolute Anzahl der Ar-
beitskräfte um den für die Viehhaltung notwendigen Teil bereinigt werden. Zu
diesem Zweck wird mit Hilfe von KTBL-Daten ermittelt, wie viele Arbeitskraftstun-
den pro Tierplatz und Jahr benötigt werden. Anschließend wird der notwendige
Zeitaufwand mit dem durchschnittlichen Tierbestand multipliziert und für alle Ver-
edlungszweige des Betriebes aufsummiert. Abschließend wird die Anzahl der
gesamten Arbeitskräfte entsprechend korrigiert. Eine Aufstellung der notwendi-
gen Arbeitskräfte pro Tierplatz befindet sich in Anhang 5.
Als letztes Auswahlkriterium werden alle Variablen, wie bereits oben beschrie-
ben, auf ihre Logik und ihre Existenz überprüft. Jede Beobachtung, die nicht über
alle für das Modell und die Selektion der Betriebe notwendigen Variablen verfügt,
wird aus dem Datensatz entfernt.
Nachdem die oben aufgeführten Kriterien erfüllt sind werden die Betriebe aus
dem Datensatz entfernt, die nicht in jeder Periode vorkommen.
Somit steht ein balanciertes Datenpanel über drei Perioden zur Verfügung, wel-
ches die Grundlage für die folgende Paneldatenanalyse darstellt.
Nach der Selektion stehen in jedem Beobachtungsjahr 415 Marktfruchtbetriebe
für die Analyse zur Verfügung. Die Verteilung der Betriebe auf die Bundesländer
hat sich durch die Selektion verändert, so dass ein großer Teil der Untersu-
chungsbetriebe aus Niedersachsen kommt. In den Stadtstaaten Hamburg, Bre-

Daten 42
men und Berlin liegen nach Durchführung der Selektion keine Vergleichseinhei-
ten vor. Eine genaue Übersicht liefert Tabelle 6.
Tabelle 6: Verteilung der Betriebe in den Bundesländern nach der Selektion
Bundesland Anzahl Betriebe Anteil
Schleswig-Holstein 19 4,58%
Niedersachsen 131 31,57%
Nordrhein-Westfalen 10 2,41%
Hessen 18 4,34%
Rheinland-Pfalz 34 8,19%
Baden-Württemberg 49 11,81%
Bayern 52 12,53%
Saarland 3 0,72%
Brandenburg 6 1,45%
Mecklenburg-Vorpommern 14 3,37%
Sachsen 20 4,82%
Sachsen-Anhalt 42 10,12%
Thüringen 17 4,1%
Betriebe insgesamt 415 100%
Quelle: Eigene Darstellung
Die Anzahl der verschiedenen Rechtsformen hat sich erwartungsgemäß stark
verändert. Es verbleiben lediglich vier verschiedene Rechtsformen in dem Daten-
satz. Das Verhältnis zwischen Einzelunternehmen und den restlichen Rechtsfor-
men hat sich im Vergleich zur Ausgangssituation (vgl. Tabelle 4) nicht wesentlich
verändert.
Tabelle 7 zeigt eine Übersicht der vorhandenen Rechtsformen nach Abschluss
der Betriebsselektion.
Tabelle 7: Rechtsformen der Betriebe nach der Selektion
Rechtsform Anzahl Betriebe Anteil
Einzelunternehmen 376 90,61%
GbR 37 8,89%
KG 1 0,20%
GmbH & Co.KG 1 0,20%
Betriebe insgesamt 415 100%
Quelle: Eigene Darstellung

Daten 43
Nachdem die Selektion der Betriebe durchgeführt wurde, kann ein Betriebsspie-
gel für den durchschnittlichen Untersuchungsbetrieb erstellt werden.
Die Flächenausstattung der Betriebe ist mit 177 ha im Vergleich zu dem Durch-
schnitt des Ausgangsdatensatzes (60 ha) relativ groß. Dieser Größenunterschied
ist vor allem auf die scharfen Selektionskriterien, die ausschließlich auf Acker-
baubetriebe abzielen, zurückzuführen.
Bezüglich der Arbeitsverfassung lässt sich vorab feststellen, dass durchschnitt-
lich 1,41 Arbeitskräfte pro 100 Hektar vorhanden sind. Die nächste Kennziffer
belegt, dass im Mittel 98 Euro pro Hektar für Dienstleistungen gezahlt werden.
Der äußerst niedrige Veredlungsgrad resultiert aus der geringen Anzahl von Ver-
edlungsbetrieben, die in dem Datensatz verbleiben. Von 415 Beobachtungen pro
Periode verfügen lediglich 30 Betriebe über einen Veredlungszweig. Das ent-
spricht einem Anteil der Veredlungsbetriebe von circa 7,3 Prozent. Der mittlere
Pachtflächenanteil beträgt über 60 Prozent.
In Marktfruchtbetrieben ist das Wachstum über das Zupachten von Flächen ein
gebräuchliches Verfahren, weil hier im Gegensatz zu dem Kauf von Flächen eine
weniger umfangreiche Kapitalbindung erfolgt. Bei der Anzahl der Früchte in der
Fruchtfolge bleibt festzustellen, dass in der Regel mehr als vier Hauptfrüchte an-
gebaut werden. Die durchschnittliche Ertragsmesszahl pro ha liegt mit 4817
Punkten auf einem für Marktfruchtbetriebe typischen Niveau. Bei Ertragsmess-
zahlen von über 4000 Punkten lassen sich bereits die klassischen Fruchtfolgen
mit Raps, Winterweizen und Wintergerste verwirklichen.
Die letzten drei Kennzahlen des Betriebsspiegels geben einen Aufschluss über
die Kostenstruktur des Ackerbaus in den Beobachtungsbetrieben. Die Kostenpo-
sitionen für den Aufwand für Abschreibungen und Pflanzenschutz sind mit 123
bzw. 186 Euro auf einem normalen Niveau. Die Größenordnungen zeigen, dass
vor allem die Düngerkosten mit 234 Euro einen erheblichen Anteil an den Ge-
samtkosten haben.
Der zusammenfassende Betriebsspiegel am Stichprobenmittelwert ist in Tabelle
8 dargestellt.

Daten 44
Tabelle 8: Mittelwerte der betrieblichen Kennzahlen
Variable Mittelwert Std. Fehler
Ackerfläche
177 8,8644
Arbeitskräfte pro 100 ha
1,41 0,0458
Lohnunternehmerkosten pro ha
98 4,5340
Anteil d. Veredlung am Umsatz
1,38% 0,0024
Pachtflächenanteil
60,48% 0,0137
Anzahl Früchte in Fruchtfolge
4,15 0,0655
EMZ
4817 82,0671
AFA pro ha
123 4,0765
Aufwand für Pflanzenschutz pro ha
186 3,0075
Aufwand für Dünger pro ha
234 3,6444
Quelle: Eigene Darstellung
Nachdem die Selektion der Betriebe und die logische Überprüfung der Variablen
abgeschlossen sind, können mit Hilfe der zuvor beschriebenen Methodik die in
Kapitel 2.2 aufgestellten Hypothesen untersucht werden.

Ergebnisse 45
6. Ergebnisse
Im Verlauf der Arbeit wurde bereits mehrfach darauf hingewiesen, dass für alle
drei zur Verfügung stehenden Beobachtungsjahre eine Paneldaten-Analyse
durchgeführt werden soll. Durch die Erhöhung des Stichprobenumfanges ist zu
erwarten, dass die Datenbasis über mehr Informationen und Variation verfügt als
Querschnitts-Daten. Außerdem ist anzunehmen, dass weniger Kollinearität unter
den Variablen bei einer gleichzeitigen Erhöhung der Freiheitsgrade vorhanden ist
(Hsiao, 2007). Weiterhin sollen zwei verschiedene Produktionsfunktionsformen
zur Anwendung kommen. Am Ende der Berechnungen soll die geeignetere Funk-
tionsform ausgewählt werden, bevor die Interpretation und Diskussion der Er-
gebnisse beginnt.
Im folgenden Kapitel werden zuerst die Ergebnisse der einzelnen Regressionen
dargestellt, bevor anschließend die notwendigen Tests zur Modellgüte durchge-
führt werden. Am Ende des Kapitels werden die Betriebe in Effizienzklassen ein-
geteilt und beschrieben.
6.1. Ergebnisse für die Cobb-Douglas-Produktionsfunktion
Zuerst werden die Ergebnisse bei Verwendung einer Cobb-Douglas-
Produktionsfunktion in Tabelle 9 dargestellt. Die dreigliedrige Tabelle beinhaltet
im oberen Teil die Ergebnisse für das Modell der Produktionsfrontier, während im
mittleren Teil die Parameter des Modells der technischen Ineffizienz dokumentiert
sind. Abschließend werden im letzten Tabellenabschnitt die Güteparameter des
Modells angeführt.
Der LR-Wert beschreibt das Ergebnis des ersten Likelihood-Ratio-Tests. Es wur-
de bereits beschrieben, dass mit Hilfe dieses Tests überprüft wird, ob die ver-
wendeten exogenen Kovariablen einen Erklärungsbeitrag leisten oder nicht. Der
LR-Wert von 164,6127 liegt oberhalb des tabellarischen ²-Wertes. Somit muss
davon ausgegangen werden, dass die verwendeten Inputvariablen des Modells
der technischen Ineffizienz einen Erklärungsbeitrag leisten.
Weiterhin kann anhand des Gamma-Wertes abgelesen werden, dass circa 44
Prozent der Varianz durch Ineffizienzen erklärt werden. Ob dieser Wert ausrei-
chend ist oder ob höhere Gamma-Werte zu erreichen sind, wird später überprüft.
Vorerst wird festgestellt, dass immerhin ein wesentlicher Teil der Varianz durch
Ineffizienzen erklärt wird. Bei der Verwendung von Cobb-Douglas-
Produktionsfunktionen lassen sich die Elastizitäten der einzelnen Produktionsfak-
toren direkt aus den Koeffizienten ablesen. Auf den ersten Blick sind fast alle
Koeffizienten für das Modell der Produktionsfrontier positiv.

Ergebnisse 46
Es ist auffällig, dass die Ackerfläche, die Anzahl der Arbeitskräfte und der Auf-
wand für Abschreibungen keinen signifikanten Einfluss auf die Höhe der Umsatz-
erlöse haben. Aus diesem Grund ist eine weitere Interpretation der Regressions-
koeffizienten nicht sinnvoll. Für die Vorleistungen und den sonstigen betriebli-
chen Aufwand konnte ein hoch signifikanter Einfluss festgestellt werden. Es muss
erwähnt werden, dass besonders die Vorleistungen mit 0,89 einen großen Ein-
fluss auf die Höhe der Umsatzerlöse haben. Daran anschließend hat der sonstige
betriebliche Aufwand eine Elastizität von 0,09.
Die verbleibenden exogenen Variablen haben deutlich geringere Elastizitäten.
Warum die Ackerfläche als wesentlicher Produktionsfaktor keinen Einfluss auf die
Höhe der Umsatzerlöse hat, wird später versucht zu erklären. Zunächst wird im
zweiten Teil dieser Ergebnispräsentation das Modell der technischen Ineffizienz
beleuchtet.
Tabelle 9: Ergebnisse Cobb-Douglas-Produktionsfunktion
exogene Variable Koeffizient Std. Fehler t-Wert
Modell der Produktionsfrontier
Konstante α0 1,2885 *** 0,2163 5,9560
lnAF Ackerfläche α1 -0,0019 0,0313 -0,0615
lnAK Arbeitskräfte α2 0,0028 0,0205 0,1387
lnVL Aufw. für Vorleistungen α3 0,8942 *** 0,0276 32,4364
lnKAP sonst. betr. Aufwand α4 0,0910 *** 0,0189 4,8131
lnAFA Aufw. für Abschreibung α5 0,0066 0,0056 1,1802
Modell der techn. Ineffizienz
Konstante δ0 0,6810 *** 0,0788 8,6380
Ackerfläche δ1 0,0002 * 0,0001 1,9174
Pachtflächenanteil δ2 -0,0094 0,0499 -0,1891
Ertragsmesszahl δ3 -0,0001 *** 0,0000 -5,8695
Arbeitskräfte pro 100 ha δ4 0,0070 0,0191 0,3642
Lohnunternehmerkosten pro ha δ5 -0,0004 * 0,0002 -1,7920
Dummy für Familienarbeitskräfte δ6 0,0703 *** 0,0255 2,7534
Dummy für Wachstum δ7 0,0234 0,0234 1,0018
Dummy für Rechtsform δ8 -0,1045 ** 0,0497 -2,1028
Anteil d. Veredlung am Umsatz δ9 -0,4479 ** 0,2144 -2,0894
Anzahl Früchte in Fruchtfolge δ10 -0,0344 *** 0,0111 -3,0918
Log Likelihood Wert -15,0575
Likelihood-Ratio-Test 164,6127
Sigma squared σ² 0,0672 0,0055 12,1372
Gamma γ 0,4428 *** 0,1179 3,7574
***/**/* entspricht signifikant auf dem Niveau 0,01 / 0,05 / 0,1 (2-seitig)
Quelle: Eigene Berechnungen

Ergebnisse 47
Zur Erklärung der Ineffizienzen wurden alle Kovariablen, die in den vorigen Kapi-
teln diskutiert wurden, in das Modell integriert. Im zweiten Teil der Ergebnisse
wird die Ineffizienz eines landwirtschaftlichen Betriebes erklärt. Es ist zu beach-
ten, dass Koeffizienten mit negativen Vorzeichen sich positiv auf die Effizienz des
jeweiligen Unternehmens auswirken.
Zunächst wurde für die Variable Ackerfläche ein leicht signifikant positiver Ein-
fluss auf die Ineffizienz festgestellt. Daraus kann somit abgeleitet werden, dass
es in Bezug auf die einzelbetriebliche Effizienz leichte negative Skaleneffekte
gibt. Die nächste Variable berücksichtigt den Anteil der Pachtflächen an der ge-
samten Ackerfläche des Betriebes. Für diese Variable konnte kein signifikanter
Einfluss festgestellt werden. In Bezug auf die Ertragsmesszahl ergeben die Be-
rechnungen, dass ein hoch signifikanter Einfluss besteht. Und zwar steigt mit
höherer Ertragsmesszahl auch die Effizienz des Betriebes. Daran anschließend
wurden die Anzahl der Arbeitskräfte pro 100 Hektar erfasst und in das Modell
integriert. Für diese Kovariable gilt wiederum, dass keine Auswirkungen des Ar-
beitskräftebesatzes auf die Effizienz des Marktfruchtbaus vorhanden sind. Analog
dazu wurden die Betriebe mit reinem Familienarbeitskräftebesatz mit einer
Dummy-Variable gekennzeichnet. Weitergehend wurden die Ausgaben für Lohn-
unternehmen und landwirtschaftliche Dienstleistungen berücksichtigt, um even-
tuelle Effekte durch den Einsatz von effizienterer Großtechnik aufzudecken. Hier
konnte unter Verwendung der Cobb-Douglas-Produktionsfunktion ein signifikant
positiver Effekt errechnet werden. Nach der ersten Untersuchung scheint sich die
Fremdmechanisierung positiv auf die Effizienz des Marktfruchtbaus auszuwirken.
Durch die Berücksichtigung der Dummy-Variable für Familienarbeitskräfte wird
untersucht, welche Auswirkungen das ausschließliche Beschäftigen von Fami-
lienangehörigen auf die Effizienz des Marktfruchtbaus hat. In Bezug auf diese
Variable muss festgehalten werden, dass sich ein reiner Familienarbeitskräftebe-
satz negativ auf die Effizienz auswirkt. Das Signifikanzniveau für diese Kovariab-
le liegt bei einem Prozent. Die Variable Wachstum kennzeichnet Betriebe, die ein
Flächenwachstum realisieren konnten. Für diese Kovariable konnten keinerlei
Einflüsse festgestellt werden. Für die Dummy-Variable Rechtsform ist hingegen
ein positiver Einfluss auf die Effizienz feststellbar. Des Weiteren wurde der Ein-
fluss der Veredlung berücksichtigt. Auch hier ergeben die Berechnungen einen
positiven Einfluss auf die Effizienz des Marktfruchtbaus. Zuletzt wurden die An-
zahl der verschiedenen Früchte in der Fruchtfolge gezählt und als Einflussgröße
berücksichtigt. Auch hier ergab sich ein positiver Effekt einer diversifizierten
Fruchtfolge auf die Effizienz des Marktfruchtbaus.

Ergebnisse 48
Nachdem die Ergebnisse der Stochastischen Frontier Analyse bei Verwendung
einer Cobb-Douglas-Produktionsfunktion dargestellt wurden, gibt es noch einige
Aspekte die weitergehend Berücksichtigung finden müssen. Vor allem ist am
Anfang der Ergebnisbetrachtung aufgefallen, dass die Ackerfläche keinen signifi-
kanten Einfluss auf die Höhe der Umsatzerlöse des Marktfruchtbaus hat. Um zu
klären warum ein wesentlicher Produktionsfaktor keinen Einfluss auf die Höhe
der Umsatzerlöse des Marktfruchtbaus hat, wird der Rangkorrelationskoeffizient
nach Spearman berechnet (vgl. Kapitel 3.5.2.).
In Tabelle 10 ist die Korrelationsmatrix nach Spearman für die exogenen Variab-
len des Frontiermodells dargestellt.
Während der Methodenbeschreibung wurde erklärt, dass Werte, die im Betrag
unter 0,5 liegen, auf eine schwache Korrelation hinweisen. Werte, die im Betrag
zwischen 0,5 und 0,8 liegen, weisen auf eine mittlere Korrelation hin. Zuletzt wei-
sen Werte, die im Betrag über 0,8 liegen, auf eine starke Korrelation hin. Beson-
ders auffällig ist, dass die Vorleistungen (lnVL) sehr stark mit der Ackerfläche
(lnAF) korrelieren. Bei einer hohen Korrelation zwischen zwei Inputs spricht man
von Multikollinearität. Multikollinearität kann dazu führen, dass negative Auswir-
kungen auf die Aussagekraft des jeweiligen Regressionsmodells hervorgerufen
werden. Während die Multikollinearität zu nicht verzerrten Schätzern führt, steigt
gleichzeitig deren Varianz. Die Varianz kann so groß sein, dass die geschätzten
Koeffizienten sich sehr weit von den tatsächlichen Werten entfernen können
(Wiebusch et al., 2003).
Zur Beseitigung des Problems gibt es verschiedene Lösungsansätze. Zuerst bie-
tet es sich an Variablen, die miteinander hochgradig korreliert sind, zu einem
Input zu aggregieren. Außerdem kann das Problem der Multikollinearität behoben
werden, indem man betroffene Variablen nicht berücksichtigt oder den Stichpro-
benumfang erhöht (Brooks, 2002). Bei einem empirischen Datensatz ist immer
einer gewisser Grad an Multikollineariät vorhanden (Rybnikova, 2011). Wiebusch
et al. (2003) weisen ebenfalls daraufhin, dass Multikollinearität durch die Be-
schaffenheit des Datensatzes hervorgerufen werden kann und nicht immer ein
Problem der Modellspezifikation sein muss. Weil im Rahmen dieser Arbeit die
Einflussgrößen der einzelbetrieblichen Effizienz und nicht die Einflussgrößen der
Umsatzerlöse erklärt werden sollen, wird von einer weiteren Behandlung des
Problems abgesehen.

Ergebnisse 49
Tabelle 10: Rangkorrelationskoeffizient nach Spearman
lnAF lnAK lnVL lnKAP lnAFA
Wirtschaftsjahr 2005/2006
lnAF 1,0000
lnAK 0,5464 1,0000
lnVL 0,9213 0,5607 1,0000
lnKAP 0,6815 0,4112 0,7538 1,0000
lnAFA 0,7028 0,4559 0,7298 0,4894 1,0000
Wirtschaftsjahr 2006/2007
lnAF 1,0000
lnAK 0,5717 1,0000
lnVL 0,9034 0,5924 1,0000
lnKAP 0,6766 0,4476 0,7505 1,0000
lnAFA 0,6761 0,4464 0,7195 0,4824 1,0000
Wirtschaftsjahr 2007/2008
lnAF 1,0000
lnAK 0,5704 1,0000
lnVL 0,9200 0,5842 1,0000
lnKAP 0,6741 0,4366 0,7547 1,0000
lnAFA 0,6717 0,4647 0,7093 0,4765 1,0000
Quelle: Eigene Berechnungen
Um sicherzustellen, dass zwischen den Kovariablen keine starken Zusammen-
hänge bestehen, wird auch für die Variablen des Ineffizienz-Modells eine Korrela-
tionsmatrix erstellt.
Aus Gründen der Übersichtlichkeit ist die ausführliche Korrelationsmatrix im An-
hang 6 aufgeführt.
Bezüglich der Kovariablen kann festgehalten werden, dass für keine der Variab-
len Multikollinearität vorliegt. Lediglich für die Variablen Ackerfläche und Anzahl
der Arbeitskräfte pro 100 Hektar wurde ein Korrelationskoeffizient von -0,80 er-
rechnet. Für alle weiteren Variablenpaare wurden deutlich geringer Werte ermit-
telt. Somit lässt sich abschließend festhalten, dass für das Modell der techni-
schen Ineffizienz keine Verzerrungen der Aussagekraft durch Multikollinearität zu
erwarten sind.
6.2. Ergebnisse für die Translog-Produktionsfunktion
Nachdem die Ergebnisse für die Cobb-Douglas-Produktionsfunktion beschrieben
wurden, soll nun mit Hilfe der Translog-Produktionsfunktion ein weiterer Erklä-
rungsversuch unternommen werden.

Ergebnisse 50
Die Ergebnisse der stochastischen Frontier-Analyse unter Verwendung der
Translog-Funktion sind in Tabelle 12 dargestellt.
Der obere Teil der Tabelle zeigt die Ergebnisse für das Modell der Produktions-
frontier. Im mittleren Abschnitt der Tabelle sind die Parameter des Modells der
technischen Ineffizienz aufgeführt, während im letzten Teil der Tabelle die Para-
meter zur Modellgüte enthalten sind.
Die Aussagekraft des Modells wurde ebenfalls mit dem Likelihood-Ratio-Test
überprüft. Der ermittelte LR-Wert von 174,0541 liegt deutlich über dem tabellari-
schen Chi-Quadrat-Wert. Somit ist von einem entsprechenden Erklärungsbeitrag
der exogenen Kovariablen auszugehen. Außerdem werden über 47 Prozent der
Varianzen durch das Modell der technischen Ineffizienz erklärt. Der Gamma-Wert
bei Verwendung der Translog-Funktion liegt circa 3 Prozentpunkte über dem er-
mittelten Gamma-Wert für die Cobb-Douglas-Produktionsfunktion.
Nachdem die Parameter zur Beschreibung der Modellgüte abgehandelt wurden,
folgt nun eine Darstellung der ermittelten Koeffizienten mit den entsprechenden
Signifikanzniveaus. Mehr als ein Drittel der exogenen Variablen des Modells der
Produktionsfrontier haben einen signifikanten Einfluss auf die Höhe der Umsatz-
erlöse. Im Gegensatz zu dem Cobb-Douglas-Modell muss die Interpretation der
Koeffizienten für die exogenen Variablen differenzierter erfolgen. Durch das Im-
plementieren von Kreuztermen lassen sich die Elastizitäten der einzelnen Inputs
nicht mehr an den Koeffizienten ablesen. Um die Elastizitäten der jeweiligen Pro-
duktionsfaktoren berechnen zu können, muss die erste Ableitung der Produkti-
onsfunktion nach dem entsprechenden Produktionsfaktor gebildet werden. Die
Produktionselastizität kann entweder für jede Beobachtungseinheit oder für den
Stichprobenmittelwert berechnet werden. Weil eine Berechnung der Elastizitäten
für jede Beobachtung keinen Vergleich mit den Elastizitäten der Cobb-Douglas-
Produktionsfunktion zulässt, wird die Variante der Mittelwerte gewählt. Die Pro-
duktionselastizitäten am Stichprobenmittelwert sind in Tabelle 11 aufgeführt.
Tabelle 11: Elastizitäten der Produktionsfaktoren
Elastizität
Std. Fehler
Ackerfläche
Arbeitskräfte
Aufw. für Vorleistungen
sonst. betr.
Aufwand
Aufw. für Abschreibung
-0,0123 -0,0095 0,8673 *** 0,1039 (*) 0,0340
0,1592 0,1116 0,1420 0,0757 0,0313
***/**/*/(*) entspricht signifikant auf dem Niveau 0,01 / 0,05 / 0,1 (2-seitig)/ 0,1 (1-seitig)
Quelle: Eigene Berechnungen

Ergebnisse 51
Die Aufteilung der Elastizitäten ähnelt der Aufteilung bei der Cobb-Douglas Pro-
duktionsfunktion (vgl. Regressionskoeffizienten ß1-ß5 in Tabelle 9). Den größten
Einfluss auf die Höhe der Umsatzerlöse haben weiterhin die Vorleistungen. Auf-
fällig ist auch in diesem Fall, dass die Ackerfläche keinen Einfluss auf die Höhe
der Umsatzerlöse des Marktfruchtbaus hat. Der sonstige betriebliche Aufwand
hat lediglich bei einer einseitigen Testprozedur noch einen leicht signifikanten
Einfluss auf den Output. Da sich beide Betrachtungsweisen auf die gleiche Da-
tengrundlage stützen, liegt auch bei der Verwendung der Translog-Funktionsform
das Problem der Multikollinearität vor. Es ist daher möglich, dass durch die hohe
Korrelation zwischen Vorleistungen und Ackerfläche eine Verzerrung der Reg-
ressionskoeffizienten hervorgerufen wird. In Bezug auf das Modell der Produkti-
onsfrontier kann davon ausgegangen werden, dass die Multikollineariät durch
den vorhandenen Datensatz hervorgerufen wird (Wiebusch et al., 2003).
Für die Kovariablen gelten weiterhin die Korrelationskoeffizienten aus Anhang 6.
Es wird aus diesem Grund angenommen, dass für die exogenen Variablen des
Modells der technischen Ineffizienz keine Multikollinearität vorliegt. Die Ergebnis-
se für das Modell der technischen Ineffizienz sind demnach uneingeschränkt
verwertbar.

Ergebnisse 52
Tabelle 12: Ergebnisse Translog-Produktionsfunktion
exogene Variable Koeffizient Std. Fehler t-Wert
Modell der Produktionsfrontier
Konstante ß0 8,4184 *** 3,0073 2,7994
lnAF Ackerfläche ß1 0,8098 0,6013 1,3467
lnAK Arbeitskräfte ß2 -0,8163 ** 0,4095 -1,9935
lnVL Aufw. für Vorleistungen ß3 -1,0498 0,8020 -1,3089
lnKAP sonst. betr. Aufwand ß4 0,5412 0,3817 1,4178
lnAFA Aufw. für Abschreibung ß5 -0,0847 0,1826 -0,4640
0,5 (lnAF * lnAF) ß11 -0,0593 0,0479 -1,2382
0,5 (lnAK * lnAK) ß22 -0,0002 0,0117 -0,0175
0,5 (lnVL * lnVL) ß33 0,1370 ** 0,0696 1,9691
0,5 (lnKAP * lnKAP) ß44 0,0373 * 0,0213 1,7502
0,5 (lnAFA * lnAFA) ß55 0,0022 0,0019 1,1489
lnAF * lnAK ß12 -0,1177 ** 0,0514 -2,2896
lnAF * lnVL ß13 -0,0595 0,0962 -0,6186
lnAF * lnKAP ß14 0,0090 0,0481 0,1877
lnAF * lnAFA ß15 0,0394 * 0,0228 1,7271
lnAK * lnVL ß23 0,0661 0,0620 1,0661
lnAK * lnKAP ß24 0,1152 *** 0,0391 2,9446
lnAK * lnAFA ß25 -0,0548 *** 0,0193 -2,8473
lnVL * lnKAP ß34 -0,0965 0,0606 -1,5916
lnVL * lnAFA ß35 0,0107 0,0247 0,4324
lnKAP * lnAFA
Modell der techn. Ineffizienz
ß45 -0,0212 0,0165 -1,2825
Konstante δ0 0,6621 *** 0,0793 8,3531
Ackerfläche δ1 0,0001 0,0001 0,7533
Pachtflächenanteil δ2 0,0202 0,0378 0,5358
Ertragsmesszahl δ3 -0,0001 *** 0,0000 -6,6810
Arbeitskräfte pro 100 ha δ4 0,0036 0,0319 0,1128
Lohnunternehmerkosten pro ha δ5 -0,0002 0,0002 -1,1022
Dummy für Familienarbeitskräfte δ6 0,0835 *** 0,0258 3,2409
Dummy für Wachstum δ7 0,0277 0,0200 1,3841
Dummy für Rechtsform δ8 -0,1019 ** 0,0450 -2,2646
Anteil d. Veredlung am Umsatz δ9 -0,3759 ** 0,1846 -2,0358
Anzahl Früchte in Fruchtfolge δ10 -0,0326 *** 0,0113 -2,8975
Log Likelihood Wert 25,1209
Likelihood-Ratio-Test 174,0541
Sigma squared σ² 0,0647 0,0056 11,6333
Gamma γ 0,4717 *** 0,1045 4,5153
***/**/* entspricht signifikant auf dem Niveau 0,01 / 0,05 / 0,1 (2-seitig)
Quelle: Eigene Berechnungen
Das Modell der technischen Ineffizienz liefert ähnliche Ergebnisse wie die zuvor
dargestellte Regressionsanalyse. Die Ackerfläche und der Pachtflächenanteil
haben in dieser Betrachtungsform keinen signifikanten Einfluss auf die Effizienz.

Ergebnisse 53
Es gibt demnach keine Skaleneffekte in Bezug auf die Effizienz. Weiterhin ist
davon auszugehen, dass auch der Pachtflächenanteil keinerlei Einfluss auf die
Höhe der einzelbetrieblichen Effizienz hat. Demgegenüber konnte der signifikan-
te Einfluss der Variablen Ertragsmesszahl und Dummy für Familienarbeitskräfte
bestätigt werden. Die Vorzeichen der entsprechenden Koeffizienten sind iden-
tisch zu den Vorzeichen aus der Analyse mit Hilfe der Cobb-Douglas-
Produktionsfunktion. Mit steigenden Ertragsmesszahlen wird laut diesem Modell
die Effizienz der jeweiligen Betriebe steigen. Lediglich das Ausmaß des Einflus-
ses auf die Effizienz ist unterschiedlich, nicht die Richtung in die beide Variablen
wirken aber. Es wurde ebenfalls durch die Transzendent-logarithmierte Funkti-
onsform bestätigt, dass sich die ausschließliche Beschäftigung von Familienar-
beitskräften negativ auf die Effizienz des Marktfruchtbaus auswirkt. Die Dummy-
Variable für Wachstumsbetriebe wird auch in dieser Untersuchung als nicht signi-
fikant bewertet. Der Dummy-Variable für die Rechtsform wird in diesem Fall
ebenfalls ein signifikant positiver Einfluss auf die Effizienz unterstellt. Es wird
deutlich, dass Einzelpersonengesellschaften weniger effektiv geführt werden als
Mehrpersonengesellschaften. Als vorletzte Kovariable wurde der Anteil der Ver-
edlung am Umsatz des Unternehmens berücksichtigt. Es hat sich gezeigt, dass
mit steigenden Umsatzanteilen durch die Veredlung auch die Effizienz des Markt-
fruchtbaus steigen wird. Abschließend wurde wieder die Anzahl der Früchte in
der Fruchtfolge berücksichtigt. Entsprechend der ersten Ergebnisse wurde auch
in diesem Fall ebenfalls ein signifikant positiver Einfluss auf die Effizienz bestä-
tigt. Somit gilt auch laut dieser Berechnung, dass Betriebe mit einer diversifizier-
ten Fruchtfolge zu signifikant höheren Effizienzwerten tendieren als Betriebe mit
spezialisierten Fruchtfolgen.
Nachdem die Ergebnisse für die einzelnen Koeffizienten dargestellt wurden, wird
zunächst der Likelihood-Ratio-Test durchgeführt, bevor die ermittelten Effizienz-
maße und die daraus resultierenden Charakteristika für effiziente und weniger
effiziente Betriebe ausführlich erläutert werden.
6.3. Ergebnisse der Likelihood-Ratio-Tests für Paneldaten
Wie in Kapitel 3.5.1 erklärt wurde, eignet sich der Likelihood-Ratio-Test zum Ver-
gleich zweier Modelle. Zur Durchführung des Likelihood-Ratio-Tests sind immer
zwei Modelle (Nullmodell und Alternativmodell) notwendig. In dem vorliegenden
Fall handelt es sich bei dem Cobb-Douglas-Modell um das Nullmodell, während
die Transzendent logarithmierte Funktionsform das Alternativmodell darstellt.
Aus Tabelle 13 wird ersichtlich, dass die Nullhypothese auf einem Signifikanzni-
veau von einem Prozent abgelehnt werden kann. Es ist also davon auszugehen,

Ergebnisse 54
dass die zusätzlichen Kreuzterme der Translog-Funktionsform einen Erklärungs-
beitrag zur Höhe der Umsatzerlöse leisten.
Aus diesem Grund ist die Modellformulierung mit Hilfe der transzendent logarith-
mierten Funktionsform dem Modell auf Basis der Cobb-Douglas-
Produktionsfunktion vorzuziehen.
Tabelle 13: Ergebnisse des Likelihood-Ratio-Tests für Paneldaten
Paneldaten
LRT-Wert 80,36 ***
H0: δ1 -10 = 0
tabellarischer Chi-Quadrat-Wert
α 0,01
Χ² 32,80
Quelle: Eigene Berechnungen
Das Ergebnis des Likelihood-Ratio-Tests wird durch den Vergleich der Gamma-
Werte untermauert (vgl. Tabelle 9 und Tabelle 12). Bei diesem Vergleich fiel be-
reits auf, dass die Translog-Funktionsform in der Lage ist einen höheren prozen-
tualen Anteil der Varianz durch Ineffizienzen zu erklären.
Somit wurde anhand von zwei Merkmalen gezeigt, dass die Translog-
Funktionsform zur Erklärung der Effizienz von Marktfruchtbetrieben als besser
geeignet angesehen werden muss. Aus diesem Grund werden sich alle an-
schließenden Diskussionen und Interpretationen auf die Grundlage der Translog-
Produktionsfunktion stützen.
6.4. Test auf Heteroskedastizität
Während der Beschreibung von statistischen Tests in Kapitel 3.5 wurde unter
anderem der Breusch-Pagan-Test erläutert. Dieser Test ist geeignet für die
Überprüfung der Konstanz der Varianz der Residuen. Nur wenn die Varianz der
Residuen konstant ist, kann von effizienten Schätzungen ausgegangen werden.
Andernfalls würde das Modell verzerrte Ergebnisse liefern. Der Breusch-Pagan-
Test hat für beide Modellvarianten die folgenden Ergebnisse geliefert.
Tabelle 14: Ergebnisse Breusch-Pagan-Test
Cobb-Douglas-Modell Translog-Modell
BG-Wert 1,7207 1,7161
Χ²tab 6,6349 6,6349
α = 1 Prozent
Quelle: Eigene Berechnungen

Ergebnisse 55
Aus Tabelle 14 kann abgelesen werden, dass in beiden Fällen der empirische
Chi-Quadrat-Wert höher ist als der tabellarische Wert der Chi-Quadrat-Verteilung
bei einem Signifikanzniveau von einem Prozent. Aus diesem Grund ist für beide
Modellvarianten nicht von Heteroskedastizität auszugehen. Damit ist eine we-
sentliche Grundannahme für das Schätzen von Regressionsgleichungen erfüllt.
6.5. Effizienzwerte der Marktfruchtbetriebe im Vergleich
Auf Grundlage der eingangs formulierten Hypothesen wurden sowohl die klassi-
schen Inputgrößen eines Marktfruchtbetriebes (Arbeit, Kapital und Boden) wie
auch einige weitere betriebsbeschreibende Einflussgrößen in die Modelle inte-
griert. Vor allem die betriebsbeschreibenden Einflussgrößen sollen dazu dienen,
die zentrale Fragestellung nach dem Einfluss der Organisationsform auf die Effi-
zienz von Marktfruchtbetrieben zu beantworten. Nachdem in den vorigen Ab-
schnitten geklärt wurde, ob die gewählten exogenen Variablen tatsächlich einen
Einfluss auf die einzelbetriebliche Effizienz des Marktfruchtbaus ausüben, sollen
nun die tatsächlichen Effizienzwerte der Betriebe kurz dargestellt werden. Mit
dieser Darstellung wird deutlich, welche Eigenschaften ein Marktfruchtbetrieb
haben muss, damit er langfristig zu den effizienteren oder zu den ineffizienteren
Betrieben gehört.
Um eine entsprechende Aufstellung der Betriebe zu ermöglichen, steht am An-
fang die Betrachtung aller ermittelten Effizienzwerte. Die durchschnittliche Effizi-
enz über alle drei Beobachtungsjahre und über alle 415 Betriebe beträgt 75,69
Prozent. Um eine Klassifizierung der Betriebe zu ermöglichen, werden die Effizi-
enzwerte in Quantile eingeteilt. Die Einteilung erfolgt dabei in folgende zwei
Quantile:
� 0,15-Quantil
� 0,85-Quantil
Die Quantile geben auf eine einfache Art Hinweise über die Verteilung von Da-
ten. Links von dem 0,15-Quantil liegen 15 Prozent der Daten, während rechts
von dem 0,85-Quantil ebenfalls 15 Prozent der Daten liegen. Die verbleibenden
Daten liegen zwischen den beiden äußeren Quantilen (Fahrmeir et al., 2007).
In Abbildung 6 ist die Dichtefunktion für die Effizienzwerte des Translog-Modells
aller Betriebe in den drei Wirtschaftsjahren mit den drei beschriebenen Quantilen
dargestellt. Die roten Linien markieren die Grenzen zwischen den einzelnen
Quantilen. Im linken Teil wird das 0,15-Quantil gezeigt, während der rechte Teil
das 0,85-Quantil darstellt.

Ergebnisse 56
Abbildung 6: Wahrscheinlichkeitsdichtefunktion der Effizienzwerte
0 1 2 3 4
.4 .6 .8 1
einzelbetriebliche Effizienzwerte
Quelle: Eigene Darstellung
Von besonderem Interesse sind die Betriebe, die dauerhaft (also in allen drei
Perioden) in einem der beiden äußeren Quantile liegen. Bevor die Betriebe und
ihre charakteristischen Eigenschaften weiter beschrieben werden, sind alle Be-
triebe, die nicht genau dreimal in dem jeweiligen Quantil liegen auszusortieren.
Die Grenze für das linke Quantil liegt bei einem Effizienzwert von 0,6449 für das
obere Quantil bei 0,8634.
Die Zuteilung der Betriebe in die jeweiligen Quantile ergibt folgende zahlenmäßi-
ge Aufgliederung. In den beiden äußeren Quantilen liegen jeweils 62 Betriebe,
während die restlichen 291 Betriebe in dem mittleren Quantil verbleiben. Im An-
schluss daran werden alle Betriebe, die nicht dreimal in den beiden äußeren
Quantilen liegen aussortiert. Nach Beenden dieser Selektion zeigt sich, dass in
beiden Quantilen nur circa ein Drittel der Betriebe übrig bleibt. Somit sind 23 Be-
triebe in dem Datensatz vorhanden, die in allen Beobachtungsjahren zu den effi-
zientesten 15 Prozent gehören. Analog dazu verbleiben 19 Betriebe, die kontinu-
ierlich zu den 15 Prozent ineffizientesten Betrieben gehören.

Ergebnisse 57
Tabelle 15: Teil 1 des Betriebsspiegels der äußeren Quantile
Ackerfläche
Pacht
15% effizientesten Betriebe (n=62)
EMZ
Arbeitskräfte pro
100 ha
Lohnunternehmerkosten
pro
ha
WJ 05/06 245,35 0,71 7246 1,23 115,31 133,57
WJ 06/07 248,80 0,68 7246 1,16 120,20 125,00
WJ 07/08 246,77 0,65 7073 1,21 123,09 118,74
Mittel 246,97 0,68 7188 1,20 119,53 125,77
15% ineffizientesten Betriebe (n=62)
WJ 05/06 112,44 0,54 2996 1,45 53,57 101,56
WJ 06/07 112,17 0,53 2991 1,46 54,65 93,65
WJ 07/08 114,11 0,54 3065 1,43 61,40 96,73
Mittel 112,91 0,54 3017 1,45 56,54 97,31
Quelle: Eigene Darstellung
In Tabelle 15 ist der erste Teil des Betriebsspiegels für die in den äußeren Quan-
tilen verbleibenden Beobachtungseinheiten. Es ist deutlich zu erkennen, dass die
Betriebsgröße in den beiden Klassen unterschiedlich ist. Während ein effizienter
Betrieb im Durchschnitt 247 Hektar bewirtschaftet, verfügen die ineffizienteren
Betriebe lediglich über knapp 113 Hektar Ackerfläche. In beiden Klassen wurde
Flächenwachstum in den verschieden Perioden realisiert. Aus der nächsten Spal-
te wird ersichtlich, dass in beiden Gruppen ein hoher Pachtflächenanteil vorliegt.
Die effizienteren Betriebe pachteten durchschnittlich 68 Prozent ihrer Flächen,
die Betriebe des linken Quantils pachteten nur 54 Prozent der. Während die
Gruppe der ineffizienten Betriebe einen rückläufigen Pachtflächenanteil hat, ist
zumindest während der drei Beobachtungsjahre für die Gruppe der 15 Prozent
ineffizientesten Marktfruchtbetriebe ein konstantes Pachtniveau zu erkennen.
Einen sehr deutlichen Unterschied gibt es bei den Ertragsmesszahlen. Landwirt-
schaftliche Unternehmen mit hohen Effizienzwerten haben im Durchschnitt um
ca. 4000 Punkte höhere Ertragsmesszahlen als Betriebe, die ineffizient wirtschaf-
ten.
Die letzten drei Spalten der Tabelle sollen einen kleinen Eindruck über die Orga-
nisation des Produktionsprozesses geben. Bezüglich der Ausstattung mit Ar-
beitskräften ist festzustellen, dass der Arbeitskräftebesatz pro 100 Hektar in den
AfA pro ha

Ergebnisse 58
effizienten Betrieben geringer ist als in den weniger effizient produzierenden Be-
trieben. Die beobachteten Unternehmen in dem linken Quantil verfügen durch-
schnittlich über 1,45 Arbeitskräfte pro 100 Hektar, während die Betriebe des
rechten Quantils mit 1,20 Arbeitskräften pro 100 Hektar auskommen.
Die Intensität des Ackerbaus lässt sich unter anderem an den Maschinenkosten
ablesen. Dazu sind in den letzten beiden Spalten die Kosten für Dienstleistungen
durch Lohnunternehmer und die Aufwendungen für Abschreibungen dargestellt.
Bei den Lohnunternehmerkosten zeigt sich, dass die effizienten Betriebe etwa
doppelt so hohe Ausgaben für landwirtschaftliche Dienstleistungen aufweisen wie
die 15 Prozent ineffizientesten Betriebe. Ein ähnlicher Trend findet sich bei den
Aufwendungen für Abschreibungen wieder. Hier geben die besseren Betriebe in
etwa 125 Euro pro Hektar aus, während die schlechteren Betriebe nur 97 Euro
pro Hektar als Aufwand für Abschreibungen verbuchen. Das Verhältnis dieser
Zahlen entspricht etwa 30 Prozent höheren Aufwendungen bei den effizienteren
Betrieben.
Tabelle 16 zeigt die zweite Hälfte des vergleichenden Betriebsspiegels für die
äußeren Quantile der Dichtefunktion
Tabelle 16: Teil 2 des Betriebsspiegels der äußeren Quantile
15% effizientesten Betriebe
Anzahl d. Früchte Pflanzenschutzkosten
pro ha
Düngerkosten pro
ha
WJ 05/06 4,41 127,91 133,28
WJ 06/07 4,45 140,88 143,55
WJ 07/08 4,57 189,69 208,54
Mittel 4,48 152,83 161,79
15% ineffizientesten Betriebe
WJ 05/06 3,26 135,65 179,92
WJ 06/07 3,74 148,39 178,09
WJ 07/08 3,63 178,17 254,82
Mittel 3,54 154,07 204,28
Quelle: Eigene Darstellung
Zunächst wird ersichtlich, dass die besseren Betriebe im Durchschnitt eine Frucht
mehr in ihrer Fruchtfolge anbauen als Betriebe mit einem geringen Effizienzwert.
Bei den Kosten für Pflanzenschutzmittel gibt es zwischen den beiden Effizienz-
klassen keine wesentlichen Unterschiede. Anders stellen sich dagegen die Kos-
ten für Düngemittel dar. Vor dem Hintergrund, dass von dem WJ 2005/ 2006 bis

Ergebnisse 59
zum WJ 2007/2008 Produktpreissteigerungen stattgefunden haben, sind eben-
falls steigende Ausgaben für ertragssteigernde Mittel zu erkennen. Dies kann
zum einen durch steigende Faktor-Preise und zum anderen durch höhere Intensi-
täten in der Produktion bei hohen Weizenpreisen induziert werden (Hartl, 2008).
Abbildung 7: Verteilung aller Betriebe in den Bundesländern
Thüringen
Sachsen-Anhalt
Sachsen
Mecklenburg-Vorpommern
Brandenburg
Saarland
Bayern
Baden-Württemberg
Rheinland-Pfalz
Hessen
Nordrhein-Westfalen
Niedersachsen
Schleswig-Holstein
Alle Betriebe
Quelle: Eigene Darstellung
Während der Datenselektion wurde bereits kurz auf die Verteilung der Untersu-
chungsbetriebe in den Bundesländern eingegangen. In Abbildung 7 ist dargestellt
wie viel Prozent der Betriebe aus den jeweiligen Bundesländern kommen. Bun-
desländer in denen nach der Datenselektion keine Betriebe mehr vorhanden
sind, werden in der Abbildung nicht mehr berücksichtigt. Eindeutig ist zu erken-
nen, dass etwa ein Drittel aller Beobachtungen aus Niedersachsen stammen.
Dies ist unter anderem mit der starken Präsenz das landwirtschaftlichen Buchfüh-
rungsverbandes in Niedersachsen zu erklären.
0 5 10 15 20 25 30 35
Anteil in Prozent

Ergebnisse 60
Abbildung 8: Verteilung der 15% effizientesten Betriebe in Deutschland
Thüringen
Sachsen-Anhalt
Sachsen
Mecklenburg-Vorpommern
Brandenburg
Saarland
Bayern
Baden-Württemberg
Rheinland-Pfalz
Hessen
Nordrhein-Westfalen
Niedersachsen
Schleswig-Holstein
Quelle: Eigene Darstellung
Abbildung 8 zeigt die Verteilung der Betriebe des 0,85-Quantils innerhalb der
Bundesrepublik Deutschland. Dabei ist auffällig, dass in einigen Bundesländern
keine Betriebe vorhanden sind, die zu den 15 Prozent effizientesten Unterneh-
men gehören (Vgl. Abbildung 8). Zu diesen Bundesländern gehören Thüringen,
Mecklenburg-Vorpommern, Brandenburg, Saarland, Hessen und Schleswig-
Holstein. Jeweils mehr als ein Viertel der erfolgreichen Betriebe stammt aus Nie-
dersachsen und Sachsen-Anhalt. Während Bayern, Baden-Württemberg und
Rheinland-Pfalz jeweils einen Anteil von circa 13 Prozent an den erfolgreicheren
Betrieben haben. Die restlichen Betriebe des 0,85-Quantils liegen in Sachsen
und Nordrhein-Westfalen.
15% effizientesten Betriebe
0 10 20 30
Anteil in Prozent

Ergebnisse 61
Abbildung 9: Verteilung der 15% ineffizientesten Betriebe in Deutschland
15% ineffizientesten Betriebe
Thüringen
Sachsen-Anhalt
Sachsen
Mecklenburg-Vorpommern
Brandenburg
Saarland
Bayern
Baden-Württemberg
Rheinland-Pfalz
Hessen
Nordrhein-Westfalen
Niedersachsen
Schleswig-Holstein
0 10 20 30
Anteil in Prozent
Quelle: Eigene Darstellung
Abbildung 9 zeigt die Verteilung der ineffizienteren Betriebe innerhalb Deutsch-
lands. In den Bundesländern Thüringen, Mecklenburg-Vorpommern, Saarland
und Nordrhein-Westfalen gibt es keine Beobachtungseinheiten, die in dem 0,15
Quantil liegen. Auffällig an der Grafik ist, dass mehr als ein Viertel der weniger
erfolgreichen Betriebe aus Schleswig-Holstein stammen. Danach folgen Sachsen
und Niedersachsen mit einem etwas mehr als 15 prozentigen Anteil an der Grup-
pe der ineffizientesten Betriebe. Die verbleibenden Bundesländer weisen annä-
hernd gleich hohe Anteile an der Vergleichsgruppe auf. Signifikante Einflüsse auf
die einzelbetriebliche Effizienz lassen sich aus dieser Vorgehensweise nicht ab-
leiten. Dennoch kann festgehalten werden, dass die Bundesländer in Bezug auf
die Streuung der Effizienzwerte unterschiedliche Eigenschaften aufweisen. Ob
die differenzierte Ausgestaltung von Prämienmodellen oder gesetzlichen Aufla-
gen auf Bundeslandebene zu den unterschiedlichen Verteilungen führen, lässt
sich abschließend nicht sagen. Die weitergehende Analyse auf statistische signi-
fikante Einflüsse der Bundesländer und ihrer jeweiligen Gesetzgebung auf die
Effizienz des Marktfruchtbaus wird im Rahmen dieser Arbeit nicht vorgenommen.

Diskussion 62
7. Diskussion
Nachdem die Ergebnisse der stochastischen Frontier-Analyse und der dazugehö-
rigen statistischen Tests dargestellt wurden, sollen diese nun einer intensiven
Diskussion unterworfen werden. Dazu werden für jede der zehn Hypothesen aus
Kapitel 2.2 die dazugehörigen Ergebnisse der Berechnungen kurz repetiert, be-
vor die anschließende Diskussion erfolgt. Zuvor werden die allgemeinen Ergeb-
nisse für die Produktionsfrontiers analysiert.
Am Anfang der Berechnung standen die Aufbereitung des Datensatzes und die
Betriebsselektion. Durch die Vorabselektion der Betriebe werden die Ergebnisse
der stochastischen Frontier-Analyse entsprechend determiniert. Die größte Her-
ausforderung besteht darin, die Betriebe mit einem Veredlungszweig vergleichbar
zu behandeln. Es wurde versucht den daraus entstehenden Vor- und Nachteilen
Rechnung zu tragen, in dem zum Beispiel die Arbeitskräfte nach einem Auftei-
lungsschlüssel den passenden Betriebszweigen zugeordnet wurden. Weiterhin
ist durch die Berechnung des Marktwertes für Gülle sichergestellt, dass eventuel-
le Vorteile durch die anfallenden organischen Dünger eingeschränkt bzw. elimi-
niert wurden. Dadurch soll der Betriebszweig des Marktfruchtbaus von allen be-
triebszweigfremden Einflüssen bereinigt sein.
Die Kriterien und Kennzahlen für die Datenaufbereitung entstammen im Wesent-
lichen den Datenbanken des Kuratoriums für Technik und Bauwesen in der
Landwirtschaft. Der Umfang der Beobachtungen ist mit 415 Betrieben in allen
drei Wirtschaftsjahren durchaus zufriedenstellend. Lediglich der Anteil der Vered-
lungsbetriebe ist mit knapp zehn Prozent etwas gering und kann möglicherweise
nicht zu repräsentativen Ergebnissen führen.
In dem vorigen Kapitel wurden die Ergebnisse der Berechnungen präsentiert.
Bezüglich der exogenen Variablen im Modell der Produktionsfrontier galt es fest-
zustellen, dass die Ackerfläche in beiden Untersuchungen keinen signifikanten
Einfluss auf die Höhe der Umsatzerlöse hat. Aus rein logischer Sicht ist dieser
Zustand nicht zu erklären. In anderen Untersuchungen für Marktfruchtbetriebe
wurden sowohl für die Ackerfläche wie auch für die Vorleistungen signifikante
Einflüsse festgestellt (Dreesman, 2006; Gubi, 2006; Pleßman, 2000). In diesem
Zusammenhang wurde der Rangkorrelationskoeffizient nach Spearman berech-
net. Die daraus resultierenden Korrelationsmatrizen haben eindeutig belegt, dass
für die Inputs Ackerfläche, Vorleistungen und sonstiger betrieblicher Aufwand das
Problem der Multikollinearität vorliegt. Dies kann eine mögliche Ursache dafür
sein, dass die Koeffizienten für das Modell der Produktionsfrontier verzerrt sind

Diskussion 63
und die Aussagen somit verfälscht werden (Rybnikova, 2011). Um das Problem
der Multikollinearität zu umgehen, wäre das Zusammenfassen oder Weglassen
von einzelnen Inputvariablen ein Lösungsansatz (Farrar & Glauber, 1967). Weil
im Rahmen dieser Arbeit der Fokus auf dem Modell der technischen Ineffizienz
liegt, wird von einer weiteren Behandlung der multikollinearen Inputvariablen ab-
gesehen.
Für die verwendete Kovariablen wurden ebenfalls wie beschrieben die Rangkor-
relationskoeffizienten berechnet. Es wurde nur für ein Variablenpaar aus Acker-
fläche und Arbeitskräften pro 100 Hektar ein maximaler Wert von -0,80 festge-
stellt. Die anderen Werte liegen deutlich unterhalb dieses Wertes, so dass für die
verbleibenden Koeffizienten des Technical-Effects-Modells keine Verzerrung zu
erwarten ist.
Unter anderem wurden auch die Ergebnisse des Likelihood-Ratio-Tests darge-
stellt. Der Likelihood-Ratio-Test hat ergeben, dass die Modellvariante bei Ver-
wendung der Translog-Funktionsform den höheren Erklärungsgehalt gegenüber
der Cobb-Douglas-Funktionsform hat. Somit ist in der weiteren Betrachtung bei
eventuell differenten Ergebnissen zwischen den beiden Modellvarianten dem
Ergebnis des Translog-Modells der Vorrang zu geben. Aus diesem Grund sind
die Ergebnisse des Translog-Modells als entsprechende Diskussionsgrundlage
anzusehen.
Hypothese 1: Große Betriebe sind effizienter, weil Skaleneffekte ausgenutzt wer-
den können.
In dem Modell konnte kein Einfluss der Betriebsgröße auf die technische Effizi-
enz der Untersuchungseinheit festgestellt werden. Somit ist in Bezug auf die Effi-
zienz festzustellen, dass keinerlei Skaleneffekte vorliegen.
In größeren Betrieben werden in der Regel neuere und größere Landmaschinen
zur Produktion von landwirtschaftlichen Gütern eingesetzt. Somit ist nicht zuletzt
durch die Nutzung von Skaleneffekten von einem deutlichen Anstieg der Effizienz
in diesen Betrieben auszugehen (Hofstätter, 2008). Die Ergebnisse von Hofstät-
ter lassen sich in der vorliegenden Arbeit jedoch nicht wiederfinden. Es muss
folglich auch Effekte des Größenwachstums geben, die sich kontraproduktiv auf
die Effizienz des landwirtschaftlichen Betriebes auswirken. Die Anforderungen an
das Management sind in einem Großbetrieb deutlich höher und ackerbauliche
Präzision wird zunehmend erschwert. Daran schließt sich der Aspekt der ma-
schinellen Überkapazitäten an. Kleinere landwirtschaftliche Unternehmen tendie-
ren eher zu einer überdimensionierten maschinellen Ausstattung als Großbetrie-

Diskussion 64
be (Breitschuh, 2000). In Betrieben mit einem hohen Maschinenbesatz pro Hek-
tar landwirtschaftliche Nutzfläche können die anfallenden Arbeiten in den relativ
engen Zeitfenstern termingerecht durchgeführt werden (Bär, 1996). Daher ist in
den kleineren Betrieben tendenziell mit höheren Erträgen und damit einherge-
hend steigenden Umsatzerlösen pro Hektar zu rechnen. Weil in der Regel kleine-
re landwirtschaftliche Unternehmen über maschinelle Überkapazitäten verfügen
und gleichzeitig aufgrund ihrer Größe einen exakteren Pflanzenbau erlauben,
ergeben sich zwei wesentliche Punkte, die gegen Skaleneffekte bei der techni-
schen Effizienz sprechen. Abschließend muss festgestellt werden, dass sowohl
Gründe für Skaleneffekte als auch gegen Skaleneffekte angeführt werden kön-
nen. Die Bezugsgröße ist in diesem Fall lediglich die Effizienz des Ackerbaus und
nicht der wirtschaftliche Erfolg des Betriebes.
Hypothese 2: Ein hoher Besatz mit Arbeitskräften pro 100 Hektar wirkt sich nega-
tiv auf die Effizienz eines landwirtschaftlichen Betriebes aus.
Das Modell konnte keinen signifikanten Einfluss des Arbeitskräftebesatzes auf
die Effizienz der untersuchten Marktfruchtbetriebe bestätigen. Es muss also ab-
schließend festgehalten werden, dass die steigenden Kosten für Transaktion und
Kontrolle durch die zunehmende Anzahl an Arbeitskräften keinen negativen Ein-
fluss auf die Effizienz haben (Allen & Lueck, 1998).
Seit dem Jahr 1991 ist die Anzahl der Arbeitskräfte in der Landwirtschaft fast
kontinuierlich gesunken. Während 1993 noch knapp 800.000 Arbeitskrafteinhei-
ten in der Landwirtschaft eingesetzt, wurden waren es 2007 nur noch annähernd
500.000 Arbeitskrafteinheiten (Statistisches Bundesamt, 2009). In reinen Markt-
fruchtbetrieben stellt sich dieser Trend durch die anhaltenden Weiterentwicklun-
gen im Bereich der Landtechnik noch drastischer dar. Durch immer größere wer-
dende Maschinen ist die Produktion von Marktfrüchten in der heutigen Zeit nicht
mehr arbeitsintensiv, sondern kapitalintensiv (Deutscher Bauernverband, 2012).
Dadurch ist zu erklären, dass der Arbeitskräftebesatz in vielen landwirtschaftli-
chen Unternehmen bereits auf das notwendige Minimum reduziert ist. Diese
Aussage wird durch den vorhandenen Datensatz gestützt. Während der Be-
schreibung der Daten wurde erwähnt, dass der durchschnittliche Betrieb 177,05
Hektar landwirtschaftliche Nutzfläche bewirtschaftet. Gleichzeitig werden 1,41
Arbeitskräfte pro 100 Hektar eingesetzt. In der Regel setzt sich der Arbeitskräfte-
besatz aus einem Betriebsleiter und einer Saisonarbeitskraft zusammen. Das
Verhältnis dieser Zahlen verdeutlicht, dass die vorhandenen Marktfruchtbetriebe
in Bezug auf den Arbeitskräftebesatz ein relativ homogenes Bild aufweisen. Auch
beim Vergleich der beiden äußeren Effizienz-Quantile muss bestätigt werden,

Diskussion 65
dass für die Kennzahl der Arbeitskräfte pro 100 Hektar keine großen Unterschie-
de zwischen den effizienten und den weniger effizienten Betrieben vorliegen.
Somit ist diese betriebliche Kenngröße kein entscheidendes Merkmal zur Beein-
flussung der einzelbetrieblichen Effizienz des Marktfruchtbaus.
Hypothese 3: Betriebe mit hohen Lohnunternehmerkosten pro Hektar verfügen
über eine höhere Effizienz.
In Bezug auf diese Hypothese konnte kein eindeutiger Einfluss der Lohnunter-
nehmerkosten pro Hektar festgestellt werden. Während die Analyse mit Hilfe der
Cobb-Douglas-Produktionsfunktion einen signifikanten Einfluss der Ausgaben für
landwirtschaftliche Dienstleistungen ergab ist bei dem Translog-Modell kein signi-
fikanter Einfluss messbar. Ein Einfluss dieser Kovariable ist daher in Frage zu
stellen. Die Tests zur Modellgüte haben einheitlich ergeben, dass die transzen-
dent logarithmierte Funktionsform besser zur Abbildung der Realität geeignet ist.
Im Zweifelsfall sollten daher den Ergebnissen aus der zweiten Analyse der Vor-
rang gegeben werden.
Eingangs wurde angenommen, dass der Einsatz von Lohnunternehmen gleich-
zeitig den Einsatz von modernen Großmaschinen bedeutet. Diese Annahme gilt
auch weiterhin. Dennoch ist auch ein landwirtschaftlicher Dienstleister daran inte-
ressiert, seine Maschine möglichst maximal auszulasten (Schmid, 2007). Aus
diesem Grund ist der Landwirt eventuell gezwungen Zeitfenster für die Durchfüh-
rung von Arbeitsgängen zu nutzen, die aus ackerbaulicher Sicht nicht optimal
sind. Somit ist es möglich, dass der Effekt der effizienteren Technik durch nicht
optimale Einsatzzeitpunkte aufgehoben wird (Bär, 1996). Weiterhin muss zu be-
denken gegeben werden, dass Lohnunternehmen in der Regel Arbeiten ausfüh-
ren, für die sehr kapitalaufwendige Spezialmaschinen notwendig sind. Bei diesen
Maschinen handelt es sich in der Regel um Erntemaschinen, die nur für einen
sehr kurzen Zeitraum im Jahr benötigt werden (Franz et al., 2010). Das heißt, alle
ertragsbeeinflussenden Arbeiten, wie zum Beispiel die Bestellung der Äcker im
Herbst, das Streuen von Dünger oder die Applikation von Pflanzenschutzmitteln,
werden weiterhin von den landwirtschaftlichen Betrieben durch Eigenmechanisie-
rung ausgeführt. Es werden alle wesentlichen Ertrags und Effizienz beeinflus-
senden Maßnahmen während eines Wirtschaftsjahres weiterhin von den Land-
wirten selbst durchgeführt, auch wenn hohe Ausgaben für landwirtschaftliche
Dienstleistungen festzustellen sind. Diese deuten vielmehr auf eine Fremdme-
chanisierung im Bereich der Erntetechnik hin.

Diskussion 66
Hypothese 4: Sobald ein Betrieb ausschließlich Familienarbeitskräfte ein-
setzt, wird die Effizienz des Marktfruchtbaus erhöht.
Die vierte Hypothese wurde durch die Analysen mit Hilfe der stochastischen
Frontier-Analyse nicht bestätigt, sondern widerlegt. Betriebe mit einem Arbeits-
kräftebesatz, der ausschließlich aus Familienarbeitskräften besteht, wurden
durch eine Dummy-Variable gekennzeichnet. In beiden Untersuchungen wurde
für diese Dummy-Variable ein signifikant negativer Einfluss auf die Höhe der Effi-
zienz festgestellt. Somit ist anhand der Datengrundlage eindeutig belegt, dass
Betriebe dieser Kategorie tendenziell ineffizienter sind. Ein wesentlicher Aspekt,
den dieses Ergebnis beschreibt, ist die versteckte Arbeitslosigkeit in landwirt-
schaftlichen Betrieben. Von versteckter Arbeitslosigkeit wird genau dann gespro-
chen, wenn Arbeitskräfte aus einem Arbeitsprozess ausscheiden ohne sich als
arbeitslos zu melden bzw. Arbeitskräfte, die ohne Vollauslastung tätig sind (Kryer
& Penker, 2000). In landwirtschaftlichen Betrieben ist der Generationswechsel oft
ein sehr schleichender Prozess (Wenk, 2005). In vielen Fällen beginnen die zu-
künftigen Hoferben ihr Berufsleben auf dem elterlichen Betrieb (Tietje, 2005),
obwohl der derzeitige Betriebsleiter noch nicht im rentenfähigen Alter ist. Aus
diesem Grund arbeiten oftmals zwei Betriebsleitergenerationen zusammen auf
einem Familienbetrieb. Dennoch ist die Größe des Betriebes vielerorts nicht ver-
doppelt worden. An die Definition von Kryer, et al. (2000) anlehnend ist daher
davon auszugehen, dass die vorhandenen Arbeitskräfte nicht voll ausgelastet
sind. Dieser Umstand der versteckten Arbeitslosigkeit spiegelt sich in den niedri-
geren Effizienzwerten dieser Betriebe wider.
Ein zusätzlicher Aspekt ist, dass ein Großteil der Betriebe durch Familienarbeits-
kräfte geführt wird. Das Statistische Bundesamt hat im Jahr 2007 in der Agrar-
strukturerhebung festgestellt, dass 80 Prozent der beschäftigen Arbeitskräfte in
der Landwirtschaft aus Familienarbeitskräften bestehen. In dem vorhandenen
Datensatz beträgt der Anteil der Familienarbeitskräfte an den gesamten Arbeits-
kräften sogar 87 Prozent. Es fällt Familienarbeitskräften oftmals sehr schwer zu
erkennen, dass ihre Arbeitskraft nicht voll ausgelastet ist. Es muss also nicht im-
mer ein Generationswechsel dazu führen, dass eine Überkapazität an Arbeits-
kräften vorhanden ist. Vielmehr kann auch die enge Verbundenheit mit dem Fa-
milienbetrieb dazu führen, dass ein zu hoher Besatz mit Arbeitskräften bestehen
bleibt.
Abschließend muss festgehalten werden, dass die ursprüngliche Hypothese im
Rahmen dieser Arbeit widerlegt wurde. Vielmehr muss gelten, dass Betriebe, die
ausschließlich mit Familienarbeitskräften arbeiten, zur Ineffizienz neigen.

Diskussion 67
Hypothese 5: Hohe Effizienz ist vor allem in Betrieben zu finden, die Flä-
chenwachstum verwirklichen.
Um eine Untersuchung dieser Hypothese zu ermöglichen wurde eine weitere
Dummy-Variable eingeführt. Mit Hilfe dieser Variable wurden Betriebe markiert,
die während eines Wirtschaftsjahres mindestens ein Prozent Flächenwachstum
realisieren konnten. Keine der durchgeführten Untersuchungen konnte belegen,
dass die Eigenschaft eines Wachstumsbetriebes einen signifikanten Einfluss auf
die Effizienz des Marktfruchtbaus in den einzelnen Betrieben aufweist. Bei der
Betrachtung des Einflusses von Flächenwachstum muss dringend darauf hinge-
wiesen werden, dass der Faktor Boden ein zunehmend knapperes Gut wird. Die
Möglichkeit zur Allokation von Boden durch Kauf oder Pacht von Flächen ist regi-
onal sehr unterschiedlich und hängt von vielen verschiedenen Einflüssen ab.
Landwirtschaftliche Flächen werden an dem normalen Bodenmarkt gehandelt
und sind somit im Normalfall für jedermann zugänglich. Dennoch ist nicht jeder
Landwirt in der Lage, frei nach Belieben landwirtschaftliche Flächen zu erwerben.
Zum einen ist die Region, in der ein Marktfruchtunternehmen liegt, eine entschei-
dende Einflussgröße auf die Möglichkeit für den Zukauf von Flächen. Zum ande-
ren sind persönliche und zwischenmenschliche Einflussgrößen von Bedeutung
für die Flächenakquise. In Bezug auf die regionalen Einflüsse gibt es beispiels-
weise vor allem in den neuen Bundesländern bessere Chancen für Flächen-
wachstum, als in den dichter besiedelten Regionen Deutschlands (Dirksmeyer et
al., 2005). Gleichwohl muss es dem Unternehmer auch bei reichlichem Angebot
gelingen, rechtzeitig die vakanten Flächen zu erkennen, um dann ein evtl. Flä-
chenwachstum zu realisieren.
Mit Hilfe dieser komprimierten Darstellung des Bodenmarktes soll verdeutlicht
werden, dass auch sehr effiziente Landwirte unter Umständen kein Flächen-
wachstum realisieren können, weil es für sie schlichtweg kein Angebot an land-
wirtschaftlichen Ackerflächen gibt. Diese Eigenschaft des knappen Produktions-
faktors Boden könnte einer der Gründe dafür sein, dass kein signifikanter Ein-
fluss des Flächenwachstums auf die einzelbetriebliche Effizienz von Marktfrucht-
betrieben messbar ist.
Hypothese 6: Wenn ein landwirtschaftlicher Betrieb über einen Veredlungs-
zweig verfügt, wird durch die Diversifikation der Betriebszweig Marktfruchtbau an
Effizienz verlieren.
Es konnte sowohl bei Verwendung der Cobb-Douglas-Produktionsfunktion wie
auch bei Verwendung der Translog-Produktionsfunktion ein signifikant positiver

Diskussion 68
Einfluss durch Diversifikation auf die einzelbetriebliche Effizienz festgestellt wer-
den. Die eingangs formulierte Hypothese ging davon aus, dass die Effizienz mit
einem zunehmenden Veredlungsgrad sinkt. Die Begründung dieser Hypothese
besteht darin, dass die Anforderungen an das Management des Unternehmens
wachsen, sobald mehr als ein Produktionszweig vorhanden ist. Somit ist auf den
ersten Blick davon auszugehen, dass der Ackerbau an Detail verlieren wird. In
beiden Berechnungen weisen die Koeffizienten ein negatives Vorzeichen auf,
wodurch ein Sinken der Ineffizienz bei einem abnehmenden Veredlungsgrad sig-
nalisiert wird. Es lässt sich demnach feststellen, dass ein Veredlungszweig posi-
tive Effekte auf den Marktfruchtbau ausübt.
Obwohl die jeweiligen Effekte der organischen Düngung in dem Modell mit aktu-
ellen Nährstoffpreisen berücksichtigt wurden, scheint es zusätzliche Effekte zu
geben, die im bisherigen Verlauf dieser Arbeit noch nicht berücksichtigt wurden.
Zu diesen Effekten kann unter anderem die Bildung von Humus im Boden ge-
zählt werden (Blume et al., 2008). Des Weiteren stehen einem Marktfruchtbetrieb
mit angegliedertem Veredlungszweig unter Umständen andere Vermarktungswe-
ge zur Verfügung. Die Möglichkeit zur innerbetrieblichen Verwertung von land-
wirtschaftlichen Erzeugnissen während einer Tiefpreis-Phase von Getreide und
Ölsaaten bietet für Marktfruchtbetriebe mit einem angegliederten Veredlungs-
zweig eventuell die Möglichkeit einen Teil der Umsatzerlöse abzufangen. Somit
können gleichzeitig tendenziell höhere Effizienzwerte in diesen Perioden erreicht
werden. Der signifikant positive Einfluss eines Veredlungszweiges auf die Effizi-
enz des Marktfruchtbaus bedeutet dennoch nicht, dass alle effizienten Betriebe
auch gleichzeitig Veredlungsbetriebe sein müssen. Es bedeutet vielmehr, dass
sich ein zusätzlicher Betriebszweig in Form von tierischer Veredlung in dem vor-
handenen Modell effizienzerhöhend auswirkt.
Hypothese 7: Betriebe mit hohem Pachtflächenanteil sind effizienter als Betriebe
mit einer hohen Eigenlandquote.
Die Aussage dieser Hypothese bezüglich des Einflusses von Pachtflächen auf
die Effizienz des Marktfruchtbaus konnte nicht bestätigt werden. Es wurde in kei-
ner der Untersuchungen ein signifikanter Einfluss auf die Effizienz festgestellt. In
den beobachteten Betrieben wurde ein durchschnittlicher Pachtflächenanteil von
60,48 Prozent festgestellt. Selbst die ineffizienteren Betriebe verfügen immer
noch über einen Pachtflächenanteil von knapp 54 Prozent, während die Gruppe
der effizienteren Betriebe im Mittel 68 Prozent der Flächen gepachtet hat. Die
Ergebnisse zeigen, dass Betriebe aus allen Effizienzklassen in der Regel für ei-
nen erheblichen Anteil ihrer Ackerflächen ein Pachtentgelt zahlen müssen. Dies

Diskussion 69
scheint ein Grund dafür zu sein, dass bei dem vorhandenen Datensatz kein signi-
fikanter Einfluss des Pachtflächenanteils auf die Effizienz messbar ist.
Es wurde bereits kurz erwähnt, dass die Marktfruchtunternehmen besonders ka-
pitalintensiv geführt werden. Vor diesem Grund stellt die Pacht von Flächen ein
relativ kapitalextensives Instrument zur Flächenakquise dar, welches inzwischen
in allen Betriebsklassen eingesetzt wird. Während 1955 nur circa 12,50 Prozent
der landwirtschaftlichen Nutzfläche gepachtet waren, wurden im Jahr 2005 in
Deutschland durchschnittlich 62,40 Prozent der landwirtschaftlichen Flächen ge-
pachtet (Statistisches Bundesamt, 2009). Anhand dieser Zahlen wird unabhängig
von dem verwendeten Datensatz gezeigt, dass die Pacht von landwirtschaftli-
chen Flächen ein weit verbreitetes Verfahren zur oftmals notwendigen Verwirkli-
chung von Betriebswachstum darstellt. Mit der Flächenausdehnung werden die
Betriebe nicht effizienter (Vgl. Hypothese 1). Gleichzeitig wird aber nicht ausge-
schlossen, dass ein Betrieb durch Wachstum insgesamt rentabler wird.
Hypothese 8: Die Anzahl der verschiedenen Früchte einer Fruchtfolge hat
einen positiven Einfluss auf die Effizienz des Marktfruchtbaus.
Die Ergebnisse der stochastischen Frontier-Analyse zeigen sehr deutlich, dass
diese Hypothese in der Realität wiederzufinden ist. In sämtlichen Untersuchun-
gen konnte dargestellt werden, dass eine steigende Anzahl von Früchten in der
Fruchtfolge einen positiven Einfluss auf die einzelbetriebliche Effizienz von Markt-
fruchtbetrieben ausübt. Auf den ersten Blick erscheint es für den Betrachter pa-
radox zu sein. Viele verschiedene Früchte führen zu höheren Effizienzwerten,
wobei die Konzentration auf eine Frucht doch einen effizienteren Produktionsab-
lauf vermuten lässt. Dennoch gibt es verschiedene Gründe, die es plausibel er-
scheinen lassen, dass eine breite Fruchtfolge zu hohen Effizienzwerten führen
kann. Die logische Konsequenz aus einer diversifizierten Fruchtfolge ist, dass der
Betrieb über eine größere Anzahl an verschiedenen Früchten verfügt. Dadurch
werden sich Preisschwankungen bei einzelnen Erzeugnissen nicht so extrem auf
die Umsatzerlöse des Marktfruchtbaus auswirken (Puig-Junoy & Argilés, 2000).
Neben den vermarktungsstrategischen Effekten kommen auch ackerbaulich posi-
tive Effekte zu Stande. Zuerst können die Vorfruchteffekte der verschiedenen
Kulturen angeführt werden. Neben den zu erzielenden Marktpreisen und Erträ-
gen sind auch die Vorfruchtwerte einzelner Kulturen nicht zu unterschätzen. Bei-
spielsweise kann der Anbau von Zuckerrüben zu einer Erhöhung des Rohprote-
ingehaltes bei Winterweizen führen (Dachler & Köchl, 2003). Der Rohrproteinge-
halt ist ein entscheidendes Qualitätskriterium für Winterweizen, somit bewirkt
eine generelle Erhöhung bzw. Stabilisierung des Proteingehaltes höhere Um-

Diskussion 70
satzerlöse. Weiterhin ist davon auszugehen, dass der Krankheitsdruck in den
Kulturen durch eine weite Fruchtfolge verringert wird. Enge Fruchtfolgen führen
unter Umständen zu Fruchtfolgekrankheiten (DTR, Kohlhernie), sodass höhere
Ausgaben für Pflanzenschutzmittel notwendig sind (Böning, 1968). Bei sinkenden
Erträgen und steigenden Pflanzenschutzkosten wird auch zwangsläufig die Effi-
zienz des Marktfruchtbaus sinken. Somit ist ein weiteres Argument für weite
Fruchtfolgen präsent.
Ein zusätzlicher Effekt der diversifizierten Fruchtfolgen ist die Verteilung von Ar-
beitsspitzen auf mehr Feldarbeitstage. Eine Fruchtfolge mit Zuckerrüben ermög-
licht beispielsweise die bessere Auslastung der Maschinen, da ein Teil der Be-
stellung im Frühjahr erfolgt. Weiterhin führen die unterschiedlichen Erntezeit-
punkte dazu, dass die Ernte termingerecht erfolgen kann und die Erntemaschi-
nen höhere Auslastungen erfahren (Heilmann & Ziesemer, n.d.). Diese ackerbau-
lichen Aspekte führen dazu, dass mit weniger Input (Maschinen, Pflanzenschutz)
der gleiche oder evtl. höhere Output (Umsatzerlöse) erzielt werden kann. Die
Folge dessen ist, dass die Effizienz des Marktfruchtbaus steigt.
Hypothese 9: Die Rechtsform der Einzelpersonengesellschaft hat einen negati-
ven Einfluss auf die Effizienz von Marktfruchtbetrieben.
Der Denkansatz dieser Hypothese war ursprünglich, dass alle Rechtsformen. die
nicht in der Form der Einzelpersonengesellschaft geführt werden, tendenziell
effizienter sind. Dazu wurden alle Betriebe, die nicht in der Rechtsform des Ein-
zelunternehmens geführt werden, mit einer weiteren Dummy-Variable gekenn-
zeichnet. Die Berechnungen stützen diese These. Es wurde in beiden Kalkulatio-
nen bestätigt, dass Betriebe in der Rechtsform des Einzelunternehmens tenden-
ziell ineffizienter sind.
Während der Beschreibung des Datensatzes wurde erläutert, dass im Wesentli-
chen Einzelpersonengesellschaften und Gesellschaften des bürgerlichen Rechts
in der Datengrundlage vorhanden sind. Eine Gesellschaft bürgerlichen Rechts
wird oftmals dann gegründet, wenn sich zwei oder mehrere selbständige Land-
wirte dazu entschließen, eine gemeinsame Kooperation einzugehen. Die damit
verfolgten Ziele sind vielfältig. Sie reichen von wirtschaftlichen bis hin zu sozialen
Zielen. Die wirtschaftlichen Ziele sind vor allem die Verbesserung der Einkom-
menssituation und die dauerhafte Existenzsicherung der Betriebe. Durch das
Zusammenlegen von Wirtschaftseinheiten werden größere Einheiten erzeugt, die
eine Senkung der Produktionskosten ermöglichen. Gleichzeitig ergeben sich
möglicherweise bessere Vermarktungspositionen durch die Bündelung von Men-
gen beim Einkauf von Betriebsmitteln und beim Verkauf von landwirtschaftlichen

Diskussion 71
Erzeugnissen (Theuvsen, 2003). Ein weiterer Aspekt ist, dass die Unternehmer
im Falle einer Kooperation untereinander Know-how austauschen und es zu ei-
ner möglichen Spezialisierung der Arbeitskräfte kommen kann. Die Spezialisie-
rung von Arbeitskräften führt in letzter Konsequenz zu besseren Erträgen und
somit zu mehr Output.
Hypothese 10: Die Bodengüte hat einen positiven Einfluss auf die Effizienz
von Marktfruchtbetrieben.
Bereits aus früheren Untersuchungen wurde die positive Wirkung der Bodengüte
auf die Effizienz des Ackerbaus festgestellt. Auch für diese Arbeit gilt, dass in
allen Analysen ein hochsignifikant positiver Einfluss für die Ertragsmesszahl er-
rechnet wurde. Den Landwirten steht nur eine geringe Anzahl von ertragsstei-
gernden Mitteln zu Verfügung. Mit Hilfe dieser Inputs kann in begrenztem Um-
fang ein Defizit in der Bodengüte ausgeglichen werden. Trotzdem wird auf sehr
schlecht bonitierten Böden nie das gleiche Ertragsniveau wie auf den qualitativ
hochwertigeren Böden erreicht werden (Ullrich, 2012). Betriebe auf besser boni-
tierten Standorten sind in der Lage, Höchsterträge zu erreichen. Die höheren
Erträge können aber in Relation zu schlechter bonitierten Standorten mit einer
geringeren Menge an Inputs erzeugt werden. Der daraus resultierende Effekt ist
in letzter Konsequenz eine steigende Effizienz. Diese Argumentationsweise wird
durch die bereits vorgestellten Betriebsspiegel verdeutlicht. Während Betriebe
der unteren Effizienzklasse im Durchschnitt der drei Beobachtungsjahre 204,28
Euro pro Hektar für Düngemittel ausgegeben haben, belaufen sich die Dünger-
kosten bei den 15 Prozent effizientesten Betrieben nur auf 161,79 Euro. Gleich-
zeitig ist für die Gruppe der 15 Prozent ineffizientesten Betriebe eine durch-
schnittliche Ertragsmesszahl von 3017 zu erkennen, während die Gruppe der
effizienteren Betriebe im Durchschnitt eine Ertragsmesszahl von 7188 aufweist.
Somit sind die Ergebnisse von Ulrich (2012) auch durch diese Untersuchung be-
stätigt.

Zusammenfassung und Fazit 72
8. Zusammenfassung und Fazit
Das Thema der Arbeit ist der Einfluss der Organisationsform von Marktfruchtbe-
trieben auf deren Effizienz. Nach einem kurzen einleitenden Literaturüberblick
werden zehn zu untersuchende Hypothesen aufgestellt. Jede dieser Hypothesen
ist exakt auf die Fragestellung zugeschnitten und soll somit ihren Erklärungsbei-
trag über den Einfluss der Organisationsform auf die Effizienz liefern. Unter dem
Begriff der Organisationsform werden vor allem die Arbeitsverfassung, der Anteil
an Pachtflächen, die Rechtsform, in der ein Unternehmen geführt wird, und die
Gestaltung der Fruchtfolge verstanden. Weitergehend soll im Rahmen dieser
Arbeit geklärt werden, wie sich zusätzliche Betriebszweige auf die Effizienz des
Marktfruchtbaus auswirken.
Zu diesem Zweck werden die Selektionskriterien so gewählt, dass Betriebe den
größeren Teil ihrer Umsatzerlöse aus dem Marktfruchtbau generieren müssen,
wobei der verbleibende Teil aus den Veredlungszweigen der Schweine- oder
Geflügelhaltung stammen darf. Die Intention hinter dieser Fragestellung ist, dass
die Anforderungen an den Betriebsleiter ansteigen und folglich damit zu rechnen
ist, dass die ackerbauliche Präzision und schließlich auch die Effizienz des
Marktfruchtbaus sinken. Die gleichzeitige Berücksichtigung von mehreren Be-
triebszweigen birgt die Gefahr von Verzerrungen in sich, wenn die Effizienz eines
einzelnen Betriebszweiges untersucht werden soll. Daher wird mit Hilfe von Auf-
teilungsschlüsseln versucht, den Input Arbeit den entsprechenden Betriebszwei-
gen zu zuordnen. Des Weiteren werden die anfallenden organischen Dünger mit
Hilfe eines Bewertungsmodells mit den für das betrachtete Wirtschaftsjahr gülti-
gen Nährstoffpreisen bewertet. Durch diesen Eingriff wird einer möglichen Ver-
zerrungen der Ergebnisse vorgebeugt.
Die Analysemethode ist eine stochastische Frontier-Analyse. Alle methodischen
Grundlagen werden kurz in den Grundzügen skizziert, bevor die exakte Modell-
formulierung vorgenommen wird. Die Produktionsfunktionen der landwirtschaftli-
chen Betriebe werden mit Hilfe der Cobb-Douglas-Funktionsform und mit Hilfe
der transzendent-logarithmierten Funktionsform abgebildet.
Als Datengrundlage stehen circa 30.000 Jahresabschlüsse des Testbetriebsnet-
zes zur Verfügung. Nach Abschluss einer intensiven Selektion der Betriebe und
einer Überprüfung aller Variablen auf ihre Konsistenz verbleiben 415 Beobach-
tungseinheiten. Die zur Verfügung stehenden Betriebe sind in den Wirtschaftsjah-
ren von 2005/2006 bis 2007/2008 je einmal vertreten, sodass für diesen Zeitraum
ein balanciertes Datenpanel zur Verfügung steht.

Zusammenfassung und Fazit 73
Nachdem die stochastische Frontier-Analyse mit den Funktionsformen der Cobb-
Douglas-Produktionsfunktion und der Translog-Produktionsfunktion durchgeführt
wird, schließt sich der Likelihood-Ratio-Test an. Die Durchführung dieses Tests
erlaubt es dem Autor zwei Aussagen zu treffen. Zuerst kann entschieden werden,
ob ein Composed-Error-Modell oder Technical-Effects-Modell zur Abbildung der
Realität besser geeignet ist. Außerdem wird entschieden, welche der beiden ge-
wählten Funktionsformen einen höheren Erklärungsbeitrag leistet.
Die Ergebnisse der Likelihood-Ratio-Tests zeigen, dass ein Technical Effects
Modell mit der Translog-Funktionsform die besten Erklärungen zur vorhandenen
Fragestellung gibt. Der abschließende Breusch-Pagan-Test zeigt, dass keine
Heteroskedastizität der Residuen vorliegt.
Am Ende der Ergebnispräsentation werden die Beobachtungseinheiten in Effizi-
enzklassen eingeteilt und deren Eigenschaften mit Hilfe von Betriebsspiegeln
beschrieben. Zuletzt wird eine Diskussion der Ergebnisse vorgenommen, in de-
ren Rahmen bezüglich der zu untersuchenden Hypothesen sich folgende
Schlussfolgerungen ergeben:
� Es wurde gezeigt, dass die Betriebsgröße keinen signifikanten Einfluss
auf die technische Effizienz des Marktfruchtbaus hat.
� Der Arbeitskräftebesatz pro 100 Hektar ist durch die extrem weit fortge-
schrittene Mechanisierung des Ackerbaus auf einem minimalen Niveau,
sodass in der Regel die Betriebsinhaber als wesentliche Arbeitskräfte
sowohl auf den effizienten wie auf den ineffizienten Betrieben verbleiben.
� Fremdmechanisierung führt nicht zu einer Steigerung der Effizienz.
� Betriebe, die ausschließlich Familienarbeitskräfte beschäftigen, neigen
zur Ineffizienz.
� Wachstumsbetriebe sind nicht effizienter als andere Betriebe.
� Ein zusätzlicher Betriebszweig in Form von Veredlung wirkt sich positiv
auf den Marktfruchtbau aus.
� Der Pachtflächenanteil hat keinen Einfluss auf die Effizienz.
� Eine breite Fruchtfolge erhöht die Effizienz des Ackerbaus.
� Betriebe, die in der Rechtsform einer Gesellschaft bürgerlichen Rechts
geführt werden, sind tendenziell effizienter.
� Hohe Ertragsmesszahlen führen zu einem effizienteren Marktfruchtbau.

Zusammenfassung und Fazit 74
Es konnte nicht eindeutig geklärt werden, warum sich ein Veredlungszweig posi-
tiv auf den Ackerbau auswirkt. Es ist davon auszugehen, dass gewisse ertrags-
steigernde Effekte nicht ausreichend in den Modellen berücksichtigt wurden. In
diesem Zusammenhang besteht weiterer Forschungsbedarf. In welchem Umfang
die unterschiedlichen Gesetzgebungen der einzelnen Bundesländer die Effizienz
der Ackerbaubetriebe beeinflussen, sollte ebenfalls in zusätzlichen Analysen un-
tersucht werden.

Anhang i
Anhang
Anhang 1: Bestandteile des Umsatzerlöses der Pflanzenproduktion
Umsatzerlöse Code lt. Codekatalog zum BMELV- Jahresabschluss
Winterweizen, Dinkel 2001
Sommerweizen 2002
Hartweizen, Durum 2003
Roggen 2004
Wintergerste 2005
Sommergerste 2006
Hafer 2007
Körnermais 2010
Triticale 2012
Sonstiges Getreide 2017
Stroh 2018
Ackerbohnen 2020
Futtererbsen 2021
Sonstige Hülsenfrüchte 2023
Winterraps 2024
Sommerraps und Rübsen 2025
Sonnenblumen 2026
Sojabohnen 2027
Energiegetreide 2031
Energierüben 2035
Kartoffeln 2039
Zuckerrüben 2040
Grassamen 2061
Prämie f. Eiweißpflanzen 2394
Beihilfe f. Energiepflanzen 2398
Sonstige Prämien f. Pflanzen 2399
Zahlungen f. Agrarumweltmaßnahmen 2444
Ausgleichszahlungen f. Umweltauflagen 2445
Entschädigung der Hagelversicherung 2457
Innenumsatz f. Saatgut 4099
Innenumsatz f. Futtermittel 4099
Lohnarbeit u. Maschinenmiete 2232
Erlöse aus Landschaftspflege 2335
Quelle: Eigene Darstellung

Anhang ii
Anhang 2: Restriktionen Hobbytierhaltung
1. Pferde:
a. Nicht mehr als zwei Pferde pro 100 ha
b. Nicht mehr als ein Prozent des Umsatzerlöses aus Pferdehaltung
2. Rinder:
a. Nicht mehr als zwei Rinder pro 100 ha
b. Nicht mehr als ein Prozent der Umsatzerlöse aus der Rinderhaltung
3. Schafe:
a. Nicht mehr als fünf Schafe pro 100 ha
b. Nicht mehr als ein Prozent der Umsatzerlöse aus der Schafhaltung
4. Damtiere:
a. Nicht mehr als fünf Damtiere pro 100 ha
b. Nicht mehr als ein Prozent der Umsatzerlöse aus der Damtierhaltung
5. Sonstige Tierproduktion:
a. Nicht mehr als fünf Stück sonstige Tiere pro 100 ha
b. Nicht mehr als ein Prozent der Umsatzerlöse aus sonstiger Tierproduktion

Anhang iii
Anhang 3: Beispielhafte Kalkulation des Marktwertes von Gülle
Produktionszweig
m³/Jahr o.
t/Jahr
Mehrkosten f.
Ausbringung
pro m³ oder t
kg N/m³ insgesamt
anrechenbar
kg N/m³
Nährstoffe pro m³
kg P2O5/m³
kg K20/m³
kg N
Nährstoffe pro
Platz
kg P2O5
kg K2O
Aufwand/
ha für ca.
60 kg N
m³/ha o. t/ha
N
Ausgebrachte Nährstoffmengen
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 €
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 €
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 €
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 €
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 €
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 €
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 €
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 €
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 €
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 €
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 €
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 €
P2O5
K2O
Güllewert/
Tierplatz
Quelle: Eigene Berechnungen

Anhang iv
Anhang 4: Übersicht d. Marktwerte in den einzelnen WJ
Wirtschaftsjahr WJ05/06 WJ06/07 WJ07/08 WJ08/09
Nährstoffpreise
€/kg N 0,69 € 0,76 € 0,88 € 1,05 €
€/ kg P2O5 0,60 € 0,64 € 0,86 € 1,30 €
€/kg K2O 0,33 € 0,33 € 0,45 € 0,82 €
Wert d. Gülle pro Tierplatz und Jahr
Mastschweine 3,19 € 3,67 € 5,60 € 9,72 €
Ferkelerzeugung -3,01 € 2,58 € -0,51 € 4,27 €
Ferkelaufzucht 2,55 € 2,84 € 3,94 € 6,26 €
Jungsauenaufzucht 3,19 € 3,67 € 5,60 € 9,72 €
Jungeber 3,19 € 3,67 € 5,60 € 9,72 €
Junghennen 0,56 € 0,61 € 0,79 € 1,18 €
Legehennen 0,56 € 0,61 € 0,79 € 1,18 €
Jungmasthühner 0,18 € 0,19 € 0,26 € 0,42 €
Mastenten 0,76 € 0,82 € 1,19 € 2,03 €
Mastputen 0,51 € 0,55 € 0,80 € 1,35 €
Mastgänse 0,51 € 0,55 € 0,80 € 1,35 €
sonstiges Geflügel 0,53 € 0,57 € 0,76 € 1,19 €
Quelle: Eigene Berechnungen

Anhang v
Anhang 5: Bedarf an Arbeitskräften für Tierhaltungsformen
Mastschweine
Ferkelerzeugung
Ferkelaufzucht
Jungsauenaufzucht
Jungeber
Junghennen
Legehennen
Jungmasthühner
Mastenten
Mastputen
Mastgänse
sonstiges Geflügel
Veredlungszweig Arbeitskraftstunden/Tierplatz/Jahr
0,81
9,30
1,10
0,90
0,90
0,05
0,22
0,03
0,30
0,11
0,42
0,11
Quelle: Eigen Darstellung nach KTBL Wirtschaftlichkeitsrechner

Anhang vi
Anhang 6: Korrelationsmatrix nach Spearman
Ackerfläche 1,0000
Pacht 0,3812 1,0000
Ackerfläche
EMZ -0,1139 0,0773 1,0000
AK pro 100ha -0,8131 -0,3382 0,0759 1,0000
Pacht
Kosten LU pro ha -0,2698 -0,1120 0,2694 0,1665 1,0000
EMZ
AK pro 100ha
Kosten LU pro ha
Wirtschaftsjahr 2005/2006
Dummy-FamAK -0,4763 -0,1418 0,0166 0,2665 0,0963 1,0000
Dummy-Wachstum 0,1075 0,0848 -0,0192 -0,1260 0,0180 0,0176 1,0000
Dummy-Rechtsform 0,3064 0,1596 0,0657 -0,1958 0,0670 -0,2150 -0,0001 1,0000
Anteil d. Veredlung -0,0654 0,0385 -0,0990 0,1080 -0,0673 0,0608 0,0614 -0,1004 1,0000
Anzahl Früchte 0,5835 0,2341 -0,1067 -0,4161 -0,1353 -0,3171 0,0798 0,2137 -0,0278 1,0000
Ackerfläche 1,0000
Pacht 0,3777 1,0000
EMZ -0,1181 0,0607 1,0000
AK pro 100ha -0,8067 -0,3137 0,0789 1,0000
Kosten LU pro ha -0,2892 -0,0825 0,2632 0,1944 1,0000
Wirtschaftsjahr 2006/2007
Dummy-FamAK -0,4477 -0,1224 0,0032 0,2359 0,1194 1,0000
Dummy-Wachstum 0,1469 0,0916 -0,0595 -0,0989 -0,0687 -0,0693 1,0000
Dummy-Rechtsform 0,3039 0,1502 0,0457 -0,1878 -0,0008 -0,1821 0,1320 1,0000
Anteil d. Veredlung -0,0529 0,0769 -0,0901 0,0974 -0,0470 0,1019 0,0867 -0,1028 1,0000
Anzahl Früchte 0,5149 0,1718 -0,1031 -0,3544 -0,1522 -0,2109 0,1452 0,2077 -0,0269 1,0000
Ackerfläche 1,0000
Pacht 0,3730 1,0000
EMZ -0,1190 0,0409 1,0000
AK pro 100ha -0,8069 -0,3217 0,0927 1,0000
Kosten LU pro ha -0,2623 -0,1199 0,2294 0,1891 1,0000
Wirtschaftsjahr 2008/2009
Dummy-FamAK -0,4158 -0,0822 -0,0401 0,2308 0,0842 1,0000
Dummy-Wachstum 0,1689 0,0390 -0,0075 -0,1395 -0,0881 0,0011 1,0000
Dummy-Rechtsform 0,3238 0,1423 0,0216 -0,1961 0,0021 -0,1545 -0,0135 1,0000
Anteil d. Veredlung -0,0382 0,0819 -0,1028 0,0775 -0,0588 0,0904 0,1297 -0,0773 1,0000
Anzahl Früchte 0,4523 0,2429 -0,1255 -0,3100 -0,0908 -0,2322 0,0862 0,1592 0,0263 1,0000
Dummy-FamAK
Dummy-Wachstum
Dummy-Rechtsform
Quelle: Eigene Berechnungen
Anteil d. Veredlung
Anzahl Früchte

Anhang vii
Anhang 7: Stata-Syntax zur Aufbereitung des Rohdatensatzes
///Log-File anlegen
capture log close
log using "logifle_datensatzgenerieren.smcl", replace
set more off
//Speicher erweitern
clear
drop _all
clear matrix
set matsize 5000
//Datensatz mit allen Perioden erstellen
*Hinweis für Datenmatching: periodeX_Y.txt --> x=Periode (1
bis 4) y=Abfrageteil (Teil 1 und Teil 2)*
//Globale Listen
global flaechen_getr v4001_02 v4002_02 v4003_02 v4003_02
v4004_02 v4005_02 v4006_02 v4007_02 v4012_02 v4017_02
v4031_02 v4061_02 v4010_02 v4026_02 v4027_02
global flaechen_blatt v4035_02 v4039_02 v4040_02 v4024_02
v4025_02 v4020_02 v4021_02
global liste_umsaetze v2001_05 v2002_05 v2003_05 v2004_05
v2005_05 v2006_05 v2007_05 v2010_05 v2012_05 v2017_05
v2018_05 v2020_05 v2021_05 v2023_05 v2024_05 v2025_05
v2026_05 v2027_05 v2031_05 v2035_05 v2039_05 v2040_05
v2061_05 v2394_05 v2398_05 v2399_05 v2444_05 v2445_05
v2457_05 v2332_05 v2335_05 v4099_05 v4099_06 v2339_05
v6100_07
global liste_pflanzenumsaetze v2001_05 v2002_05 v2003_05
v2004_05 v2005_05 v2006_05 v2007_05 v2010_05 v2012_05
v2017_05 v2018_05 v2020_05 v2021_05 v2023_05 v2024_05
v2025_05 v2026_05 v2027_05 v2031_05 v2035_05 v2039_05
v2040_05 v2061_05
global rohvariablen umsatz_pflanze AF AK VL KAP AFA
v_umsatz_pflanze
global mod_var lnQ lnAF lnAK lnVL lnKAP lnAFA
global inputs lnAF lnAK lnVL lnKAP lnAFA
global liste_bl BL3 BL5 BL6 BL7 BL8 BL9 BL10 BL12 BL13 BL14
BL15 BL16
global liste_test lnAF lnAK lnVL lnKAP lnAFA
global liste_cobb lnQ lnAF lnAK lnVL lnKAP lnAFA
global liste_trans lnQ lnAF lnAK lnVL lnKAP lnAFA lnAF_lnAF
lnAF_lnAK lnAF_lnVL lnAF_lnKAP lnAF_lnAFA lnAK_lnAK
lnAK_lnVL lnAK_lnKAP lnAK_lnAFA lnVL_lnVL lnVL_lnKAP
lnVL_lnAFA lnKAP_lnKAP lnKAP_lnAFA lnAFA_lnAFA
global kovariablen AF Pacht EMZ AK_100ha LU_ha d_fam
d_wachstum RF2 Veredlung Anzahl_Frucht
global liste_elast AF AK VL KAP AFA
global elast e_AF e_AK e_VL e_KAP e_AFA
//Periode1 erzeugen
*Teil 2 von Periode laden*
insheet using "periode1_2.txt", clear

Anhang viii
gen flaeche_getreide = v4001_02 + v4002_02 + v4003_02 +
v4004_02 + v4005_02 + v4006_02 + v4007_02 + v4012_02 +
v4017_02 + v4031_02 + v4061_02 + v4010_02 + v4026_02 +
v4027_02
gen flaeche_blattfruechte = v4035_02 + v4039_02 + v4040_02 +
v4024_02 + v4025_02 + v4020_02 + v4021_02
drop $flaechen_getr
drop $flaechen_blatt
save "periode1_2.dta", replace
*Teil 1 von Periode laden und Umsatzerlöse der Pflanzenproduktion
umbennen*
insheet using "periode1_1.txt", clear
foreach variable in $liste_umsaetze {
rename `variable' `variable'_00
}
save "periode1_1.dta", replace
*Umsatzerlöse aus dem Folgejahr dem aktuellen WJ zuordnen*
insheet using "periode2_1.txt", clear
keep betrieb $liste_umsaetze
save "periode2_1.dta", replace
use "periode1_1.dta", clear
merge m:m betrieb using "periode2_1.dta"
drop if _merge ==1| _merge ==2
drop _merge
save "periode1_1.dta", replace
*Abfrage Teil 1 und Teil 2 matchen*
use "periode1_1.dta", clear
merge m:m betrieb using "periode1_2.dta"
drop if _merge ==1| _merge ==2
drop _merge
gen byte t = 1
save "periode1.dta", replace
save periode1_roh.dta, replace
//Periode 2 erzeugen
*Teil 2 von Periode laden*
insheet using "periode2_2.txt", clear
gen flaeche_getreide = v4001_02 + v4002_02 + v4003_02 +
v4004_02 + v4005_02 + v4006_02 + v4007_02 + v4012_02 +
v4017_02 + v4031_02 + v4061_02 + v4010_02 + v4026_02 +
v4027_02
gen flaeche_blattfruechte = v4035_02 + v4039_02 + v4040_02 +
v4024_02 + v4025_02 + v4020_02 + v4021_02
drop $flaechen_getr
drop $flaechen_blatt
save "periode2_2.dta", replace
*Teil 1 von Periode laden und Umsatzerlöse der Pflanzenproduktion
umbennen*
insheet using "periode2_1.txt", clear
foreach variable in $liste_umsaetze {
rename `variable' `variable'_00
}
save "periode2_1.dta", replace
*Umsatzerlöse aus dem Folgejahr dem aktuellen WJ zuordnen*

Anhang ix
insheet using "periode3_1.txt", clear
keep betrieb $liste_umsaetze
save "periode3_1.dta", replace
use "periode2_1.dta", clear
merge m:m betrieb using "periode3_1.dta"
drop if _merge ==1| _merge ==2
drop _merge
save "periode2_1.dta", replace
*Abfrage Teil 1 und Teil 2 matchen*
use "periode2_1.dta", clear
merge m:m betrieb using "periode2_2.dta"
drop if _merge ==1| _merge ==2
drop _merge
gen byte t = 2
save "periode2.dta", replace
save periode2_roh.dta, replace
//Periode 3 erzeugen
*Teil 2 von Periode laden*
insheet using "periode3_2.txt", clear
gen flaeche_getreide = v4001_02 + v4002_02 + v4003_02 +
v4004_02 + v4005_02 + v4006_02 + v4007_02 + v4012_02 +
v4017_02 + v4031_02 + v4061_02 + v4010_02 + v4026_02 +
v4027_02
gen flaeche_blattfruechte = v4035_02 + v4039_02 + v4040_02 +
v4024_02 + v4025_02 + v4020_02 + v4021_02
drop $flaechen_getr
drop $flaechen_blatt
save "periode3_2.dta", replace
*Teil 1 von Periode laden und Umsatzerlöse der Pflanzenproduktion
umbennen*
insheet using "periode3_1.txt", clear
foreach variable in $liste_umsaetze {
rename `variable' `variable'_00
}
save "periode3_1.dta", replace
*Umsatzerlöse aus dem Folgejahr dem aktuellen WJ zuordnen*
insheet using "periode4_1.txt", clear
keep betrieb $liste_umsaetze
save "periode4_1.dta", replace
use "periode3_1.dta", clear
merge m:m betrieb using "periode4_1.dta"
drop if _merge ==1| _merge ==2
drop _merge
save "periode3_1.dta", replace
*Abfrage Teil 1 und Teil 2 matchen*
use "periode3_1.dta", clear
merge m:m betrieb using "periode3_2.dta"
drop if _merge ==1| _merge ==2
drop _merge
gen byte t = 3
save "periode3.dta", replace
save periode3_roh.dta, replace
//Log File schließen
log close

Anhang x
///Variablen überprüfen
forvalues p = 1/3 {
capture log close
//Log File anlegen
log using selektion_periode`p'.smcl, replace
//Periode laden
use periode`p'.dta, clear
*EMZ vorhanden und nicht unter 700 und nicht über 10000*
drop if v0044_03 ==0 | v0044_03 ==.
drop if v0044_03 =10000
*Fläche vorhanden*
drop if v6100_07 ==0 | v6100_07 ==.
*Bundesland vorhanden*
drop if v0003_02 ==0 | v0003_02 ==.
*Regierungsbezirk vorhanden*
drop if v0004_02 ==.
*Landkreis vorhanden*
drop if v0005_02 ==0 | v0005_02 ==.
*Rechtsform vorhanden*
drop if v0020_02 ==0 | v0020_02 ==.
*Gesamtumsatzerlös vorhanden*
drop if v2339_05 ==.
*AK vorhanden*
drop if v7099_03 ==0 | v7099_03 ==.
*Überprüfen, ob Umsatzsteuersystem zur Verbuchung der Geschäftsvorfälle
passt*
drop if v0028_02 ==0 & v0028_02 ==.
drop if v0027_02 ==0 & v0027_02 ==.
drop if v0028_02 ==1 & v0027_02 ==2
drop if v0028_02 ==2 & v0027_02 ==1
//Güllewert berechnen !!!!!!Werte auf Aktualität überprüfen!!!!!!
*Mastschweine*
gen v_guelle_mastschweine = 0
replace v_guelle_mastschweine = (v3134_09 + v3133_09) * 3.17
if t ==1
replace v_guelle_mastschweine = (v3134_09 + v3133_09) * 3.65
if t ==2
replace v_guelle_mastschweine = (v3134_09 + v3133_09) * 5.58
if t ==3
*Ferkelerzeugung*
gen v_guelle_zuchtsauen = 0
replace v_guelle_zuchtsauen = v3136_09 * -3.04 if t ==1
replace v_guelle_zuchtsauen = v3136_09 * -2.59 if t ==2
replace v_guelle_zuchtsauen = v3136_09 * -0.53 if t ==3
replace v_guelle_zuchtsauen = 0 if v_guelle_zuchtsauen < 0
*Ferkelaufzucht*
gen v_guelle_ferkel = 0
replace v_guelle_ferkel = (v3131_09 + v3130_09) * 2.54 if t
==1 & v3136_09 ==0

Anhang xi
replace v_guelle_ferkel = (v3131_09 + v3130_09) * 2.83 if t
==2 & v3136_09 ==0
replace v_guelle_ferkel = (v3131_09 + v3130_09) * 3.93 if t
==3 & v3136_09 ==0
*Jungsauen*
gen v_guelle_jungsauen = 0
replace v_guelle_jungsauen = v3135_09 * 3.17 if t ==1
replace v_guelle_jungsauen = v3135_09 * 3.65 if t ==2
replace v_guelle_jungsauen = v3135_09 * 5.58 if t ==3
*Jungeber*
gen v_guelle_jungeber = 0
replace v_guelle_jungeber = v3137_09 * 3.17 if t ==1
replace v_guelle_jungeber = v3137_09 * 3.65 if t ==2
replace v_guelle_jungeber = v3137_09 * 5.58 if t ==3
*Junghennen*
gen v_guelle_junghennen = 0
replace v_guelle_junghennen = v3151_09 * 0.56 if t ==1
replace v_guelle_junghennen = v3151_09 * 0.61 if t ==2
replace v_guelle_junghennen = v3151_09 * 0.79 if t ==3
*Legehennen*
gen v_guelle_legehennen = 0
replace v_guelle_legehennen = v3152_09 * 0.56 if t ==1
replace v_guelle_legehennen = v3152_09 * 0.61 if t ==2
replace v_guelle_legehennen = v3152_09 * 0.79 if t ==3
*Jungmasthühner*
gen v_guelle_jungmasthuehner = 0
replace v_guelle_jungmasthuehner = (v3153_09 + v3150_09) *
0.17 if t ==1
replace v_guelle_jungmasthuehner = (v3153_09 + v3150_09) *
0.19 if t ==2
replace v_guelle_jungmasthuehner = (v3153_09 + v3150_09) *
0.26 if t ==3
*Mastenten*
gen v_guelle_mastenten = 0
replace v_guelle_mastenten = v3154_09 * 0.75 if t ==1
replace v_guelle_mastenten = v3154_09 * 0.82 if t ==2
replace v_guelle_mastenten = v3154_09 * 1.19 if t ==3
*Mastputen*
gen v_guelle_mastputen = 0
replace v_guelle_mastputen = v3155_09 * 0.50 if t ==1
replace v_guelle_mastputen = v3155_09 * 0.55 if t ==2
replace v_guelle_mastputen = v3155_09 * 0.80 if t ==3
*Mastgänse*
gen v_guelle_mastgaense = 0
replace v_guelle_mastgaense = v3156_09 * 0.50 if t ==1
replace v_guelle_mastgaense = v3156_09 * 0.55 if t ==2
replace v_guelle_mastgaense = v3156_09 * 0.80 if t ==3
*Geflügel*
gen v_guelle_gefluegel = 0
replace v_guelle_gefluegel = (v3157_09 + v3159_09) * 0.53 if t
==1

Anhang xii
replace v_guelle_gefluegel = (v3157_09 + v3159_09) * 0.57 if t
==2
replace v_guelle_gefluegel = (v3157_09 + v3159_09) * 0.76 if t
==3
*Güllewert insgesamt*
gen v_guelle = v_guelle_mastschwein + v_guelle_zuchtsauen +
v_guelle_ferkel + v_guelle_jungsauen + v_guelle_jungeber +
v_guelle_junghennen + v_guelle_legehennen +
v_guelle_jungmasthuehner + v_guelle_mastenten +
v_guelle_mastputen + v_guelle_mastgaense +
v_guelle_gefluegel
//Variablen generieren
*Gesamtumsatz des Unternehmens aus ldw. Produktion*
gen umsatz = v2339_05
*Umsatzerlös Marktfrucht für Selektion*
gen v_umsatz_pflanze = v2001_05_00 + v2002_05_00 + v2003_05_00
+ v2004_05_00 + v2005_05_00 + v2006_05_00 + v2007_05_00 +
v2010_05_00 + v2012_05_00 + v2017_05_00 + v2018_05_00 +
v2020_05_00 + v2021_05_00 + v2023_05_00 + v2024_05_00 +
v2025_05_00 + v2026_05_00 + v2027_05_00 + v2031_05_00 +
v2035_05_00 + v2039_05_00 + v2040_05_00 + v2061_05_00 +
v2394_05_00 + v2398_05_00 + v2399_05_00 + v2444_05_00 +
v2445_05_00 + v2457_05_00 + v4099_05_00 + v4099_06_00 +
v2332_05_00 + v2335_05_00
*Umsatzerlöse der Pflanzenproduktion als Output*
gen umsatz_getreide = v2004_05 + v2007_05 + v2012_05 +
v2017_05 + v2031_05 + v2035_05 + v4099_05
gen umsatz_weizen = v2001_05 + v2002_05 + v2003_05
gen umsatz_wgerste = v2005_05
gen umsatz_sgerste = v2006_05
gen umsatz_kmais = v2010_05
gen umsatz_getreidesaatgut = v4099_06
gen umsatz_raps = v2024_05 + v2025_05
gen umsatz_zrueben = v2040_05
gen umsatz_kartoffel = v2039_05
gen umsatz_sonstige = v2018_05 + v2020_05 + v2021_05 +
v2023_05 + v2026_05 + v2027_05 + v2061_05
gen umsatz_geld = v2394_05 + v2398_05 + v2399_05 + v2444_05 +
v2445_05 + v2457_05
//Zählen der verschiedenen Früchte
gen Anzahl_Frucht = 0
foreach frucht in $liste_pflanzenumsaetze {
replace Anzahl_Frucht = Anzahl_Frucht + 1 if `frucht' > 5000
}
//Deflationieren auf Vorjahresniveau !!!!!!Werte auf Aktualität
überprüfen!!!!!!
*Getreide allgemein*
replace umsatz_getreide = umsatz_getreide / (1+0.19) if t ==1
replace umsatz_getreide = umsatz_getreide / (1+0.64) if t ==2
replace umsatz_getreide = umsatz_getreide / (1-0.06) if t ==3
*Weizen*
replace umsatz_weizen = umsatz_weizen / (1+0.20) if t ==1
replace umsatz_weizen = umsatz_weizen / (1+0.65) if t ==2

Anhang xiii
replace umsatz_weizen = umsatz_weizen / (1-0.04) if t ==3
*Wintergerste*
replace umsatz_wgerste = umsatz_wgerste / (1+0.07) if t ==1
replace umsatz_wgerste = umsatz_wgerste / (1+0.65) if t ==2
replace umsatz_wgerste = umsatz_wgerste / (1+0.04) if t ==3
*Sommergerste*
replace umsatz_sgerste = umsatz_sgerste / (1+0.12) if t ==1
replace umsatz_sgerste = umsatz_sgerste / (1+0.76) if t ==2
replace umsatz_sgerste = umsatz_sgerste / (1-0.02) if t ==3
*Körnermais*
replace umsatz_kmais = umsatz_kmais / (1+0.29) if t ==1
replace umsatz_kmais = umsatz_kmais / (1+0.42) if t ==2
replace umsatz_kmais = umsatz_kmais / (1-0.31) if t ==3
*Getreidesaatgut*
replace umsatz_getreidesaatgut = umsatz_getreidesaatgut /
(1+0.09) if t ==1
replace umsatz_getreidesaatgut = umsatz_getreidesaatgut /
(1+0.28) if t ==2
replace umsatz_getreidesaatgut = umsatz_getreidesaatgut / (1-
0.01) if t ==3
*Raps*
replace umsatz_raps = umsatz_raps / (1+0.21) if t ==1
replace umsatz_raps = umsatz_raps / (1+0.24) if t ==2
replace umsatz_raps = umsatz_raps / (1+0.34) if t ==3
*Zuckerrüben*
replace umsatz_zrueben = umsatz_zrueben / (1-0.13) if t ==1
replace umsatz_zrueben = umsatz_zrueben / (1-0.08) if t ==2
replace umsatz_zrueben = umsatz_zrueben / (1-0.06) if t ==3
*Kartoffel*
replace umsatz_kartoffel = umsatz_kartoffel / (1+0.83) if t
==1
replace umsatz_kartoffel = umsatz_kartoffel / (1-0.04) if t
==2
replace umsatz_kartoffel = umsatz_kartoffel / (1-0.24) if t
==3
*Sonstige*
replace umsatz_sonstige = umsatz_sonstige / (1+0.15) if t ==1
replace umsatz_sonstige = umsatz_sonstige / (1+0.20) if t ==2
replace umsatz_sonstige = umsatz_sonstige / (1+0.00) if t ==3
*Pflanzenbezogene Prämien*
replace umsatz_geld = umsatz_geld / (1+0.02) if t ==1
replace umsatz_geld = umsatz_geld / (1+0.02) if t ==2
replace umsatz_geld = umsatz_geld / (1+0.03) if t ==3
*Aufsummierter Umsatz der Pflanzenproduktion aus dem Folgejahr*
gen umsatz_pflanze = umsatz_getreide + umsatz_weizen + umsatz_wgerste
+ umsatz_sgerste + umsatz_kmais + umsatz_getreidesaatgut
+ umsatz_raps + umsatz_zrueben + umsatz_kartoffel
+ umsatz_sonstige + umsatz_geld
*Vorleistung Marktfrucht*
gen VL = (v2509_05 + v2539_05 + v2559_05 + (v2773_05 -
v2380_05) + v2774_05)*-1 + v_guelle
drop if VL < 0
*sonsitger Kapitalaufwand Marktfrucht*
gen KAP = (v2598_05 + v2832_05 + v2833_05 + v2765_05 +
v2767_05 + v2782_05 + v2810_05 + v2817_05 + v2841_05 +
v2842_05 + v2849_05)*-1

Anhang xiv
*Aufwand für Abschreibung*
gen AFA = v3022_09 + v3031_09 + v3041_09 + v3043_09 + v3048_09
replace AFA = 1 if AFA < 1| AFA ==.
*Pachtanteil generieren*
gen Pacht = v6100_05/v6100_07_00
drop if v6100_05 > v6100_07_00
*Veredlungsgrad generieren*
gen Veredlung = v2199_05 / umsatz
*Aufwand PSM/ ha*
gen PSM_ha = v2559_05 / v6100_07_00
*Aufwand Dünger/ ha*
gen Duenger_ha = v2539_05 / v6100_07_00
*Arbeitskräfte von Bedarf für Tierhaltung bereinigen*
gen AK = (v7099_03 * 1800 - (v3134_09 + v3133_09) * 0.81 -
v3136_09 * 9.3 - (v3131_09 + v3130_09) * 1.1 - v3135_09 *
0.9 - v3137_09 * 0.9 - v3151_09 * 0.05 - v3152_09 * 0.22 -
(v3153_09 + v3150_09) * 0.03 - v3154_09 * 0.3 - v3155_09 *
0.11 - v3156_09 * 0.42 - (v3157_09 + v3159_09) * 0.11) /1800
///Betriebe selektieren---------------------------------------
-----------------------------
//Spezifikation von Marktfruchtbetrieben
*min. 60% d. Umsatzerlöse aus Marktfruchtbau*
drop if umsatz_pflanze 0.4
//Fruchtfolge Restriktion*
*Überprüfung der Flächen Variable*
drop if flaeche_blattfruechte + flaeche_getreide > v6100_07
*max. 50% Blattfrüchte*
drop if flaeche_blattfruechte > v6100_07 * 0.5
*max. 100% Getreide*
drop if flaeche_getreide > v6100_07 * 1
//keine anderen Anbauarten
*kein Obstbau*
drop if v2209_05 > 0
*kein Gartenbau*
drop if v2269_05 > 0
*kein Weinbau*
drop if v2299_05 > 0
*Handel und Dienstleistungen max. 10% der Umsatzerlöse*
drop if v2337_05 >= umsatz * 0.1
*Forstwirtschaft und Jagd max. 5% der Umsatzerlöse*
drop if v2309_05 >= umsatz * 0.05
*Fischerei max. 5% der Umsatzerlöse*
drop if v2319_05 >= umsatz * 0.05
//Restriktionen für die Hobbytierhaltung

Anhang xv
//Pferde
*nicht mehr als 2 Pferde pro 100 ha*
drop if v3109_09 / (v6100_07 / 100) >= 2
*nicht mehr als 1% des Umsatzes aus Pferden*
drop if v2109_05 >= umsatz * 0.01
//Rinder
*nicht mehr als 2 Rinder pro 100 ha*
drop if v3129_09 / (v6100_07 / 100) >= 2
*nicht mehr als 1% des Umsatzes aus Rindern*
drop if v2129_05 >= umsatz * 0.01
//Schafe
*nicht mehr als 5 Schafe pro 100 ha*
drop if v3149_09 / (v6100_07 / 100) >= 5
*nicht mehr als 1% des Umsatzes aus Schafen*
drop if v2149_05 >= umsatz * 0.01
//Damtiere
*nicht mehr als 5 Damtiere pro 100 ha*
drop if v3169_09 / (v6100_07 / 100) >= 5
*nicht mehr als 1% des Umsatzes aus Damtieren*
drop if v2169_05 >= umsatz * 0.01
//sonstige Tierproduktion
*nicht mehr als 5 Stück sonstige Tiere*
drop if v3198_09 / (v6100_07 / 100) >= 5
*nicht mehr als 1% des Umsatzes aus sonstiger Tierproduktion*
drop if v2198_05 >= umsatz * 0.01
//Dummy Variablen für die Bundesländer
local i 1
while `i' 0.05
//Dummy für reine Familien AK Betriebe*
gen d_fam = 0
replace d_fam = 1 if v7098_03 ==0
//Dummy für Flächenwachstum eines Betriebes --> ein Betrieb
gilt dann als Wachstumsbetrieb, wenn er mindestens 1% Flächenwachstum
realisiert hat!

Anhang xvi
gen wachstum = (v6100_07 - v6100_07_00) / v6100_07_00
gen byte d_wachstum = 0
replace d_wachstum = 1 if wachstum > 0
//Dummy Variable für reinen Pachtbetrieb
gen byte d_pacht = 0
replace d_pacht = 1 if Pacht ==1
//Variablen generieren und umbenennen
*Lohnunternehmerkosten pro ha*
gen LU_ha = (v2782_05 / v6100_07)*-1
*AK pro 100 ha*
gen AK_100ha = v7099_03 / (v6100_07_00 / 100)
*Variablen umbenennen*
rename v6100_07_00 AF
rename v0044_03 EMZ
rename v0003_02 BL
rename v0004_02 RegB
rename v0005_02 LK
*Logarithmieren der Variablen*
gen output = umsatz_pflanze
gen lnQ = log(output)
gen lnAF = log(AF)
gen lnAK = log(AK)
gen lnVL = log(VL)
gen lnKAP = log(KAP)
gen lnAFA = log(AFA)
//Kreuzterme bilden
gen lnAF_lnAF = lnAF * lnAF
gen lnAF_lnAK = lnAF * lnAK
gen lnAF_lnVL = lnAF * lnVL
gen lnAF_lnKAP = lnAF * lnKAP
gen lnAF_lnAFA = lnAF* lnAFA
gen lnAK_lnAK = lnAK * lnAK
gen lnAK_lnVL = lnAK * lnVL
gen lnAK_lnKAP = lnAK * lnKAP
gen lnAK_lnAFA = lnAK * lnAFA
gen lnVL_lnVL = lnVL * lnVL
gen lnVL_lnKAP = lnVL * lnKAP
gen lnVL_lnAFA = lnVL * lnAFA
gen lnKAP_lnKAP = lnKAP * lnKAP
gen lnKAP_lnAFA = lnKAP * lnAFA
gen lnAFA_lnAFA = lnAFA * lnAFA
//Datensatz abspeichern
save periode`p'.dta, replace
log close
}
//Betriebe so selektieren, dass sie in allen 3 Perioden vorhanden
sind

Anhang xvii
use periode1.dta, clear
append using periode2.dta
append using periode3.dta
*Nur Betriebe, die in allen Perioden vorhanden sind im Datensatz
lassen*
quietly: count
local ende1 = r(N)
local ende2 = `ende1'
local i = 1
while `i' < `ende2' {
local betriebsnr = betrieb in `i'
quietly: count if betrieb == `betriebsnr'
if r(N) < 3 {
drop if betrieb == `betriebsnr'
local i = `i' -1
}
dis "Zeile: " `i'
dis "Betrieb: " `betriebsnr'
quietly: count
local ende2 = r(N)
local i = `i' +1
}
display `ende1' - `ende2'
*Datensatz speichern*
save datensatz_insgesamt.dta, replace
//Datensätze für Frontier 4.1 erstellen
//Verschiede Datensätze erstellen
*gesamten Datensatz für Panel-Analyse speichern*
keep betrieb t $liste_trans $kovariablen
order betrieb t $liste_trans $kovariablen
sort betrieb
save panel_datensatz_trans.dta, replace
use datensatz_insgesamt.dta, clear
keep betrieb t $liste_cobb $kovariablen
order betrieb t $liste_cobb $kovariablen
sort betrieb
save panel_datensatz_cobb.dta, replace
*Datensätze für die Perioden-Analyse in Stata speichern*
forvalues a = 1/3 {
use datensatz_insgesamt.dta, clear
drop if t != `a'
save periode`a'.dta, replace
}
//Datensätze der einzelnen Perioden
forvalues a = 1/3 {
use periode`a'.dta, clear
replace t = 1
keep betrieb t $liste_cobb $kovariablen
order betrieb t $liste_cobb $kovariablen
sort betrieb
//jeweilige Periode laden
save periode_frontier`a'.dta, replace
}

Anhang xviii
Anhang 8: Stata-Syntax zur Aufbereitung der Frontier 4.1 Ergebnisse
//Log File anlegen
set more off
capture log close
log using logfile_deskrip_panel.smcl, replace
//Globale Listen
global liste_cobb lnQ lnAF lnAK lnVL lnKAP lnAFA
global hetliste_cobb lnAF lnAK lnVL lnKAP lnAFA
global liste_trans lnQ lnAF lnAK lnVL lnKAP lnAFA lnAF_lnAF
lnAF_lnAK lnAF_lnVL lnAF_lnKAP lnAF_lnAFA lnAK_lnAK
lnAK_lnVL lnAK_lnKAP lnAK_lnAFA lnVL_lnVL lnVL_lnKAP
lnVL_lnAFA lnKAP_lnKAP lnKAP_lnAFA lnAFA_lnAFA
global hetliste_trans lnAF lnAK lnVL lnKAP lnAFA lnAF_lnAF
lnAF_lnAK lnAF_lnVL lnAF_lnKAP lnAF_lnAFA lnAK_lnAK
lnAK_lnVL lnAK_lnKAP lnAK_lnAFA lnVL_lnVL lnVL_lnKAP
lnVL_lnAFA lnKAP_lnKAP lnKAP_lnAFA lnAFA_lnAFA
global variablen AF AK_100ha LU_ha d_fam d_wachstum Veredlung
Pacht Anzahl_Frucht RF2 EMZ PSM_ha Duenger_ha VL KAP AFA BL
global spiegel AF AK_100ha FamAK LU_ha Anzahl_Frucht Veredlung
Pacht EMZ AFA_ha PSM_ha Duenger_ha
global rohvariablen umsatz_pflanze AF AK VL KAP AFA
v_umsatz_pflanze
global kovariablen AF Pacht EMZ AK_100ha LU_ha d_fam
d_wachstum RF2 Veredlung Anzahl_Frucht
global koeffizienten _blnaf _blnak _blnvl _blnkap _blnafa
_blnaf_lnaf _blnaf_lnak _blnaf_lnvl _blnaf_lnkap
_blnaf_lnafa _blnak_lnak _blnak_lnvl _blnak_lnkap
_blnak_lnafa _blnvl_lnvl _blnvl_lnkap _blnvl_lnafa
_blnkap_lnkap _blnkap_lnafa _blnafa_lnafa
global liste_elast AF AK VL KAP AFA
global elast e_AF e_AK e_VL e_KAP e_AFA
//Effizienzwerte laden
insheet using eff_2.txt, clear
keep betrieb t eff_2
save eff_2.dta, replace
//Datensatzerstellen
forvalues a = 1/3 {
use datensatz_insgesamt.dta, clear
keep if t == `a'
save periode_panel`a'.dta, replace
use eff_2.dta, clear
keep if t == `a'
save eff_2_tmp.dta, replace
use periode_panel`a'.dta, clear
merge m:m betrieb using eff_2_tmp.dta
drop _merge
save periode_panel`a'.dta, replace
}
use periode_panel1.dta, clear
append using periode_panel2.dta
append using periode_panel3.dta
//Variablen für Betriebsspiegel*
gen FamAK = AK - v7098_03
gen VL_ha = VL / AF

Anhang xix
gen KAP_ha = KAP / AF
gen AFA_ha = AFA / AF
replace PSM_ha = PSM_ha * -1
replace Duenger_ha = Duenger_ha * -1
//Variablen labeln
label define BLlb 1 "Schleswig-Holstein" 2 "Hamburg" 3 "Niedersachsen"
4 "Bremen" 5 "Nordrhein-Westfalen" 6 "Hessen" 7
"Rheinland-Pfalz" 8 "Baden-Württemberg" 9 "Bayern" 10 "Saarland"
11 "Berlin" 12 "Brandenburg" 13 "Mecklenburg-
Vorpommern" 14 "Sachsen" 15 "Sachsen-Anhalt" 16 "Thüringen"
label values BL BLlb
replace RF = 12 if RF ==13
label define RFlb 11 "Einzelunternehmen" 12 "GbR" 14 "OHG" 15
"KG" 16 "sonstige Personengesellschaften" 17 "GmbH&CoKG" 61
"e.V." 62 "e.G." 63 "GmbH" 64 "AG" 66 "sonstige Rechtsformen"
label values RF RFlb
//Statistik des Datensatzes ----------------------------------
------------------------------------------------------------
----
//Percentile einteilen
sum $spiegel, d
sum eff_2, d
centile eff_2, centile(15 85)
scalar eff_schlecht_25 = r(c_1)
scalar eff_besten_25 = r(c_2)
save datensatz_final.dta, replace
//Test auf Heteroskeasdizität
*Cobb-Douglas-Funktion*
regress $liste_cobb
hettest
foreach variable in $hetliste_cobb {
hettest `variable'
}
*Translog-Funktion*
regress $liste_trans
hettest
foreach variable in $hetliste_trans {
hettest `variable'
}
//Durchschnitt über alles
mean $spiegel if t ==3
tab BL if t ==3
// Anzahl der 25% besten und schlechtesten Betriebe ingesamt
*Besten*
count if eff_2 > eff_besten_25
*Schlechtesten*
count if eff_2 < eff_schlecht_25
//Regelmäßigkeit der Betriebe überprüfen
*25% besten*
keep if eff_2 > eff_besten_25
*Nur Betriebe, die in allen Perioden vorhanden sind im Datensatz
lassen*
quietly: count
local ende1 = r(N)

Anhang xx
local ende2 = `ende1'
local i = 1
quietly while `i' < `ende2' {
local betriebsnr = betrieb in `i'
quietly: count if betrieb == `betriebsnr'
if r(N) < 3 {
drop if betrieb == `betriebsnr'
local i = `i' -1
}
dis "Zeile: " `i'
dis "Betrieb: " `betriebsnr'
quietly: count
local ende2 = r(N)
local i = `i' +1
}
display `ende1' - `ende2'
gen id = 1
save datensatz_25besten.dta, replace
*25 % schlechtesten*
use datensatz_final.dta, clear
keep if eff_2 < eff_schlecht_25
*Nur Betriebe, die in allen Perioden vorhanden sind im Datensatz
lassen*
quietly: count
local ende1 = r(N)
local ende2 = `ende1'
local i = 1
quietly while `i' < `ende2' {
local betriebsnr = betrieb in `i'
quietly: count if betrieb == `betriebsnr'
if r(N) < 3 {
drop if betrieb == `betriebsnr'
local i = `i' -1
}
dis "Zeile: " `i'
dis "Betrieb: " `betriebsnr'
quietly: count
local ende2 = r(N)
local i = `i' +1
}
display `ende1' - `ende2'
gen id = 2
save datensatz_25schlecht.dta, replace
//Neuen Datensatz mit 25% Besten und schlechten erzeugen Hinweis:
Variable id: 1 --> 25 besten; 2 --> 25 schlechtesten
use datensatz_25besten.dta, clear
append using datensatz_25schlecht.dta
save daten_25quantile.dta, replace
forvalues t = 1/3 {
use daten_25quantile.dta, clear
keep if t == `t'
local a =1
//Betriebsspiegel
*Anzahl an Veredlungsbetrieben*
count if Veredlung > 0 & id == `a'

Anhang xxi
*Betriebsspiegel der 25% effizientesten*
mean $spiegel if id == `a'
tab BL if id == `a'
}
forvalues t = 1/3 {
use daten_25quantile.dta, clear
keep if t == `t'
local a =2
//Betriebsspiegel
*Anzahl an Veredlungsbetrieben*
count if Veredlung > 0 & id == `a'
*Betriebsspiegel der 25% ineffizientesten*
mean $spiegel if id == `a'
tab BL if id == `a'
}
//Elastizitäten am Stichprobenmittelwert berechnen
//Koeffienten laden
insheet using koeffizienten.txt, clear
foreach variable in $koeffizienten {
scalar `variable' = `variable'
}
//Datensatz laden
use datensatz_final.dta, clear
//Rangkorrelationskoeffizient nach Spearman
forvalues t = 1/3 {
spearman $hetliste_cobb if t==`t'
spearman $kovariablen if t==`t'
}
//Mittelwerte der Einzelnen Variablen erzeugen --> dient zur
Berechnung der Elastizitäten*
foreach variable in $rohvariablen {
capture mean `variable'
matrix tmp = e(b)
scalar m_`variable' = tmp[1,1]
scalar m_`variable' = log(m_`variable')
}
scalar list
//Skalare berechnen
scalar AF = _blnaf + 2 * _blnaf_lnaf * m_AF + _blnaf_lnak *
m_AK + _blnaf_lnvl * m_VL + _blnaf_lnkap * m_KAP +
_blnaf_lnafa * m_AFA
scalar AK = _blnak + 2 * _blnak_lnak * m_AK + _blnaf_lnak *
m_AF + _blnak_lnvl * m_VL + _blnak_lnkap * m_KAP +
_blnak_lnafa * m_AFA
scalar VL = _blnvl + 2 * _blnvl_lnvl * m_VL + _blnaf_lnvl *
m_AF + _blnak_lnvl * m_AK + _blnvl_lnkap * m_KAP +
_blnvl_lnafa * m_AFA
scalar KAP = _blnkap + 2 * _blnkap_lnkap * m_KAP +
_blnaf_lnkap * m_AF + _blnak_lnkap * m_AK + _blnvl_lnkap *
m_VL + _blnkap_lnafa * m_AFA
scalar AFA = _blnafa + 2 * _blnafa_lnafa * m_AFA +
_blnaf_lnafa * m_AF + _blnak_lnafa * m_AK + _blnvl_lnafa *
m_VL + _blnkap_lnafa * m_KAP
scalar list AF
scalar list AK
scalar list VL
scalar list KAP
scalar list AFA

Anhang xxii
// Elastizitäten an jedem Datenpunkt
foreach variable in $liste_elast {
generate e_`variable' = 0
}
capture count
local ende = r(N)
local i = 1
while `i'

Literaturverzeichnis xxiii
Literaturverzeichnis
Aigner, D., Lovell, C.A.K. & Schmidt, P., 1977. Formulation and Estimation of
Stochastic Frontier Production Function Models. Journal of Econometrcis 6 ,
pp.21-37.
Ali, M. & Flinn, J.C., 1989. Profit Efficiency Among Basmati Rice Producers in
Pakistan Punjab. American Journal of Agricultural Economics, Bd. 71, pp.303-10.
Allen, D.W. & Lueck, D., 1998. The nature of the farm. The Journal of Law and
Economics, pp.343-86.
Arndt, J., 2004. Wohin führt der Strukturwandel in der Landwirtschaft. Statistische
Monatsheft Baden-Württemberg, pp.29-33.
Banker, R.D., Charnes, A. & Cooper, W.W., 1984. Some Models for Estimating
Technical and Scale Inefficiencies in Data Envelopment Analysis. Management
Science, 30 (9), pp.1078-92.
Bär, F., 1996. Einfluß des Rodetermins auf die Wirtschaftlichkeit der
Zückerrübenproduktion; Dipl.-Arbeit. Wien.
Battese, G.E., 1992. Frontier production functions and technical efficiency: a
survey of empirical applications in agricultural economics. Agricultural
Economics, 7, pp.185-208.
Battese, G.E. & Coelli, T.J., 1993. Frontier Production Functions, Technical
Efficiency and Panel Data: With Application to Paddy Farmers in India. Journal of
Productivity Analysis, Nr. 3, pp.153-69.
Battese, G.E. & Coelli, T., 1995. A Model for Technical Inefficiency Effects in a
Stochastic Frontier Production Function for Panel Data. Empirical Economics
(20), pp.325-32.
Battese, G.E. & Corra, G.S., 1977. Estimation of a Production Frontier Model:
with Aplliaction to the Pastoral Zone of Esatern Australia. Asutralian Journal of
Agricultural Economics, Vol. 21, No. 3, Dezember. pp.169-79.
Bielecki, A., 2009. Efficient Frontier Analysis. In Albers, S. et al. Methodik der
empirischen Forschung. Wiesbaden: Gabler.
Blume, H.-P. et al., 2008. Lehrbuch der Bodenkunde. Heidelberg: Sepktrum
Akademischer Verlag.
BMELV, 2010. Statistisches Jahrbuch über Ernährung, Landiwrtschaft und
Forsten der Bundesrepublik Deutschland 2010. Wiesbaden: Wirtschaftsverlag
NW GmbH.
BMELV, 2011. Buchführung der Testbetriebe - Grundlagen zur BMELV-
Testbetriebsbuchführung. [Online] Available at: http://berichte.bmelv-
statistik.de/BFB-0114001-2011.pdf [Accessed 13 März 2012].

Literaturverzeichnis xxiv
Böning, K., 1968. Die Bedeutung der Fruchtfolge im Rahmen des integrieten
Pflanzenschutzes. Plant foods for human nutrition Vol. 15, pp.215-24.
BRD, 2007. Gesetz zur Schätzung des landwirtschaftlichen Kulturbodens
(Bodenschätzungsgesetz - BodSchätzG).
Breitschuh, G., 2000. Kostenvergleich bei der pflanzlichen Produktion zwischen
Ost und West. Thüringische Landesanstalt für Landwirtschaft.
Brodersen, C.M. & Thiele, H., 1999. Effizienzunterschiede in der
landwirtschaftlichen Produktion, eine nicht parametrische Analyse für
Deutschland. In Vierzigste Jahrestagung der Gesellschaft für Wirtschafts- und
Sozialwissenschaften des Landbaus e.V. Kiel, 1999.
Brooks, C., 2002. Introductory Econometrics for Finance. Cambridge.
Cantner, U., Krüger, J. & Hanusch, H., 2007. Produktivitäts- und
Effizienzanalyse. Heiderlberg: Springer Verlag.
Coelli, T., Rao, D.S.P., O'Donell, C. & Battese, G.E., 2005. An introduction to
efficiency and productivity analysis - second edition. New York: Springer
Science+Business Media, Inc.
Curtiss, J., 2000. Technical Efficiency and Competitiveness of the Czech
Agricultural Sector in Late Transition – The Case of Crop Production. In Paper
presented at the KATO Symposium. Berlin, 2000.
Dabbert, S. & Braun, J., 2006. Landwirtschaftliche Betriebslehre. Stuttgart
(Hohenheim): Eugen Ulmer KG.
Dachler, M. & Köchl, A., 2003. Der Einfluss von Fruchtfolge, Vorfrucht,
Stickstoffdüngung und Einarbeitung der Ernterückstände auf Ertrag und
Rohproteingehalt vn Winterweizen und nachfolgender Sommergerste. Die
Bodenkultur 54 (1), pp.23-34.
Deutscher Bauernverband, 2012. Situationsbericht 2011/2012. Berlin.
Dirksmeyer, W., Forstner, B., Margarian, A. & Zimmer, Y., 2005. Aktualisierung
der Zwischenbwertung des Agrarinvestitionsförderprogramms in Deutschland für
den Förderzeitraum 2000 bis 2004.
Dreesman, A., 2006. Messung von Produktivität und Effizienz landwirtschaftlicher
Betriebe unter Einbeziehung von Umweltwirkungen.
Eichhorn, W., 1968. Eine Verallgemeinerung des Begriffs der homogenen
Produktionsfunktion. Mathematical Methods of Operations Research, Vol. 13, No.
2, Oktober. pp.99-109.
Europäische Union, 2010. Landwirtschaft - INLB. [Online] Available at:
http://ec.europa.eu/agriculture/rica/methodology1_de.cfm [Accessed 26 März
2012].

Literaturverzeichnis xxv
Fahrmeir, L., Künstler, R., Pigeot, I. & Tutz, G., 2007. Statistik- Der Weg zur
Datenanalyse. Heidelberg: Springer Verlag.
Farrar, D.E. & Glauber, R.R., 1967. Multicollinearity in Regression Analysis: The
Problem Revisited. The Review of Economics and Statistics, Vol. 49 No.1,
Februar. pp.92-107.
Farrell, M.T., 1957. The Measurement of Productive Efficiency. Journal of the
Royal Statistical Society, Vol. 120, No. 3, pp.253-90.
Francksen, T., 2007. Effizienzanalyse in der Landwirtschaft: Innovative Ansätze
und ihre empirsche Implementierung. Kiel.
Francksen, T., 2010. Vorlesung Modul 270 Quantitative Planungsmehtoden. CAU
Kiel.
Francksen, T. & Latacz-Lohmann, U., 2006. Beurteilung der technischen
Effizienz der Agrarsektoren der EU-Beitrittsländer anhand parametrischer und
nicht parametrischer Analyseverfahren. Kiel: CAU Kiel.
Franz, A., Schaper, C., Spiller, A. & Theuvsen, L., 2010. Geschäftsbeziehungen
zwischen Landwirten und Lohnunternehmen: Ergebnisse einer empirischen
Analyse. Jahrbuch der Schweizerischen Gesellschaft für Agrarwirtschaft und
Agrarsoziologie, pp.195-230.
Gubi, G., 2006. Analyse der erfolgs- und effizienzbestimmenden Faktoren im
ökologischen Landbau. Kiel: CAU Kiel.
Hartl, L., 2008. Mehr Ertrag durch Zuchtfortschritt bei Getreide. In Pflanzenbau
unter neuen Preis-Kosten-Bedingungen - LfL Jahrestagung., 2008.
Heilmann, H. & Ziesemer, A., n.d. Stärken und Schwächen des Rapsanbaues in
Mecklenburg-Vorpommern. Beiträge zur Winterrapsproduktion - Mitteilungen der
Landesforschungsanstalt für Landwirtschaft und Firscherei Heft 44, pp.1-5.
Henning, C.H.C.A., 2005. The show must go on: Zur politischen Ökonomie der
Ländlichen Entwicklungspolitik in der EU. Agrarwirtschaft Nr. 54, pp.193-96.
Hofstätter, C., 2008. Auswirkung von Betriebsgrößenwachstum auf den
Betriebserfolg und die Arbeitsproduktivität in Marktfruchtbetrieben; Dipl.-Arbeit.
Wien.
Hsiao, C., 2007. Panel data analysis - advantages and challenges. TEST Vol. 16,
pp.1-22.
Idiong, I.C., 2007. Estimation of Farm Level Technical Efficiency in Smallscale
Swamp Rice Production in Cross River State of Nigeria: A Stochastic Frontier
Approach. World Journal of Agricultural Sciences 3 (5), pp.653-58.

Literaturverzeichnis xxvi
Jondrow, J., Lovell, C.A., Materov, I.S. & Schmidt, P., 1982. On the Estimation of
Technical Inefficiency in the Stochastic Frontier Production Function Model.
Journal of Econometrcis, Nr.19, pp.233-38.
Jürgensen, M., 1981. Struktur des mengenmäßigen und zeitlichen Einsatzes von
Produktionsfaktoren im Marktfruchtbau und deren Einfluß auf die
Wirtschaftlichkeit der Produktion.
Kriese, M., 2008. Effizienzanalyse der sächsischen Gemeinden. ifo Dresden
Berichtet, 5, pp.3-13.
Kryer, A. & Penker, W., 2000. Volkswirtschatfslehre - 6. Auflage. Wien:
Oldenbourg.
Kumbhakar, S.C. & Lovell, C.A.K., 2003. Stochastic Frontier Analysis.
Cambridge: Cambridge Press.
Kuratorium für Technik und Bauwesen in der Landwirtschaft, 2011. KTBL-SDB-
welcome. [Online] Available at: http://daten.ktbl.de/sdb/welcome.do [Accessed 26
März 2012].
Kurkalova, L.A. & Carriquiry, A., 2003. Input- and Output-Oriented Technical
Efficiency of Ukrain Collective Farms, 1989-1992: Bayesian Analysis of a
Stochastic Production Frontier Model. Journal of Productivity Analysis, 20,
pp.191-211.
Land-Data GmbH, 2012. Nah am Kunden - Land-Data. [Online] Available at:
http://www.landdata.de/cms/Unternehmen_landdata.html [Accessed 13 März
2012].
Latruffe, L., Balcombe, K., Davidova, S. & Zawalinska, K., 2004. Determinants of
technical efficiency of crop and livestock farms in Poland. Applied Economics.
Meeusen, W. & van Den Broeck, J., 1977. Efficiency Estimation from Cobb-
Douglas Production Function with Composed Error. International Economic
Review, Vol. 18, No. 2, Juni. pp.435-44.
Mohn, R., 1984. Oeconomical effects and possibilities of machinery cooperatives.
Mohr, H.P., 1971. Ein Beitrag zum Betriebsgrößenproblem in der Landwirtschaft
unter besonderer Berücksichtigung schleswig-holsteinischer Großbetriebe. Kiel.
Nause, G., 2003. Zur Entwicklung der in den landwirtschaftlichen Betrieben
Deutschlands beschäftigten Arbeitskräfte 1991 bis 2001. Wirtschaft und Statistik
4.
Pleßman, F., 2000. Vergleichende Produktionskostenanalyse des
Marktfruchtbaus in Mecklenburg-Vorpommern und Schleswig-Holstein.
Bergen/Dummer: Agrimedia.

Literaturverzeichnis xxvii
Posada, D. & Buckley, T.R., 2004. Model Selection and Model Averaging in
Phylogenetics: Advantages of Akaike Information Criterion andy Bayesian
Approaches Over Likelihood Ratio Tests. Systematic Biology 53 (5), pp.793-808.
Puig-Junoy, J. & Argilés, M., 2000. Measuring and explaining farm inefficiency in
a panel data set of mixed farms. Barcelona, Spanien: Pompeu Fabra University.
Röders, I., 1996. Determinanten von Erfolgs- und Effizienzunterschieden
marktfruchtproduzierender Unternehmen - Eine empirische Analyse -. Aachen:
Shaker Verlage.
Rybnikova, I., 2011. Schriften zur Organisationswissenschaft -
Erfolgsfaktorenforschung auf den Zahn gefühlt.
Schäfer, W., 2001. Europa in der Globalisierung. Wirtschaftsdienst Vol. 81,
pp.30-37.
Schierjott, A. & Schulze, P.M., 1985. Bemerkungen zur Translog-Funktion und
ihrer Schätzung. Jahrbuch für Sozialwissenschaft 36, pp.190-204.
Schmid, A., 2007. Kalkulation und Kostenanalyse im Lohnunternehmen.
Schulte-Ostermann, W.-R., 1985. Analyse der Einkommensbestimmung und
Einkommensentwicklung in Marktfruchtbetrieben. Kiel: Diss. Kiel.
Statistisches Bundesamt, 2007. Land- und Forstwirtschaft, Fischerei;
Ausgewählte Zahlen der Agrarstrukturerhebung. Wiesbaden.
Statistisches Bundesamt, 2009. 50 Jahre Statistisches Jahrbuch - 50 Jahre
Agrarentwicklung. [Online] Available at: http://berichte.bmelv-statistik.de/SJT-
0000200-2005.xls [Accessed 8 Mai 2012].
Statistisches Bundesamt, 2009. Diagramm: Entwicklung der Arbeitskräfte in der
Landwirtschaft im Vergleich zum Arbeitskräftebesatz in Deutschland insgesamt.
[Online] Statistisches Bundesamt Available at: http://berichte.bmelv-
statistik.de/SJG-9303010-0000.pdf [Accessed 5 Mai 2012].
Statistisches Bundesamt, 2010. Land- und Forstwirtschaft, Fischerei;
Betriebswirtschaftliche Ausrichtung und Standardoutput. Wiesbaden.
Statistisches Bundesamt, 2010. Preise - Preisindizes für die Land- und
Forstwirtschaft. Wiesbaden.
Tain, W. & Wan, G.H., 2000. Technical Efficiency and Its Determinants in China's
Grain Production. Journal of Productivity Analysis 13, pp.159-74.
Theuvsen, L., 2003. Kooperationen in der Landwirtschaft - Formen, Wirkungen
und aktuelle Bedeutung -. In 5. Jahrestagung Thüringer Landwirtschaft., 2003.
Tiedemann, T. & Latacz-Lohmann, U., 2011. Empirische Analysen zur
Produktivitätsentwicklung im ökologischen und konventionellen Landbau.
German Journal of Agricultural Economics; Band 60, pp.101-18.

xxviii
Tietje, H., 2005. Hofnachfolge in Schleswig-Holstein. Amtliche Mikrodaten für die
Agrar- und Umweltwissenschaften, pp.31-41.
Timmer, C.P., 1971. Using a Probabilistic Frontier Production Function to
Measure Technical Efficiency. Journal of Political Economy Vol. 79, Juli-August.
pp.776-94.
Töpfer, A., 2007. Betriebswirtschaftslehre - Anwendungs- und prozessorientierte
Grundlagen. Heidelberg: Springer Verlag.
Ullrich, J., 2012. Ökonomie des Winterweizenanbaus auf unterschiedlichen
Standortqualtitäten Mecklenburg-Vorpommerns - Anpassungspotentiale im
Bereich der Direktkosten auf unterschiedliche Ertragserwartungen. Beiträge zur
Weizenproduktion - Mitteilungen der Landesforschungsanstalt für Landwirtschaft
und Fischerei (Heft 47), pp.66-70.
Urban, D., 1993. Logit-Analyse: Statistische Verfahren zur Analyse mit
qualitativen Response-Variablen. Stuttgart: Gustav Fischer Verlag.
Waldman, D.M., 1983. A note on algebraic equivalence of White's Test and a
variation of the Godfrey/Breusch-Pagan Test for heteroscedasticity. Economics
Letters 13, pp.197-200.
Weining, M. & Koo, W.W., 1997. Productivity growth, technological progress, and
efficiency change in chinese agriculture after rural economic reforms: A DEA
approach. China Economic Review, pp.157-74.
Wenk, R., 2005. Generationswechsel in kleinen Familienbetrieben als
biographische Arbeit - Eine empirische Studie. Göttingen.
Wiebusch, A., Henning, C.H.C.A. & Henningsen, A., 2003. Analyse von
Transaktionskosten auf dem ländlichen Kreditmarkt in Polen. In 43. Jahrestagung
der Gesellschaft für Wirtschafts- und Sozialwissenschaften des Landbaues e.V.
Hohenheim, 2003.
Wiese, H., 2002. Mikroökonomik - Eine Einführung in 379 Aufgaben. Berlin:
Springer Verlag.
Zellner, A., Kmenta, J. & Drèze, J., 1966. Specification and Estimation of Cobb-
Douglas Prodcution Function Models. Econometrica Vol. 34 No. 4, Oktober.
pp.784-95.

Erklärung xxix
Erklärung
Hiermit erkläre ich, dass ich die vorliegende Arbeit selbständig und ohne fremde
Hilfe angefertigt und keine anderen als die angegebenen Quellen und Hilfsmittel
verwendet habe.
Die eingereichte schriftliche Fassung der Arbeit entspricht der auf dem elektroni-
schen Speichermedium.
Weiterhin versichere ich, dass diese Arbeit noch nicht als Abschlussarbeit an
anderer Stelle vorgelegen hat.
Kiel im Januar 2013,
Hauke Krüger

Letzte Seite
Letzte Seite
Golombs Merksätze über mathematische Modelle:
1. Verwechsel Modelle nicht mit der Realität!
(Iss nicht die Speisekarte.)
2. Benutze Modelle nur für ihren Zweck!
(Spring nicht in das Nichtschwimmerbecken.)
3. Klebe nicht an schlechten Modellen!
(Es hat keinen Sinn, toten Pferden die Peitsche zu geben.)