1. No category

Timo Sipiläinen &
Matti Ryhänen (toim.)
Tuotannon järjestämisen ja yhteistyön
vaikutus tekniseen tehokkuuteen
Yhteistyöllä kilpailukykyä maidontuotantoon hanke
Helsingin Yliopisto
Taloustieteen laitos
Selvityksiä nro 81
Helsinki 2015
Tuotannon järjestämisen ja yhteistyön
vaikutus tekniseen tehokkuuteen
Yhteistyöllä kilpailukykyä maidontuotantoon hanke
Timo Sipiläinen ja Matti Ryhänen (toim.)
Helsingin yliopisto, Taloustieteen laitos
Tuotannon järjestämisen ja yhteistyön vaikutus tekniseen tehokkuuteen
Timo Sipiläinen ja Matti Ryhänen (toim.)
Tiivistelmä. Tehokkuuden ja tuottavuuden eli tuotos-panossuhteen parantaminen ovat
keskeiset maidontuottajan käytettävissä olevat keinot vaikuttaa tuotannon kannattavuuteen.
Tehokkuutta on pyrittävä parantamaan ja tuottavuutta kasvattamaan, koska näin tehdään
niin kilpailijamaissa, -yrityksissä kuin muilla toimialoillakin. Hyväkään tehokkuus ja tuottavuus eivät takaa tuotannon kannattavuutta, mikäli hintasuhteet ovat epäedulliset.
Tuottavuuden parantaminen perustuu usein teknologisen kehityksen hyödyntämiseen, tehottomuuden vähentämiseen ja mittakaavaetujen saavuttamiseen. Teknologiseen kehitykseen kuuluu niin tekninen, biologinen kuin osaamisenkin muutos. Usein teknologisen edistymisen hyödyntäminen edellyttää yrityskoon kasvattamista, verkostoitumista ja yhteistyötä. Tällöin myös osaavan työvoiman ja yhteistyökumppanuuksien merkitys korostuu.
Tähän julkaisuun koottiin ”Yhteistyöllä kilpailukykyä maidontuotantoon” -hankkeessa
laaditut tehokkuutta ja tuottavuutta käsittelevät artikkelit. Aineistot hankittiin MTT:n kannattavuuskirjanpidosta, data-pankeista, tilastoista ja haastattelemalla. Artikkeleissa hyödynnettiin ekonometrista SFA -menetelmää, verkostomaista DEA -tarkastelua sekä ehdollisen ja ei-ehdollisen order-m tehokkuuden estimointia. Peltoviljelyn ja kotieläintuotannon
tehokkuutta tutkittiin tavanomaista maitoa tuottavilla tiloilla. Kasvinviljelyn ja kotieläintalouden suhteita tutkittiin malleilla, joissa välituotteena oli rehuyksikkösato.
Tutkimus tuotti tekniseen tehottomuuteen perustuvia arvioita kustannusten enimmäisvähentämisestä (kasvintuotanto) ja tuottojen enimmäislisäämisestä (kotieläintuotanto), ja näiden yhteissummana tehottomuuden poistamisesta saatavan ylijäämän lisäyksen. Tuotannossa esiintyi tehottomuutta. Osaamiserojen ohella tekniseen tehottomuuteen ovat syynä
myös panosten laatuerot (maan laatu ja ilmasto), peltojen etäisyys ja lohkokoko, yrityksen
elinkaaren vaihe sekä sattuma. Taloudellista tehottomuutta aiheuttaa teknisen tehottomuuden lisäksi se, että panoksia ei käytetä hintasuhteiden edellyttämällä tavalla, mutta tätä allokatiivista tehottomuutta ei tässä tutkimuksessa käsitelty. Vaikka vain pieni osa teknisestä
tehottomuudesta voitaisiin poistaa, ylijäämien tilakohtaiset lisäykset olisivat usein merkittäviä.
Tutkimustulosten mukaan tehokkuusvaihtelu oli erityisen suurta maitotilojen kasvintuotannossa. Tekniseen tehokkuuteen oli merkitsevästi yhteydessä tuotantoalue. Suomen pohjoisimmilla alueilla tehottomuus oli suurinta. Tulosten mukaan mittakaavaetujen tuoma
tuottavuuden kasvu jäi yleensä vähäiseksi, vaikka toisaalta yksikkökustannukset alenivat
panossuhteiden muutoksen ansiosta huomattavasti, kun verrataan pieniä maitotiloja suuriin.
Keskituotoksella ja lehmämäärällä oli positiivinen yhteys maitotilojen tehokkuuteen.
Eläintiheydellä oli positiivinen yhteys kasvintuotannon tehokkuuteen. Maidontuotantoa
kehitettäessä on kiinnitettävä huomiota osaprosessien järjestämiseen ja kehittämiseen kokonaisuuden osana, jotta kilpailukykyä voitaisiin parantaa.
Asiasanat: maidontuotanto, tehokkuus, tuottavuus, yhteistyö, verkostoituminen, resurssit
University of Helsinki, Faculty of Agriculture & Forestry, Department of Economics
and Management
Impact of production organization and co-operation on technical efficiency
Timo Sipiläinen ja Matti Ryhänen (eds.)
Abstract: Productivity improvements are the main means to influence the profitability of
milk production at the farm level. Milk producers must seek for efficiency and productivity, because it is taking place in competing countries, farms and in other sectors. However,
even good efficiency and productivity does not guarantee the profitability of production, if
the price relations are unfavorable.
Improving productivity is often based on the exploitation of technological progress, reduction of inefficiency and realization of economies of scale. Technological change includes
both technical, biological and organizational improvements. Often promoting technological
change requires increasing the firm size, networking and co-operation. This highlights the
role of skilled labor and partnerships.
This publication was compiled of efficiency and productivity studies conducted in the research and development project "Increasing the competitiveness to milk production
through co-operation". The data were obtained from MTT (Luke), data banks, statistics and
interviews. The articles apply the econometric SFA method, network-based DEA, and
conditional and unconditional order-m efficiency estimations. The relationship between
crop and livestock production was examined on conventional milk farms using models
where the feed unit of harvest was an intermediate product.
The study provided technical inefficiency estimates which were used to approximate maximum cost reduction (in crop production) and maximum return enhancement (in animal
husbandry), and the surplus as a sum of them. The analysis revealed considerable technical
inefficiencies, but inefficiency is always partially caused by the heterogeneity in resources
and production environment. In addition, economic inefficiency is a product of technical
and allocative inefficiency but allocative inefficiency is not addressed in this study. Although only a small part of the technical inefficiency could be removed, the surplus increases at individual farms would often be significant.
The results show that the variation in efficiency was particularly large in crop production.
Technical efficiency was significantly associated with the production environment. In the
northernmost areas inefficiency was the greatest. The results show that the economies of
scale brought about by productivity growth was generally low, although on the other hand,
unit costs decreased significantly together with the increase in farm size.
The average milk yield of cows and the number of cows correlated positively with dairy
farm efficiency. The animal density was in a positive relationship to efficiency of crop
production. Milk producers have to pay attention to the development of their sub-processes
and organization as part of the totality, in order to enhance their competitiveness.
Keywords: milk production, efficiency, productivity, collaboration, networking, resources
Esipuhe
Tämä tutkimus on toteutettu Helsingin yliopiston taloustieteen laitoksen ja Seinäjoen ammattikorkeakoulun SeAMK Elintarvike ja maatalous yksikön yhteistyönä ’Yhteistyöllä
kilpailukykyä maidontuotantoon’ –hankkeen puitteissa. Tutkimusongelmat on asetettu
maidontuottajan liiketaloudellisen päätöksenteon näkökulmasta. Maidontuotannon kehittämiseksi tutkimusyhteistyötä alueellisista lähtökohdista on tehty systemaattisesti vuodesta
2003 lähtien. Julkaisu on jatkoa aiemmin tehdyille tutkimuksille maidontuotannon kehittämisestä Etelä-Pohjanmaalla ja Keski-Suomessa. Tämä julkaisu tuottaa uutta tietoa maitotilojen tehokkuudesta ja tuottavuudesta sekä niiden parantamisedellytyksistä. Tutkimustuloksia voidaan hyödyntää yritystoimintaa kehitettäessä, maitotilojen tuotantoprosesseja uudistettaessa ja liiketoimintaosaamista parannettaessa.
Julkaisu koostuu kolmesta artikkelista. Ensimmäisessä artikkelissa käsitellään maitotilojen
kasvituotannon teknistä tehokkuutta sekä siihen vaikuttavia tekijöitä. Toisessa artikkelissa
tarkastellaan maitotilan kokonaisprosessia jaettuna kasvi- ja kotieläintuotannon osaprosesseihin. Tämä tuo uutta tietoa siitä, miten maidontuottaja voi tehostaa tuotantoa kasvinviljelyssä, maidontuotannossa ja koko maitotilan tasolla nämä optimaalisesti yhdistäen. Kolmannessa artikkelissa tutkitaan liikkeenjohdon suorituskyvyn indikaattoreita eteläpohjalaisilla maitotiloilla.
Tehokkuus- ja tuottavuustarkastelun tutkimusaineistot hankittiin MTT taloustutkimuksesta,
Maa- ja metsätalousministeriön tietopalvelukeskuksesta, maatilarekisteristä, tilastokeskuksesta, ProAgrian ylläpitämistä datapankeista ja maidontuottajia haastattelemalla. Aineistojen keruusta vastasivat Helsingin Yliopisto, Seinäjoen ja Jyväskylän ammattikorkeakoulut,
ProAgria Etelä-Pohjanmaa ja Osuuskunta Maitosuomi.
Tutkimushankkeen ovat rahoittaneet Etelä-Pohjanmaan ja Keski-Suomen ELY-keskukset
Manner-Suomen maaseudun kehittämisohjelmasta. Tutkimushankkeen ohjausryhmään
ovat kuuluneet Hanna Mäkimantila (Etelä-Pohjanmaan ELY-keskus), Matti Ylätalo (Helsingin yliopisto, puheenjohtaja), Anu Fräntilä-Riihonen (maidontuottaja), Juha Kantoniemi
(maidontuottaja), Jari Valkola (maidontuottaja), Aimo Pellinen (JAMK), Anja Kettunen
(MTK Keski-Suomi), Olavi Koskimäki (Osuuskunta Maitosuomi), Antti Pasila (SeAMK)
ja Jyrki Rajakorpi (SeAMK, sihteeri). Kiitämme lämpimästi tutkimushankkeeseen osallistuneita maidontuottajia, yhteistyökumppaneita sekä rahoittajaa ja ohjausryhmää panostuksesta ja myötävaikutuksesta tämän julkaisun syntyyn.
Helsingissä tammikuussa 2015
Timo Sipiläinen
Professori
HY taloustieteen laitos
Matti Ryhänen
Tutkimushankkeen vastuullinen johtaja
SeAMK Elintarvike ja maatalous
Sisältö
1 Johdanto................................................................................................................... 7
Matti Ryhänen ja Timo Sipiläinen
1.1 Tausta.............................................................................................................. 7
1.2 Tavoite ............................................................................................................. 8
1.3 Viitekehys ........................................................................................................ 8
Lähteet ................................................................................................................. 11
2. Maitotilojen kasvituotannon tekninen tehokkuus Suomessa vuosina 2007–2012 ... 12
Pekka Halinen, Timo Sipiläinen ja Matti Ryhänen
2.1. Johdanto ........................................................................................................ 12
2.2. Tuottavuus ja tehokkuus ................................................................................ 14
2.2.1. Tuotantoteknologia .................................................................................. 14
2.2.2. Tuottavuustarkastelu ................................................................................ 15
2.2.3 Tekninen tehokkuus ja stokastinen rintamamalli ....................................... 17
2.2.4. Kotimaisia tutkimuksia ............................................................................ 19
2.2.5. Ulkomaisia tutkimuksia ........................................................................... 21
2.3. Aineisto ja menetelmä ................................................................................... 23
2.3.1. Aineiston hankinta ................................................................................... 23
2.3.2. Muuttujat ................................................................................................. 23
2.3.3. Mallin spesifiointi .................................................................................... 25
2.3.4. Muuttujamuunnokset ............................................................................... 27
2.4. Tulokset......................................................................................................... 28
2.4.1. Tehokkuusluvut ja panostekijät ................................................................ 28
2.4.2. Tehokkuutta selittävät tekijät ................................................................... 32
2.4.3. Etelä-Pohjanmaa ja Keski-Suomi ............................................................. 34
2.5. Johtopäätökset ............................................................................................... 34
Lähteet ................................................................................................................. 36
Liite 1. Aineiston keskeiset tilastotiedot................................................................ 40
Liite 2. Hintakorjauksessa käytetyt deflatointikertoimet........................................ 41
3. Tehokkuustappio - kasvin- ja maidontuotannon verkostomainen DEA-tarkastelu .. 42
Sami Ovaska, Timo Sipiläinen ja Matti Ryhänen
3.1. Johdanto ........................................................................................................ 42
3.2. Tutkimusaineisto ........................................................................................... 43
3.3. Menetelmät .................................................................................................... 46
3.3.1. Tehokkuuden mittaaminen ....................................................................... 46
3.3.2. Verkosto-DEA......................................................................................... 49
3.3.3. Kasvin- ja maidontuotannon tehokkuusmalli............................................ 50
3.4. Tutkimustulokset ........................................................................................... 52
3.5. Johtopäätökset ............................................................................................... 61
Lähteet ................................................................................................................. 63
4. Liikkeenjohdon suorituskykyyn vaikuttavat tekijät eteläpohjalaisilla maitotiloilla . 64
Timo Sipiläinen, Matti Ryhänen ja Sami Ovaska
4.1. Johdanto ........................................................................................................ 64
4.2. Maitotilan suorituskyvyn kehittämismahdollisuuksien tutkiminen ................. 65
4.3. Tutkimusaineisto ........................................................................................... 67
4.4. Tutkimusmenetelmät ..................................................................................... 68
4.5. Tulokset......................................................................................................... 71
4.6. Johtopäätökset ............................................................................................... 77
Lähteet ................................................................................................................. 78
5. Tulosten arviointi ja hyödynnettävyys ................................................................... 80
Timo Sipiläinen ja Matti Ryhänen
Lähteet .............................................................................................................. 83
7
1 Johdanto
Ryhänen, Matti1 & Sipiläinen, Timo 2
1
Seinäjoen ammattikorkeakoulu, SeAMK Elintarvike ja maatalous, Ilmajoentie 525, 60800
Ilmajoki, matti.ryhanen@seamk.fi
2
Helsingin yliopisto, Taloustieteen laitos, PL 27, 00014 Helsingin yliopisto, timo.sipilainen@helsinki.fi
1.1 Tausta
Euroopan unionin maatalouspolitiikan uudistus lisää markkinaohjautuvuutta. Maitotuotteiden tuontipaineet kasvavat ja vientikilpailu kovenee. Markkinaohjautuvuuden kasvu lisää
kilpailua, mikä kasvattaa strategisen ajattelun ja suunnittelun merkitystä maitotilan johtamisessa. Menestyvät maidontuottajat eivät pelkästään sopeudu toimintaympäristön muutoksiin, vaan he hakevat aktiivisesti keinoja pärjätäkseen kovenevassa kilpailussa. Se edellyttää kykyä muodostaa näkemys tulevaisuudesta. On oltava rohkeutta kehittää yritystoimintaa ja tehdä valintoja.
Maidontuottajan strategisten tavoitteiden painopiste on toimissa, joilla hän ylläpitää, vahvistaa ja kehittää kilpailuetujaan eli parantaa yrityksensä kilpailuasemaa. Tällaisia tavoitteita maitotilalla ovat tuotannon teknisen tehokkuuden1 ja tuottavuuden nostaminen, alhaisten yksikkökustannusten saavuttaminen, maidon ja nurmen tuotannon laatuun panostaminen sekä resurssien uudelleen kohdentaminen. Strategisten kehittämistavoitteiden on kuvattava maitotilan todellista potentiaalia. Jotta tavoitteet olisivat järkeviä ja oikeutettuja,
niiden on tuettava pitkällä aikavälillä taloudellisten tavoitteiden saavuttamista, jotka liittyvät kannattavuuteen, maksuvalmiuteen ja vakavaraisuuteen. Tärkein näistä on pitkän aikavälin kannattavuus.
Yritystoiminnan strategisille tavoitteille on annettava selkeät määrälliset suoritus- tai referenssitasot, joihin pyritään. Tavoitteiden on oltava mitattavia, jotta niiden saavuttamista
voidaan valvoa ja tarvittaessa toimintaa ohjata tavoitteita kohti. Mittaamalla saadaan tietoa
tavoitteiden saavuttamisesta. Suoritus tai referenssitasot selvitetään benchmarkingilla eli
haetaan parhaat käytännöt ja/tai toteutustavat ja hyödynnetään niitä maitotilan toiminnassa
(vrt. Stapenhurst 2009, 3−20). Maidontuottaja tekee päätökset omasta näkökulmastaan.
Hän hyödyntää maitotilan omia tietoja ja vertaa niitä benchmarking -tilojen tietoihin eli
etsii parhaita käytänteitä muista yrityksistä. Tutustumalla toimiviin ratkaisuihin maidontuottajat pääsevät oman liiketoimintastrategiansa näkökulmasta pohtimaan mm. verkostoitumisen hyötyjä ja haittoja oman liiketoiminnan tehostamisessa ja kehittämisessä (Ryhänen
ja Laitila 2014).
Koveneva kilpailu lisää yritystoiminnan tehostamistarvetta. Maitotilalla kehittämistoimet
luovat edellytyksiä tulevaisuuden yrittämiselle. Tehokkuuden ja tuottavuuden parantami1
Kuvaa resurssien käytön tehokkuutta maatilalla kuten mm. tilalla saavutettuja panos-tuotossuhteita ja työaikasuorituksia suhteessa saavutettavissa oleviin.
8
nen on siten maidontuottajan keskeinen pitkän aikavälin keino vaikuttaa kannattavuuteen
(Sipiläinen ym. 2012). Näin toimien hän parantaa yrityksensä kilpailuasemaa ja/tai hakee
uutta kilpailuetua. Yksi keinoista vaikuttaa tehokkuuteen ja taloudelliseen tulokseen on
yhteistyö ja verkostoituminen (Ryhänen ym. 2014).
1.2 Tavoite
Maitotilan tuotanto koostuu kahdesta pääprosessista, jotka ovat kotieläin- ja kasvintuotanto. Tehokkuustarkasteluissa maatalousyritystä on tarkasteltu lähes poikkeuksetta kokonaisuutena (ks. Färe ym. 2007; Färe & Whittaker 1995, 1996). Tällaisessa tarkastelussa menetetään mahdollisuus eritellä esimerkiksi kasvin- ja kotieläintuotantoprosessit toisistaan.
Verkostomaisissa malleissa kasvin- ja kotieläintuotantoprosessit voidaan kytkeä toisiinsa
mutta samalla ottaa huomioon niiden tuotantoprosessin erityispiirteitä. Kasvin- ja kotieläintuotanto muodostavat tällöin yhdessä verkoston, jossa pyritään tunnistamaan tehottomuuden lähteet benchmarkingin avulla. Esimerkiksi DEA -tarkasteluilla saadaan selville
kunkin maitotilan osalta, miten se onnistuu erikseen kasvin- ja kotieläintuotannossaan ja
niiden yhdistämisessä. Yleisimmin maitotiloilla yhteistyö kohdistuu kasvituotantoon tai
kasvi- ja kotieläintuotannon rajapintaan kuten lannan levitykseen (Ryhänen ja Laitila
2014).
Tässä julkaisussa edellä mainitun tilatason verkostomallin lisäksi tutkitaan, millainen yhteys yhteistyön tekemisen yleensä ja yhteistyön laajuuden ja tehokkuuden välillä on. Analyyseissä hyödynnetään aiemmissa hankkeissa Etelä-Pohjanmaan maitotiloilta kerättyjä
tutkimusaineistoja (Sipiläinen ym. 2012) sekä maatalouden kannattavuuskirjanpitoon perustuvaa maitotila-aineistoa, jossa kasvi- ja kotieläintuotantoa eritellään yksityiskohtaisesti
toisistaan. Tämän tutkimuksen artikkeleissa haetaan vastausta seuraaviin kysymyksiin:
· Miten maitotilan tuotannon tehokkuus riippuu kasvi- ja kotieläintuotannon onnistumisesta?
· Miten yhteistyö ja verkostomainen toimintatapa vaikuttavat yritystoiminnan tehokkuuteen?
· Millainen yhteys on yhteistyön ja tehokkuuden välillä?
1.3 Viitekehys
Maitotiloilla yhdistetään tuotantoresursseja tuotantoprosesseissa tuotteiden aikaan saamiseksi. Kun maidontuottaja hyödyntää osaamistaan tuotantoprosesseissa, toimintaa kutsutaan tuotanto-osaamiseksi eli teknologiaksi (vrt. Saari 2006, 69). Taloustieteen yleisen lähtökohdan mukaan maidontuottajan tavoitteena on harjoittaa yritystoimintaa voitto maksimoiden. Maidontuottajan on allokoitava työpanosta, pääomapanosta ja osaamista tehokkaasti ja tuottavasti, jotta voitto maksimoituisi. Maidontuottajan strategisiin päätöksiin vaikuttavat tuotantoprosessien tehokkaan hallinnan lisäksi markkinat ja harjoitettava maatalouspolitiikka sekä toimintaympäristö (Ryhänen ym. 2014, 80−85).
9
Kuviossa 1.1 esitetään julkaisun viitekehys, joka jakautuu ulkoiseen ja sisäiseen viitekehykseen. Ulkoisen viitekehyksen tälle julkaisulle muodostaa strateginen ajattelu, suunnittelu ja johtaminen. Kun tutkimusongelman tarkastelu kohdennetaan pitkälle aikavälille,
kaikkien tuotantoresurssien määriä, niiden laatua ja vaihtoehtoisia tuotantoprosesseja voidaan muuttaa strategisten tavoitteiden mukaisesti. Tehokkuuden ja tuottavuuden tarkastelu
perustetaan benchmarkingiin eli vertailuun siitä, mitä maitotilalla voidaan tehdä nykyistä
paremmin ja siten parantaa maitotilan kilpailuasemaa. Sitä edellyttää myös Euroopan
unionin maatalouspolitiikan uudistus ja markkinaohjautuvuuden kasvu. Jotta maidontuottaja pärjäisi uudessa toimintaympäristössä, häneltä edellytetään kykyä tehostaa tuotantoa sekä taitoa ja osaamista hyödyntää uutta tuotantoteknologiaa tuottavuuden parantamisessa.
Kuvio 1.1. Tutkimuksen viitekehys.
Sisäisen viitekehyksen tälle julkaisulle muodostaa tuotannon tehostaminen ja tuottavuuden
parantaminen (kuvio 1.1). Ne ovat keskeisin osa maitotilan strategisten tavoitteiden toteuttamisessa, kun maitotilan kilpailuasemaa parannetaan. Maitotiloilla tuotos- ja satotasot
vaihtelevat eri vuosien ja tilojen välillä osin suurestikin. Vaihtelun ymmärtämiseksi ja selittämiseksi tarvitaan benchmarking-aineistoa. Maidontuottaja tarvitsee luotettavaa vertailutietoa resursseista, niiden hyödyntämismahdollisuuksista ja myös muista tuotannon tehokkuuteen vaikuttavista tekijöistä, joihin hän voi päätöksillään vaikuttaa. Päätöksenteon
helpottamiseksi ja riskien hallitsemiseksi hän tarvitsee tietoa myös siitä, missä laajuudessa
satunnaiset tekijät vaikuttavat tuotosten ja satojen vaihteluun.
10
Maitotilalla pääprosessin eli maidontuotannossa onnistumisen lisäksi myös säilörehuntuotantoprosessissa on onnistuttava. Säilörehu on keskeinen välituote, joka käytetään maidontuotannossa. Rehuntuotannossa onnistuminen vaikuttaa taloudelliseen tulokseen. Rehuntuotannon tehokkuus ja rehun laatu vaihtelevat maitotiloittain, mikä luo tarpeen rehuntuotannon kehittämiselle. Kuviossa 1.2 maitotilan kokonaisprosessi on jaettu kasvi- ja kotieläintuotannon osaprosesseihin. Maidontuottaja voi tehostaa tuotantoa kasvinviljelyssä,
maidontuotannossa ja koko maitotilan tasolla nämä optimaalisesti yhdistämällä.
KASVITUOTANTO
TUOTOKSET:
PANOKSET:
Työ
Pelto
Rehuyksikkösato
Kasvintuotanto
Muuttuvat kustannukset
Kiinteät kustannukset,
KOTIELÄINTUOTANTO
PANOKSET:
TUOTOKSET:
Työ
Maito
Rehuyksikkösato
Muuttuvat kustannukset
Maidontuotanto
Muut tuotteet
Kiinteät kustannukset
Kuvio 1.2. Maitotilan kasvi- ja kotieläintuotannon osaprosessit maitotilan tasolla esitettynä.
Tutkimuksen ensimmäisessä luvussa kuvattiin tutkimuksen tausta, esitettiin tutkimuksen
tavoitteet sekä julkaisun viitekehys. Luvussa kaksi tutkitaan maitotilojen peltokasvituotannon teknistä tehokkuutta. Luvussa kolme saadaan vastaus siihen, miten maitotilalla tuottavuutta ja tehokkuutta voidaan tarkastella kasvi- ja kotieläintuotannon osaprosesseina sekä
koko maitotilan tasolla nämä osaprosessit yhdistäen. Luvussa neljä tutkitaan liikkeenjohdon suorituskyvyn indikaattoreita eteläpohjalaisilla maitotiloilla. Luvussa viisi arvioidaan
tutkimustulosten hyödynnettävyyttä. Tutkimustiedon odotetaan edistävän maidontuottajien
edellytyksiä tehostaa tuotantoa, parantaa tuottavuutta ja kehittää valmiuksia johtaa yritystoimintaa kannattavasti.
11
Lähteet
Färe, R., Grosskopf, S. & Whittaker, G. 2007. Network DEA. Teoksessa J. Zhu & W.D.
Cook (toim.) Modeling data irregularities and structural complexities in Data Envelopment
Analysis. Springer: New York. s. 209-240.
Färe, R. & Whittaker, G. 1995. An intermediate input model of dairy production using
complex survey data. Journal of Agricultural Economics, 46, 201-213.
Färe, R. & Whittaker, G. 1996. Dynamic measurement of efficiency: an application to
western public grazing. Teoksessa Fare, R. & Grosskopf, S. (toim.) Intertemporal production frontiers: With dynamic DEA. Kluwer Academic: London. s. 168-186.
Ryhänen, M. & Laitila, E. (toim.) 2014. Yhteistyö ja verkostosuhteet. Strateginen tarkastelu maidontuotantoon sovellettuna. Seinäjoki: Seinäjoen ammattikorkeakoulu. Seinäjoen
ammattikorkeakoulun julkaisusarja A. Tutkimuksia 19.
Ryhänen, M., Sipiläinen, T., Närvä, M. & Laitila, E. 2014. Yhteistyö kilpailutekijänä tulevaisuuden toimintaympäristössä. Teoksessa: M. Ryhänen & E. Laitila (toim.) Yhteistyö ja
verkostosuhteet. Strateginen tarkastelu maidontuotantoon sovellettuna. Seinäjoki: Seinäjoen ammattikorkeakoulu. Seinäjoen ammattikorkeakoulun julkaisusarja A. Tutkimuksia 19:
79-115.
Saari, S. 2006. Tuottavuus, teoria ja mittaaminen liiketoiminnassa. Vantaa: Mido Oy.
Sipiläinen, T., Ovaska, S. & Ryhänen, M. 2012. Tuottavuus, tehokkuus ja taloudellinen
tulos eteläpohjalaisilla maitotiloilla. MTT raportti 78: 9-41. Viitattu 1.12.2014
http://www.mtt.fi/mttraportti/pdf/mttraportti78.pdf.
Stapenhurst, T. 2009. The Benchmarking Book. Elsevier Ltd. UK.
12
2. Maitotilojen kasvituotannon tekninen tehokkuus Suomessa
vuosina 2007–2012
Halinen, Pekka1, Sipiläinen, Timo1 & Ryhänen, Matti2
1
Helsingin yliopisto, Taloustieteen laitos, PL 27, 00014 Helsingin yliopisto, etunimi.sukunimi@helsinki.fi
2
Seinäjoen ammattikorkeakoulu, SeAMK Elintarvike ja maatalous, Ilmajoentie 525, 60800
Ilmajoki, matti.ryhanen@seamk.fi
2.1. Johdanto
Suomalaiset maitotilat ovat pääosin pieniä ja keskikokoisia perheyrityksiä, joilla on sekä
omaa että vuokrapeltoa2. Maitotilojen määrä on vähentynyt ja yrityskoko kasvanut, sillä
maidontuotannossa on käynnissä voimakas rakennemuutos. Maitotilojen osuus koko maan
peltoalasta on vähentynyt, kun pieniä maitotiloja on luopunut tuotannosta ja peltoa on siirtynyt erityisesti Etelä-Suomessa viljatiloille. Intensiivisillä tuotantoalueilla kilpailu lisäpellosta onkin ollut kovaa3.
Maidontuotanto Suomessa on alueellisesti keskittynyttä ja eniten maitotiloja on PohjoisSavon, Pohjois- ja Etelä-Pohjanmaan sekä Pohjanmaan maakunnissa. Alueellinen keskittyminen tuo synergiaetua, mutta aiheuttaa toisaalta kilpailua lisäpellosta. Laajentaville
maitotiloille kilpailu pellosta ja kasvavat etäisyydet ovat suuri haaste 4. Maitotilojen peltojen keskimääräinen etäisyys tilakeskuksesta onkin kasvanut 22 prosentilla (Niskanen &
Lehtonen 2014, 24). Laajentavilla maitotiloilla yrityskokonaisuuden hallinta korostuu ja
kasvintuotannon järjestäminen kokonaisuuden osana joudutaan usein suunnittelemaan uudelleen. Erityisesti säilörehun tuotantoprosessi on järjestettävä maitotilan kokonaisuuteen
sopivaksi, sillä säilörehun kuljettaminen pitkiä matkoja on kallista.
Maitokiintiöjärjestelmä poistuu, jolloin maidontuotannon Euroopassa arvioidaan kasvavan
ja kilpailun maitomarkkinoilla kiristyvän (Lehtonen 2014, 55). Kovenevassa kilpailussa
meijeriteollisuuden raakamaidosta maksama hinta laskee ja samalla se on entistä herkempi
markkinaheilahteluille. Tällaisessa toimintaympäristössä maitotilojen on kyettävä parantamaan kilpailukykyään mm. tuotannon tehokkuutta lisäämällä ja tuottavuutta kasvattamalla. On haettava keinoja yksikkökustannusten alentamiseksi. Osa maidontuottajista harjoittaa yhteisviljelyä tai sopimustuotantoa muiden maatalousyrittäjien kanssa alentaakseen yksikkökustannuksia. Pienellä osalla maitotiloista integroituminen on edennyt yhteistuotannon tasolle.
2
Vuonna 2013 maitotilojen viljelyksessä oli noin 550 000 hehtaaria peltoa, keskimäärin yli 56 hehtaaria tilaa
kohden (MMM Tike 2014).
3
Maidontuotannossa on tyypillistä tuotantokapasiteetin kasvattaminen kerrannaisena (esim. lypsyrobottien
määrän lisääminen), mikä aiheuttaa peltoalan riittävyyden haasteen Suomen hajanaisen tilusrakenteen olosuhteissa (Pyykkönen, Bäckman & Puttaa 2013, 11).
4
Maitotila tarvitsee peltopinta-alaa sekä rehuntuotantoon, että lannanlevitysalaksi. Maidontuottajat ovat raivanneet lähes 40 000 hehtaaria peltoa vuosina 2000–2009, yli 40 prosenttia Suomessa raivatusta uudisalasta
(Niskanen & Lehtonen 2014, 20–21).
13
Tehokkaan tuotantoteknologian hyödyntäminen yhteistyönä tai urakointina parantaa kokonaistuottavuutta, mahdollistaa yksikkökustannusten alentamisen ja kannattavuuden parantamisen. Yhteistyöllä ja ulkoistamisella voidaan tasata myös työhuippuja. Yhteistyö mahdollistaa mm. säilörehuntuotannossa yksikkökustannuksen alentamisen, millä saavutetaan
kilpailuetua (Sipiläinen, Ovaska & Ryhänen 2012). Taantuvilla tuotantoalueilla yhteistyömahdollisuudet ja urakoinnin hyödyntäminen vaativat uudelleen järjestelyjä, kun tuotantoa
jatkavien maitotilojen välimatkat pitenevät.
Tuotantofunktio on matemaattinen kuvaus siitä, miten panokset muutetaan tuotokseksi.
Taloustieteessä tuotantofunktiopohjaisessa analyysissä taustaoletuksena on yleensä tehokas
tuotanto, johon kaikilla maidontuottajilla on mahdollisuus. Kun analyyseissä sallitaan tehottomuus, käytetyimmät menetelmät ovat stokastinen tuotantorintama-analyysi eli SFA menetelmä (Stochastic Frontier Analysis) ja DEA -menetelmä (Data Envelopment Analysis). Tässä artikkelissa sovelletaan mainituista ensimmäistä, satunnaisuuden huomioonottavaa SFA -menetelmää, jossa ennustamaton vaihtelu pyritään erottamaan stokastisuustermillä.
Talousteorian mukaan maidontuottaja valitsee optimituotostason tuotantoteknologian ja
hintojen perusteella. Hän järjestää tuotannon tehokkaasti5, rajallisia resursseja hukkaamatta. Tuottavuus määritellään tuotoksen ja tuotosta kohden käytettävän panosmäärän keskinäiseksi suhteeksi. Teknologian kehittyessä parhaan tuottavuuden rintama siirtyy origosta
ulospäin, jolloin maitotilalle syntyy uutta tuottavuus- ja tehostamispotentiaalia. Tekninen
tehokkuus on kustannustehokkuuden osatekijä yhdessä hintasuhteiden määrittämän allokatiivisen tehokkuuden kanssa.
Maitotilan tuotanto voidaan jakaa maidontuotantoon eli ydinprosessiin, ja sitä tukeviin
hiehonkasvatus- ja kasvintuotantoprosesseihin. Maitotilan kilpailukykyyn voidaan vaikuttaa sekä eläin- että kasvintuotantoprosesseja tehostamalla, ja näiden optimaalisella yhdistämisellä. Osalla maitotiloista kasvintuotantoprosessissa tuotetaan myös myytäviä kasvituotteita. Rehuntuotanto on eläinprosesseihin kiinteästi kytkeytyvä osa, sillä valtaosa maidontuottajista pyrkii tuottamaan säilörehun karjan tarpeen perusteella. Säilörehu tuotetaan
lähiympäristöstä joko maitotilan omilla resursseilla, yhteistyönä tai urakointina. Lisätarve
täydennetään ostorehuilla.
Tässä artikkelissa tarkastellaan maidontuotantoprosessia tukevaa kasvintuotantoprosessia.
Tarkastelu rajataan maitotilojen kasvintuotannon panos-tuotossuhteiden kuvaamiseen ja
teknisen tehokkuuden mittaamiseen. Kasvintuotanto on yhdistelmä luonnonprosesseja ja
ihmisen sadon eteen tekemää panostusta. Kytkös elävään luontoon aiheuttaa ennustamatonta vaihtelua, joka pyritään erottamaan systemaattisesta vaihtelusta. Vaihtelun vuoksi
5
Tehokkuus ilmaisee millä tasolla toimijan tuottavuus on alan parhaimpaan saavutettavissa olevaan panostuotossuhteeseen nähden.
14
tuloksia on tarkasteltava ymmärtäen, että olosuhde-erojen vuoksi kaikki maitotilat eivät voi
saavuttaa käytännön aineistoista määritettyjä parhaita tehokkuustasoja.
Tutkimuskysymykset ovat seuraavat:
·
·
Kuinka suuria teknisiä tehokkuuseroja kannattavuuskirjanpidon maitotilojen kasvintuotannossa esiintyy?
Mitkä tekijät selittävät maitotilojen kasvintuotannon tehokkuuseroja?
2.2. Tuottavuus ja tehokkuus
2.2.1. Tuotantoteknologia
Tuotantoteknologialla tarkoitetaan panosten ja tuotosten välistä suhdetta eli tuotantojoukkoa. Se sisältää tiedon, miten panokset muutetaan tuotoksiksi. Tuotantojoukko linkittää
yhteen rajalliset tuotokset ja niiden tuottamiseen käytettävät panokset. Ilman panoksia ei
synny tuotosta. Kun tuotos syntyy minimipanoskäyttöä suuremmalla panoskäytöllä, sitä
kutsutaan panosten tuhlattavuudeksi. Tuotantojoukon rajapinta kuvataan transformaatiotai tuotantofunktiolla6. Se kuvaa teknisesti tehokkaat tuotantosuunnitelmat, muiden tuotantosuunnitelmien ollessa tehottomia. Tuotosjoukosta johtamalla tuotantofunktio voidaan
määritellä kullakin panoskäytöllä syntyvän tuotoksen maksimitason perusteella:
( )≡
{ ∶
∈ ( , )}
(1)
Taloustieteessä on määritetty laaja joukko erilaisia tuotantofunktioita kuvaamaan tuotantoteknologioita. Kutakin tehokasta tuotantoteknologiaa parhaiten kuvaava tuotantofunktio on
se, jonka sovite vastaa parhaiten reaalista tuotantoteknologiaa. Yksinkertaisin tuotantofunktion muoto on lineaarinen funktio. Sitä voidaan hyödyntää vain, jos tuotanto kasvaa
lineaarisesti panosmäärää kasvattamalla. Maataloustuotanto noudattaa yleensä vähenevän
lisätuotoksen lakia, jolloin tarvitaan funktiomuotoja, jotka kykenevät kuvaamaan vähenevän rajatuotoksen lain mukaista tuotantoa. Yleisesti käytetty on Cobb-Douglas tuotantofunktio, joka kahden panoksen ( ja ) tapauksessa voidaan esittää seuraavasti:
=A
logaritmimuunnoksena: ln
= lnA +
ln
+
ln
(2)
Cobb-Douglas -funktiota on hyödynnetty estimoinneissa, koska se on helppo estimoida ja
sen kertoimista saadaan logaritmimuunnoksella suoraan tuotosjoustot. CES -funktioita 7 on
myös käytetty (mm. Hemilä 1982). Translog -funktio on Cobb-Douglas- ja CES -funktioita
joustavampi. Jos todellista teknologiaa ei tunneta, oleellista ei ole, miten jokin parametri
saadaan estimoitua, vaan keskeistä on se, mitä mallista halutaan ratkaista. Jos halutaan ratkaista substituutiojousto, jokin joustava muoto, esim. translog -funktio estimoi yleensä
6
7
Pidetään tuotosetäisyysfunktion erityistapauksena.
Constant elasticity of substitution eli vakio substituutiojousto.
15
substituutiojouston paremmin kuin CES -funktio. Translog -funktio kahden panoksen tapauksessa esitetään seuraavasti:
ln =
+
ln
+
ln
+
[
(ln ) +
(ln ) ] +
ln ln
(3)
Skaalatuotto (returns to scale) on teknologinen käsite, joka kuvaa tuotoksen lisäystä, kun
kaikkia panoksia lisätään samassa suhteessa. Vakioskaalatuotot (CRS, constant returns to
scale) ilmentävät tuotantoa, jossa tuotos kasvaa samassa suhteessa panoskäytön kanssa.
Vähenevien skaalatuottojen (DRS, decreasing returns to scale) tapauksessa tuotos kasvaa
panoskimppua pienemmällä suhteella panoksia samansuhteisesti lisättäessä. Vastaavasti
kasvavien (IRS, increasing returns to scale) skaalatuottojen tapauksessa tuotos kasvaa panoskäytön suhteellista lisäystä suuremmalla suhteella (Rasmussen 2011, 64). Tapaukset
esitetään kuviossa 2.1.
Kuvio 2.1. Vakioskaalatuotot, vähenevät skaalatuotot ja kasvavat skaalatuotot panos-tuotosakselistossa.
Skaalajousto (elasticity of scale) eli tuotannon kokonaisjousto kuvaa tuotoksen suhteellista
muutosta, joka seuraa kaikkien tuotannossa käytettyjen panosten suhteellisesta kasvusta
(Coelli ym. 1999, 19). Sillä on suora suhde skaalajoustoon: CRS alueella skaalajousto saa
arvon yksi, DRS alueella sen arvo on pienempi kuin yksi ja IRS alueella suurempi kuin
yksi. Skaalajousto on puhtaasti teknologinen käsite 8.
2.2.2. Tuottavuustarkastelu
Yhden panoksen ja tuotoksen tapauksessa tuottavuus voidaan laskea yksinkertaisesti jakamalla tuotoksen määrä panoksen määrällä. Useiden panosten ja tuotosten tapauksessa suhde on vastaavasti tuotokset / panokset. Tuottavuuskäsitteiden luokittelussa yksi lähestymistapa on se, miten kattavasti ne ottavat huomioon panokset. Kapeimmasta käsitteestä aloittaen jako kolmeen on esitetty kirjallisuudessa seuraavasti (Latruffe 2010, 18):
1) Osittaistuottavuus (SFP, single factor productivity)
8
Yrityskoon jousto (elasticity of size) määritetään yrityksen kasvu-uralta. Se kuvaa kustannustehokasta toimintaa.
16
- Mitataan yhden panoksen vaikutusta tuotokseen, esimerkiksi työn tuottavuus.
2) Monitekijätuottavuus (MFP, multifactor productivity)
- Useiden, mutta ei kaikkien, panosten käyttöyhdistelmien vaikutus tuotokseen
(esim. työ ja pääoma tuotokseen vaikuttavina tekijöinä).
3) Kokonaistuottavuus (TFP, total factor productivity)
- Koko tuotosjoukon suhde panosjoukkoon (tuotokset / panokset):
TFP = TC (Tekninen muutos) + SE (Skaalaefekti) + TEC (Teknisen tehokkuuden muutos)
Tuottavuuden kehityksen yksi osatekijä on teknologinen kehitys. Kuviossa 2.2 esitetään
teknologinen kehitys panoskäytön pysyessä ennallaan tuotantorintaman F siirtymänä asemaan F`. Solowin (1957) mukaan teknologinen muutos on neutraali, kun rajakorvaussuhde
eli isokvantin kulmakerroin ei muutu. Teknologinen kehitys on tuotannollisen toimialan
pitkän aikavälin kehityksen kannalta olennainen: tehokkuutta parantamalla yritykset pääsevät olemassa olevalle tehokkaalle pinnalle. Teknologian kehitys (mm. uudelleen organisointi, tekniikan ja biologisten innovaatioiden hyödyntäminen) siirtää tehokasta pintaa
ylöspäin ja antaa toimialalle uutta tuotantopotentiaalia. Yksittäisen yrityksen kohdalla tuottavuus paranee paitsi tehokkuuden nostamisella myös tuotantomittakaavan optimoinnilla.
Kuviossa 2.2 tämä on esitetty yrityksen siirtymänä positiosta A, paikkaan B. Ensimmäisessä pisteessä yrityksen skaalajousto on pienempi kuin yksi, jolloin se kärsii mittakaavahaitoista. Siirryttäessä optimaaliseen mittakaavaan (B) skaalajousto on yksi, jolloin tuotanto
on tuottavuudeltaan edullisimmassa mittakaavassa (Latruffe 2010, 19).
Kuvio 2.2. Yrityksen tuottavuuskasvu skaalaoptimin hyödyntämisen sekä teknologian kehityksen kautta
(mukaillen Latruffe 2010, 18)
17
2.2.3 Tekninen tehokkuus ja stokastinen rintamamalli
Tehokkuustarkastelun perusteet aloitetaan kirjallisuudessa yleensä Hicksin (1935) esittämästä tuloksesta, jonka mukaan kilpailullisilla markkinoilla tuotannon tehokkuus on yrityksen toiminnan jatkuvuuden perusedellytys, kun taas monopolitilanteessa yritykset käyttäytyvät tehottomasti. Tehoton yritys voi hetkellisesti pärjätä kilpailuillakin markkinoilla,
mutta teorian mukaan pitkällä aikavälillä tehottomat yritykset poistuvat markkinoilta kilpailijoiden parantaessa suoritustaan.
Tehokkuus kertoo sen, millä tasolla yrityksen tuottavuus on alan parhaaseen saavutettavissa olevaan nähden. Reaalimaailmassa harva yritys toimii täydellisen tehokkaasti. Tehottomuutta esiintyy lähes aina. Yrityksen kustannustehokkuus9 saadaan teknisen tehokkuuden
ja allokatiivisen tehokkuuden tulona. Usein erotetaan teknisestä tehokkuudesta erilleen
mittakaavavaikutuksen sisältävä skaalatehokkuus. Teoreettisesti paras tehokkuuden taso on
usein sitä hankalampi määrittää, mitä kompleksisempaa analysoitava tuotanto on (Farrell
1957, 255). Biologisiin prosesseihin kytkeytyvää maataloustuotantoa voidaan pitää monilta
osin kompleksisena. Parhaana saavutettavana tehokkuuden tasona on tällöin tarkoituksenmukaista käyttää korkeinta reaalimaailmasta havaittavissa olevaa tasoa.
Darkun ym. (2013, 71) mukaan maatalouden tehokkuustutkimuksessa käytettyjen metodien kompleksisuus on viime vuosikymmeninä lisääntynyt, ja yksinkertaisiin indeksilukuihin
perustuvista tutkimuksista on siirrytty vaativiin menetelmiin. Nykyään tuottavuuden ja tehokkuuden tutkimusmenetelmät kategorisoidaan kahteen pääryhmään, jotka molemmat
voidaan jakaa deterministisiin ja stokastisiin menetelmiin (Kumbhakar & Lovell 2000; Bogetoft & Otto 2011):
·
·
Parametriset, ekonometrian keinoin ratkaistavat ongelmat, joissa pääryhminä ovat
pienimmän neliösumman menetelmä (LS) ja stokastinen rintama-analyysi (SFA).
Ei-parametriset, matemaattisen ohjelmoinnin keinoin ratkaistavat ongelmat, joissa
pääryhminä ovat TFP -indeksit (kokonaistuottavuusindeksit) ja DEA.
Ei-parametrisissa menetelmissä oletetaan usein, että tehokkaasta rintamasta poikkeavat havainnot ovat seurausta tehottomuudesta, kun taas parametrisissa menetelmissä erotetaan
satunnaisuus virhetermin avulla. Parametrisuuden heikkous on sitoutuminen tiettyyn funktiomuotoon, jolloin olennaiseksi kysymykseksi muodostuu oikean funktiomuodon valinta.
Stokastisen rintama-analyysin perustana olevan parametrisen stokastisen tuotantofunktion
kehittivät Aigner ym. (1977) ja Meeusen & Van de Brock (1977). Keskeinen tulos oli virhetermin jakaminen kahteen osaan, stokastiseen10 vaihteluun ja etäisyyteen tuotantorintamasta. Stokastinen rintamamalli estimoidaan tässä tapauksessa suurimman uskottavuuden
9
Käytetään myös termiä taloudellinen kokonaistehokkuus.
Stokastinen prosessi on matemaattinen ilmaisu ajassa sattumanvaraisesti etenevistä prosesseista. Stokastinen vaihtelu kuvaa tuon sattumavaraisuuden osuutta kokonaisuuksista, joissa on myös järjestelmällistä kehitystä.
10
18
menetelmällä (MLE). Yleisessä muodossa stokastinen rintamamalli esitetään funktiona,
jossa selitetään tuotosta panosjoukolla , joihin liittyvät estimoitavat teknologiaparametrit , täydennettynä kaksiosaisella virhetermillä exp{ − } seuraavasti (Kumbhakar &
Lovell 2000, 8):
= ( ; ) ∙ exp{ − }
(4)
Stokastisen rintamamallin perusmuoto perustuu poikkileikkausdataan. Käsiteltäessä tapahtumia yrityskentässä yli ajanjaksojen puhutaan paneelidatasta, jonka eduiksi Coelli ym.
(1999, 202) listaavat suuren vapausasteiden määrän parametrien estimoinnissa ja sen, että
paneelidata mahdollistaa samanaikaisen teknisen muutoksen ja teknisen tehokkuuden muutoksen mittaamisen aikasarjoista. Yleisesti käytetty paneeliaineistolle soveltuva malli on
Battesen ja Coellin (1992) esittämä spesifikaatio, joka ei sisältänyt tehottomuutta selittävää
osaa. Sen he lisäsivät myöhemmässä artikkelissaan (Battese & Coelli 1995, 326 - 328).
Kummankin spesifikaation (myöhemmin B&C 1992 ja B&C 1995) taustalla on stokastinen
tuotantofunktio
= exp(
+
−
)
(5)
Kaavassa (5)
on tuotos järjestysluvun (paneelin havaintovuosi) t havainnolle (t = 1,2,…,
T) yrityksestä i (i = 1,2,.., N). Tuotantofunktion vakio on .
ovat vektorit tuotantofunktioon estimoitaville parametreille ja
ovat panosten vektorit. Virhetermin ensimmäinen
osa kuvaa(stokastisia)satunnaisvirheitä. Tehottomuutta kuvaava osuus virhetermistä on
. B&C 1995 -spesifikaatiossa eksogeenisia 11 tehokkuustekijöitä selittävä tehottomuustermi
muodostuu seuraavista tekijöistä:
=
+
(6)
Kaavassa (6)
on vektori teknistä tehottomuutta selittäville muuttujille yrityksillä läpi
ajan. Nämä muuttujat oletetaan toisistaan ja regressioista erillisiksi.
ovat estimoitavat
vektorit tuntemattomille kertoimille.
on satunnaismuuttuja.
Tehokkuusluku kuvaa yksittäisen yrityksen tehokkuutta. Se vastaa Farrelin (1957) etäisyysmittaa kuvaten tilan positiota verrattuna tehokkaaseen pintaan. Tehokkuusluku saa arvoja nollan ja yhden välillä. Tehokkaalle pinnalle tila sijoittuu, kun tehokkuusluku saa arvon yksi ja tila on sitä tehottomampi mitä pienemmän arvon se saa. Esimerkiksi tehokkuusarvo 0,70 tarkoittaa sitä, että tila tuottaa käyttämillään panoksilla 70 % siitä tuotoksesta, jonka se voisi tuottaa ollessaan tehokas. Keskimääräinen tehokkuus on keskiarvo tilojen
saamista tehokkuusluvuista. Yrityskohtaiset tehokkuusluvut voidaan määrittää seuraavasti
(Coelli ym. 2005, 255):
11
Tekijä on eksogeeninen, kun parametrin (ts. muuttujan) ja virhetermin välillä ei ole korrelaatiota. Se on
endogeeninen, kun ne korreloivat.
19
Ê = {exp(− ) | } =
∗
∗
∗
∗
∗
exp
∗
−
∗
.
(7)
Tuotantoteknologiaa kuvaavan funktion tulee toteuttaa vahvan monotonisuuden ehto. On
huomattava, että Cobb-Douglas funktiossa vahvan monotonisuuden ominaisuus toteutuu,
jos
parametrit ovat positiivisia. Joustavassa funktiomuodossa, kuten translog funktiossa,
se ei välttämättä täyty (Kumbhakar & Lovell 2000, 45).
2.2.4. Kotimaisia tutkimuksia
Maatalouden tuottavuustutkimuksen aloittajana pidetään yleisesti Suomelaa (1958). Hän
tarkasteli tuottavuutta kirjanpitotila-aineistosta yleisellä tasolla. Makrotaloudellisista lähtökohdista tuottavuutta tarkastelivat Ihamuotila (1972), Nevala (1977) ja Hemilä (1982).
Hemilän mukaan teknologinen kehitys hiipui viljatiloilla 1970-luvulla, kun taas nautakarjatiloilla se kehittyi 1980-luvulle asti nopeasti. Vuosina 1961–84 maatalous pääomavaltaistui, kokonaistuottavuus kasvoi, mutta pääoman tuottavuus jäi negatiiviseksi (Ylätalo 1987).
Nautakarjatilat sijoittuivat parhaan tuottavuuden sikatilojen ja heikoimman tuottavuuden
viljatilojen väliin. Suurilla tiloilla tuottavuus oli parempi kuin pienillä.
Simsin (1994) mukaan vuoden 1962 maataloustuotannon taso saavutettiin vuonna 1990
kolmellakymmenellä prosentilla vuoden 1962 kustannuksista. Vuosina 1965–91 tekninen
kehitys kirjanpitoaineiston maitotiloilla oli keskimäärin 1,3 prosenttia vuodessa (Ryhänen
1994). Tekninen kehitys oli pääoman käyttöä lisäävää. Tuotantopanokset olivat pääosin
substituutteja keskenään, mutta substituutiojoustojen arvot olivat pieniä, joten tuotantopanosten korvaaminen toisillaan oli joustamatonta. Yrityskokoon liittyviä etuja ei voitu
hyödyntää, koska maatalouspolitiikan pääpaino oli ylituotannon vähentämisessä.
Ryhäsen ym. (1996) mukaan EU-tukijärjestelmä suosi ensimmäisinä jäsenyysvuosina väkirehuruokinnan lisäämistä maitotiloilla, koska väkirehusta tuli suhteellisesti edullisempaa
kuin karkearehusta. Niemen ja Pietolan (2001) mukaan karkea- ja väkirehujen voimakkaat
hintasuhdemuutokset vaikuttivatkin nautojen ruokintaan. Väkirehun käyttöä lisättiin EUaikakauteen siirryttäessä rehuviljan hinnan alentumisen johdosta. Tilan peltoalan kasvu
lisäsi heidän mukaan rehuviljan viljelyä, mutta nautaeläinten määrän kasvaessa tuotannon
laajennuksissa nurmikasvien viljelyalat kasvoivat ja ostorehujen käyttö lisääntyi. Maitotiloilla rehuvilja-alan kysyntä on nurmista poiketen joustavaa suhteessa tilan kokonaispintaalaan. Kuitenkin karkearehutarpeen ylittävä ala allokoitui rehuviljan viljelyyn, koska ylimääräiselle karkearehulle ei todettu olevan markkinoita.
Myyrä ja Pietola (1999) tutkivat maatalouden tuottavuuskehitystä vuosina 1987–97. Tuottavuuskasvu oli pohjoiseurooppalaisessa vertailussa hidasta. Tuottavuuden taso parani tutkimusajanjaksolla keskimäärin 2,9 % vuodessa. 1990-luvun alkupuoliskolla, ennen Suomen EU-ratkaisua, tuottavuuskasvu hidastui lähes pysähdyksiin, mutta lähti ensimmäisten
EU-vuosien aikana kasvuun. Maitotiloilla tuottavuuskasvu kiihtyi erityisesti tuotantorajoitteiden osittaisen vapautumisen myötä. Myös maitotiloilta myytävien kasvinviljelytuottei-
20
den määrä väheni olennaisesti tutkimusajanjakson loppua kohden. EU-aikana maidontuotannosta on luovuttu tai erikoistuttu maidontuotantoon ja oman säilörehun tuotantoon.
Sipiläinen (2003) tutki suurimpien tilakokoluokkien vilja- ja maitotilojen taloudellisen suorituskyvyn kehitystä kirjanpitoaineistosta vuosilta 1989–2000. DEA -menetelmää soveltavassa laskennassa mitattiin tuottavuuskasvua, kustannustehokkuutta sekä teknistä ja allokatiivista tehokkuutta. Tulosten mukaan maitotilojen tuottavuuskehitys oli erittäin hidasta
koko tutkimusajanjaksolla. Kustannustehokkuus pysyi lähes ennallaan koko tutkimusajanjakson, mutta tekninen tehokkuus sen sijaan hieman laski. Kustannustehokkuus ja tilan
maitomäärä korreloivat merkitsevästi keskenään. Kannattavuus ja kustannustehokkuus korreloivat erittäin merkitsevästi keskenään.
Sipiläinen ja Ryhänen (2004) tutkivat teknistä muutosta ja teknistä tehokkuutta säilörehun
tuotannossa vuosilta 1990–2000. ProAgrian keräämän Hila-aineiston nurmisäilörehutietoihin sovellettiin stokastista tuotantorintama-analyysia. Kokonaistuottavuus kasvoi 1,8 prosenttia vuodessa ja vuotuinen tekninen kehitys oli 1,4 prosenttia vaihtelun ollessa suurta
satovaihteluiden vuoksi. Tekninen tehokkuus on osin kytköksissä tilan tuotantoolosuhteisiin, sillä tuotanto-olosuhteita ja tekniikkaa kuvaavien tekijöiden sisällyttäminen
tuotantorintamafunktioon tuotti paremman sovitteen kuin kyseisten tekijöiden käyttö teknistä tehokkuutta selittävinä tekijöinä.
Nurmisäilörehun korjuuta suomalaisilla maitotiloilla ovat talousnäkökulmasta tutkineet
muun muassa Seppälä ym. (2002), Sairanen ym. (2010) ja Karhula (2012). Kahdessa ensin
mainitussa tutkimuksessa keskityttiin korjuuajankohdan taloudelliseen vaikutukseen, kolmannessa korjuutekniikan valittavissa oleviin vaihtoehtoihin. Sekä Seppälän ym. (2002)
että Sairasen ym. (2010) tutkimuksien keskeinen tulos oli se, että säilörehun korjuuaikaa
voitiin pidentää keskimääräisestä ilman merkittävää taloudellista vaikutusta. Karhula
(2012) vertasi kolmessa tilakokoluokassa neljää erilaista säilörehunkorjuuketjua: pieni ja
suuri noukinvaunu, käytettynä hankittu ajosilppuri ja paalainkäärinyhdistelmä. Pieni noukinvaunuketju tuotti suurimman taloudellisen ylijäämän ajosilppuriketjun ylijäämän jäädessä pienimmäksi. Korjuumenetelmien välinen ero kapeni suurimpaan tilakokoon mentäessä, mutta järjestys säilyi. Yhteistyöllä voidaan alentaa säilörehun korjuukustannuksia ja
kasvattaa selkeästi ylijäämää (Sipiläinen ym. 2012, 58−59).
Sipiläinen, Ovaska ja Ryhänen (2012) sovelsivat ei-parametrisia menetelmiä tehokkuuden
ja tuottavuuden mittaamiseen eteläpohjalaisten maitotilojen aineistosta. Kustannustehokkuus oli Etelä-Pohjanmaalla korkeimmillaan nurmen osuuden peltoalasta ollessa 75 - 80
prosenttia. Lisäksi havaittiin, että maidontuottajat joiden säilörehun D-arvo oli korkea,
tuottivat maitoa teknisesti tehokkaasti, mikä ei näkynyt kustannustehokkuudessa. Säilörehun D-arvosta ja aikaisesta niitosta voi tinkiä, sillä kun korjuuaikaa lisätään, yksikkökustannukset alenevat ja taloudellinen tulos paranee. Kustannustehokas maidontuottaja kykenee muuttamaan lehmien ruokintaa säilörehun D-arvon tai rehuhintasuhteiden muuttuessa.
Maidontuottajat saivat peltoalaan kytkettyjen kotieläintukien kautta huomattavan rajatulon
21
pelloilleen, mutta korkeiden lisäpellon hintojen ja vuokrien myötä suurimman hyödyn korjasivat pellon omistajat.
Sipiläinen, Kumbhakar ja Lien (2014) vertasivat Suomen ja Norjan maitotiloja kirjanpitoaineistoista. Kummankin maan maitotilat ovat pieniä ja toimivat epäsuotuisissa pohjoisissa
oloissa lyhyine laidunkausineen ja pitkine sisäruokintakausineen. Suomi noudattaa EU:n
vapaakauppaa ja yhteistä maatalouspolitiikkaa (CAP). Norjassa on itsenäinen maatalouspolitiikka ja kauppapoliittisia rajoitteita. Tulosten mukaan CAP-politiikka lisäsi joustavuutta, mikä näkyi suomalaisten maitotilojen suorituskyvyn suurena vaihteluna. Tekninen
tehokkuus suomalaisilla maitotiloilla oli keskimäärin norjalaisia pienempi. Tutkijoiden
mukaan ero johtui suomalaisten tilojen nopean rakennemuutoksen vaikeasta hallittavuudesta.
2.2.5. Ulkomaisia tutkimuksia
Maatalouden tehokkuustutkimuksesta laaditun kirjallisuustutkimuksen mukaan maatiloilla
on yleensä sekä teknistä tehottomuutta että skaalatehottomuutta (Darku, Malla & Tran
2013, 71–73). Pienet tilat ovat teknisesti tehottomampia kuin suuret, koska pienillä tiloilla
uutta tuotantoteknologiaa otetaan käyttöön suuria tiloja myöhemmin. Tilan sijainti ja rakenne sekä yrittäjän ikä olivat usein tekijöitä, jotka vaikuttivat tehokkuuden tasoon. Teknisen tehokkuuden osoitettiin usein olevan kytköksissä taloudellisiin tekijöihin, luonnonolosuhteisiin, markkinoiden kokoon ja maatalouspolitiikkaan.
Kehittyneiden maiden maataloudessa tuottavuus on kasvanut voimakkaasti12. Kotieläin- ja
kasvintuotantoprosesseja kehitettiin. Työn ja pääoman käyttö tehostui. Maitotilat siirtyivät
ekstensiivisestä laidunruokinnasta intensiiviseen kasvintuotantoon ja kotieläinten sisäruokintaan. Kuivaheinävaltainen ruokinta vaihtui satoisiin säilörehukasveihin. Hollannissa
maitotilojen nurmituotannossa korostui kokonaisvaltainen tuotannollinen osaaminen, sillä
laiduntamisen hyvin organisoineet maidontuottajat onnistuivat parhaiten myös säilörehun
tuotannossa (Rougoor ym. 1999).
Mbaga, Romain, Larue ja Lebel (2002) tutkivat teknistä tehokkuutta Québecin maitotiloilla
sekä SFA- että DEA-malleilla. He havaitsivat, että teknisen tehokkuuden taso kiintiöjärjestelmää soveltavassa hitaan rakennekehityksen maidontuotantoympäristössä oli keskimäärin
erittäin korkea. Koska tilojen oli ollut vaikea laajentaa, olivat ne onnistuneesti keskittyneet
tehostamaan tuotantoaan. Rehujen ja työpanoksen tuhlaaminen olivat suurimmat tehottomuutta aiheuttavat tekijät.
Stokes ym. (2007) tutkivat Pennsylvanian osavaltion maitotiloja identifioidakseen tehokkaat tuottajat ja heidän kuvaavat ominaispiirteet. DEA-analyysilla tutkittiin suppeahkosta
12
Yhdysvaltalaiset maitotilat käyttivät vuonna 2007 vuoteen 1944 verrattuna 21 % vähemmän eläimiä, 23 %
vähemmän rehuja ja 35 % vähemmän vettä. Maatalousmaata maitokiloa kohden amerikkalainen maitotila
tarvitsi vuonna 2007 kymmenesosan 1940-luvun tarpeesta. Satotasot esimerkiksi maissilla yli nelinkertaistuivat vihreän vallankumouksen myötä viljelytekniikan, kasvilajikkeiden, kasvinsuojelun ja lannoituksen kehityksen seurauksena. (Capper, Cady ja Bauman 2009.)
22
tilajoukosta tuotannon ja liikkeenjohdon tehokkuuksia. Sekä tehokkaiden että tehottomien
tilojen ryhmissä panoksia käytettiin hyvin vaihtelevasti ja myös tuotostasoissa oli hajontaa.
Suuri työnkäyttö ja liiallinen peltoinvestointi suhteessa pieneen maitotuotokseen olivat
leimallisia tekijöitä tehottomille tiloille. Tuloksia ei voi verrata suoraan suorituskyvyltään
korkeimman tuotostason tiloihin, vaan vertailu on tehtävä käytettävissä olevien resurssien
pohjalta, jotta vertailija voi löytää oman tehokkaan positionsa. Cabrera ym. (2010) löysivät
SFA-mallilla Wisconsinin maitotiloilla tehokkuuteen positiivisesti vaikuttaviksi tekijöiksi
tuotantointensiteetin, yrittäjäperheen suuren oman työn osuuden, seosrehuruokinnan ja lypsykertojen määrän.
Kelly ym. (2012) tutkivat irlantilaisten maitotilojen teknisiä tehokkuuksia DEA-mallilla
sekä vakio- että muuttuvien skaalatuottojen oletuksin. Keskimäärin tilojen tuotanto oli teknisesti tehotonta ja tehostamispotentiaalia oli runsaasti. Keskeisenä tuloksena oli, että Irlannin olosuhteissa laidunkauden pidentäminen lisäsi teknistä tehokkuutta ostopanoskäytön
vähentyessä ja tuotoksen pysyessä vakaana. Tutkimuksessa löydettiin myös tilastollisesti
merkitsevä yhteys tilalla käytössä olevan pellon laadun ja tiloilta lasketun teknisen tehokkuuden arvon välillä.
Oude Lansink ym. (2002) vertasivat luonnonmukaisten ja tavanmukaisten tilojen tehokkuuseroja päätyen tulokseen, jonka mukaan teknisen tehokkuuden vaihtelu on luomutilojen
välillä pienempää kuin tavanomaisten ryhmässä. Sipiläinen, Oude Lansink ja Pietola
(2003) laativat samasta aiheesta SFA-tutkimuksen, joka antoi päinvastaisen tuloksen: vaihtelu tehokkuusluvuissa oli suurempi luomutilojen ryhmässä. Tavanomainen tuotanto kuitenkin havaittiin tuolloin yleisesti luomutuotantoa teknisesti tehokkaammaksi.
Ruotsalaisten maitotilojen kustannustehokkuuden ja tilakoon välillä on epälineaarinen yhteys. Tilojen koon kasvaessa aluksi tehottomuus kasvoi, mutta mittakaavan vakiintuessa
tehokkuus parani (Hansson 2007). Keskimäärin tilat toimivat 30 % suuremmin kustannuksin tehokkaimpiin verrattuna. Tehokkuuden kasvattamisen keskeisin tekijä oli allokatiivisen tehokkuuden paraneminen. Rasmussenin (2010) mukaan Tanskan sika-, vilja- ja maitotiloilla teknisen tehokkuuden taso oli vakaa vuosina 1985 – 2006. McSharry-reformi eli
EU:n maatalouspolitiikan uudistus vuosina 1992 ja 1998 ei vaikuttanut juurikaan teknisen
tehokkuuden tasoon. Tanskalaisten maitotilojen tuottavuus kasvoi tarkasteluajanjaksolla
2,4 % vuodessa. Se oli pääosin seurausta huomattavasta skaalamuutoksesta keskitilakoon
voimakkaan kasvun myötä.
Ulkomaiset tutkimustulokset eivät ole suoraan siirrettävissä suomalaisille maitotiloille, sillä toimintaympäristö ja luonnonolot poikkeavat osin suuresti. EU-maista Hollanti on intensiivisen maankäytön maatalousmaa ja ilmastollisesti Suomen kanssa erilaisella vyöhykkeellä, kuten myös Irlanti, jonka karjataloutta puolestaan leimaa pitkä laidunkausi ja nurmien suuret kokonaissadot panoskäyttöön nähden. EU:n yhteisessä maatalouspolitiikassa
on myös eroja maidontuotannon osalta C-tukialueella, jonne maidontuotanto Suomessa on
keskittynyt.
23
2.3. Aineisto ja menetelmä
2.3.1. Aineiston hankinta
Tutkimuksessa käytettiin päätoimisten maitotilojen kannattavuuskirjanpitoaineistoa vuosilta 2007–2012. Vuotuisen vaihtelun huomioon ottamiseksi tarkasteluun poimittiin havainnot kuudelta viimeisimmältä vuodelta. Valintaperusteen määritti tarve analysoida tuotantorakenteita, ei niinkään ajassa tapahtuneen muutoksen tutkiminen. Maitotilaksi FADN järjestelmässä vuoden 2010 jälkeen on luokiteltu tila, jolla lypsykarjasta saatava tuotto
muodostaa kaksi kolmasosaa tilan kokonaistuotosta13 (Rantala & Latukka 2012, 31).
Kirjanpitoaineiston etuna ovat yksityiskohtaiset tiedot maatilayritysten toiminnan tuotoista
ja kustannuksista. Aineisto ei kuitenkaan ole edustava, koska vapaaehtoiseen kirjanpitojärjestelmään valikoituu keskimääräistä suurempia tiloja ja taloudestaan kiinnostuneempia
maatalousyrittäjiä 14. Kirjanpitoaineistossa tiedot raha- ja reaaliprosesseista eivät kaikilta
osin kytkeydy toisiinsa, joten tuottojen ja kustannusten kohdentaminen eri tuotteille on
haastavaa (Ylätalo 2012, 11). Liiketoiminnan erityispiirteistä kerätään tietoja niukasti. Aineistosta ei esimerkiksi käy ilmi, millaisia erityispiirteitä resursseissa ja tuotantoprosesseissa on, sekä mikä on maidontuottajan elinkaaren vaihe ja strategia.
Aineistosta poimittiin tavanomaista tuotantotapaa harjoittavat maitotilat. Luomutilat jätettiin pois, koska niiden kasvintuotanto poikkeaa tuotantoteknologialtaan tavanomaisten tilojen tuotannosta15. Tutkimuksen havaintoaineisto koostuu 1923 maitotilahavainnosta. Paneeliaineistossa (unbalanced panel) on havaintoja 409 eri maitotilalta. Täydellistä paneelia
ei saatu, koska kirjanpitojärjestelmään tulee uusia tiloja ja vanhoja poistuu tai vaihtaa tuotantosuuntaa. Vuosittain vaihtuu 30–40 tilaa. Maitotilojen määrä laski kirjanpitoaineistossa
tutkimusajanjaksolla noin 15 prosentilla. C2- ja C2P-tukialueiden maitotiloista oli eniten
tilahavaintoja.
2.3.2. Muuttujat
Mallin perustana on panos-tuotostarkastelu. Tuotantofunktioiden estimointiin käytetään
kirjanpitomuuttujia pääosin sellaisenaan, mutta tarpeen mukaan tehdään muuttujamuunnoksia. Tutkimuksessa käytetyt muuttujat esitetään taulukossa 2.1. Tuotoksena käytetään
maitotilan kasvintuotannon kokonaissatoa rehuyksiköinä (ry) mitattuna. Kirjanpitoaineistossa on satotiedot kasveittain, mutta panoskäyttöä ei ollut eritelty kasveittain, joten tältä
osin jouduttiin tyytymään kokonaissadon tarkasteluun. Nurmia ja viljoja ei siten pystytty
tarkastelemaan erikseen. Rehuyksikkösadot perustuvat kirjanpitotilojen ilmoitukseen satomääristä, joten niiden tarkkuus vaihtelee tiloittain. Niissä ei ole otettu huomioon tilakohtaisia vaihteluita sadon laadussa (esim. säilörehun D-arvo).
13
Standard Output, SO
Kannattavuuskirjanpitoaineistoa korjataan maatalouden kokonaislaskentaa varten painokertoimilla, jotta se
saadaan edustavaksi. Tässä tutkimuksessa käytettiin painokerroinkorjaamatonta aineistoa. Siten tulokset kuvaavat alkuperäisten tilojen tuloksia.
15
Aineistosta poistettiin 179 luomutilahavaintoa eli keskimäärin 30 luomutilan havainnot.
14
24
Taulukko 2.1. Tutkimuksen muuttujat.
Muuttuja
Lyhenne
Kuvaus
Rehuyksikkösato rysato
Rehuyksikkösato, koko pinta-alalta
Viljelyala
viljelyala
Viljelyksessä oleva peltopinta-ala, hehtaaria
Lannoite + kalkki lan_kalk
Lannoite- ja kalkituspanos (euroa/vuosi) defl.
Siemen
siemen
Siemenpanos (euroa/vuosi) defl.
Kasvinsuojelu
kasvinsuojelu Kasvinsuojelupanos (euroa/vuosi) defl.
Kasvinviljely
kasvinviljely Kasvinviljelyn yleiskustannuspanos (euroa/vuosi) defl.
Kasvinviljelytyö kvtyo
Maidontuottajajäperheen ja palkatun työvoiman työ (tuntia/vuosi)
Ostettu urakointi konetyo
Ostettu konetyö (euroa/vuosi)
Kasv.kon. poistot kv_koneet
Traktoreiden, puimureiden ja kv. -kaluston yht. lask. poisto
Muut muuttuvat muutm
Aggregaattimuuttuja (siemen, kasvinsuojelu, kasvinviljely)
Tuotosta tarkasteltaessa on tiedostettava, että maitotilojen sadontuottokyky vaihtelee. Samaakin tuotantoteknologiaa käyttävillä tiloilla pellon sadontuottokykyyn voi olla erilainen,
koska siihen vaikuttavat mm. sijainti, mikroilmasto, säätila, maalaji, viljavuus, ojitus, perusparannukset, esikasvi ja viljelykierto. Sadon hävikki vaihtelee maitotiloittain. Kuviossa
2.3. esitetään tutkimusaineiston hehtaarisatojen vaihtelu. Vaihtelu on suurta, satojakauma
on vino ja osa havaintoarvoista on poikkeuksellisen suuria.
Kuvio 2.3. Aineiston tilojen hehtaarikohtaisen rehuyksikkösatojen jakauma, katkoviiva keskiarvossa (n.
3 800 ry per hehtaari).
Panoksina käytettiin kirjanpidon kasvinviljelyyn kohdistamia muuttuvien kustannusten
eriä. Lisäksi kiinteistä kustannuksista huomioitiin konepanos. Erät oli merkitty kirjanpitoaineistoon nettomääräisinä, €/vuosi. Ostopanoksia kuvaavat siemen-, lannoite-, kasvinsuojelu-, kalkki- sekä kasvinviljelyn yleiskustannus, joka sisältää muut muuttuvat kasvinviljelykustannukset. Lannoitepanos on selkeä ja vastaavissa tutkimuksissa yleisesti käytetty
muuttuja. Kalkki on haasteellinen, sillä kalkitusvaikutus on pitkäaikainen ja kalkin tarpeeseen vaikuttaa mm. maalaji. Maitotilat käyttävät sekä vuotuista ylläpitokalkitusta että yksittäisinä vuosina suuria perusparannuskalkituksia. Tällöin kustannuserot tilojen välillä ko-
25
hoavat suuriksi, mikä vinouttaa aineistoa. Siksi on perusteltua yhdistää lannoitus- ja kalkituspanokset yhdeksi muuttujaksi. Siemen-, kasvinsuojelu- ja kasvinviljelypanoksia tarkasteltiin erillisinä ja aggregoituina panoksina. Kasvinsuojelupanoksen jakauma on oikealle
vino. Pieni osa maitotiloista panosti paljon kasvinsuojeluun.
Maidontuottajaperheen oma ja palkatun työvoiman kasvinviljelytyö (työtunnit kirjanpitovuonna) yhdistettiin yhdeksi muuttujaksi. Aineistossa oli muutama poikkeava havainto,
sillä muutamalla tilalla maidontuottajan ja palkkatyövoiman kasvinviljelytyötä ei ollut kirjattu yhtään tai vain hyvin vähän. Koneurakoinnin jakauma on huomattavasti oikealle vino.
Konetyön ostoon saattoi sisältyä myös eläinprosessien konetyötä. Kasvinviljelyn konepanosta kuvaa yhdistetty summamuuttuja kasvinviljelykoneiden, puimureiden ja traktoreiden vuotuisesta poistosta16. Muuttujan käyttö on haasteellinen, sillä poistot kertovat
enemmän konekannan iästä kuin esimerkiksi käyttömääristä. Traktoreita käytetään eri
määriä maitotiloilla eläinprosesseissa (ruokinta ja lannanpoisto), jota ei pystytä aineistosta
erittelemään. Lisäksi puimureita oli harvoilla maitotiloilla, mutta niiden painoarvo voi olla
yksittäisellä tilalla suuri. Karjanlantapanosta ei pystytty aineistosta määrittämään.
2.3.3. Mallin spesifiointi
Tuotantofunktiossa panokset ovat määrällisiä. Jotta euromääräinen panoskäyttö saadaan
vertailukelpoiseksi eri vuosilta, tarvitaan hintavaikutuksen poistava inflaatiokorjaus 17. Rintama-mallin estimointiin käytetään Coellin (1996) kehittämän FRONTIER 4.1-ohjelmasta
avoimen lähdekodin Project R tilasto-ohjelmistolle muunnettua frontier funktiokirjastoa
(ks. Coelli & Henningsen 2013). Ohjelma laskee suurimman uskottavuuden estimaatteja
erilaisista stokastisista tuotanto- ja kustannusrintamafunktioista (Coelli 1996, 1). Käytännössä tämä tapahtuu syöttämällä ohjelmaan tilastollinen aineisto sekä käytettävän SFAmallin parametrit. Tämän jälkeen kutsutaan frontier -ohjelmaosakirjaston laskentafunktioita, jotka suoritettuaan laskutoimitukset antavat tulosteen tuloksista.
Frontier käyttää Coellin alkuperäistä (1996) ohjelmaa varsinaiseen laskemiseen. Muunnoksessa käyttöliittymä on sovitettu R:ään ja lisätty optioita sekä parannettu tulosten esitystapaa. Frontier -pohjainen MLE-estimointi tapahtuu kolmivaiheisesti (Coelli 1996, 12):
1) OLS estimaattoreiden laskeminen β -vektoreilla kuvatuille panostekijöille. Vakiotekijää (β ) lukuun ottamatta kaikki estimaatit ovat harhattomia.
2) Kaksivaiheinen haku ruudukosta kaikille gamman arvoille nollan ja ykkösen välillä. β-parametrit asetetaan OLS-esimaattien mukaan, β ja σ2 sovitetaan korjattujen
OLS-arvojen mukaan. Muut parametrit ( , & :t) on hakuvaiheessa asetettu nolliksi.
16
Kannattavuuskirjanpidon poistolaskentakäytäntönä tutkimusajanjaksolla oli nykyarvoihin perustuva poistolaskenta, jossa nykyarvot laskettiin hankinta-arvoista tai jälleenhankinta-arvoista.
17
Inflaatiokorjaus voidaan tehdä joko deflatoimalla kunkin vuoden hinnat tarkastelujakson ensimmäisen
vuoden hintoihin (reaalihinnat), tai vaihtoehtoisesti reflatoimalla aiempien vuosien hinnat viimeisen tarkasteluvuoden arvoon (Kuosmanen & Pursiainen 2011, 2). Tässä tutkimuksessa hinnat deflatoitiin vuoden 2007
tasolle (liite 2).
26
3) Viimeinen askel käyttää vaiheen 2 perusteella saatuja estimaatteja lähtöarvoina iteratiivisessa MLE -laskentaprosessissa, joka toteutetaan Davidon-Fletcher-Powell
(DFP) maksimoivan laskentarutiinin mukaisesti.
Ensimmäiset mallit luotiin Battesen ja Coellin (1992) spesifikaatiolla (error components
frontier), joka ei sisällä erillistä tehottomuuden selitysosaa. Näitä laajennettiin käyttämällä
Battesen ja Coellin (1995) mukaista tehottomuusselitysosan sisältävää mallia (efficiency
effects frontier). Kaikissa malleissa oletettiin, että ajassa tapahtuu tehokkuusmuutosta. Tehottomuustermin uit jakaumaoletuksena käytettiin kaikissa malleissa katkaistua einegatiivista normaalijakaumaa. Sen odotusarvo on μ ja varianssi 2uσ. Tuotantofunktio estimointiin lausekkeena (osa malleista vähemmin panoksin) 18:
ln(Y ) = β + β
+β
+β
+β
+β
ln(Viljelyala ) + β ln(Lannoite + kalkki , 1 − D )
ln(Siemen , 1 − D ) + β ln(Kasvinviljelytyö , 1 − D )
ln(Kasvinsuojelu , 1 − D ) + β ln(Urakoinninhankinta , 1 − D )
ln(Kasvinviljelykoneet , 1 − D )
ln(Kasvinvilj. yleiskustannukset , 1 − D ) + V − U
Tehokkuusosan estimoinnin lauseke silloin, kun käytettiin eniten selittäjiä, oli muotoa:
U = δ + δ (Eyperha )
+ δ (Maidontuottajanikä ) + δ (Karjakoko4luokkaa )
+ δ (Suurtukialue3luokkaa ) + δ (Urakoinninsuhdekonekantaan )
+ δ (Nurmenviljelyosuus ) + δ (Havaintovuosi ) + W Tuotantofunktiopohjaisen tehottomuusmallin tuottamiin tehokkuusarvoihin on suhtauduttava kriittisesti. Paneeliaineistosta muodostettavat teknisen tehokkuuden estimaatit ovat
osoittautuneet sensitiivisiksi mallin spesifikaatiolle ja oletuksille. Heteroskedastisuuden
salliminen virhetermissä johti Kumbhakarin, Lien & Hardakerin (2012) tutkimuksessa tuntuviin muutoksiin yritysten tehokkuusestimaateissa ja sijoittumisessa toisiinsa nähden.
Heidän mukaansa mitään SFA-mallia ei voi pitää ainoana oikeana, vaan tehokkuus pitää
laskea usean eri mallin meta-analyysin perusteella. Tässä tutkimuksessa testattiin vain yleisesti käytetyt Battesen & Coellin (1992, 1995) mallispesifikaatiot olettaen virhetermin homoskedastisuus. Varaus heteroskedastisuudesta on tehtävä, sillä virhetermiin sisällytetyt
skaalaa kuvaavat muuttujat ovat kytköksissä tuotantofunktioon.
Missä määrin maidontuottajan tietoisesti tai tiedostamatta huomioimat satunnaisuus ja tehottomuus vaikuttavat valintoihin, ja miten päätökset heijastuvat panos-tuotossuhteisiin,
ovat endogeenisuusongelmaan liittyviä tekijöitä. Endogeenisuusongelmaa voidaan lähestyä
kolmesta eri näkökulmasta. Ensinnäkin rintamamallin ja kaksiosaisen virhetermin tekijät
18
Termi 1 −
tarkoittaa arvon nolla korvausta arvolla 1, koska ln(1)=0 (katso esim. Battese & Coelli 1995,
328). Tällä tavoin korjattiin ne tilahavainnot, joissa yhtä tai useampaa panosta ei käytetty ollenkaan. Ilman
korjausta olisi menetetty paljon havaintoja, koska MLE –laskentaa ei voi suorittaa arvolla ln(0)=-∞. Korjauksen aiheuttaman vääristymän mittaluokka katsottiin niin pieneksi, että se ei olennaisesti muuta tuloksia.
27
voivat korreloida keskenään. Kasvintuotannossa tuotokseen ja virhetermiin vaikuttava satunnaistekijä on sää, joka voi vaikuttaa myös panosvalintoihin aiheuttaen endogeenisuutta.
Jos maidontuottaja ennakoi huonoa satokautta, hän vähentää panoskäyttöä. Toiseksi rintamamallin ja tehottomuuden termit voivat korreloida keskenään, jolloin tehokkaasti järjestetyn nurmituotannon vapauttama työpanos voi allokoitua viljasatoa lisääviin töihin, kuten
keskikesän kasvinsuojelutoimiin. Kolmanneksi tehottomuuden termit ja virhetermi voivat
korreloida keskenään, jos huono sää lannistaa maidontuottajan toimimaan vajaalla suorituskyvyllä (Karakaplan & Kutlu 2013, 3–4).
2.3.4. Muuttujamuunnokset
Tehottomuusosassa käytettävät muuttujat muodostettiin havaintovuositietoa lukuun ottamatta itse. Muuttujien taustalla olivat hypoteesit oletetusta vaikutuksesta tehottomuuteen.
Oletettuja vaikutuksia etsittiin aiempien tutkimusten perusteella. Muunnoksissa jouduttiin
tekemään tulkintaa vaikeuttavia aggregointeja, koska aineisto ei täysin vastannut tutkimuksen tarpeita. Siemen-, kasvinsuojelu- ja muut kasvinviljelypanokset pidettiin aluksi erillään, koska haluttiin tarkastella niiden erillisvaikutuksia. Eläinyksiköillä yritettiin kuvata
lantapanosta, mutta se osoittautui huonoksi selittäjäksi, sillä se korreloi vahvasti viljelyalan
kanssa. Tehottomuusosaan rakennettiin selittäviksi muuttujiksi eläintiheys, ensisijaisen
maidontuottajan ikä, karjakoko, urakointikustannuksen suhde tilan omaan konekustannukseen, alueellinen sijainti (suurtukialue) ja nurmen osuus pellonkäytöstä. Eläintiheys laskettiin jakamalla koko tilan eläinyksiköt 19 peltohehtaareilla. Lisäksi dummy -muuttujana oli
karjakoko neljään kokoluokkaan jaoteltuna. Taulukossa 2.2. esitetään tehottomuusosan
muuttujat.
Taulukko 2.2. Tehottomuusosan muuttujien sisältö.
Muuttuja
Sisältö
Eläintiheys
Eläinyksiköitä (ey) viljelyssä olevalla peltohehtaarilla (ha)
Maidontuottajan ikä
Eniten työtunteja tehneen perheenjäsenen tai osakkaan ikä havaintovuonna
Karjakoko
Karjakoko lypsylehmien perusteella neljään ryhmään ryhmitettynä
Suurtukialue
Kolmeen ryhmään ryhmiteltynä (A, B), (C1, C2, C2P) ja pohjoiset C-alueet
Urakointisuhde
Hankitun koneurakoinnin suhde tilan konekustannukseen
Nurmen_osuus
Nurmen (säilörehu, kuivaheinä, laidun) osuus kokonaispinta-alasta
Havaintovuosi
Havaintovuosi
Pääasialliseksi maidontuottajaksi valittiin henkilö, jolla oli suurimmat työtunnit, sillä muuta tietoa ei ollut saatavilla. Aineiston maidontuottajat olivat iältään 46 -vuotiaita eli keskimäärin jonkin verran Suomen maidontuottajia nuorempia. Pellonkäyttö oli nurmivaltaista
ja osalla tiloista lähes koko peltoala oli nurmella. Neljäsosalla tiloista nurmea oli alle puolet peltoalasta. Karjakokoluokat muodostettiin lypsylehmien määrän mukaan: 1) 25 lehmää
tai vähemmän, 2) yli 25 lehmää mutta alle 60, 3) yli 60 lehmää mutta alle 100 ja 4) 100
lehmää tai enemmän. Suurtukialueista muodostettiin seuraavat luokat: 1) A- ja B19
Keskiarvo ja mediaani olivat lähellä 1 eläinyksikkö peltohehtaaria kohti. Vain harvalla tilalla oli yli 2
eläinyksikköä peltohehtaaria kohti. Lypsylehmä muodostaa yhden eläinyksikön, samoin yli kaksivuotiaat
hiehot ja sonnit. Alle 2-vuotiaat ja yli 6kk hiehot ja sonnit kerrotaan 0,6:lla. Osalla tiloista oli myös muita
tuotantoeläimiä kuin nautoja.
28
tukialueet (ml. saaristotukialueet), 2) C1, C2 ja C2P-tukialueet (yli ¾ -osaa tiloista) ja 3)
pohjoisimmat C-tukialueet.
Malleissa käytettiin neljästä kahdeksaan panosmuuttujaa osan ollessa aggregoituja. Tuotantofunktioon panosmuuttujia valittaessa valinta- ja aggregointiongelmat ovat tyypillisiä.
Useiden panosmuuttujien mallintaminen mahdollistaa yksityiskohtaisen analyysin, mutta
samalla multikollinearisuuden riski kasvaa. Pieni panosmuuttujamäärä ja useiden aggregoitujen muuttujien käyttö voi johtaa informaation vähenemiseen, mikä on tuloksia tulkittaessa tiedostettava (Sipiläinen & Ryhänen 2004, 254). Panosmuuttujissa oli paljon vinoja jakaumia (ks. liite 1). Tämä lisää heteroskedastisuuden todennäköisyyttä.
2.4. Tulokset
2.4.1. Tehokkuusluvut ja panostekijät
Mallien määrittämistä pohjustettiin rakentamalla tuotantofunktiosta tavallinen lineaarinen
regressio (OLS) olettamalla Cobb-Douglas -teknologia. Kun mukana olivat muun panosjoukon lisäksi viljelyala, sai panoskimpun satoa selittävä korjattu selitysaste (Adjusted Rsquared) arvon 0,80. Pudotettaessa viljelyala pois laski korjattu selitysaste tasolle 0,69,
mikä implikoi sitä, että viljelyala oli syytä pitää SFA -malleissa mukana. Sadon kanssa negatiivisesti korreloi pienin karjakokoluokka, sekä nurmen osuus pinta-alasta. Nurmiosuus
ja eläintiheys korreloivat myös merkittävästi, samoin kuin nurmiosuus ja pohjoisimmat
tukialueet.
Keskimääräinen tehokkuus vaihteli eri mallispesifikaatioissa 0,63–0,76. Tehokkuuden arvo
heilahteli tarkastelujaksolla, mutta muutokset olivat kuitenkin hyvin vaihtelevia, joten luotettavien johtopäätöksien tekeminen niiden pohjalta ei ole mahdollista. Suurimman keskimääräisen tehokkuuden saivat mallit, joissa tehokkuutta ei ollut selitetty. B&C 1995 spesifikaation malleissa tehottomuusjakauma laajeni.
Keskimääräisiä tehokkuuksia (taulukko 2.3.) voidaan pitää suhteellisen heikkoina. Kumbhakar ym. (2012, 335) muistuttavat, että verrattain heikot keskimääräiset tehokkuudet ovat
tyypillisiä käytetyn kaltaisissa malleissa, joissa tehottomuus on ajasta riippumaton ja komponoitu yhteen yrityskohtaisten tekijöiden kanssa. Toisaalta mallit, joissa yrityskohtaisia
tekijöitä ei ole sisällytetty tehottomuusosioon, antavat yleensä korkeampia tehokkuusarvoja. Todellinen tehokkuus on Kumbhakarin ym. (2012) johtopäätösten mukaan jossain näiden mallien tuottamien arvojen välillä.
29
Taulukko 2.3. Tehokkuuslukuja erilaisista mallispesifikaatioista.
Vuosi
B&C 1992, C-D
B&C 1995, C-D + ristitermit
keskim.
2007
2008
2009
2010
2011
0,7265
0,7307
0,7307
0,7279
0,7306
0,7237
0,6281
0,6296
0,6288
0,6159
0,6324
0,6442
2012
0,7168
0,6173
Tulosten perusteella tuotannon skaalatuotot ovat hyvin lähellä vakioskaalatuottoja, joten
panosten suhteellinen lisäys kasvattaa tuotosta lähes samassa suhteessa. Koska pellon panoksena sisältävä tuotantofunktio näytti ilmentävän vakioskaalatuottoja, malleja estimoitiin
myös vakioskaalatuotto-oletuksen mukaisena (panokset ja tuotos ilmaistuna peltohehtaaria
kohti). Näissä estimointituloksissa oli joitakin eroja, sillä konepanos selitti tuotantofunktiossa suurimman osan sadonmuodostuksesta. Ongelmaksi kuitenkin muodostui se, että MLestimoinnin lähtökohtana tarvittavat OLS-estimoinnin virhetermit olivat väärällä tavoin
vinoja20, eikä tuloksiin näin ollen voida luottaa. Tämän takia analyysi pohjautui malleihin,
joissa vakioskaalatuotto-olestusta ei tehty. Uskottavuusosamäärätestiä (likelihood ratio
test) käytettiin sisäkkäisten mallihypoteesien testaamiseen. Rao ja Coelli (1999) suosittavat
ML-estimoiduille malleille uskottavuusosamäärätestiä. Uskottavuusosamäärän testiarvo
lasketaan seuraavasti:
= −2 ln
(
(
)
)
= −2{[
(
)−
(
)]}
Missä ( ) ja ( ) ovat uskottavuusosamääräfunktion saavuttamat arvot nollahypoteesille ja testattavalle vaihtoehtoishypoteesille. (Rao & Coelli 1999, 191–192). Kahta sisäkkäistä mallia voidaan testata toisiinsa nähden uskottavuusosamäärätestein myös silloin, kun
niissä on täsmälleen samat tekijät, mutta esimerkiksi erilainen oletus virhetermin jakautumiselle. Tehottomuuden tarkastelussa nollahypoteesina on, että teknistä tehottomuutta ei
esiinny (H0: g=0 vs. H1: g>0). Mikäli tilastollinen testi suosittaa nollahypoteesin hylkäämistä, niin silloin tilastollisesti merkitsevää teknistä tehottomuutta esiintyy mallin kuvaamassa tuotannossa (Rao 2008, 30). Kaikissa testatuissa malleissa esiintyi merkitsevää tehottomuutta.
20
Vääränlaisen vinouden tapauksessa OLS-estimaatit voidaan tulkita ainoastaan funktion kriittisiksi pisteiksi,
ei maksimipisteiksi. Tällöin MLE-estimointi saattaa käyttää vääriä rajapisteitä (Greene 2011, 10).
30
Estimointien tulokset esitetään kootusti. Taulukkoon 2.4. on koottu vaihtoehtoiset spesifikaatiot, funktiomuodot, aikatermit ja keskiarvoskaalaus. Taulukossa 2.5. esitetään kahden
mallin estimointitulokset, jotka pohjautuvat Cobb-Douglas -tuotantofunktioon, joista toinen ristitermein täydennettynä, koska uskottavuusosamäärätesti suosittaa ristitermien mukaan ottamista. Ensimmäinen malleista on B&C 1992 spesifikaation mukainen, jossa mukana on laajin panoskimppu. Toinen on B&C 1995 mallin mukainen, jossa käytetään aggregoitua panostermiä muut muuttuvat.
Taulukko 2.4. Mallien rakentamisessa huomioituja tekijöitä.
Rintamatuotantofunktio
· Cobb-Douglas
· Cobb-Douglas ja ristitermit
· Täysi translog
Virhetermin spesifikaatio
· Battesse & Coelli 1992
·
Battesse & Coelli 1995
Aikatermi
· Tuotantofunktiossa
· Tehokkuusosassa
· Kummassakin (esim. Rasmussen 2011)
· Ei kummassakaan
B&C 1992- ja 1995-mallien välisestä erosta on huomioitava kokonaisvirhettä selittävän
gamman vaihtelu. Tehottomuutta selittävissä malleissa gamman arvot ovat arvon 0,6 tasolla. Tulkinnan mukaan näissä malleissa merkittävämpi osa kokonaisvirheestä aiheutuu
muusta kuin tuotannon teknisestä tehottomuudesta. Tehottomuus on näissä malleissa siis
paremmin selitetty, kun otetaan huomioon myös tehokkuuteen vaikuttavia eksogeenisia
tekijöitä, joten tulo on mallin spesifikaation suhteen looginen.
Rehuyksiköissä mitatun tuotoksen tapauksessa peltopanos oli odotetusti tuotantofunktion
merkitsevin kokonaissatoa selittävä tekijä. Lannoituksen ja kalkituksen sekä kasvinsuojelun joustot olivat rintamafunktiossa positiivisia. Tuotos kasvoi mallin mukaan myös konekannan kasvun ja urakoinnin lisääntyvän käytön myötä. Muiden tekijöiden kuin pellon
joustot ja rajatuotokset jäivät pieniksi. Käyttämällä uutta tuotantotekniikkaa tuotantoprosessia on yleensä teknisesti mahdollista tehostaa. Mielenkiintoista on, että kasvinviljelykaluston ja kasvinviljelytyön määrien välille ei muodostunut suoraa yhteyttä, vaikka arvokasta kalustoa perustellaan usein työkapasiteetin rajallisuudella.
31
Taulukko 2.5. Estimoinnin tulokset kahdesta Cobb-Douglas mallispesifikaatiosta.
(N = 1923)
Parametri
Vakio (β_0)
B&C 1992, Cobb-Douglas
Estimaatti Keskivir.
8,0387
0,1150
Viljelyala (β_1)
Lannoite + kalkki (β_2)
0,9361
0,0228
0,0233
0,0066
Siemen (β_3)
Kasvinviljelytyö (β_4)
-0,0067
0,0168
0,0037
0,0087
Kasvinsuojelu (β_5)
Urakoinnin hankinta (β_6)
0,0069
0,0047
0,0026
0,0018
Kasvinviljelykoneet (β_7)
Kasvinvilj. yleiskustannukset (β_8)
0,0375
0,0140
0,0125
0,0028
B&C 1995, C-D ja ristitermit
P-arvo
Estimaatti Keskivir.
< 2,2e-16 ***
7,7250
0,4234
< 2,2e-16 ***
1,1319
0,1604
0,0006 ***
0,0099
0,0624
0,0722
0,0546
-0,0439
0,0602
0,0084 **
0,0098 **
P-arvo
< 2,2e-16 ***
0,0000 ***
0,8739
0,4658
0,0027 **
0,0000 ***
Agr. Muut muuttuvat (β_9)
I (β_1 x β_2)
I (β_1 x β_4)
I (β_1 x β_9)
0,1330
-0,0398
0,0436
-0,0188
0,0728
0,0169
0,0140
0,0131
0,0676
0,0183
0,0019
0,1527
I (β_2 x β_4)
I (β_2 x β_9)
I (β_4 x β_9)
0,0080
0,0159
-0,0216
0,0059
0,0059
0,0078
0,1780
0,0073
0,0057
Vakio (δ_0)
Vuosi 2009 (δ_7b)
Vuosi 2010 (δ_7c)
0,6543
-0,4301
0,0013
0,1610
0,0826
0,0507
0,0156
0,1621
-0,0015
0,0001
0,0088
0,0368
0,0152
0,1221
0,0552
0,0008
0,0738
0,0658
0,0580
0,0217
0,0349
0,0049
0,0005
0,0269
0,0280
0,0286
0,0000 ***
0,0000 ***
0,1319
0,0292
*
0,2092
0,3813
0,4741
0,0000 ***
0,7604
0,8378
0,7433
0,1885
0,5964
Vuosi 2011 (δ_7d)
-0,0084
0,0277
0,7617
0,0366
0,0308
0,2347
Ey per ha (δ_1)
Maidontuottajan ikä (δ_2)
Karjakoko alle 25 (δ_3a) a
Karjakoko 26 - 59 (δ_3b)
Karjakoko yli 100 (δ_3c)
Tukialueet C1_C2_C2P (δ_4a) b
Pohjoiset tukialueet C3-> (δ_4b)
Urakointisuhde konek. (δ_5)
Nurmen vilj.osuus (δ_6)
Vuosi 2008 (δ_7a) c
Vuosi 2012 (δ_7e)
Aikatekijä t (vain B&C 1992)
SigmaSq (σ²)
gamma (γ)
Log.likelihood
0,0106
*
**
**
**
-0,0192
0,0075
*
0,2321
0,0198
< 2,2e-16 ***
0,0703
0,0037
< 2,2e-16 ***
0,8250
0,0169
< 2,2e-16 ***
0,6297
0,0993
0,0000 ***
-29,41
-78,49
Tehokkuus (keskim.)
0,62808
0,72647
*merkitsevyys 5% , ** 1% ja *** 0,1 % merkitsevyystasolla
a) Vertaus karjakokoryhmään (60-99 lehmää), b) vertaus tukialue A ja B ryhmään ja c) vertaus vuoteen 2007
32
Ristitermeistä tilastollisesti merkitsevä oli viljelyalan kanssa positiivisen kertoimen saava
kasvinviljelytyö ja negatiivisen kertoimen saava lannoitepanos (vain B&C 1995 mallissa).
Siten tuotoksen jousto peltoalan suhteen väheni lannoituksen lisääntyessä ja kasvoi kasvinviljelytyön lisääntyessä. Vastaavasti tuotoksen jousto lannoituksen suhteen väheni ja kasvinviljelytyön suhteen kasvoi peltoalan kasvaessa.
Viljelypinta-alan ja kasvinsuojelun ristitermin kerroin oli negatiivinen useissa estimoiduista malleista (p-arvo alle 1 %:n merkitsevyystasolla), vaikkakaan ei tässä raportissa dokumentoiduissa malleissa. Tällöin tuotoksen jousto pellon suhteen väheni kasvinsuojelupanosta lisättäessä tai vastaavasti tuotoksen jousto kasvinsuojelun suhteen aleni peltoalan
kasvaessa. Yksittäisiä tilastollisia merkitsevyyksiä eri malleissa saatiin muillekin ristitermeille, mutta luotettavuus on niiden osalta kyseenalainen. Ryhäsen (1994) mukaan substituutiojoustot ovat pieniä, joten panosten korvaaminen toisillaan on joustamatonta.
2.4.2. Tehokkuutta selittävät tekijät
Mallin tehokkuutta selittävässä osassa eläintiheys, eläinyksiköt/ha, sai merkitsevät kertoimet. Karjakoko-dummy oli merkitsevä tehottomuutta selittävä tekijä B&C 1995 -mallissa
pienimmän kokoluokan osalta, jossa tekninen tehottomuus oli merkitsevästi suurempaa
kuin muissa luokissa. Nurmen osuus viljelyalasta jäi taulukon 2.6 mallissa vaille tilastollista merkitsevyyttä. Nurmiosuuden kerroin oli positiivinen, jolloin nurmialan kasvaessa tekninen tehottomuus lisääntyi, mutta vain eräissä testatuissa malleissa se oli merkitsevä. Tehottomuutta selittävänä tekijänä nurmen osuus peltoalasta on tältä osin yhtenevä Sipiläisen,
Ovaskan ja Ryhäsen (2012, 27) eteläpohjalaisille maitotiloille laatiman DEA -tarkastelun
kanssa. Toisaalta tehokkailla maitotiloilla peltoresurssi käytetään tarkasti eikä pidetä vajaatuottoisia nurmia. Tässä tutkimuksessa ilmiötä selittänee myös tilan sijainti, koska nurmen
osuus kasvaa siirryttäessä maantieteellisesti etelästä pohjoiseen (liite 1). Muuttuja korreloi
tällöin maantieteellistä sijaintia ilmaisevan suurtukialuemuuttujan kanssa.
Kaikkein pohjoisimmilla tukialueilla (tukialuetta C2P pohjoisemmat) keskimääräinen teknisen tehokkuuden taso oli alhaisin (kuvio 2.4.). Tulos oli odotettu. Sen sijaan huomattavaa
on, että tukialueiden A–C2 välillä ei ollut merkitseviä eroja alle 5 %:n riskitasolla. Tämä
kertoo toisaalta nurmien melko yhtenäisestä sadontuottokyvystä. Toisaalta se kertoo myös
C-tukialueille muodostuneista intensiivisen maidontuotannon alueista, joille on kertynyt
osaamista ja synergiaetuja, jonka avulla tuotantoa on voitu sopeuttaa mahdollisesti heikompiinkin tuotanto-oloihin.
33
Kuvio 2.4. Teknisen tehokkuuden arvot tukialueittain (TE-lukema pystyakselilla).
Karjakokoluokkien saamia kertoimia voidaan tulkita niin, että suurimmilla maitotiloilla
kasvintuotannon tekninen tehokkuus oli keskimäärin pieniä tiloja huomattavasti parempi
(kuvio 2.5). Pienin karjakokoluokka oli kuitenkin ainoa, jonka tehottomuus erosi tilastollisesti merkitsevästi muista tilakokoluokista.
Kuvio 2.5. Tilojen tehokkuusarvot karjakokoluokittain.
Maidontuottajan iällä ei ollut yhteyttä tehokkuuteen. Myöskään urakoinnin yhteys teknisesti tehokkaaseen kasvintuotantoon ei ollut tilastollisesti merkitsevä, vaikka estimoitujen
parametrien etumerkit olivat oletushypoteesin mukaisia. Toisaalta B&C 1992 mallispesifikaatiossa urakointi oli merkitsevä panostekijä rintamafunktiossa.
34
Teknisen tehokkuuden tasossa oli myös vuotuista vaihtelua. Vuonna 2009 tuotanto oli
poikkeavan tehokasta. Tehokkuuden tason lisäksi myös tuotantorintaman sijainti vaihtelee
vuosien välillä. Tämä ilmenee siten, vuonna 2009 tilat saivat samalla panoskäytön tasolla
enemmän satoa myös estimoidun rintamatuotantofunktion mukaan. Vuosi 2009 olikin havaintojoukossa poikkeuksellinen viljasatojen osalta (MMM Tike 2014).
2.4.3. Etelä-Pohjanmaa ja Keski-Suomi
Myös maakuntatasoa tarkasteltiin SFA -malleilla 21 Etelä-Pohjanmaan 305 havainnon osaaineistolle (71 eri tilaa), sekä Etelä-Pohjanmaan ja Keski-Suomen yhdistetylle 432 havainnon osa-aineistolle (97 eri tilaa). Sisäiset keskimääräiset tehokkuudet 22 olivat pelkän EteläPohjanmaan aineistossa 0,81 tasoa ja yhdistelmäaineistossa 0,72 tasoa. Toisiinsa verrattuina pelkästään eteläpohjalaiset maitotilat olivat näin ollen tehokkuusarvoissaan lähempänä
toisiaan ja hajonta oli pienempää kuin Keski-Suomessa. Otettaessa keskisuomalaiset maitotilat mukaan tarkasteluun hajonta kasvoi.
Mallin tehokkuusosan tulokset vastasivat pääosin koko maan tila-aineiston tuloksia. Parhaiten selittäväksi tekijäksi nousi suuri eläintiheys. Nurmen pinta-alalla ja kasvintuotannon
tehokkuudella oli yleisiä tuloksia vastaava tilastollisesti merkitsevä yhteys. Karjakoon,
urakointiosuuden ja maidontuottajan iän yhteyttä tehokkuuteen ei tuloksissa luotettavasti
havaittu.
Eroavaisuuksia esiintyi lähinnä havaintovuoden yhteydessä tehokkuuteen. Vuoden 2009
lisäksi myös vuonna 2012 kahden maakunnan yhdistelmäaineistossa teknisen tehokkuuden
taso poikkesi tilastollisesti merkitsevästi alaspäin. Pelkästään eteläpohjalaisia maitotiloja
tarkasteltaessa nämä vuotuiset poikkeamat olivat yhdistelmäaineistoakin merkitsevämpiä.
Vuoden 2012 sateinen kasvukausi näkyi suhteellisesti enemmän näillä alueilla kuin koko
maan maitotila-aineistossa.
2.5. Johtopäätökset
Tutkimuksessa keskityttiin teknisen tehokkuuden analysointiin, joten taloudellisia johtopäätöksiä siitä ei voida suoraan tehdä. Kilpaillulla toimialalla tehokas tuotanto on välttämättömyys yritystoiminnan kannattavuudelle, mutta se ei yksin takaa yritystoiminnan kannattavuutta. Tutkimus rajattiin maitotilojen kasvintuotannon teknisen tehokkuuden tutkimiseen. Siten tuloksia ei voi tulkita kustannustehokkuuden ja kannattavuuden näkökulmista.
Teknisesti tehokas tuotanto voi olla kustannustehotonta, mutta täydellinen kustannustehokkuus edellyttää teknistä tehokkuutta.
Tutkimusaineiston maitotilojen kasvintuotannossa oli tehottomuutta. Teknisen tehokkuuden taso oli välillä 0,62 – 0,73 mallispesifikaatiosta riippuen. Sipiläisen ja Ryhäsen (2004)
21
Tehokkuutta selittävästä osasta pudotettiin tukialuetieto pois lähes kaikkien havaintotilojen edustaessa C1tukialuetta. Etelä-Pohjanmaan ja Keski-Suomen alueet rajattiin FADN -aineiston NUTS3 -aluetiedon perusteella.
22
Erilaisista aineistoista/otoksista lasketut tekniset tehokkuusluvut eivät ole verrattavissa toisiinsa, vaan ne
kertovat malliin sovitetun tilajoukon sisäisestä tehokkuusjakaumasta.
35
mukaan Hila-aineistoon pohjautuvassa säilörehutuotannon SFA -estimoinnissa tekninen
tehokkuus oli keskimäärin 0,9 eli näillä tiloilla maidontuottajat olivat selvästi tämän tutkimuksen maidontuottajia yhtenäisempi ryhmä. Tässä tutkimuksessa säilörehun ja rehuviljan
tuotanto jouduttiin käsittelemään yhtenä tuotoksena, mikä lisäsi hajontaa. Tehokkuuden
keskimääräinen taso laski vähän tutkimusajanjaksolla. Peltopanos selitti valtaosan sadonmuodostuksesta, lannoitus ja kalkitus toiseksi eniten. Estimoitujen mallien perusteella tuotanto ilmensi vakioskaalatuottoja.
Suuri eläinmäärä peltoalaa kohti oli tärkein tehokkuutta selittävä tekijä, mikä on yhtenevä
Sipiläisen ym. (2012, 28) tulosten kanssa. Pohjoisen tilat olivat kasvinviljelyssään koko
maan vertailussa tehottomimpia, mikä selittyy osaltaan luonnonolosuhteista johtuvalla pienellä luontaisella sadontuottokyvyllä. Nurmen suuri osuus pellonkäytössä oli joissain malleissa tilastollisesti merkitsevästi yhteydessä alhaiseen tehokkuuteen, mutta tuloksen tulkinnassa on oltava varovainen kausaalivaikutuksen suunnan suhteen. Keskimääräinen tehokkuus oli matalin pienimmässä karjakokoluokassa. Maidontuottajan iällä ei ollut yhteyttä tehokkuuteen.
Vaihtelu viittaa siihen, että useilla maitotiloilla kasvintuotantoa voidaan tehostaa. Maidontuottajat voivat oppia parhaista käytännöistä. Yhdellä maitotilalla toimivimmiksi havaittujen parhaiden käytäntöjen soveltaminen sellaisenaan toisella tilalla voi olla haasteellista.
Tilusrakenne-, maalaji-, yhteistyömahdollisuudet ja työvoimakysymykset ovat esimerkkejä
tekijöistä, joiden vuoksi hyväksi havaittujen menetelmien siirtäminen tilalta toiselle ei aina
onnistu. Maidontuottajan on haettava itselleen sopivimmat ratkaisut. Myös tuottavuus- ja
tehokkuuslukuja vertaillessa siirrettävyyden ongelma on otettava huomioon.
Valtaosa tutkimuksen maitotiloista hyödynsi koneurakointia vähän tai ei ollenkaan. Koneurakointi on substituutti maidontuottajan kasvinviljelykalustolle sekä maidontuottajaperheen ja palkkatyövoiman kasvinviljelytyölle. Joissain tapauksissa urakoitsijat hankkivat
myös osan tuotantopanoksista eli tarjosivat palveluitaan kokonaispakettina. Säilörehuntuotannossa yhteistyö ja urakointipalveluiden käyttö voidaan järjestää monella eri tavalla (Laitila ym. 2012, 107−112). Tässä tutkimuksessa yhteistyötä maitotilojen kasvinviljelystä ei
pystytty luotettavasti erittelemään, luokittelemaan ja mittaamaan käytössä olleen aineiston
puitteissa. Yhteistyön mahdollista vaikutusta tehokkuuteen ei siten voitu yksityiskohtaiseesti tutkia, koska yhteiskoneiden ja työn kustannuksia ei voitu erottaa omiksi muuttujikseen. Siksi tulokset yhteistyön osalta jäivät melko vähäisiksi.
Kannattavuuskirjanpitoaineistoon ollaan kytkemässä MTT Taloustutkimuksessa tilatunnuksien avulla mm. peltolohkorekisterin tietoja, joita toivottiin saatavaksi jo tämän tutkimuksen käyttöön. Näitä olosuhdetekijöitä kuvaavia muuttujia ei kuitenkaan aineiston keskeneräisyyden vuoksi voitu käyttää. Myös muut kuin maitotilakohtaiset taloudelliset tekijät
olisivat hyödyllisiä mm. tehokkuuserojen syitä etsittäessä. Näiden tekijöiden yhteys maitotilojen kasvinviljelyn tehokkuuteen on tarpeen selvittää jatkotutkimuksissa.
36
Lähteet
Aigner, D., Lovell, C. A. K. & Schmidt, P. 1977. Formulation and estimation of stochastic
frontier production function models. Journal of Econometrics 6(1), 21–37.
Battese, G.E. & Coelli, T.J. 1992. Frontier production functions, technical efficiency and
panel data: With application to Paddy Farmers in India. Journal of Productivity Analysis 3,
153–169.
Battese, G.E. & Coelli, T.J. 1995. A model of technical inefficiency effects in a stochastic
frontier production function for panel data. Empirical Economics 20, 325–332.
Bogetoft, P. & Otto, L. 2011. Benchmarking with DEA, SFA, and R. Springer. 352 s.
Capper, J.L., Cady, R.A. & Bauman, D.E. 2009. The environmental impact of dairy
production: 1944 compared with 2007. Journal of Animal Science 87, 2160-2167.
Coelli, T. 1996. A Guide to FRONTIER Version 4.1: A computer program for stochastic
frontier production and cost function estimation. The University of New England Centre of
Efficiency and Productivity Analysis working papers 7/96. 33 s.
Coelli, T., Rao, D.S.P. & Battese, G.E. 1999. An introduction to efficiency and
productivity analysis. Kluwer Academic Publishers, MA. 249 s.
Coelli, T., Rao, D.S.P., O’Donnell, C. & Battese, G.E. 2005. An introduction to efficiency
and productivity analysis (Second edition). Kluwer Academic Publishers, MA. 249 s.
Coelli, T. & Henningsen, A. 2013. Frontier: Stochastic frontier analysis, R package version
1.0.
Darku, A.B., Malla, S. & Tran, K.C. 2013. Historical review of agricultural efficiency
studies. Univ. of Lethbridge, Lethbridge, AB, Canada. 78 s.
Farrell, M. J. 1957. The measurement of productive efficiency. Journal of the Royal
Statistical Society. Series A (General) 120(3), 253-290.
Greene, W. 2011. E62: Stochastic frontier models and efficiency analysis.Viitattu
18.12.2014.
http://pages.stern.nyu.edu/~wgreene/FrontierModeling/SurveyPapers/LIMDEPChapter33.pdf
Hansson, H. 2007. Are larger farms more efficient? A farm level study of the relationship
between efficiency and size on specialized dairy farm in Sweden. Agricultural an Food
Science 17, 325–337.
Hemilä, K. 1982. Measuring technological change in agriculture. An application based on
the CES production function. Journal of the Scientific Agricultural Society of Finland 3,
165–223.
37
Hicks, J.R. 1935. Annual survey of economic theory: The theory of monopoly.
Econometrica 3(1,Jan.), 1–20.
Karakaplan, M.U. & Kutlu, L. 2013. Handling endogeneity in stochastic frontier analysis:
A solution to endogenous education cost frontier models. Department of Economics,
Oregon State University. 39 s.
Karhula, V. 2012. Säilörehujen korjuuketjujen taloudellinen vertailu – pitkän aikavälin
tarkastelu. Maatalouden liiketaloustieteen maisterintutkielma. Helsingin yliopiston
taloustieteen laitos. 78 s.
Kelly, E., Shalloo, L., Geary, U., Kinsella, A. & Wallace, M. 2012. Application of data
envelopment analysis to measure technical efficiency on a sample of Irish dairy farms.
Irish Journal of Agricultural and Food Research 51, 63–77.
Kodde, D.A. & Palm, F.C. 1986. Wald criteria for jointly testing equality and inequality
restrictions. Econometrica 54(5), 1243–1248.
Kumbhakar, S. C. & Lovell, C. A. K. 2000. Stochastic frontier analysis. Cambridge
University Press. 309 s.
Kumbhakar, S.C., Lien, G. & Hardaker, J.B. 2012. Technical efficiency in competing
panel data models: a study of Norwegian grain farming. Journal of Productivity Analysis
41, 321–337.
Kuosmanen, T. & Pursiainen, H. 2011. Inflaatiokorjaus ja siihen sovellettavat hintaindeksit
sähköverkkotoiminnan valvontamallissa. Sigma-Hat Economics Oy. 19 s.
Laitila, E., Ryhänen, M., Närvä, M, Sipiläinen. T., Heiskari, M., Jokiaho, S., Ketola, J.,
Kämäräinen, S., Känsäkoski, H., Palo. A. & Pieviläinen, A. 2012. Verkostomainen
yrittäminen. Teoksessa Ryhänen M-Laitila E (toim):Yhteistyö ja resurssit maitotiloilla,
Verkostomaisen yrittämisen lähtökohtia ja edellytyksiä, Seinäjoen ammattikorkeakoulun
julkaisuja B 59: 91-134.
Latruffe, L. 2010. Competitiveness, productivity and efficiency in the agricultural and agrifood sectors, OECD Food, Agriculture and Fisheries Papers 30, 1–62.
Lehtonen, H. 2014. Maitokiintiöjärjestelmän poistumisen merkitys Suomessa.
Seminaariesitelmän kirjallinen tiivistelmä. Teoksessa: Kuisma, R., Schulman, N.,
Kymäläinen, H-R. & Alakukku, L. (toim.). Maataloustieteen päivät 2014 – Esitelmä ja
posteritiivistelmät. Suomen maataloustieteellisen seuran tiedote 31: 55.
Mbaga, M.D., Romain, R., Larue, B. & Lebel, L. 2002. Assessing technical efficiency of
Québec dairy farms. Canadian Journal of Agricultural Economics 51, 121–137.
Meeusen, W. & Broeck, J. v. D. 1977. Efficiency estimation from Cobb-Douglas
production functions with composed error. International Economic Review 18(2), 435–
444.
38
MMM Tike. 2014. Maatilarekisteri. Viitattu useaan otteeseen 2014.
http://www.maataloustilastot.fi/
Myyrä, S. & Pietola, K. 1999. Tuottavuuskehitys Suomen maataloudessa 1987–97.
MTTL:n tutkimuksia 234. 57 s.
Niemi, J. & Pietola, K. 2001. Maatalouspolitiikan ja taloudellisten kannustimien vaikutus
maitotilojen pellon käyttöön. Maatalouden taloudellisen tutkimuslaitoksen selvityksiä 4. 22
s.
Niskanen, O. & Lehtonen, E. 2014. Maatilojen tilusrakenne ja pellonraivaus Suomessa
2000-luvulla. MTT Raportti 150. 27 s.
Oude Lansik, A. Pietola, K. & Bäckman, S. 2002. Efficiency and productivity of
conventional and organic farms in Finland 1994-1997. European Review of Agricultural
Economics 29(1), 51–56.
Pyykkönen, P., Bäckman, S. & Puttaa, E. 2013. Rakennemuutos Suomen
kotieläintaloudessa. PTT työpapereita 143. 51 s.
Rantala, O. & Latukka, A. 2012. FADN – EU:n maatalouden kirjanpitojärjestelmä.
Teoksessa: Latukka, A., Nurro, M. & Ahlstedt, J. (toim.). 2012. Moderni 100-vuotias
suuntaa tulevaisuuteen – Maatalouden kannattavuuskirjanpidon juhlajulkaisu. Maa- ja
elintarviketalouden tutkimuskeskuksen julkaisuja 113, 30–32.
Rao, D.S.P. 2008. Efficiency and productivity measurement: Stochastic frontier analysis.
Viitattu 28.8.2014. http://www.euklems.net/data/workshop/slides/Lecture
4_Day_3_Stochastic Frontier Analysis.ppt
Rasmussen, S. 2010. Scale efficiency in Danish agriculture: an input distance–function
approach. European Review of Agricultural Economics 37(3), 335–367.
Rasmussen, S. 2011. Production economics. The basic theory of production optimization.
Berlin: Springer. 274 s.
Ryhänen, M. 1994. Input substitution and technological development on Finnish dairy
farms for 1965 – 1991. Empirical application on bookkeeping dairy farms. Agricultural
science in Finland 3(6), 525–601.
Ryhänen, M., Huhtanen, P., Jaakkola, S. & Ahvenjärvi, S. 1996. EU-jäsenyyden vaikutus
maidontuotantoon. Julkaisussa: Ylätalo, M. (toim.). Maatalousyritysten sopeutuminen
EU:ssa vallitseviin hintasuhteisiin. Helsingin yliopiston taloustieteen laitoksen julkaisuja
no. 12: 79–118.
Seppälä, R., Ryhänen, M., Sipiläinen, T., Rinne, M., Huhtanen, P. & Suokannas, A. 2002.
Säilörehu maitotilan taloudessa – pitkän aikavälin näkökulma. Teoksessa: Ryhänen, M. &
Sipiläinen, T. (toim.). Nurmisäilörehu maitotilan taloudessa. Helsingin yliopiston
taloustieteen laitoksen julkaisuja nro. 35. 103 s.
39
Sims, E. 1994. The rate of technical change in Finnish agriculture, 1960–1991.
Agricultural Science in Finland 3: 525–599.
Sipiläinen, T. 2003. Suurten maito- ja viljatilojen suorituskyky ja sen kehittäminen.
Taloustieteen laitoksen julkaisuja nro 38: 90 s.
Sipiläinen, T., Oude Lansink, A. & Pietola, K. 2006. Tavanomaisen ja luonnonmukaisen
maidontuotannon tehokkuus. Viitattu 29.12.2014. http://www.smts.fi/esit06/0903.pdf
Sipiläinen, T. & Ryhänen, M. 2004. Technical change in Finnish grass silage production.
Agricultural and Food Science 14, 250–263.
Sipiläinen, T., Kumbhakar, S. C. & Lien, G. 2014. Performance of dairy farms in Finland
and Norway from 1991 to 2008. European Review of Agricultural Economics 41, 63–86.
Sipiläinen, T., Ovaska, S. & Ryhänen M. 2012.Tuottavuus, tehokkuus ja taloudellinen
tulos eteläpohjalaisilla maitotiloilla. Teoksessa: Sipiläinen, T. & Ovaska, S. (toim.). 2012.
Maitotilalle kilpailukykyä tuottavuutta ja tehokkuutta kehittämällä. Kilpailukykyä
maidontuotantoon hanke. MTT Raportti nro. 78: 9–42.
Sipiläinen, T., Ryhänen, M., Karhula, V., Suokannas, A. & Rinne, M. 2012. Säilörehun
korjuuketjujen taloudellinen vertailu – pitkän aikavälin näkökulma. Teoksessa: T.
Sipiläinen & S. Ovaska (toim.) Maitotilalle kilpailukykyä tuottavuutta ja tehokkuutta
kehittämällä. Kilpailukykyä maidontuotantoon -hanke. MTT raportti 78: 43–68. Viitattu
21.12.2014. http://www.mtt.fi/mttraportti/pdf/mttraportti78.pdf.
Solow, R. 1957. Technical change and the aggregate production function. The Review of
Economics and Statistics 39, 312–320.
Stokes, J.R., Tozer, P.R. & Hyde, J. 2007. Identifying efficient daily producers using data
envelopment analysis. Journal of Dairy Science 90, 2555–2562.
Ylätalo, M. 1987. Maatalouden tuottavuus ja investoinnit. Pellervon taloudellisen
tutkimuslaitoksen julkaisuja n:o 8. 85 s.
Ylätalo, M. 2012. Kannattavuuskirjanpitotilojen tulosten käyttö maatalousekonomiassa.
Teoksessa: Latukka, A., Nurro, M. & Ahlstedt, J. (toim.). 2012. Moderni 100-vuotias
suuntaa tulevaisuuteen – Maatalouden kannattavuuskirjanpidon juhlajulkaisu. Maa- ja
elintarviketalouden tutkimuskeskuksen julkaisuja 113: 9–12.
40
Liite 1. Aineiston keskeiset tilastotiedot
Taulukko 1. Kuvaileva statistiikka tuotantofunktion muuttujista
N
Vaihteluväli
urak.ost.
kv.
koneet
(agr. )
muut
muuttuvat
eur/v
eur/v
poisto
eur/v
eur/v**
1923
1923
1923
1923
1923
6504
12635
136614
74623
41406
276
74899
11503
14352
11097
1,7
0
41406
4552
6115
5396
-
rysato
viljelyala
eyelain
lan_ka
kasvinsiemen* kv. työ
lk*
suojelu*
ry
ha
ey
eur/v
eur/v
t/v
1923
1923
1923
1923
1923
1678750
374
298
41031
18289
Minimi
22750
9
2
0
0
0
0
0
Maksimi
1701500 383
300
41031 18289
6504
12635
136614
Mediaani
217140
59
48
5180
1240
700
446
2240
Keskiarvo
266037
68
62
6520
1787
858
853
6654
Keskihajonta 196106
43
45
5072
1909
647
1276
12872
Vinous***
2,1
2
1,8
2
2,5
2,4
3,9
4,5
*Deflatoitu indeksillä **Deflatoitu indeksillä muut. kasv.viljely lukuun ottamatta ***Vinous
= Σ((x – x_bar )/ s)^3*n/((n -1)×(n-2)) ts. poikkeama normaalijakaumasta (negatiivinen / positiivinen)
Taulukko 2. Korrelaatiomatriisi* tuotantofunktiossa käytettävistä muuttujista, logaritmoidut (ln)
Y
Sato ( )
Pinta-ala ( )
Eläinyksiköt ( )
NPK + Kalkki ( )
Siemen ( )
Työ ( )
Kasvinsuojelu ( )
Urakointiosto ( )
Konepoistot ( )
Kasvinvilj. yk. ( )
* Pearson korrelaatio:
1,000
0,892
0,864
0,680
0,534
0,459
0,517
0,453
0,636
0,515
1,000
0,799
0,692
0,565
0,472
0,543
0,459
0,648
0,468
1,000
0,636
0,488
0,417
0,383
0,511
0,603
0,557
1,000
0,442
0,414
0,443
0,311
0,522
0,399
1,000
0,264
0,349
0,288
0,370
0,270
1,000
0,328
0,057
0,428
0,237
1,000
0,276 1,000
0,392 0,142 1,000
0,208 0,259 0,376
41
Liite 2. Hintakorjauksessa käytetyt deflatointikertoimet
Kaikki hintakorjaukset lukuun ottamatta lannoite- ja kalkkipanosta on laskettu seuraavalla
kaavalla:
Reaalihinta vuonna n = Nimellinen hinta vuonna n * [(Indeksi vuonna 2007) / (Indeksi vuonna n)]
Lannoite- ja kalkkipanoksen hintakorjauksessa on sovellettu kahden vuoden liukuvaa keskiarvoa:
Reaalihinta vuonna n = Nimellinen hinta vuonna n * [(Indeksi vuonna 2007) / 0.5*(Indeksi vuonna n + Indeksi
vuonna n-1)]
Seuraavassa taulukossa on esitetty käytetyt hintaindeksit kunkin panoksen osalta:
Korjatut panosvektorit
Indeksi
Indeksin arvo
lan_kalk (yhdistetty
lannoite + kalkki)
FINSTAT 203000
2007
110,3
2008
196,5
2009
142,4
2010
145,3
2011
191,9
2012
205,9
siemen
FINSTAT 201000
100,2
115,4
110,4
106,5
115,9
124,3
kasvinsuojelu
FINSTAT 204000
93,9
105,1
118,2
103,1
98,7
100,5
(Kaikki maatalouden tuotantovälineiden ostohintaindeksit 2005=100 muuttujina)
TILASTOKESKUKSEN KOODILUOKITUS, MAATALOUDEN OSTOPANOKSIEN HINTAINDEKSIT
201000 SIEMENET JA TAIMIMATERIAALI
203000 LANNOITTEET JA MAANPARANNUSAINEET
204000 KASVINSUOJELUTUOTTEET JA TORJUNTA-AINEET
Lähde: Tilastokeskus (http://www.stat.fi/, viitattu kesäkuussa 2014)
42
3. Maitotilojen tehokkuustappio - kasvin- ja maidontuotannon
verkostomainen DEA-tarkastelu
Ovaska, Sami1,2, Sipiläinen, Timo1 & Ryhänen, Matti3
1
Helsingin yliopisto, Taloustieteen laitos, PL 27, 00014 Helsingin yliopisto, etunimi.sukunimi@helsinki.fi
2
Luonnonvarakeskus, Latokartanonkaari 9, 00790 Helsinki, sami.ovaska@luke.fi
3
Seinäjoen ammattikorkeakoulu, SeAMK Elintarvike ja maatalous, Ilmajoentie 525, 60800
Ilmajoki, matti.ryhanen@seamk.fi
3.1. Johdanto
Maidontuotannon yksikkökustannukset ovat Suomessa kansainvälisesti tarkasteltuna korkeat. Kansainvälisessä IFCN -maitotilojen vertailussa Suomi on sijoittunut vuosittain lähes
poikkeuksetta kolmen korkeimman yksikkökustannuksen maaksi yli 50 vertailumaan joukossa (Hemme ym. 2014). Yksikkökustannustaso Suomessa on luonnonolojen vuoksi keskimäärin korkeampi kuin Euroopassa. Maitotilojen yksikkökustannusta voidaan alentaa,
sillä se vaihtelee samankaltaistenkin tilojen välillä suuresti.
Maidontuotannossa alin saavutettavissa oleva yksikkökustannus riippuu kahdesta tekijästä,
tuoteyksikköä kohti käytettyjen panosten määristä ja hinnoista. Markkinoiden hintatasoon
maidontuottaja ei voi vaikuttaa, vaikka voikin hyötyä onnistuneesta myyntien ja ostojen
ajoituksesta sekä määräalennuksista. Siten tuottavuuteen ja tehokkuuteen vaikuttaminen on
maidontuottajan keskeisin keino alentaa yksikkökustannusta.
Maitotilan toiminnan kehittäminen edellyttää oman tilan vertailua mielekkääseen tilaan tai
tilajoukkoon, mikä antaa mahdollisuuden hakea keinoja, joilla voi parantaa oman tilan suorituskykyä. Suorituskyvyn mittaaminen koko maitotilan tasolla ei yksin riitä, sillä se ei kerro, missä toiminnoissa suorituskykyä voidaan parantaa. Siksi on tarpeen tarkastella prosesseja erikseen. Maitotilan tuotanto koostuu kahdesta pääprosessista 23, jotka ovat maidon- ja
kasvintuotanto. Kansainvälisessä vertailussa Länsi-Euroopan maitotiloilla rehukustannuksen osuus kokonaiskustannuksesta oli vuonna 2013 keskimäärin 48 % (Hemme ym. 2014).
Rehukustannuksen suuren osuuden vuoksi maitotilan menestymiseen ydinprosessin eli
maidontuotannon lisäksi vaikuttaa merkittävästi onnistuminen rehuntuotannossa.
Kasvintuotannon tavoitteena on tuottaa rehua maidontuotantoa varten kustannustehokkaasti. Tehokkuuden näkökulmasta se merkitsee panostehokkuutta ja talouden näkökulmasta
mahdollisimman alhaisten yksikkökustannusten tavoittelua valitulla tuotostasolla. Tilakohtaisen maitokiintiön poisto vuonna 2015 mahdollistaa tuotannon kasvattamisen ilman tilakohtaisia rajoitteita eli tuotostaso voidaan valita vapaasti. Tehokkuuden näkökulmasta se
merkitsee tuotostehokkuutta ja talouden näkökulmasta voiton maksimointia. Kun tehokkuustarkasteluun kytketään allokatiivisen tehokkuuden tarkastelu, se laajentuu vastaavasti
teknisen tehokkuuden tarkastelusta kustannus- ja tuottotehokkuuden mittaamiseen.
23
Ne muodostavat maitotilan sisäisen verkoston. Osa rehusta voidaan myydä, mikä tuottaa myyntituloja.
43
Tässä artikkelissa tarkastelu rajataan teknisen tehokkuuden tutkimiseen. Maitotilojen suorituskykyä tarkastellaan DEA -malleilla 24. Niillä määritetään erikseen maidon- ja kasvintuotannolle tehokkuusluvut, jotka kuvaavat pääprosessien suorituskykyä suhteessa tehokkaasti
toimivaan vertailutilaan25. Tehokkuuslukujen avulla lasketaan niitä vastaavat tilakohtaiset
mahdollisesta tehottomuudesta aiheutuvat euromääräiset tappiot. Kasvintuotannon tehokkuustappio vastaa siten myös kustannusten alentamispotentiaalia, jos maitotila voi toimia
tehokkaan vertailutilan tavoin. Maidontuotannon tehokkuustappio on puolestaan tuottamatta jääneen tuotannon arvo. Koko maitotilan tehottomuustappio voidaan määrittää laskemalla kasvin- ja kotieläintuotannon tehottomuustappiot yhteen.
Maidon- ja kasvintuotannon tehokkuustarkastelun eriyttämisellä selvitetään tehokkuustappiosta aiheutuvia euromääriä erikseen molemmissa pääprosesseissa. Lisäksi selvitetään,
missä suhteessa tehokkuustappiota syntyy kasvin- ja maidontuotannon välillä. Käytännössä
maitotilan toiminnan tehostaminen voidaan kohdentaa tarpeen mukaan maidon- ja kasvintuotantoon. Tässä artikkelissa haetaan vastausta seuraaviin kysymyksiin:
·
·
·
Millainen on maitotilojen kasvin- ja kotieläintuotannon tehokkuus?
Millaiset olivat kasvin- ja kotieläintuotannon tehokkuustappiot vuosina 2007−2009
ja 2010−2012?
Millaiset olivat kasvin- ja maidontuotannon tehokkuustappiot koko maitotilaaineistossa sekä tilakokoluokittain hehtaaria ja lehmää kohti määritettynä?
3.2. Tutkimusaineisto
Tutkimusaineistona käytetään MTT Taloustutkimuksen vuosina 2007−2012 kannattavuuskirjanpidossa mukana olleita maitotiloja, jotka eivät ole luomutuotannossa. Kannattavuuskirjanpitotilojen määrä vaihtelee vuosittain, mikä aiheutuu tilojen jäämisestä pois kirjanpidosta, tuotantosuunnan vaihdoksista ja uusien tilojen liittymisestä. Kannattavuuskirjanpitotilojen määrä on laskenut tutkimusjaksolla, sillä vuonna 2007 aineistossa oli 366 maitotilaa
ja vuonna 2012 oli 323 maitotilaa. MTT Taloustutkimuksen aineistossa on 250 maitotilaa,
jotka ovat olleet mukana koko tutkimusjakson. Luomutilojen poiston jälkeen tämän tutkimuksen aineisto koostuu 230 maitotilasta.
Tutkimusjaksoon sisältyy suuria panosten hintavaihteluita vuosittain ja vuosien välillä, jolloin erityisesti ostolannoitteiden ja viljan hinnat ovat vaihdelleet merkittävästi. Onnistuminen ostojen ajoittamisessa on saattanut vaikuttaa paljon maitotilojen tulokseen. Tämän lisäksi kasvinviljelyssä ja maidontuotannossa on saattanut tapahtua onnekkaita tai epäonnekkaita sattumia, jotka ovat voineet vaikuttaa poikkeuksellisen suotuisasti tai epäsuotuisasti maitotilojen tulokseen.
24
25
Voidaan määrittää tilojen suhteelliset tehokkuudet (Färe ym. 1994, Coelli ym. 1998).
Yksittäisestä havainnosta tai havaintojen yhdistelmästä muodostettu konveksi kombinaatio.
44
Tutkimusjakso jaetaan kahteen erilliseen tarkastelujaksoon, jotka ovat vuodet 2007−2009
ja 2010−2012. Tilakohtaiset tiedot lasketaan molemmissa kolmen vuoden keskiarvoina,
jolla pyritään vähentämään yksittäisten vuosien poikkeavien sattumien vaikutusta tuloksiin. Erityisesti poikkeuksellisen hyvien sattumien poistaminen aineistosta on tärkeää DEA
-pohjaisessa tarkastelussa, jotta niitä ei käytetä tehokkaina vertailutiloina. Tämän vuoksi
aineistosta poistettiin kaavamaisesti alkuvaiheessa tilat, joilla kasvintuotannon tekninen
tehokkuusluku oli yli 0,9. Siten lopullisen tutkimusaineiston muodostavat 222 maitotilaa
vuosilta 2007−2009 ja 213 maitotilaa vuosilta 2010−2012.
Kuviossa 3.1 on esitetty tutkimustilojen kokoluokkajakauma vuodelta 2012. Tiloilla on
keskimäärin 46 lehmää, mikä on selvästi vastaavan vuoden koko maan 31 lehmän keskiarvoa korkeampi (Tike 2014). Tutkimustiloista suurimman ryhmän muodostavat 20−30 lehmän tilat, joita on noin viidesosa tiloista.
Kuvio 3.1. Tutkimustilojen kokoluokkajakauma (2007–2012 keskiarvo, 230 tilaa).
45
Maitotilojen rakennemuutos näkyi tutkimusaineistossa pienten tilojen osuuden vähenemisenä ja suurten kasvamisena. Vuonna 2007 alle 30 lehmän tilojen osuus oli 57 % ja vuoteen 2012 mennessä se oli laskenut 41 %:iin. Sen sijaan 30−60 lehmän tilojen osuus oli
säilynyt ennallaan noin kolmasosana. Rakennekehitys näkyi erityisesti yli 60 lehmän tiloilla, joiden osuus vuonna 2007 oli 11 % ja vuoteen 2012 mennessä se oli noussut 27 %:iin.
Kasvintuotanto
Tiloilla oli keskimäärin 69 hehtaaria peltoa. Vaihteluväli oli 16 - 274 hehtaaria. Rehuyksikkösato vaihteli suuresti. Vuosien 2007−2012 keskiarvosato oli alimmillaan noin 1 450
ry/ha, kun suurimmat sadot olivat lähes 8 100 ry/ha. Rehuyksikkösadolla hehtaaria kohti
(ry/ha) oli yhteys eläintiheyteen (eläimiä/ha) 26. Kun eläintiheys on suuri, niin hehtaarisadot
ovat suuria. Jos tilalla on paljon peltoa suhteessa eläinmäärään, panosten käyttö on vähäisempää kuin intensiivisessä tuotannossa.
Tiloilla tehtiin keskimäärin 14 tuntia kasvinviljelytyötä hehtaaria kohti. Osalla tiloista kasvinviljelytyötä ei tehty, sillä se oli ulkoistettu urakoitsijoille. Kasvintuotannon muuttuvat
kustannukset olivat keskimäärin 236 €/ha. Vaihteluväli oli 83- 549 € hehtaaria kohti. Kasvintuotannon rakennuksiin oli sidottu pääomaa keskimäärin 58 €/ha ja koneisiin 349 €/ha.
Taulukossa 3.1 on esitetty tutkimustilojen kasvintuotannon keskiarvotietoja.
Taulukko 3.1. Tutkimustilojen kasvintuotantotietoja 2007-2012 (230 tilaa).
Yksikkö
Pelto
Keskisato
Työ
Muuttuvat kustannukset
Rakennuspääoma
Konepääoma
ha
ry/ha
h/v
€/ha
€/ha
€/ha
Keskiarvo
Keskihajonta
69
4 025
880
236
58
349
39
990
538
71
149
235
Kasvintuotannon muuttuvat kustannukset ovat keskimäärin 236 €/ha. Luku vaihtelee tiloilla 83 €:n ja 549 €:n välillä hehtaaria kohti, mikä osaltaan liittyy rehuntuotannon intensiteettitasoon. Kasvintuotannon rakennuksiin on tiloilla sitoutunut pääomaa keskimäärin 58 €/ha
ja koneisiin 349 €/ha. Siten kasvinviljelyn rakennuspääoman merkitys on selvästi konepääomaa pienempi.
Maidontuotanto
Aineistossa lehmien keski-tuotos oli 8 701 l/lehmä. Maidontuotannon työmäärä oli keskimäärin 3 828 h/vuosi, joka oli noin 120 tuntia lehmää ja vuotta kohti. Työmäärän vaihtelu
oli suurta, mihin vaikutti koneellistamisaste ja tuotannon järjestäminen tilalla. Alimmillaan
työmäärä oli 29 h/lehmä ja korkeimmillaan 372 h/lehmä.
26
Spearmanin järjestyskorrelaatio on 0,577 (1 %:n riskitaso).
46
Maidontuotannon rakennuksiin oli sidottu pääomaa keskimäärin 2 985 €/lehmä. Vaihteluväli oli 52−14 622 € lehmää kohti. Erityisesti navettainvestoinnin ajankohta vaikutti vaihteluväliin. Maidontuotannon koneisiin oli sidottu pääomaa keskimäärin 680 €/lehmä. Tiloilla oli keskimäärin 41 lehmää, vaihteluvälin ollessa 8−159 lehmää. Taulukossa 3.2 on
esitetty tutkimustilojen maidontuotannon keskiarvotietoja vuosilta 2007−2012.
Taulukko 3.2. Tutkimustilojen maidontuotantotietoja 2007 −2012 (230 tilaa).
Yksikkö
Keskiarvo
Keskihajonta
41
27
Lehmiä
kpl
Keskituotos
Työ
l/lehmä/v
h/v
8 701
3 828
1 047
1 532
Rakennuspääoma
Konepääoma
€/lehmä
€/lehmä
2 985
680
2 856
687
3.3. Menetelmät
Tutkimustilojen kasvin- ja maidontuotannon suorituskykyä mitataan DEA-malleilla, joita
sovelletaan tarkastelemalla kasvin- ja maidontuotantoa toisiinsa kytkeytyvänä verkostona.
DEA-malleilla määritetyille kasvintuotannon panosorientoituneille ja maidontuotannon
tuotosorientoituneille tehokkuusluvuille lasketaan niitä vastaavat euromääräiset luvut, jotka
kuvaavat tilakohtaista tehokkuustappiota verrattuna teknisesti tehokkaasti toimivaan vertailutilaan. Tuloksena saadaan tilakohtainen tuloksen lisäämispotentiaali erikseen kasvin- ja
maidontuotannolle, jos tila voisi toimia tehokkaan vertailutilan tavoin.
3.3.1. Tehokkuuden mittaaminen
Tässä tutkimuksessa käytetään DEA (Data Envelopment Analysis) –malleja, joiden avulla
voidaan määrittää esimerkiksi maatilojen keskinäisiä suhteellisia teknisiä tehokkuuksia
(Färe ym. 1994, Coelli ym. 1998). Tavanomaisen panosorientoituneen DEA:n ajatuksena
on tarkastella mahdollisuutta vähentää panoksia samansuhteisesti pitäen tuotos ennallaan.
Vastaavasti tuotosorientoituneen DEA:n ajatuksena on tarkastella mahdollisuutta kasvattaa
tuotosta samansuhteisesti pitäen panokset ennallaan.
DEA-mallien etuna on, että niissä voidaan helposti käsitellä useita panoksia ja tuotoksia
eikä yksityiskohtaisia tuotantoteknologiaoletuksia tarvita. Perusmuotoisten DEA-mallien
haittapuolena on stokastisuuden puuttuminen, jolloin kaikkein suotuisimmat tapaukset
määrittävät niin kutsutun tehokkaan pinnan. Tämän vuoksi on tärkeää tunnistaa poikkeavat
havainnot ja poistaa ne tarvittaessa27. Tehokas vertailuyksikkö voi tässä tarkastelussa koostua joko jostakin tehokkaalla pinnalla olevasta yksittäisestä havainnosta tai niiden yhdistelmästä28.
27
28
Ks. edellä aineisto-osa.
Konveksi kombinaatio.
47
Tekninen panos- ja tuotostehokkuus määritetään etäisyysfunktioiden avulla. Panos- ja tuotosetäisyysfunktioita29 voidaan käyttää kuvaamaan tuotantoteknologiaa tunnettaessa panosja tuotosmäärät (Shephard 1953,1970). Perinteisestä skalaariarvoisesta tuotantofunktiosta
poiketen panos- ja tuotosetäisyysfunktioihin voidaan sisällyttää useita panoksia ja tuotoksia. Ne soveltuvat kuvaamaan mitä tahansa tuotantoteknologiaa 30. Oletetaan, että on olemassa tuotantoteknologia, jolla panosvektori x = (x1 ,x 2 ,..,x n ) Î R n+ muunnetaan tuotosvektoriksi y=(y1 ,y2 ,..,ym ) Î R m+ . Tämä voidaan esittää panos(vaatimus)joukkona L(y) tai
tuotosjoukkona Y(x) (Färe 1988, Färe ym. 1994). Lisäksi teknologian oletetaan täyttävän
vapaan tuhlattavuuden ja konveksisuuden oletukset.
Panos-etäisyysfunktio ilmaisee panosjoukot funktion muodossa. Mille tahansa (x,y) Î R n+m
+
panos-etäisyysfunktio Di(y,x) voidaan ilmaista seuraavasti:
Di(y,x) = max {l > 0: x/l Î L(y)}.
(1)
Panosetäisyysfunktio määritetään suurimpana mahdollisena samansuhteisena panosten x
vähennyksenä niin lähelle nollaa kuin mahdollista panosjoukon L(y) puitteissa (Färe 1988,
Chambers ym. 1994). Se mittaa panoskäytön tehokkuutta vertaamalla havaittua panosvektoria pienimpään mahdolliseen panosvektoriin 31, jolla tietty tuotos y referenssijoukossa
voidaan tuottaa. Edelleen
Di(y,x) = |x| / |x / Di(y,x)|,
(2)
mikä osoittaa, että x kuuluu panos(vaatimus)joukkoon jos ja vain jos D i(y,x) ³ 1. On myös
ilmeistä, että etäisyysfunktio saa arvon yksi vain, jos panosvektori kuuluu vastaavan tuotosvektorin samatuotoskäyrälle. Siten panosetäisyysfunktio luonnehtii täysin teknologian,
koska sen ominaisuudet ovat johdettavissa vastaavan panosjoukon L(y) ominaisuuksista.
Farrell (1957) esitteli kolme tehokkuusmittaa: kokonaistehokkuuden ja sen komponentit,
hinta- (allokatiivinen) ja teknisen panostehokkuuden. Mikäli teknistä tehottomuutta esiintyy (ei allokatiivista tehottomuutta) optimaalinen panoskimppu voidaan löytää vähentämällä samansuhteisesti panoksia, kunnes samatuotoskäyrä saavutetaan. Farrell (1957) määritti
teknisen tehokkuuden samansuhteiseksi vähennykseksi käyvässä panoskäytössä suhteessa
referenssiteknologiaan:
Fi(y,x) = min {m: mx Î L(y)}.
29
(3)
Shephardin vuonna 1953 esittelemä etäisyysfunktio oli panosetäisyysfunktio.
Vähentävät myös aggregoinnin tarvetta.
31
Samansuhteisesti vähennettyyn panosvektoriin.
30
48
Farrellin teknisen tehokkuuden mitta on siten käänteinen panoetäisyysfunktion arvolle
(Fi(y,x)=(Di(y,x))-1. Jos myös allokatiivista tehottomuutta esiintyy, panosten samansuhteinen vähentäminen ei tuota minimikustannuspanoskimppua. Tällöin panosten allokaatiota
täytyy muuttaa kokonaistehokkuuden saavuttamiseksi, mikä mahdollistaa tuotannon yksikkökustannusten alentamisen.
Tämän raportin tarkastelussa otetaan huomioon vain tekninen tehottomuus, joten allokatiivisen tehottomuuden huomioon ottaminen kasvattaisi tehottomuustappiota useilla tiloilla.
Näin toimitaan, koska maitotilakohtaisia hintoja ei ole saatavissa.
Tuotostehokkuus määritetään vastaavalla tavalla, mutta tällöin tarkastellaan tuotoksen lisäämismahdollisuutta pidettäessä panoskäyttö ennallaan. Siten
Do(y,x) = min {q > 0: y/q Î Y(x)}
(4),
jossa q on tuotosetäisyysfunktion arvo ja Y(x) on tuotettavissa olevien tuotosten joukko
kullakin panosmäärällä. Vastaavasti kuin panosetäisyysfunktion arvo ja panostehokkuus
myös tuotosetäisyysfunktion arvon ja tuotostehokkuus ovat toistensa käänteislukuja. Tämä
voidaan kuvata yhtälöllä
Fo(y,x) = (Do(y,x))-1, jolloin Fo(y,x) = max {q: qy Î Y(x)}.
(5)
Tekniset tehokkuudet (panosetäisyysfunktiot) voidaan myös määrittää lineaarista ohjelmointia käyttäen, kun käytetään hyväksi sitä, että etäisyysfunktiot ovat käänteislukuja Farrellin tehokkuusluvuille, jolloin vakioskaalatuotto-oletuksen ollessa voimassa:
. .
( , )=
( , )
≤
≥ 0,
≤
= min
,
= 1, … ,
,
= 1, … ,
= 1, … , .
(6)
Panostehokkuus lasketaan kullekin tilalle k’ vuorollaan. Tekninen tuotostehokkuus määritetään vakioskaalatuottojen vallitessa vastaavasti tilalle k’:
. .
( , )=
( , )
≤
≥ 0,
≤
,
,
= max
= 1, … ,
= 1, … ,
= 1, … , .
(7)
49
Tehokkuustappio lasketaan siten, että kerrotaan kunkin panoksen käytön vähentämismahdollisuus sen hinnalla/kustannuksella ja vastaavasti kunkin tuotoksen lisäämismahdollisuus
(tehottomuus) kunkin tuotoksen hinnalla/tuotolla ja laskemalla euromääräiset tehokkuustappiot yhteen.
Tehokkuustappion määrittäminen kyseisellä tavalla ei ole aivan konsistenttia, koska tehokkuutta määritettäessä DEA:n tuottamat varjohinnat yritysten välillä poikkeavat toisistaan
(Kuosmanen ym. 2013). Tehokkuustappion suuruus koko aineiston osalta voitaisiin määrittää keskimääräisen tilan tehottomuuden ja sen perusteella määritetyn tappion avulla. Toinen ja ehkä suositeltavampi tapa olisi käyttää tuotto-, kustannus- tai voittotehokuutta, joissa laskenta perustuu yrityksen kohtaamiin hintoihin. Ongelmana on, että maitotilakohtaisia
hintoja ei ole kaikkien tuotosten ja panosten osalta käytettävissä.
On myös syytä huomata, että samaa aineistoa, esim. kasvintuotantoaineistoa, käytettäessä
panos- ja tuotosorientaation vakioskaalatuotto-oletuksella tuottamat tehokkuusluvut ovat
samoja, joskin käänteislukuja toisilleen. Tästä ei kuitenkaan seuraa, että tehokkuustappio
olisi riippumaton valitusta orientaatiosta. Ainoastaan, jos tuottojen ja kustannusten summa
ovat yhtä suuret, tehokkuustappion suuruus on sama kummassakin orientaatiossa. Jos skaalatuotto-oletus on jokin muu kuin vakioskaalatuottojen mukainen, tehokkuustappio ei välttämättä tällöinkään ole yhtä suuri, koska tehokkuusluvut saattavat poiketa toisistaan orientaation mukaan.
3.3.2. Verkosto-DEA
Tavanomaisessa staattisessa DEA-tarkastelussa panosvektori
x = (x1 ,x 2 ,..,x n ) Î R n+
muunnetaan tuotosvektoriksi y=(y1 ,y2 ,..,ym ) Î R m+ tietyllä olemassa olevalla tuotantoteknologialla ilman tarkkaa tietoa itse tuotantoprosessista. Verkosto-DEA –malleissa monivaiheisen tuotannon prosesseja yhdistetään yhdeksi malliksi, jolloin tarkastellaan tavanomaisesta DEA-tarkastelusta poiketen myös tuotantoprosessiin sisältyviä alateknologioita
(Färe & Grosskopf 1996, 2000).
Staattisessa verkosto-DEA:ssa (kuvio 3.2) verkosto koostuu eri tuotantoteknologioista, jotka ovat yhteydessä toisiinsa. Verkoston mallintaminen perustuu sen sisältämiin tuotantoteknologioihin ja välituotteisiin. Sen avulla voidaan analysoida välituotteiden allokointia
verkostossa ja käytettävissä olevan panosmäärän allokointia verkoston eri tuotantoteknologioille. Kuviossa 3.2 verkoston tuotanto tapahtuu kolmen tuotantoteknologian (P1, P2 ja
P3) avulla.
Käytettävissä olevaa panosmäärää kuvaa X ja
, i = 1,2,3 kuvaa panosvektoria, joka allokoidaan tuotantoteknologiaan i. Verkoston tuottamat lopulliset tuotokset (Y) summautuvat
verkoston kohtaan 4 (Färe & Grosskopf 2000).
Tuotantoteknologiassa i tuotettu tuotosvektori siirtyy toiseen tuotantoteknologiaan j
.
1
Tuotantoteknologian P kokonaistuotos on
+ , joista
on välituote tuotantotekno-
50
logiaan P3 käyttöön ja
on tuotantoteknologian P1 tuottama lopputuotos, joka siirtyy
osaksi verkoston kokonaistuotosta kohtaan 4. Tuotantoteknologiassa P1 ei käytetä muun
verkoston osien tuottamia välituotteita tuotantopanoksina. Sen sijaan tuotantoteknologia P3
käyttää tuotantoteknologioiden P1 ja P2 tuottamien välituotteiden lisäksi muitakin tuotantopanoksia (X). Verkoston tuottama kokonaistuotos (4) voidaan määrittää seuraavasti: Y=
( , , ) (Färe & Grosskopf 2000).
Kuvio 3.2. Verkostoteknologia (Färe ja Grosskopf 2000).
3.3.3. Kasvin- ja maidontuotannon tehokkuusmalli
Tutkimustilojen yhdistetty kasvin- ja maidontuotannon tehokkuusmalli (kuvio 3.3) perustuu verkosto-DEA –mallin periaatteisiin välituotekäytön osalta. Välituotekäyttönä huomioidaan kasvintuotannon tuotoksen siirtyminen maidontuotannon tuotantopanokseksi ja
ylimääräisen rehun myynti. Tehokkuusanalyysit toteutetaan OnFront- ohjelmistolla (EMQ
2000) tarkastelemalla kasvin- ja maidontuotantoa erikseen.
Kasvin- ja maidontuotannolle lasketaan aluksi tekniset tehokkuusluvut. Tehokkuusluku on
suhteellinen tunnusluku kuvaten tarkasteltavan tilan toiminnan tehokkuutta verrattuna tehokkaasti toimivaan vertailutilaan tai -tiloihin. Tehokkaan tilan tunnusluku saa arvon 1,00
ja tehoton tila arvon väliltä [0-1) 32.
32
Esimerkiksi panosorientoituneessa kasvintuotannon teknisessä tehokkuudessa tilan saama arvo 0,70 tarkoittaa, että tilan tuottama rehuyksikkösato voidaan tuottaa 30 % pienemmällä panosmäärällä kuin nyt, jos
tila voi toimia tehokkaan vertailutilan tai niiden yhdistelmästä muodostetun konveksin kombinaation tavoin.
Vastaavasti tuotosorientoituneessa maidontuotannon teknisessä tehokkuudessa saatu tehokkuusluku 1,30
tarkoittaa, että tilan käyttämällä panosmäärällä voidaan saada 30 % enemmän maitolitroja ja muita maidontuotannon tuottoja kuin nyt.
51
TUOTANTOPANOKSET
Työ, h
Pelto, ha
Kasvintuotanto
Muuttuvat kust., €
Kone- ja rakennuskust., €
VÄLITUOTE
Tuotettu sato, ry
Verkoston
tuotokset
TUOTANTOPANOKSET
Työ, h
Muut muuttuvat kust., €
Maidontuotanto
Kone- ja rakennuskust., €
Kuvio 3.3. Tutkimuksen kasvin- ja maidontuotannon tehokkuusmallin rakenne.
Tilakohtaiset tehokkuusluvut ja niistä seuraavat mahdolliset tehottomuudesta aiheutuvat
tappiot lasketaan sekä vakioskaalatuotto-oletuksella (C) että muuttuvien skaalatuottojen
oletuksella (V). Laskennassa oletetaan lisäksi panosten vapaa tuhlattavuus (S). Muuttuvilla
skaalatuotoilla tehokas vertailutila on kooltaan vakioskaalatuotto-oletusta lähempänä kunkin tilan omaa kokoa, sillä tehokkaan tilan muodostuksessa mukana olevien aineiston tilojen painokertoimien on summauduttava ykköseen.
Kasvintuotannon panokset ja tuotokset
Kasvintuotannon DEA-mallissa tuotoksena käytetään tilan tuottamaa rehuyksikkösatoa
(ry). Pinta-alatuet eivät sisälly laskentaan. Teknisen tehokkuuden laskennassa tuotantopanoksina ovat tilan peltoala (ha), kasvinviljelytyö (h), kasvinviljelyn muut muuttuvat kustannukset (€) sekä kasvinviljelyn kone- ja rakennuskustannukset (€). Peltoala pidetään
kiinteänä tehokkuuslukujen laskennassa, joten tilan on mahdollista saada sama pintaalatuki kuin aiemmin, koska peltoalan ei oleteta pienenevän panostehokkuuden kasvaessa.
Kasvinviljelyn muut muuttuvat kustannukset sisältää ostolannoitteet, kalkituksen, ostosiemenet, kasvinsuojelun, lämmityspolttoaineen ja muut kasvinviljelyyn liittyvät muuttuvat
kustannukset.
Osa kustannuksista/panoksista kohdennetaan kasvin- ja kotieläintuotannon välillä oletetun
pääasiallisen käyttökohteen mukaan, koska tilakohtaisia kohdennustietoja ei ollut tutkimuksen käytettävissä. Kasvintuotannon kone- ja rakennuskustannukset sisältää suunnitel-
52
man mukaiset poistot traktoreista, puimureista ja kasvinviljelykoneista, koneiden polttoaineet, koneiden vuokrat ja ostetut urakointi- ja kuivauspalvelut sekä koneiden ja rakennusten korjaus- ja kunnossapitomenot. Kasvintuotantokoneiden ja -rakennusten osuudet koko
tilan korjaus- ja kunnossapitomenoista lasketaan kaavamaisesti. Tämä tehdään käyttämällä
kohdistuksessa osuutta, joka vastaa kasvintuotantokoneiden pääoma-arvoa koko tilan konepääomasta ja vastaavasti kasvintuotantorakennusten osuutta koko tilan rakennuspääomasta.
Maidontuotannon panokset ja tuotokset
Maidontuotannon DEA-mallissa tuotoksena käytetään yhtä euromääräistä kokonaistuottoa,
joka koostuu maitotuotoista, kasvinviljelyn tuotoista sekä eläinten myynti- ja teurastuotoista. Maidontuotannon mallissa tuotantopanoksena käytetään tilan kasvinviljelyn tuottamaa
kokonaisrehuyksikkömäärää, josta osa saatetaan myydä eikä sitä käytetä kokonaan ruokinnassa. Maidontuotannon DEA-mallissa tuottona huomioitava kasvinviljelyn myyntituotto
kompensoi mahdollista myyntiin tarkoitetun rehumäärän sisältymistä maidontuotannossa
käytettävään rehupanokseen.
Maidontuotannon tuet eivät sisälly laskentaan. Teknisen tehokkuuden laskennassa tuotantopanoksina ovat kotieläintyö (h), tilan kasvinviljelyssä tuotettu sato (ry), maidontuotannon
muut muuttuvat kustannukset (€) sekä maidontuotannon kone- ja rakennuskustannukset
(€). Maidontuotannon muut muuttuvat kustannukset sisältää ostorehut, eläinten ostot, muut
kotieläintalouden menot ja sähkön. Sähkö kohdistetaan kokonaan maidontuotannolle,
vaikka osa tilojen sähkön käytöstä saattaa todellisuudessa kohdistua muuallekin 33.
Maidontuotannon kone- ja rakennuskustannukset sisältää suunnitelman mukaiset poistot
maidontuotannon koneista ja rakennuksista sekä koneiden ja rakennusten korjaus- ja kunnossapitomenot. Maidontuotannon koneiden ja rakennusten osuudet koko tilan korjaus- ja
kunnossapitomenoista lasketaan kaavamaisesti. Tämä tehdään kasvintuotantoa vastaavalla
tavalla eli käyttämällä kohdistuksessa osuutta, joka vastaa maidontuotannon koneiden pääoma-arvoa koko tilan konepääomasta. Vastaava menettely tehdään rakennuksille.
3.4. Tutkimustulokset
Tutkimustilojen yhteenlaskettu tehokkuustappio
Tutkimustilojen tehokkuustappio oli 9,1 milj. € eli noin 41 200 € maitotilaa kohti vuosien
2007−2009 keskiarvotiedoilla ja vakioskaalatuotto-oletuksella (Fi(C,S) ja Fo(C,S)) määritettynä. Samoin perustein määritettynä vuosien 2010−2012 tehokkuustappio oli 11,0 milj.
€, noin 51 400 € tilaa kohti. Vuosina 2007−2009 kasvintuotanto aiheutti 45 % ja maidontuotanto 55 % tehokkuustappiosta ja vuosina 2010−2012 vastaavasti 39 % ja 61 %. Kas-
33
Esimerkiksi konehallit, verstaat ja viljankuivaamot.
53
vintuotannossa kone- ja rakennuskustannusten osuus oli lähes 60 %, muuttuvien kustannusten noin neljännes ja työkustannuksen vajaa viidennes.
Tehokkuustappio oli 7,5 milj. €, noin 35 300 € tilaa kohti vuosien 2007−2009 keskiarvotiedoilla ja muuttuvien skaalatuottojen oletuksella (Fi(V,S) ja Fo(V,S)) määritettynä. Samoin perustein vuosien 2010−2012 tehokkuustappio oli 8,7 milj. €, 40 800 € tilaa kohti.
Muuttuvien skaalatuottojen oletuksella vertailutilat löytyvät suurella painolla saman kokoluokan tiloista. Taulukossa 3.3 on esitetty tutkimustilojen tehokkuustappiot keskiarvoina.
Taulukko 3.3. Tutkimustilojen tehokkuustappiot vuosien 2007−2009 ja 2010−2012 keskiarvotietoina.
Tiloja, kpl
2007-2009
Fi(C,S),
Fo(C,S)
222
2007-2009
Fi(V,S),
Fo(V,S)
222
2010-2012
Fi(C,S),
Fo(C,S)
213
2010-2012
Fi(V,S),
Fo(V,S)
213
9,1
5,0
4,1
0,8
1,0
2,3
7,5
4,1
3,4
0,6
0,8
1,9
11,0
6,6
4,3
0,8
1,0
2,5
8,7
5,1
3,6
0,7
0,9
2,1
Tehokkuustappiot, milj. € yht.
Maidontuotanto, milj. €
Kasvintuotanto, milj. €, josta
- Työkustannus, milj. €
- Muuttuvat kustannukset, milj. €
- Kone- ja rakennuskustannukset, milj. €
Tutkimustilojen tekniset tehokkuudet
Vakioskaalatuotto-oletuksella Fi(C,S) kasvintuotannon tekniset tehokkuudet nousivat tilakoon kasvaessa molemmilla tutkimusjaksoilla lukuun ottamatta muutamia poikkeuksia
(pääosin aineiston suurimmat maitotilat). Muuttuvien skaalatuottojen laskentaoletuksella
Fi(V,S) kasvintuotannon teknisen tehokkuuden tasot nousivat hieman kaikissa tilakokoluokissa verrattuna vakioskaalatuotto-oletukseen. Muuttuvien skaalatuottojen laskentaoletuksella aineiston pienimmillä tiloilla kasvintuotannon tekninen tehokkuus nousi samalle
tasolle aineiston suurimpien tilojen kanssa. Tämä osoittaa, että vertailuyksiköiden valinta
vaikuttaa merkittävästi mallin esittämään tehokkuusparannukseen.
Maitotilojen kasvintuotannon tekniset tehokkuudet erosivat vain vähän tutkimusajanjaksojen välillä. Aineiston suurimmilla maitotiloilla pystyttiin hieman parantamaan kasvintuotannon teknistä tehokkuutta. Vakioskaalatuotto-oletuksella Fo(C,S) maidontuotannon tekniset tehokkuudet nousivat molemmilla tutkimusjaksoilla tilakoon kasvaessa. Myös muuttuvien skaalatuottojen laskentaoletuksella Fo(V,S) maidontuotannon tekniset tehokkuudet
nousivat pääosin tilakoon kasvaessa. Erot maidontuotannon teknisissä tehokkuuksissa olivat tutkimusajanjaksojen välillä pieniä, mutta pääsääntöisesti ne laskivat vähän tutkimusajanjaksolla. Taulukossa 3.4 on esitetty tutkimustilojen kasvin- ja maidontuotannon tekniset tehokkuusluvut tilakokoluokittain vuosilta 2007−2009 ja 2010−2012.
54
Taulukko 3.4. Tutkimustilojen tekniset tehokkuusluvut kasvintuotannon Fi(C,S) ja Fi(V,S) sekä maidontuotannon Fo(C,S) ja Fo(V,S) osalta tilakokoluokittain vuosien 2007−2009 ja 2010−2012 keskiarvoina.
< 100000
100 000199 999
0,67
0,68
Tilakoko (litraa/tila)
200 000300 000299 999
399 999
0,68
0,72
0,69
0,73
400 000599 999
0,75
0,73
≥ 600 000
Kasvint.Fi(C,S)
Kasvint.Fi(C,S)
2007−2009
2010−2012
0,60
0,61
Kasvint.Fi(V,S)
Kasvint.Fi(V,S)
2007−2009
2010−2012
0,82
0,80
0,75
0,78
0,72
0,73
0,73
0,75
0,79
0,74
0,80
0,84
Maidont.Fo(C,S) 2007−2009
Maidont. Fo(C,S) 2010−2012
1,24
1,30
1,22
1,24
1,24
1,25
1,16
1,23
1,14
1,19
1,08
1,11
Maidont.Fo(V,S)
Maidont.Fo(V,S)
1,12
1,19
1,19
1,22
1,21
1,21
1,14
1,20
1,12
1,16
1,04
1,06
2007−2009
2010−2012
0,73
0,79
Kasvin- ja maidontuotannon tehokkuustappiot tilakokoluokittain
Taulukossa 3.5 on esitetty tilakokoluokittain maitomäärän mukaan tutkimustilojen kasvinja maidontuotannon tehokkuustappiot vuosien 2007−2009 keskiarvotiedoin. Tilojen keskisadot ja -tuotokset nousivat tilakoon kasvaessa. Alle 100 000 litraa tuottavilla tiloilla keskisadot olivat keskimäärin 1 985 ry/ha ja keskituotokset 1 707 l/lehmä yli 600 000 litraa
tuottavia tiloja alemmat.
Kasvintuotannon tehokkuustappio oli tutkimustiloilla vakioskaalatuotto-oletuksella laskettuna 332 €/ha ja muuttuvien skaalatuottojen oletuksella 251 €/ha laskettuna kaikkien tilakokoluokkien keskiarvona. Vastaava maidontuotannon keskimääräinen tehokkuustappio
oli vakioskaalatuotto-oletuksella 651 €/lehmä ja muuttuvien skaalatuottojen oletuksella
493 €/lehmä.
Vakioskaalatuotto-oletuksella kasvintuotannon tehokkuustappio hehtaaria kohti oli korkein
pienimmässä tilakokoluokassa. Tehokkuustappio oli pienin toiseksi suurimmassa tilakokoluokassa. Muuttuvien skaalatuottojen oletuksella kasvintuotannon tehokkuustappio jäi pienimmäksi pienimmässä tilakokoluokassa ja suurin se oli keskimmäisissä tilakokoluokissa.
Vakioskaalatuotto-oletuksella ja myös muuttuvien skaalatuottojen oletuksella maidontuotannon tehokkuustappio lehmää kohti oli suurin 200 000–299 999 litran tilakokoluokassa
ja pienin suurimmassa tilakokoluokassa.
55
Taulukko 3.5. Tutkimustilojen kasvin- ja maidontuotannon tehokkuustappio (€/ha, €/ry ja €/lehmä) tilakokoluokittain tuotetun maitomäärän (l/vuosi) mukaan (vuosien 2007−2009 keskiarvo; n = 222).
Tilakoko litraa/tila
200 000300 000299 999
399 999
38
37
59
70
3 838
4 191
29
42
8 729
8 709
400 000599 999
43
84
4 650
58
9 071
≥
600 000
18
119
4 751
97
9 152
Tiloja, kpl
Peltoa, ha
Ry/ha
Lehmiä, kpl
Keskituotos, l/v
10
29
2 766
12
7 445
100 000199 999
76
39
3 503
19
8 308
Kasvint. Fi(C,S), €/ha
Kasvint. Fi(C,S), €/ry
Maidont. Fo(C,S), €/lehmä
409
0,17
793
346
0,12
780
367
0,10
882
310
0,08
598
257
0,06
530
305
0,07
322
Kasvint. Fi(V,S), €/ha
Kasvint. Fi(V,S), €/ry
Maidont. Fo(V,S), €/lehmä
182
0,08
367
250
0,08
670
319
0,09
756
292
0,08
538
227
0,05
474
235
0,06
151
2007–2009
< 100000
Taulukossa 3.6 on esitetty tutkimustilojen kasvin- ja maidontuotannon teknisestä tehottomuudesta aiheutuvat tappiot vuosien 2010−2012 keskiarvoina tilakokoluokittain (l/tila).
Tilojen keskisadot ja -tuotokset nousivat tilakoon kasvaessa vuosien 2007–2009 tavoin.
Alle 100 000 litraa tuottavilla tiloilla keskisadot olivat keskimäärin 1 847 ry/ha ja keskituotokset 1 674 l/lehmä yli 600 000 litraa tuottavia tiloja alemmat. Tilakokoluokkien keskimääräinen kasvintuotannon tehokkuustappio vakioskaalatuotto-oletuksella oli 336 €/ha
ja muuttuvien skaalatuottojen oletuksella 267 €/ha. Vastaavasti maidontuotannon keskimääräinen tehokkuustappio oli vakioskaalatuotto-oletuksella 854 €/lehmä ja muuttuvien
skaalatuottojen oletuksella 665 €/lehmä.
Taulukko 3.6. Tutkimustilojen kasvin- ja maidontuotannon tehokkuustappio (€/ha, €/ry ja €/lehmä) tilakokoluokittain tuotetun maitomäärän (l/vuosi) mukaan (vuosien 2010−2012 keskiarvo; n = 213).
Tilakoko litraa/tila
200 000−
300 000−
299 999
399 999
38
29
59
70
3 557
4 085
29
40
8 923
9 071
400 000−
599 999
35
80
4 502
58
9 096
≥
600 000
38
114
4 888
92
9 130
Tiloja, kpl
Peltoa, ha
Ry/ha
Lehmiä, kpl
Keskituotos, l/v
15
28
3 041
12
7 456
100 000−
199 999
58
40
3 374
20
8 410
Kasvint. Fi(C,S), €/ha
Kasvint. Fi(C,S), €/ry
Maidont. Fo(C,S), €/lehmä
430
0,16
1 062
339
0,12
906
321
0,10
1 010
327
0,09
918
348
0,09
781
253
0,06
444
Kasvint. Fi(V,S), €/ha
Kasvint. Fi(V,S), €/ry
Maidont. Fo(V,S), €/lehmä
228
0,08
635
242
0,08
821
279
0,09
850
307
0,08
809
337
0,08
651
206
0,04
224
2010–2012
< 100000
56
Myös vuosina 2010–2012 tehokkuustappioiden taso laski vuosien 2007–2009 tavoin käytettäessä muuttuvien skaalatuottojen laskentaoletusta. Tällöin erityisesti alle 100 000 litraa
tuottavilla tiloilla sekä kasvintuotannon että maidontuotannon tehokkuustappiot laskivat
selvästi.
Taulukossa 3.7 on esitetty tutkimustilojen kasvin- ja maidontuotannon teknisestä tehottomuudesta aiheutuvat tappiot vuosien 2007−2009 keskiarvoina tilakokoluokittain (ha/tila).
Rehuyksikkösato hehtaaria kohti ja lehmien keskituotos nousevat alle 25 hehtaarin tilakokoluokasta 50−74,99 hehtaarin tilakokoluokkaan asti, minkä jälkeen keskisato kasvaa hieman ja keskituotos laskee lievästi. Vakioskaalatuotto- ja muuttuvien skaalatuottojen oletuksella kasvintuotannon tehokkuustappio hehtaaria kohti oli suurin pienimmässä tilakokoluokassa ja pienin suurimmassa tilakokoluokassa. Vakioskaalatuotto- ja muuttuvien skaalatuottojen oletuksella maidontuotannon tehokkuustappio lehmää kohti oli suurin toiseksi
pienimmässä tilakokoluokassa. Vakioskaalatuotto-oletuksella maidontuotannon tehokkuustappio lehmää kohti oli pienin suurimmassa tilakokoluokassa. Muuttuvien skaalatuottojen
oletuksella maidontuotannon tehokkuustappio lehmää kohti oli pienin pienimmässä tilakokoluokassa.
Taulukko 3.7. Tutkimustilojen kasvin- ja maidontuotannon tehokkuustappiot vuosina 2007−2009 tilakokoluokittain (keskiarvot, 222 maitotilaa).
Tiloja, kpl
Peltoa, ha
Ry/ha
Lehmiä, kpl
Keskituotos, litraa/vuosi
< 25
11
21
2841
14
8545
Tilakoko (hehtaaria)
25−49,99
50−74,99
75−100
79
75
38
37
63
88
3785
4129
4207
22
39
55
8315
8881
8726
> 100
19
142
4232
85
8737
Kasvintuotanto Fi(C,S), €/ha
Kasvintuotanto Fi(C,S), €/ry
Kasvintuotanto Fi(V,S), €/ha
Kasvintuotanto Fi(V,S), €/ry
711
0,31
341
0,15
320
0,09
237
0,07
316
0,09
295
0,08
294
0,08
270
0,07
232
0,06
148
0,04
Maidontuotanto Fo(C,S), €/lehmä
Maidontuotanto Fo(V,S), €/lehmä
668
204
757
658
663
587
687
629
449
430
Taulukossa 3.8 on esitetty tutkimustilojen kasvin- ja maidontuotannon teknisestä tehottomuudesta aiheutuvat tappiot vuosien 2010−2012 keskiarvoina tilakokoluokittain (ha/tila).
Rehuyksikkösato hehtaaria kohti ja lehmien keskituotos nousivat alle 25 hehtaarin tilakokoluokasta 75−100 hehtaarin tilakokoluokkaan asti, minkä jälkeen keskisato ja keskituotos
laskivat. Vakioskaalatuotto-oletuksella kasvintuotannon tehokkuustappio hehtaaria kohti
oli suurin pienimmässä tilakokoluokassa. Tehottomuustappio pieneni 75−100 hehtaarin
tilakokoluokkaan asti. Muuttuvien skaalatuottojen oletuksella kasvintuotannon tehokkuustappio oli suurin keskimmäisessä tilakokoluokassa ja pienimmät tilakokoluokkien ääripäissä (206 ja 208 €/ha). Vakioskaalatuotto- ja muuttuvien skaalatuottojen oletuksella maidontuotannon tehokkuustappio lehmää kohti oli suurin pienimmässä tilakokoluokassa ja pienin
suurimmassa tilakokoluokassa.
57
Taulukko 3.8. Tutkimustilojen kasvin- ja maidontuotannon tehokkuustappiot vuosina 2010−2012 tilakokoluokittain (keskiarvot, 213 maitotilaa).
Tiloja, kpl
Peltoa, ha
Ry/ha
Lehmiä, kpl
Keskituotos, litraa/vuosi
< 25
10
20
3116
14
8001
Tilakoko (hehtaaria)
25−49,99
50−74,99
75−100
73
61
40
37
62
85
3610
3995
4389
23
40
60
8555
9006
9077
> 100
29
140
4287
83
8627
Kasvintuotanto Fi(C,S), €/ha
Kasvintuotanto Fi(C,S), €/ry
Kasvintuotanto Fi(V,S), €/ha
Kasvintuotanto Fi(V,S), €/ry
534
0,22
206
0,09
351
0,11
264
0,08
330
0,09
310
0,08
266
0,07
258
0,07
272
0,07
208
0,05
Maidontuotanto Fo(C,S), €/lehmä
Maidontuotanto Fo(V,S), €/lehmä
1381
834
795
713
837
690
829
707
747
463
Kasvin- ja maidontuotannon tehokkuuden yhteys
Kasvintuotannon tehokkuuden yhteys tutkimusjaksojen välillä
Kuviossa 3.4 on esitetty tutkimustilojen tutkimusjaksoilta 2007–2009 ja 2010–2012 vakioskaalatuotto-oletuksella lasketut kasvintuotannon tekniset tehokkuusluvut ja niiden yhteys.
Tilan saama kasvintuotannon tekninen tehokkuusluku vuosina 2007–2009 korreloi tilastollisesti merkitsevästi 1 %:n riskitasolla vuosina 2010–2012 saadun tehokkuusluvun kanssa (Spearmanin järjestyskorrelaatio r = 0,504). Siten tutkimustilojen kasvintuotannossa
saadulla teknisen tehokkuuden tasolla vuosina 2007–2009 oli yhteyttä siihen, millainen
kasvintuotannon tekninen tehokkuus oli seuraavalla tutkimusjaksolla 2010–2012.
58
Kuvio 3.4. Tutkimustilojen (n=206) kasvintuotannon teknisen tehokkuuden Fi(C,S) yhteys tutkimusjaksojen
2007–2009 ja 2010–2012 välillä.
Maidontuotannon tehokkuuden yhteys tutkimusjaksojen välillä
Kuviossa 3.5 on esitetty tutkimustilojen tutkimusjaksoilta 2007–2009 ja 2010–2012 vakioskaalatuotto-oletuksella lasketut maidontuotannon tekniset tehokkuusluvut ja niiden yhteys. Tilan saama maidontuotannon tekninen tehokkuusluku vuosina 2007–2009 korreloi
tilastollisesti merkitsevästi 1 %:n riskitasolla vuosina 2010–2012 saadun tehokkuusluvun
kanssa (Spearmanin järjestyskorrelaatio r = 0,667).
Siten tutkimustilojen maidontuotannossa, kuten kasvintuotannossa, teknisen tehokkuuden
tasolla oli merkitsevää pysyvyyttä tutkimusajanjaksojen välillä, vaikka tilakohtaiset tehokkuuserot jaksojen välillä olivat osin huomattavia.
59
Kuvio 3.5. Tutkimustilojen (n=206) maidontuotannon teknisen tehokkuuden Fi(C,S) yhteys tutkimusjaksojen
2007–2009 ja 2010–2012 välillä.
Kasvin- ja maidontuotannon tehokkuuden yhteys tutkimusjaksolla
Taulukossa 3.9 on esitetty tutkimustilojen kasvintuotannon teknisten tehokkuuslukujen
keskiarvot luokiteltuina maidontuotannossa saatujen tehokkuuslukujen perusteella. Tehokkuusluvut sisältävät kaikki havainnot molemmilta tutkimusjaksoilta 2007–2009 ja 2010–
2012 (n = 412).
Taulukko 3.9. Tutkimustilojen kasvintuotannon tekniset tehokkuusluvut maidontuotannon tehokkuuslukujen
perusteella luokiteltuina (kaikki havainnot tutkimusjaksoilta 2007–2009 ja 2010–2012, n = 412).
2007–2009 ja 2010–2012 n=92
Maidontuotanto, Fo(C,S)
1
Kasvintuotanto, Fi(C,S)
0,67
n=152
> 1 - 1,2
0,71
n=107
> 1,2 - 1,4
0,71
n=46
> 1,4 - 1,6
0,70
n=15
> 1,6
0,67
Taulukosta 3.9 nähdään, että tutkimustiloista yhteensä 92:lla maidontuotanto oli tehokasta
joko jaksolla 2007–2009 tai 2010–2012. Tällöin ne saivat tekniseksi tehokkuusluvuksi vakioskaalatuotto-oletuksella laskettuna arvon 1. Kuitenkin näiden maidontuotannossa tehokkaiden tilojen kasvintuotannon tekninen tehokkuus vakioskaalatuotto-oletuksella laskettuna oli keskimäärin 0,67. Myös muissa ryhmissä kasvintuotannon tehokkuuslukujen
60
keskiarvot olivat lähes samalla tasolla riippumatta maidontuotannon teknisen tehokkuuden
tasosta.
Kuviossa 3.6 on esitetty pystyakselilla tutkimustilojen vakioskaalatuotto-oletuksella lasketut kasvintuotannon tekniset tehokkuusluvut molemmilta tutkimusjaksoilta 2007–2009 ja
2010–2012. Vaaka-akselilla on kuvattu samojen tilojen saamat vastaavat maidontuotannon
tehokkuusluvut. Kuviosta 3.6 nähdään, että molemmilla tutkimusjaksoilla kasvin- ja maidontuotannossa saadut tehokkuusluvut vaihtelivat ilman säännönmukaisuutta suhteessa
toisiinsa. Tutkimustilojen kasvin- ja maidontuotannon teknisten tehokkuuslukujen ja niistä
aiheutuneiden tehokkuustappioiden välinen korrelaatio ei ollut tilastollisesti merkitsevä
vakioskaalatuotto-oletuksella, muuttuvien skaalatuottojen oletuksella eikä tarkasteltaessa
korrelaatiota eri tilakokoluokissa.
Tutkimustilojen maidontuotannossa onnistumisella tai epäonnistumisella ei näyttänyt olevan yhteyttä kasvintuotannossa onnistumiseen tai epäonnistumiseen. Tulos poikkesi siten
kuvioiden 3.4 ja 3.5 havainnoista, joissa tutkimustilojen kasvintuotannon teknisen tehokkuuden tasot korreloivat tilastollisesti merkitsevästi eri tutkimusjaksojen välillä. Sama yhteys havaittiin myös maidontuotannossa.
Kuvio 3.6. Tutkimustilojen kasvin- ja maidontuotannon (Fi(C,S ja Fo(C,S) tekniset tehokkuudet tutkimusjaksoilla 2007–2009 ja 2010–2012 ( n = 412).
61
3.5. Johtopäätökset
Tutkimustilojen teknisestä tehottomuudesta aiheutuvat tappiot olivat merkittäviä. Yhteenlaskettu kasvin- ja maidontuotannon tehokkuustappio eri malleista ratkaistuna oli maksimissaan keskimäärin maitotilaa ja vuotta kohti 35 300 - 51 400 euroa. Tulos saatiin, kun
vertailua tehtiin tutkimusaineiston tehokkaimpiin tiloihin tai niiden yhdistelmästä muodostettuun konveksiin kombinaatioon. Tehottomuuteen liittyvää kustannusten alentamis- ja
tuottojen lisäämispotentiaalia tarkasteltaessa on tiedostettava, että kaikki tehokkuusanalyysin osoittama tehottomuus ei ole poistettavissa maidontuottajan toimin. Osa tehokkuustappiosta on aineistoperäistä ja osa selittyy maitotilojen toimintaympäristön eroilla kuten ilmaston, säävaihteluiden, maantieteellisen sijainnin, pellon maalajien ja viljavuuden eroilla.
Myös investointiajankohdat ja elinkaaren vaihe vaikuttavat tuloksiin. Osa tehokkuustappioista on kuitenkin poistettavissa tuotantoa tehostamalla. Maidontuottaja voi oppia parhaista
käytännöistä ja parantaa siten taloudellista tulostaan.
Kasvin- ja maidontuotannon tehokkuustappion erillistarkastelu toi esille maitotilan kasvintuotannon suuren merkityksen tehottomuuden lähteenä. Tutkimustilojen yhteenlasketusta
tehottomuudesta 39−45 % syntyi kasvintuotannossa. Maitotilan toimintaa kehitettäessä
ydinprosessin eli maidontuotannon kehittämisen lisäksi on ratkaistava kasvintuotanto optimaalisesti. Suurin euromääräinen kustannusten alentamispotentiaali oli kasvintuotannon
konekustannuksissa. Niitä voidaan alentaa merkittävästi mm. yhteistyöllä.
Osalla maitotiloista satotaso jäi vuodesta toiseen alhaiseksi huolimatta siitä, että tarkastelussa olivat vain tavanomaista tuotantoa harjoittavat maitotilat. Osaltaan alhaiseen satotasoeroihin vaikutti maitotilojen sijainti, sillä vertailussa olivat mukana kaikki MTT Taloustutkimuksen kannattavuuskirjanpidossa mukana olleet maitotilat. Maan pohjoisosissa
rehukasvien sadot jäävät eteläistä ja keskistä Suomea pienemmiksi luonnonolosuhteiden
vuoksi.
Tutkimustilojen kasvin- ja maidontuotannon tekniset tehokkuusluvut nousivat tilakoon
kasvaessa vakioskaalatuotto-oletuksella laskettuna. Teknisestä tehottomuudesta aiheutuneet tappiot ja tuottojen menetykset olivat kasvintuotannossa 334 € hehtaarilta ja maidontuotannossa 752 € lehmää kohti. Pääsääntöisesti tehokkuustappiot hehtaaria ja lehmää kohti pienenivät tilakokoluokan suurentuessa. Tehokkaaseen vertailutilaan verrattuna pienimmässä tilakokoluokassa rehua voidaan tuottaa keskimäärin 40 % pienemmällä panoskäytöllä ja suurimmassa tilakokoluokassa 26 % pienemmällä panoskäytöllä kuin nykyään. Vastaavasti pienimmässä tilakokoluokassa maidontuotannon tuottoja voidaan kasvattaa tilan
tuottamilla rehuilla ja muilla maidontuotantoon käytetyillä panoksilla keskimäärin 27 % ja
suurimmassa tilakokoluokassa 17 %. Tutkimustulosten mukaan suhteellisesti tehottomuus
oli kasvintuotannossa suurempaa kuin maidontuotannossa, mitä osaltaan selittää ilmasto,
säävaihtelut, sijainti sekä pellon maalajit ja viljavuus.
Skaalatuotto-oletuksen muuttaminen vaikutti huomattavasti tuloksiin. Erityisesti se vaikutti
pienimmän tilakokoluokan tekniseen tehokkuuteen ja tehokkuustappioon. Muuttuvilla
skaalatuotoilla, jolloin vertailutilan koko on lähempänä tilan omaa kokoa kuin vakioskaala-
62
tuotto-oletuksella, pienimmän tilakokoluokan kasvin- ja maidontuotannon tekninen tehokkuus nousi jopa suurimman tilakokoluokan tasolle. Osin syynä tähän oli se, että muuttuvien skaalatuottojen tapauksessa pienille maitotiloille vertailuyksiköt löytyivät suurella painolla saman kokoluokan tiloista.
Tutkimustilojen kasvintuotannon teknisen tehokkuuden taso näytti säilyvän myös tutkimusjaksojen välillä, jolloin kasvintuotannon aiempien vuosien suorituskyky ennakoi myös
tulevien vuosien suorituskykyä. Sama ilmiö havaittiin myös tutkimustilojen maidontuotannossa, jossa aiempien vuosien suorituskyky ennakoi vastaavantasoista suorituskykyä myös
tulevina vuosina.
Sen sijaan tutkimustilojen maidon- ja kasvintuotannon tekniset tehokkuudet eivät näyttäneet olevan yhteydessä toisiinsa. Maidontuotannossa onnistuminen ei siten tarkoittanut tutkimustiloilla onnistumista myös kasvintuotannossa. Esimerkiksi maidontuotannossa tehokkailla tiloilla kasvintuotannon tehostamispotentiaalin suuruus oli kolmasosa kasvintuotannon panoskäytöstä. Maidontuotannon teknisen tehokkuuden laskiessa kasvintuotannon
tekninen tehokkuus pysyi likimain ennallaan.
Maitotilan kasvin- ja maidontuotannon järjestäminen vaihtelee tilojen välillä. Osalla tiloista sama henkilö voi vastata sekä maidontuotannosta että kasvintuotannosta. Osalla tiloista
kasvin- ja maidontuotannon hoitaminen saattavat olla eri henkilöiden vastuulla, minkä lisäksi tilalla saatetaan käyttää ulkopuolisia urakoitsijoita esimerkiksi kasvinviljelyssä. Tällöin tilan menestymiseen eri toiminnoissa vaikuttaa useiden henkilöiden johtamiseen ja
töiden suoritukseen liittyvä osaaminen.
Maitotilan suorituskykyä tarkastellaan yleensä koko tilan tasolla. Näissä tarkasteluissa ratkaisematta jää, missä toiminnoissa tehottomuutta esiintyy ja miten merkityksellisiä ne ovat
maitotilan menestymiselle. Tämän tutkimuksen tulokset antavat viitteitä siitä, että maitotilan suorituskyvyn mittaamisessa tilatason tarkastelun lisäksi tulisi tutkia eri tuotantoprosessien kuten kasvin- ja maidontuotannon suorituskykyä myös erikseen. Tällainen tarkastelu antaa lisäinformaatiota maidontuottajalle, miten hän voi kehittää yritystoimintaa edelleen. Se mahdollistaa eri tuotantoprosesseihin liittyvän tehottomuuden yksityiskohtaisen
tutkimisen ja niihin liittyvän kustannusten alentamis- ja/tai tuottojen lisäämispotentiaalin
tunnistamisen.
Tuotantoprosessien yksityiskohtainen tarkastelu asettaa lisävaatimuksia tutkimusaineistoille, jotta tuotot ja kustannukset kyetään riittävällä tarkkuudella jakamaan luotettavasti tuotantoprosesseille, mitä nykyiset aineistot eivät kaikilta osin mahdollista. Nykyään virallisia
aineistoja kerätään koko tilan tasolta lähinnä maatalouspolitiikan tarpeita varten 34. Tässäkin tutkimuksessa osa kustannuksista jouduttiin kohdentamaan melko karkeiden periaatteiden mukaan, mikä vaikutti kasvin- ja kotieläintuotannon panos-tuotossuhteisiin. Lisäksi
maitotilakohtaisia hintatietoja ei ollut saatavilla, mikä esti allokatiivisen tehokkuuden tarkastelun eli kustannus- ja tuottotehokkuuden mittaamisen.
34
Toisaalta erillisissä tutkimushankkeissa aineistoja kerätään jotakin suhteellisen rajattua aihepiiriä varten,
mikä suppeutensa vuoksi rajoittaa suuresti niiden jatkohyödyntämistä.
63
Lähteet
Chambers, R., Färe, R. & Grosskopf, S. 1994. Efficiency, quantity indexes, and productivity Indexes. A Synthesis. Bulletin of Economic Research. 46:1-21.
Coelli, T., D. Prasado Rao & G.E. Battese 1998. An Introduction to Productivity and Efficiency Analysis. Boston: Kluwer Academic Publishers. 273 s.
EMQ 2000. On Front 2.0. The Professional Tool For Efficiency and Productivity Measurement. Lund: EMQ Ab. 27 s.
Farrell, M.J. 1957. The measurement of productive efficiency. Journal of Royal Statistical
Society (Series A) 120, 253-290.
Färe, R. 1988. Fundamentals in production theory. Vol. 311, Berlin: Springer-Verlag.
Färe, R., Grosskopf, S. & Lovell, C.A.K. 1994. Production frontiers. Cambridge: Cambridge University Press.
Färe, R. & Grosskopf, S. 1996. Intertemporal production frontiers: With Dynamic DEA
Boston: Kluwer Academic.
Färe, R. & Grosskopf, S. 2000. Network DEA. Socio-Economic Journal 5(1-2), 9-22.
Hemme, T. 2014. (ed.) IFCN Dairy Report 2014. International farm comparison network.
Kiel: IFCN Dairy Research Center. 208 s.
Kuosmanen, N., Kuosmanen, T. & Sipiläinen, T. 2013. Consistent aggregation of firm level sustainable values to sectoral, regional or industry levels. Sustainability 5(4), 1568-1576.
Shephard, R.W. 1953. Cost and production function. Princeton: Princeton University Press.
Shephard, R.W. 1970. Theory of cost and production functions. Princeton: Princeton University Press.
Tike 2014. Maa- ja metsätalousministeriön tietopalvelukeskus. Maataloustilastot 2014.
Viitattu18.11.2014. http:\\ www.maataloustilastot.fi.
64
4. Liikkeenjohdon suorituskykyyn vaikuttavat tekijät eteläpohjalaisilla maitotiloilla
Sipiläinen Timo 1, Ryhänen Matti2 ja Ovaska Sami1,3
1
Helsingin yliopisto, Taloustieteen laitos, PL 27, 00014 Helsingin yliopisto, etunimi.sukunimi@helsinki.fi
2
Seinäjoen ammattikorkeakoulu, SeAMK Elintarvike ja maatalous, Ilmajoentie 525, 60800
Ilmajoki, matti.ryhanen@seamk.fi
3
Luonnonvarakeskus, Latokartanonkaari 9, 00790 Helsinki, sami.ovaska@luke.fi
4.1. Johdanto
Liiketoimintaosaamisella on merkittävä rooli maitotilan menestymisessä. Maitotilan johtamisen vaatimukset kasvavat jatkuvasti, joten myös päätösten perustana olevan tiedon laatuvaatimuksen kohoavat. Liikkeenjohdon ja osaamisen merkitys korostuu, kun maitotilalla vastataan toimintaympäristön, markkinoiden ja maatalouspolitiikan muutoksiin. Maidontuottajan
on kyettävä parantamaan suorituskykyään, sopeutumaan muutoksiin ja tekemään valintoja.
Maitotilan liikkeenjohdolle tuo lisähaasteita maataloustuotannon voimakas kytkös elolliseen luontoon sekä kotieläintalouden ja kasvinviljelyn yhdistyminen tuotantoprosessissa.
Liikkeenjohdon kyvykkyys tuo maitotilalle kilpailuetua. Systemaattisesti omalta tilalta kerätty ja analysoitu tieto sekä sen hyödyntäminen johtaa yleensä parempaan lopputulokseen
kuin heikosti perustellut valinnat. Onnistuakseen maidontuottajan on hankittava myös vertailutietoa toimintaympäristöstä. Hän tarvitsee tietoa siitä, miten parhaiten menestyvät maidontuottajat toimivat. Tavoitteiden ja toimenpiteiden on oltava mitattavia, jotta maitotilan toimintaa voidaan ohjata haluttuun suuntaan ja jotta kotieläin- ja kasvituotannon prosessien
suoritustasoa voidaan parantaa ja myös valvoa. Vertailu parhaimpiin käytäntöihin auttaa
päätöksenteossa. Virheellisiksi osoittautuvat päätökset ovat vaikeasti korjattavissa tai pahimmassa tapauksessa jopa kokonaan korjaamattomia.
Vertailutietojen pohjalta maidontuottaja voi tehostaa tuotantoprosesseja ja parantaa tuottavuutta. Tuottavuuskehityksen, hintamuutosten sekä uuden tuotantoteknologian myötä kotieläin- ja kasvituotannon prosesseissa optimaaliset panos-tuotossuhteet muuttuvat. Liikkeenjohdon on tärkeää selvittää, onko vertailuyksiköiden toimintaympäristössä sellaisia
eroja, jotka vaikuttavat saavutettavissa olevaan panos-tuotossuhteeseen. Tässä suhteessa
panos-tuotossuhteen ehdollistaminen vaikuttavien tekijöiden suhteen on menetelmä, jota
sovelletaan tässä tutkimuksessa. Toisaalta on tärkeä löytää sellaisia kehityssuuntia, joita
tavoittelemalla on mahdollista parantaa taloudellista tulosta myös pitkällä aikavälillä.
Liikkeenjohdon päätöksiä tai niiden vaikutuksia kuvaavien indikaattorien käyttö tehokkuusvaihtelua selittävinä tekijöinä on ongelmallista myös niiden tutkimisen kannalta, koska muuttujat ovat ehdollisia liikkeenjohdon päätöksille. Tässä tutkimuksessa sovelletun
menetelmän etuna on, että tällöin ei ole tarpeen eriyttää panos- ja tuotossuhteen tasoon tai
tehokkuuden tasoon vaikuttavia tekijöitä toisistaan.
65
Mikäli on mahdollista löytää indikaattoreita, jotka voidaan yhdistää tehokkaaseen toimintaan, niitä voidaan käyttää hyväksi maitotilan benchmarkkauksessa ja kehittämiskohteiden
kartoituksessa. Syvällistä analyysia varten tarvitaan eri prosessien tarkastelua, jotta tarpeelliset yksittäiset kehittämiskohteet ja keinot niiden parantamiseksi löydetään. Tässä artikkelissa haetaan vastausta seuraaviin kysymyksiin:
· Millaisia mitattavissa olevia tilakohtaisia indikaattoreita on saatavissa maitotilojen
liikkeenjohdon suorituskyvyn benchmarkkaukseen?
· Mikä näiden mitattavissa olevien tilakohtaisten indikaattoreiden yhteys on maitotilojen suorituskykyyn?
Vastausta haetaan testaamalla valittuja tilakohtaisia indikaattoreita empiirisellä aineistolla.
Johdannon jälkeen kuvataan suorituskyvyn mittaamista ja tutkimuksen eteläpohjalainen
maitotila-aineisto. Sen jälkeen esitellään ei-parametrinen order-m teknisen tehokkuuden
estimointimenetelmä, ehdollisen order-m tehokkuuden mittaaminen sekä näiden perusteella laskettu tehokkuussuhde. Samalla kuvataan ei-parametrisen regression käyttöä tehokkuussuhteen vaihtelun selittämisessä ja muuttujien tehokkuusvaikutuksen merkitsevyyden
tutkimisessa. Menetelmäkuvausta seuraavat tutkimustulokset sekä johtopäätökset.
4.2. Maitotilan suorituskyvyn kehittämismahdollisuuksien tutkiminen
Kun tutkitaan päätöksentekoyksikön, kuten maitotilan, suorituskyvyn kehittämismahdollisuuksia, useita näkökohtia on otettava huomioon. Simar ja Wilson (2007) korostivat tietoa
tuottavan prosessin (tuotantoprosessin) merkitystä, kun mitataan ja analysoidaan tehokkuutta tai yleisesti ottaen päätöksentekoyksikön suhteellista suorituskykyä. Maataloudessa
tuotantoprosessi on biologinen ja sisältää luonnollisesti satunnaisuutta, koska se on riippuvainen mm. säästä.
Erityisesti liikkeenjohtamisen laatua kuvaavien indikaattoreiden tunnistaminen on tärkeää
myös käytännössä, jotta kehittämiskohteet voidaan tunnistaa sen lisäksi, että kyetään määrittämään tehokkuuden taso. Nämä indikaattorit ovat usein liitettävissä myös panostuotossuhteisiin, joten ei voida olettaa, että nämä indikaattorit ovat täysin erotettavissa tuotantopanosten käytöstä. Toinen estimointiin liittyvä ongelma on virhetermin heteroskedastisuus, joka vaikuttaa parametrisen tehokkuusanalyysin luotettavuuteen ja virhetermi dekomponointiin, jos sitä ei ole otettu asianmukaisesti huomioon. Tämä on erityinen ongelma
tämän tutkimuksen aineistossa, koska tutkimusaineisto on katkaistu näyte perusjoukosta.
Näyte koostuu maitotiloista, joiden koko on suurempi tai yhtä suuri kuin 20 lehmää. Kolmas lähestymistavan valintaan vaikuttava keskeinen seikka on se, että maidontuotannossa
ilmenee stokastista vaihtelua mm. sään ja tuotantoprosessin biologisen luonteen vuoksi.
Nämä seikat tukevat stokastisten rintamamenetelmien käyttämistä maidontuotannon tehokkuusanalyyseissa. Siksi menetelmän robustisuus on toivottava ominaisuus, jos tehokkuusanalyysissa sovelletaan jotakin muuta kuin stokastista rintamalähestymistapaa.
66
Perinteistä kaksivaiheista menetelmää ei-parametrisesti määritettyjen DEA (Farrell 1957,
Charnes ym. 1978) tehokkuuslukujen erojen selittämisessä on arvosteltu, koska se on nähty
tilastollisesti epäjohdonmukaisena. Simar ja Wilson (2007) ovat esittäneet bootstrapping tekniikkaan perustuvan menetelmän keinona korjata perinteisen kaksivaiheisen regressioanalyysin puutteita: epäjohdonmukaisuutta menetelmän ja tiedon syntyprosessin välillä,
estimoitujen tehokkuuslukujen sarjakorrelaation huomioimatta jättämistä ja korrelaatiota
toisen vaiheen regression virhetermin ja tilanne/olosuhdemuuttujien välillä. Simarin ja
Wilsonin esittämän mallin puutteena on, että se olettaa ensimmäisen ja toisen vaiheen tarkastelun olevan erotettavissa toisistaan. Siten oletuksena on, että tehokkuusrintaman sijainti on riippumaton tehokkuuden vaihtelua selittävistä tekijöistä.
Kehittäessään ei-parametrisia rintama-analyysitekniikoita Cazals ym.( 2002) ovat ehdottaneet order-m teknisen tehokkuuden määritystekniikkaa, joka vähentää satunnaisvaihtelun
vaikutusta ei-parametrisessa analyysissa. Verrattuna perinteisiin ei-parametrisiin DEA ja
FDH35 tekniikkoihin (Deprins ym. 1984), jotka arvioivat tehokkuutta koko tehokkuusrintaman suhteen, order-m menetelmä estimoi tehokkuutta osittaisen tehokkuusrintaman suhteen. Tämä mahdollistaa samalla joidenkin havaintojen sijaitsemisen tehokkuusrintaman
yläpuolella, mikä vähentää poikkeavien havaintojen vaikutusta tehokkuustulokseen. Cazals
ym. (2002) osoittivat, miten toimintaympäristöä kuvaavat z-muuttujat voidaan ottaa huomioon osittaista tehokkuusrintamaa estimoitaessa ehdollistamalla tehokkuuslukujen estimointi näille muuttujille. Tätä ehdollisen tehokkuuden lähestymistapaa kehittivät edelleen
Daraio ja Simar (2005, 2007). Toisin kuin tavanomainen kaksivaiheinen lähestymistapa,
ehdollinen tehokkuuden mittaaminen välttää oletuksen, että toimintaympäristöä kuvaavat
muuttujat vaikuttaisivat vain tehokkuuslukuihin eivätkä tehokkaan pinnan sijaintiin. Monissa sovelluksissa onkin perusteltua tutkia, miten erilaiset ympäristö- tai taustamuuttujat
vaikuttavat itse tuotantoprosessiin.
Alkuperäiset ehdollisen tehokkuuden mallit (Cazals ym. 2002, Daraio & Simar 2005) sallivat ainoastaan jatkuvien toimintaympäristömuuttujien käytön ehdollistamisessa. Useimmissa sovelluksissa käytetään kuitenkin erilaisia kategorisia muuttujia. Menetelmää onkin
kehitetty siten, että malliin on mahdollista sisällyttää sekä jatkuvia että diskreettejä ympäristömuuttujia ja että muuttujien tilastollista merkitsevyyttä voidaan testata (De Witte &
Kortelainen 2009, 2013).
Kun tuotantoa harjoitetaan erilaisissa oloissa, toimintaympäristötekijöistä aiheutuvat erot
on tarpeen sisällyttää malliin. Maitotiloja vertailtaessa toimintaympäristöön kytkeytyvät
muuttujat voivat rajoittaa tai parantaa mahdollisuuksia saavuttaa hyvä suoritustaso. Toisaalta analyysi voi mahdollistaa myös liikkeenjohtoa kuvaavien indikaattoreiden tunnistamisen. Niitä voidaan käyttää, kun etsitään keinoja suorituskykyyn parantamiseen maitotiloilla.
35
Free Disposal Hull (vapaa hävitettävyys).
67
4.3. Tutkimusaineisto
Aineisto koostuu 173 eteläpohjalaisen yli 20 lypsylehmän maitotilan täydellisen paneelin
muuttujien neljän vuoden keskiarvoista vuosilta 2006−2009. Verotusaineiston tiedoista
käytettiin koko jakson keskiarvotietoja verotukseen ja tuotantotoimintaan liittyvän vaihtelun vähentämiseksi. Usean vuoden keskiarvoaineistoa käytettiin myös siksi, että työnmenekistä oli käytettävissä vain yhden vuoden tiedot. Tästä aineistosta oli myös poistettu
ensivaiheen ”ylitehokkaat” maitotilat. Tutkimusaineisto ja sen hankinta on selostettu yksityiskohtaisesti tutkijoiden aiemmassa raportissa (ks. Sipiläinen ym. 2012).
Tuotosmuuttujana käytettiin verotuksen mukaisia maatalouden arvonlisäverollisia myyntituloja (neljän vuoden keskiarvo ilman alv:tä). Tuotantopanokset yhdistettiin kolmeksi panosmuuttujaksi, jotta panosulottuvuuksien määrä saatiin pienennettyä kohtuulliseksi suhteessa havaintojen määrään:
1) tuotantopanokset (M) euromääräisenä: materiaalit, joka sisältää panokset, joiden arvonlisäverokanta on 22 % (mm. lannoitteet, siemenet, energia) sekä ostorehut, joka
sisältää panokset, joiden arvonlisäverokanta on 8/17 % (ostorehut, lääkkeet), neljän
vuoden keskiarvona, sekä koneiden poistot;
2) työ (L) tunteina, joka kerättiin haastattelemalla tiettynä ajankohtana;
3) maa (K) hehtaareina, neljän vuoden keskiarvona.
Taulukossa 4.1. esitetään maitotilojen tulot ja panosten käyttö. Maitotilojen keskimääräiset
myyntitulot olivat lähes 150 000 € vuodessa kokonaistulojen ollessa lähes 230 000 €. Näiden muuttujien jakaumat olivat oikealle vinoja, sillä mediaanit olivat kyseisiä arvoja pienempiä. Panosten jakaumat olivat samalla lailla vinoja. Peltoa oli keskimäärin noin 67 hehtaaria, työpanos oli lähes 5200 tuntia ja muita panoksia käytettiin 126 000 euron arvosta.
Taulukko 4.1. Maitotilojen tulot ja panosten käyttö.
Keskiarvo
1. kvartiili
2. kvartiili/med.
3. kvartiili
Myyntitulot (€)
147 517
96 102
125 548
172 931
Kokonaistulot (€)
229 902
152 773
200 116
262 384
5 185
3 927
4 517
6 029
126 303
80 867
112 278
150 321
67
45
60
79
Työ (h)
Kustannukset (€)
Maa (ha)
Lisäksi tarkasteltiin liikkeenjohtoon liittyvien/liikkeenjohtoa kuvaavien muuttujien yhteyttä maidontuotannon tehokkuuteen (taulukko 4.2). Näiden ohella testattiin myös, oliko yhteistyön tekemisellä yhteyttä tehokkuuteen. Tilakokomittarina käytettiin lehmämäärää,
jonka keskiarvo oli 39. Keskituotos on usein käytetty fyysinen tuotannon osaamisen mittari, vaikkakaan se ei välttämättä kuvaa taloudellista onnistumista. Keskimääräinen ja mediaani maitotuotos lehmää kohti olivat lähes samat, vajaat 7 900 litraa, joten tämä muuttuja
68
oli jakautunut lähes normaalisti. Vasikkakuolleisuus tiloilla oli lähes 9 %, ja lehmistä poistettiin vuosittain keskimäärin yli kolmannes. Tilan kehitysvaihe saattaa vaikuttaa kyseisiin
muuttujiin. Usein tuotantoa voimakkaasti laajennettaessa nämä prosenttiluvut kasvavat.
Taulukko 4.2. Tehokkuusvaihtelua selittävät muuttujat.
Keskiarvo
1. kvartiili
2. kvartiili
3. kvartiili
39
28
33
46
7 867
7 462
7 891
8 473
Vasikkakuolleisuus (%)
8.8
5.7
8.4
11.3
Lehmien poisto (%)
34.8
30.1
34.3
39.6
Säilörehun D-arvo (g/kakg)
678
668
680
688
Nurmen osuus peltoalasta (%)
62
47
60
74
Kokemus (v)
17
9
18
24
Lehmämäärä (n)
Maitotuotos (ltr/cow)
Säilörehun sulavuuteen eli D-arvoon on kiinnitetty erityistä huomiota ruokintaa ja nurmirehun korjuuta suunniteltaessa. Sen vuoksi tutkittiin, onko sillä yhteyttä tehokkuuteen.
Nurmen osuus peltoalasta kuvaa osin tuotanto-olosuhteita, mutta liittyy myös tilan eläintiheyteen ja erikoistumiseen. Maidontuottajan kokemus saattaa vaikuttaa toiminnan tehokkuuteen.
4.4. Tutkimusmenetelmät
Tutkimus perustuu ehdollisen ja ei-ehdollisen order-m tehokkuuden estimointiin. Aluksi
estimoidaan ei-ehdolliset order-m tehokkuudet, joiden määrittäminen perustuu osittaisten
tehokkuusrintamien hyödyntämiseen. Tämän osittaisten tehokkuusrintamien käytön etuna
on, että tehokkuusluvut eivät sarjakorreloi keskenään samalla tavoin kuin ne voivat tehdä
tavanomaisen DEA-analyysin puitteissa. Toinen etu lähestymistavassa on se, että tehokkuustulokset eivät rajoitu vain arvoihin, jotka ovat joko pienempiä tai yhtä suuria kuin (tai
suurempia tai yhtä suuria kuin) yksi, koska supertehokkuus 36 on sallittua. Siten päätöksentekoyksikkö voi olla tehokkaampi kuin muut yksiköt vertailujoukossa.
Kaksivaiheiset tehokkuuden selitysmallit olettavat implisiittisesti, että ensimmäisen tehokkuuden estimointivaiheen muuttujat (panokset ja tuotokset) on erotettavissa niistä tekijöistä, jotka ovat kuuluneet toisen vaiheen selitysmalliin. Tämä separoituvuusoletus tarkoittaa,
että esimerkiksi toimintaympäristöä kuvaavat z-muuttujat voivat vaikuttaa vain tehokkuuslukuihin mutta eivät tehokkuusrintaman sijaintiin tai tuotostasoon. Jos z-muuttujat ovat
tärkeitä selittäjiä tuotantotekniikan kannalta, ne olisi sisällytettävä myös ensimmäiseen
vaiheeseen, koska muutoin kaksivaiheisen lähestymistavan tuottamat tulokset ovat harhaisia.
36
Osittainen tuotantorintama, joka sallii joidenkin havaintojen sijaitsevan tuotantorintaman yläpuolella.
69
Jos nk. separoituvuutta ei voida olettaa, on parempi käyttää lähestymistapaa, joka välttää
vahvoja parametreihin liittyviä oletuksia mutta sallii toimintaympäristömuuttujien vaikuttaa sekä tuotantoteknologiaan ja tehokkuuslukuihin. Yksi tässä suhteessa käyttökelpoinen
on ehdolliseen tehokkuuteen menetelmä, jota ensimmäisenä ehdottivat Cazals ym. (2002)
ja Daraio ja Simar (2005) ja De Witte ja Kortelainen (2009, 2013) kehittivät edelleen. Tämä täysin ei-parametrinen lähestymistapa tarjoaa erittäin hyödyllisiä ominaisuuksia: 1)
olettamusta jonkin tietyn funktiomuodon käyttämisestä ei tarvita, 2) separoituvuusoletuksesta voidaan luopua, ja lisäksi 3) sekä jatkuvia että diskreettejä muuttujia voidaan soveltaa
analyysissa. Viimeisen laajennuksen ovat esittäneet De Witte ja Kortelainen (2009, 2013).
Ehdollisessa tehokkuusanalyysissa (Cazals ym. 2002; Daraio ja Simar 2005, 2007) zmuuttujat voivat vaikuttaa tuotantoteknologiaan, koska ne sisällytetään ensimmäisen vaiheen tehokkuusestimointiin. Ehdoton tehokkuus määritetään käyttäen order-m estimaattoria, joka voidaan nähdä "robustina" versiona FDH:sta (tai DEA:sta). Vaikka alkuperäinen
FDH tuottaa ei-stokastisia estimaatteja parhaiden käytäntöjen havainnoista37, order-m tehokkuuteen perustuva lähestymistapa kuvaa tuotantoprosessin todennäköisyysmäärittelyn
avulla. Todennäköisyysmuoto perustuu todennäköisyyteen, jolla arvioitavana olevaa havaintoa dominoi jokin muu havainto. Periaatteessa estimoidaan osittainen tuotantorintama,
joka sallii joidenkin havaintojen sijaitsevan tuotantorintaman yläpuolella (“supertehokas”).
Tämä yhteinen todennäköisyysfunktio (joint probability function) voidaan esittää seuraavasti
H XY ( x, y) = Pr( X £ x, Y ³ y)
(1)
ja edelleen
H XY ( x, y ) = Pr( Y ³ y | X £ x ) Pr( X £ x ) = S Y | X (Y ³ y | X £ x ) F X ( X £ x )
(2)
S Y | X on Y:n ehdollinen eloonjäämisfunktio (conditional survivor function) ja FX on X:n
kertymäfunktio (cumulative distribution function). Todennäköisyysestimaatit tehokkuusluvuille saadaan korvaamalla H XY ( x, y ) empiirisellä jakaumafunktiolla Hˆ XY ,n ( x , y ) ja
S Y ( y | x ) empiirisellä eloonjäämisfunktiolla Sˆ Y , n ( y | x ) siten että
Hˆ XY ,n ( x, y ) =
n
1
n
å I(x
i =1
i
£ x, yi ³ y )
ja
Hˆ XY , n ( x, y) Hˆ XY , n ( x, y)
SˆY , n ( y | x ) =
=
.
Fˆ X ,n ( x)
Hˆ XY , n ( x,0)
37
(3)
Määritellään dominoimattomat yksiköt, jotka tuottavat suurimman tuotosvektorin tietyllä panosvektorilla
(tuotossuunta).
70
I(.) on indikaattorifunktio. Tuotosorientoitunut FDH tehokkuusestimaatti saadaan kaavasta
lˆFDH ( x , y ) = sup l | SˆY ,n (l y | x ) > 0 . Cazals ym. (2002) osoittivat, että order-m tehokkuus-
{
}
luku voidaan esittää seuraavasti: lm ( x, y ) =
ò [1 - (1 - S
¥
0
Y
]
(uy | x)) m du . Siten tehokkuuslu-
ku on riippuvainen ainoastaan ehdollisesta jakaumasta S Y ( y | x ) .
Tehokkuusestimoinnin todennäköisyysmuodon lisäksi Cazals et al. (2002) ehdottivat ehdollisen tehokkuuden määrittämistä joidenkin ulkoisten tekijöiden suhteen. Daraio ja Simar
(2005) muokkasivat ajatuksen monta muuttujaa sisältävää tapausta varten. Tässä lähestymistavassa tuotanto on ehdollista tietyille Z=z muuttujille ja yhdistetty todennäköisyysfunktio tietyille Z voidaan ilmaista H XY |Z ( x , y | z ) = Pr( Y ³ y , X £ x | Z = z ) . Vastaavasti
kuin ei-ehdolliset order-m tehokkuudet, ehdollinen order-m tehokkuus voidaan ilmaista
l m ( x, y | z ) =
ò [1 - (1 - S
¥
0
Y
]
(uy | x, z )) m du . S Y ( y | x, z ) :n ei-parametrinen estimointi on
monimutkaisempaa kuin ei-ehdollisen tehokkuuden estimointi, koska myös z-muuttujille
määritetään kernelfunktion kaistaleveydet:
SˆY ,n
å
( y | x, z ) =
n
i =1
I ( xi £ x, y i ³ y ) K hˆ ( z , z i )
å
n
I ( xi £ x ) K hˆ ( z , z i )
i =1
,
(4)
jossa K hˆ (×) on monimuuttujainen tulokernel-funktio ja ĥ on kernel-funktioon sopiva kaistaleveys. Ehdollinen order-m tehokkuuden estimaattori lˆm ,n ( x, y | z ) :lle saadaan kytkemällä
edellinen yhtälö yhtälöön lm ( x, y | z ) . Vaikka order-m tehokkuusestimaattori on riippumaton ulottuvuuksien lukumäärän vaikutuksesta, ehdollisen estimaattorin tarkkuus ei ole riippumaton Z ulottuvuuksien määrästä.
Ehdollista tehokkuutta hyväksi käyttävä lähestymistapa muistuttaa ei-parametrisia regressiomenetelmiä olettaen, että muuttujat ovat jatkuvia. De Witte ja Kortelainen (2009, 2013)
laajensivat tasoitusta (smoothing) ei-jatkuviin muuttujiin käyttämällä uusia kernelmenetelmiä, joita ovat ehdottaneet Li ja Racine (2003, 2007, 2008). Jatkuvia, diskreettejä
järjestysasteikollisia ja diskreettejä kategorisia muuttujia käsitellään eri tavoin. Vakiomuotoisia monimuuttujaisia (tai yhden muuttujan) tulokernelfunktioita sovelletaan kaikkiin
muuttujaluokkiin (Li & Racine 2007). Kertomalla kernelfunktiot keskenään saadaan yleistetty tulokernelfunktio. Eri kerneleitä sovelletaan jatkuviin (Epanechnikov), diskreetteihin
ei-järjestysasteikollisiin (Aitchison & Aitken 1976) ja diskreetteihin kategorisiin (Li & Racine) muuttujiin. Siten näiden kolmen muuttujan eloonjäämisfunktion ehdollinen estimaattori voidaan kirjoittaa kuten aiemmin SˆY , n ( y | x , z ) , mutta Kh(z,zi) on yleistetty monimuuttujainen tulokernelfunktio.
Kaistaleveyden valinta on ratkaiseva vaihe ei-parametrisessa kernelestimoinnissa. Tässä
tapauksessa käytetään aineistoperusteista kaistanleveyden valintamenetelmää. Hall ym.
(2004) ja Badin ym. (2010) estimoivat kaistaleveyden pienimmän neliösumman ristiinvali-
71
dointimenetelmällä. Ainoa ero Hallin ym. esitykseen on, että optimaalisessa aineistosta
johdetussa ehdollisen tehokkuuden kaistaleveydessä viitejoukko pienenee joukoksi, jossa
xi £ x . Tämän vuoksi kaistaleveydet ovat sekä havainto- että z-muuttujakohtaisia.
Tutkittaessa liikkeenjohdollisten muuttujien vaikutusta ehdollisen tehokkuuden puitteissa
noudatetaan De Witten ja Kortelaisen (2009, 2013) menettelyä ja selitetään ehdollisen ja
ei-ehdollisen tehokkuuden suhdelukua z-muuttujilla käyttäen paikallista lineaarista regressiota (ks. Li & Racine 2004). Ei-parametrinen malli on seuraava:
Qiz = f ( z i ) + e i ,
jossa Qiz =
i = 1,..., n ,
(5)
lˆm,n ( xi , yi | zi )
, zi =( zic , zio , ziu ) sisältää sekä jatkuvat, järjestysasteikolliset
ˆ
l (x , y )
m ,n
i
i
ja diskreetit muuttujat kullekin havainnolle, e i
on tavanomainen virhetermi ja
E (e i | zi ) = 0 , ja f on ehdollinen keskiarvofunktio (conditional mean function).
Seuraten De Witten ja Kortelaisen (2009, 2013) esitystä käytämme ei-parametrista bootstrappausta tutkittessa muuttujien vaikutuksen merkitsevyyttä tuotantoprosessissa. Tilastollinen päättely perustuu ei-parametriseen merkitsevyystestiin (Racine 1997; Racine ym.
2006). Bootstrap-testit osoittavat, onko yksittäisillä muuttujilla vaikutusta sovitteeseen, eli
eroon ehdollisen ja ei-ehdollisen tehokkuuden välillä.
4.5. Tulokset
Order-m estimoinnin tulos on osin riippuvainen m:n arvon valinnasta. Ohjeena on käytetty
sitä, että m valitaan sellaiseksi, jolla supertehokkaiden eli yhteisesti määritetyn tehokkaan
pinnan yläpuolella olevien yksiköiden määrä ei enää huomattavasti alene (De Witte ym.
2013). Pienessä aineistossa tämä aleneminen on kuitenkin hidasta m:n arvon kasvaessa
(taulukko 4.3). Samalla kun m:n arvo kasvaa, myös keskimääräinen tehokkuusluku lähenee
ykköstä, joten tässä suhteessa on tehtävä kompromisseja. Tässä artikkelissa tarkasteltiin
selitysmallien merkitsevyystasojen pysyvyyttä, kun ehdollisen ja ei-ehdollisen tehokkuusmittauksen m-arvo vaihteli 20 ja 50 välillä. Empiirisissä tuloksissa yleisenä piirteenä on,
että m:n kasvaessa tehokkuudet kasvavat ja vaikuttavien tekijöiden merkitsevyys alenee.
Ei-parametrisessa regressiomallissa voidaan yksittäisten muuttujien lisäksi käyttää useita
selittäviä tekijöitä, mikä myös saattaa vaikuttaa yksittäisten muuttujien merkitsevyyteen.
Taulukko 4.3. m:n arvon ja supertehokkaiden havaintojen suhde.
m
supertehokkuus (kpl)
10
124
20
112
30
105
70
95
100
93
Aluksi analyyseissa käytettiin tehokkuussuhdetta selittävinä tekijöinä jatkuvia muuttujia.
Tästä luovuttiin, koska muuttujien kaistaleveydet (bandwidth) kasvoivat monissa tapauk-
72
sissa suuriksi ja tulokset olivat epävakaita. Lisäksi haluttiin välttää suoraa riippuvuutta selittävien suhdemuuttujien ja panos- tai tuotosmuuttujien välillä. Jatkuvat muuttujat koodattiin uudelleen kolmeen luokkaan. Luokkien katkaisukohtina käytettiin ala- ja yläkvartiilia.
Nämä katkaisukohdat on esitetty taulukossa 4.2.
Taulukossa 4.4 esitetään luokiteltujen muuttujien ei-parametrisen paikallisen lineaarisen
regression tulokset eri m:n arvoilla. Tulokset on laskettu siten, että kukin muuttuja oli vuorollaan ehdollistavana muuttujana ja regressiossa selittävänä muuttujana. Taulukosta nähdään, että eräiden muuttujien arvot olivat sekä m-arvon että kaistaleveyden suhteen epävakaita (säilörehun D-arvo). Kokemus ei puolestaan ollut merkitsevä tehokkuussuhteen vaihtelun selittäjä millään m:n arvolla. Merkitsevimpiä tehokkuuteen vaikuttavia tekijöitä olivat lehmien keskituotos, lehmämäärä sekä nurmen osuus peltoalasta. Vasikkakuolleisuus
oli myös yksittäisenä muuttujana merkitsevä selittäjä, mutta sen merkitsevyys vaihteli m:n
muuttuessa eniten suhteessa muihin merkitsevimpiin selittäjiin.
Taulukko 4.4. Yksittäisten muuttujien kaistaleveydet, merkitsevyydet ja selitysasteet tehokkuussuhteen kernel-regressiossa.
Luokiteltu
muuttuja
Maitotuotos
Vasikkakuolleisuus
Säilörehun D-arvo
Lehmämäärä
Kokemus
Nurmen osuus pellosta
Kaistaleveys
20
40
0,059
0,085
0,334
0,018
0,376
0,219
0,059
0,174
1
0,034
0,409
0,133
50
0,059
0,211
0,891
0,043
0,376
0,110
Merkitsevyys
20
40
0,021
0,003
0,052
0,000
0,234
0,035
0,016
0,018
0,592
0,002
0,200
0,011
50
0,015
0,029
0,891
0,004
0,158
0,005
Selitysaste
20
40
0,162
0,165
0,042
0,471
0,042
0,067
0,143
0,078
0,006
0,292
0,036
0,093
50
0,138
0,061
0,002
0,237
0,039
0,107
Käytettäessä m=40 laskennan perusteena todettiin, että yksittäisenä tekijänä urakointipalvelujen käyttö oli tilastollisesti merkitsevästi yhteydessä tuotannon tehokkuuteen siten, että
urakointipalveluja ostettaessa tuotanto oli teknisesti tehokkaampaa (p-arvo 0,003, kaistaleveys 0,018) kuin silloin, kun niitä ei käytetty lainkaan. Maitotuotoksen kohotessa tekninen
tehokkuus kasvoi merkitsevästi. Tehokkuussuhde oli suurin korkeimman keskituotoksen
tiloilla. Jos tehokkuus tehtiin ehdolliseksi tuotostasolle, suurten tilojen tehokkuus heikkeni38 suhteessa siihen, että niiden vertailuun olisi käytetty kaikkien tuotostasojen tiloja ilman ehdollistamista (kuvio 4.1). Vastaava oli myös lehmämäärällä mitatun yrityskokoluokan vaikutus: jos tehokkuus tehdään ehdolliseksi tilakoolle, pienten tilojen tehokkuus paranee ja suurten heikkenee suhteessa siihen, että ehdollistamista vertailujoukon suhteen ei
tehdä (kuvio 4.2). Siten suuret maitotilat ovat tehokkaampia kuin pienet tilat.
38
Tehokkuusluku kasvoi eli tehottomuus lisääntyi, koska kyseessä on tuotosorientaatio.
73
1,2
Tehokkuussuhde
1,15
1,1
1,05
1
0,95
0,9
Alhainen
Mediaani
Korkea
Kuvio 4.1. Tehokkuussuhde lehmien keskituotosluokittain.
1,2
Tehokkuussuhde
1,15
1,1
1,05
1
0,95
0,9
Alhainen
Mediaani
Korkea
Kuvio 4.2. Tehokkuussuhde tilakokoluokittain.
Kun nurmen osuus peltoalasta kasvoi, tekninen tehokkuus muuttui merkitsevästi (kuvio
4.3). Aluksi tehokkuus parani nurmen osuuden kasvaessa, mutta ylimpään kvartaaliin kuuluvien osalta kehitys pysähtyi. Siten yksipuolinen nurmenviljely ei tuota teknisesti yhtä
hyvää panos-tuotossuhdetta kuin toimiminen mediaanitasolla. Tämä voi liittyä myös tuotantoedellytyksiin peltoviljelyn osalta, yleensä heikkoon pellon käytön tehokkuuteen tai
myös erittäin pieneen peltoalaan lehmää kohti. Vasikkakuolleisuus vaikuttaa niin ikään
tuotannon tehokkuuteen, mutta tässä tarkastelussa korkeassa vasikkakuolleisuusluokassa
on parempi tekninen tehokkuus kuin alhaisen vasikkakuolleisuuden luokassa 39 (kuvio 4.4).
Tämä kytkeytyy tilakoon mukaiseen tehokkuusvaihteluun, koska suurilla tiloilla on tyypil39
Tehokkuuden ehdollistaminen vasikkakuolleisuudelle kohottaa alhaisen vasikkakuolleisuuden tilojen tehokkuutta.
74
lisesti korkeampi vasikkakuolleisuus kuin pienillä tiloilla. Usein uudistusprosentilla ja vasikkakuolleisuudella on taipumus kasvaa erityisesti tilakoon kasvaessa. Jos vasikkakuolleisuutta kuvaava muuttuja lisätään malliin, jossa on myös tuotostaso- ja tilakokomuuttuja,
tehokkaimpia ovat keskimääräisen vasikkakuolleisuuden tasolla toimivat tilat. Näissä malleissa vasikkakuolleisuus ei kuitenkaan ole tilastollisesti merkitsevä tekijä.
1,2
Tehokkuussuhde
1,15
1,1
1,05
1
0,95
0,9
Alhainen
Mediaani
Korkea
Kuvio 4.3. Tehokkuussuhde nurmen osuuden mukaan.
1,2
Tehokkuussuhde
1,15
1,1
1,05
1
0,95
0,9
Alhainen
Mediaani
Korkea
Kuvio 4.4. Tehokkuussuhde vasikkakuolleisuusluokittain.
Tehokkuus paranee hieman myös yrittäjän kokemuksen myötä. Erot kokemusluokkien välillä eivät kuitenkaan ole tilastollisesti merkitseviä (kuvio 4.5). Yksittäisistä muuttujista
myös urakoinnin käyttäjät olivat tilastollisesti merkitsevästi teknisesti tehokkaampia kuin
sitä käyttämättömät.
75
1,2
Tehokkuussuhde
1,15
1,1
1,05
1
0,95
0,9
Alhainen
Mediaani
Korkea
Kuvio 4.5. Tehokkuussuhde kokemusluokittain.
Yksittäisten muuttujien lisäksi ehdollistamisessa ja ei-parametrisessa regressiossa käytettiin erilaisia yhdistelmiä tehokkuuteen vaikuttavista muuttujista, jotta saatiin selville muuttujien vaikutus toisiinsa ja saatiin rakennettua vakaa malli. Lehmien keskituotos ja tilan
kokoluokka lehmämäärän suhteen toimivat myös monimuuttujaisissa sovelluksissa sikäli,
että tulos pysyi lähes samana mallispesifikaatiosta riippumatta. Sen sijaan D-arvo, nurmen
osuus peltoalasta, yrittäjän kokemus ja vasikkakuolleisuus eivät ole merkitseviä selittäjiä
monimuuttujaisissa malleissa. Niiden merkitsevyys vaihteli myös m-arvon vaihdellessa.
Lopulta päädyttiin kolmen muuttujan malliin, jossa ovat mukana edellä mainitut lehmien
keskituotos, lehmämäärä sekä urakoinnin käyttö. Urakoinnilla oli noin 9 % riskitasolla
merkitsevä yhteys tekniseen tehokkuuteen, vaikka yksittäisen muuttujan tarkastelussa se
oli merkitsevä alle 5 % riskitasolla. Mallin muuttujien kaistaleveydet, merkitsevyystasot ja
regressiomallin selitysaste on esitetty taulukossa 4.5, jossa m:n arvoksi on asetettu 40. Ordered viittaa järjestysasteikolliseen muuttujaan ja factor diskreettiin muuttujaan.
Taulukko 4.5. Monimuuttujaisen mallin selitysaste ja muuttujien merkitsevyydet
Kaistaleveys
P-arvo
Selitysaste
Keskituotos (ordered)
0,139
0,031
0,357
Urakointi (factor)
0,159
0,092
Lehmämäärä (ordered)
0,138
0,003
Kuviossa 4.7 esitetään monimuuttujaisen regression selittävien muuttujien vaikutus tehokkuuteen kunkin muuttujan osalta erillisenä kuviona. Kunkin yksittäisen muuttujan luokkakohtaiset arvot on saatu asettamalla muut kaksi muuttujaa mediaaniarvoonsa. Kuvioiden
vaikutussuunnat ovat samat kuin yksittäisten muuttujien tarkastelussa. Erona on ainoastaan
se, että korkeimmat tuotos- ja kokoluokat erottuvat hieman voimakkaammin kahdesta
muusta luokasta. Samalla muuttujien tehokkuussuhteiden tasot kohoavat. Osin muutos kertoo myös siitä, että muuttujat eivät ole täysin riippumattomia toisistaan, mutta osin myös
siitä, että käytettyjen ulottuvuuksien määrä vaikuttaa tulokseen.
76
1,2
Tehokkuussuhde
1,15
1,1
1,05
1
0,95
0,9
Alhainen
Mediaani
Korkea
Alhainen
Mediaani
Korkea
a)
1,2
Tehokkuussuhde
1,15
1,1
1,05
1
0,95
0,9
b)
1,2
Tehokkuussuhde
1,15
1,1
1,05
1
0,95
0,9
Ei
Kyllä
c)
Kuvio 4.7. Tehokkuusuhde monimuuttujaisessa ei-parametrisessa regressiossa selittävien muuttujien luokissa
a) tuotostaso, b) lehmämäärä ja c) urakoinnin käyttö.
77
4.6. Johtopäätökset
Tulokset ovat hyvin samankaltaiset kuin Sipiläinen ym. (2009) julkaisussa, jossa sovellettiin samaa menetelmää tätä aineistoa laajempaan neuvonta-aineistoon. Toisaalta tulokset
yksittäisten muuttujien osalta poikkeavat osittain DEA:lla ja kaksivaiheisella menetelmällä
saaduista tuloksista (Sipiläinen ym. 2012). Poikkeavat tulokset johtuvat osin siitä, että tässä
tarkastelussa käytettiin luokiteltuja muuttujia jatkuvien muuttujien sijaan. Lisäksi tutkimuksen aineisto on pienehkö, mutta tätä kompensoitiin osin vähentämällä panostuotosmuuttujien määrää. Pienehkössä aineistossa supertehokkaiden tilojen määrä, jotka
tehokkuusmäärittelyssä jäävät tehokkuusrintaman yläpuolelle, jää myös melko suureksi.
Tällä saattaa myös olla vaikutusta tehokkuussuhteen määräytymiseen. Kuitenkin keskituotosluokan ja tuotannon lehmäluvulla mitatun laajuuden yhteys tekniseen tehokkuuteen
säilyy mallispesifikaatiosta riippumatta samankaltaisena. Myös urakoinnin käyttämisellä ja
siihen liittyvillä muutoksilla tilan toiminnassa on positiivinen vaikutus tilan tekniseen tehokkuuteen.
Tässä tutkimuksessa sovelletussa FDH-estimoinnissa tehokkuuden taso on korkeampi kuin
DEA-estimoinnissa, koska konveksien verrokkitilojen muodostaminen ei ole mahdollista.
Siten tehokkuuserot eri ryhmien välillä jäävät absoluuttisina lukuina melko pieniksi.
Yleensäkin on huomattava, että tehokkuuden taso riippuu siitä, miten tehokkuusmalli on
määritelty.
Tulokset osoittavat, että on löydettävissä tilatason indikaattoreita, joilla on yhteys tekniseen tehokkuuteen silloinkin, kun ne vaikuttavat myös panostuotossuhteeseen. On kuitenkin huomattava, että suuri osa tehokkuusvaihtelusta jää näillä tekijöillä selittämättä, joten
ne eivät yksin kykene kuvaamaan tarkasti saavutetun tehokkuuden tasoa. On kuitenkin ilmeistä, että alhaisella keskituotoksella ja pienellä tilakoolla alhaisten yksikkökustannusten
saavuttaminen on vaikeaa, ellei mahdotonta. Toisaalta korkea keskituotos tai suuri tilakoko
eivät sellaisenaan ole tae tehokkuudesta.
78
Lähteet
Aitchison, J. & Aitken, C.B.B. 1976. Multivariate binary discrimination by kernel method.
Biometrika 63: 413−420.
Badin, L., Daraio, C. & Simar, L. 2010. Optimal bandwidth selection for conditional efficiency measures: A data-driven approach. European Journal of Operational Research 201
(2), 633−640.
Cazals, C., Florens, J.P. & Simar, L. 2002. Nonparametric frontier estimation: A robust
approach. Journal of Econometrics 106(1), 1−25.
Charnes, A., Cooper, W.W. & Rhodes, E. 1978. Measuring the inefficiency of decision
making units. European Journal of Operational Research 2(6), 429−444.
Daraio, C. & Simar, L. 2005. Introducing environmental variables in nonparametric frontier models: A probabilistic approach. Journal of Productivity Analysis 24(1), 93−121.
Daraio, C. & Simar, L. 2007. Advanced robust and nonparametric methods in efficiency
analysis. Methodology and applications. Series: Studies in Productivity and Efficiency.
Springer.
Deprins, D., Simar, L. & Tulkens, H. 1984. The performance of public enterprises: Concepts and measurements. In M. Marchand, P. Pestieau, & H. Tulkens (Eds.), Measuring
labor-efficiency in post offices. Amsterdam: North-Holland Publishing Company.
De Witte, K. & Kortelainen, M. 2009. Blaming the exogenous environment? Conditional
efficiency estimation with continuous and discrete environmental variables. MPRA Paper
14034, University Library of Munich, Germany.
De Witte, K. & Kortelainen, M. 2013. What explains the performance of students in a heterogeneous environment? Conditional efficiency estimation with continuous and discrete
environmental variables. Applied Economics 45, 2401–2412.
Farrell, M.J. 1957. The measurement of productive efficiency. Journal of the Royal Statistical Society Series A. General 120(3), 253−282.
Hall, P.J., Racine, J.S. & Li, Q. 2004. Cross-validation and the estimation conditional
probability densities. Journal of the American Statistical Association 99(468), 1015−1026.
Li, Q. & Racine, J.S. 2003. Nonparametric estimation of distributions with categorical and
continuous data. Journal of Multivariate Analysis 86(2), 266−292.
Li, Q. & Racine, J.S. 2004. Cross-validated local linear nonparametric regression. Statistica Sinica 14(2), 485−512.
79
Li, Q. & Racine, J.S. 2007. Nonparametric econometrics: Theory and practice. Princeton
University Press.
Li, Q. & Racine, J.S. 2008. Nonparametric estimation of conditional CDF and quantile
functions with mixed categorical and continuous data. Journal of Business and Economic
Statistics 26(4), 423−434.
Racine, J.S. 1997. Consistent significance testing for nonparametric regression. Journal of
Business and Economic Statistics 15(3), 369−379.
Racine, J.S., Hart, J. & Li, Q. 2006. Testing the significance of categorical predictor variables in nonparametric regression models. Econometric Reviews 25(4), 523−544.
Simar, L. & Wilson, P.W. 2007. Estimation and inference in two-stage, semiparametric
models of production processes. Journal of Econometrics 136, 31−64.
Sipiläinen, T., Kortelainen, M., Ovaska, S. & Ryhänen, M. 2009. Performance of Finnish
dairy farms and its determinants: A comparison of parametric, semiparametric and nonparametric methods. Acta Agriculturae Scandinavica Section C. Food Economics 6, 173−184.
Sipiläinen, T., Ovaska, S. & Ryhänen, M. 2012. Tuottavuus, tehokkuus ja taloudellinen
tulos eteläpohjalaisilla maitotiloilla. MTT raportti 78, 9−41. Viitattu 20.12.2014
http://www.mtt.fi/mttraportti/pdf/mttraportti78.pdf.
80
5. Tulosten arviointi ja hyödynnettävyys
Sipiläinen, Timo 1 & Ryhänen, Matti2
1
Helsingin yliopisto, Taloustieteen laitos, PL 27, 00014 Helsingin yliopisto, timo.sipilainen@helsinki.fi
2
Seinäjoen ammattikorkeakoulu, SeAMK Elintarvike ja maatalous, Ilmajoentie 525, 60800
Ilmajoki, matti.ryhanen@seamk.fi
Etelä-Pohjanmaalla on tutkittu systemaattisesti maidontuotannon kilpailukykyä vuodesta
2003 lähtien. Tulosten mukaan maitotilojen kehittämiseen tarvitaan uutta otetta ja toimintatapojen muutosta40. Maitotilaa on johdettava kokonaisuutena ja sitä on kehitettävä kokonaisvaltaisesti kuten mitä tahansa yritystä. Maidontuotannossa kokonaisprosessi on toimintojen kokonaisuus, jota toteuttamalla tuotteet tuotetaan. Yrityskoon kasvaessa maidontuottajan on tarve erikoistua ja keskittyä ydinprosessiin, jotta tuotannon tehokkuutta ja tuottavuutta sekä taloudellista tulosta voidaan parantaa. Jonkin tai joidenkin osaprosessien tarkastelu voi johtamisen kannalta olla keskeistä (Laitila, Ryhänen & Sipiläinen 2012, 35–
136). Siksi maitotilan toimintaa kehitettäessä on tarve panostaa ydinprosessin eli maidontuotannon kehittämisen lisäksi siihen keskeisesti kytköksissä olevan kasvintuotannon optimointiin kokonaisuuden osana. Lisäksi tarvitaan tietoa yhteistyömahdollisuuksien hyödyntämisestä. Yhteistyö onnistuu parhaiten pitkäkestoisissa yhteistyösuhteissa, kun osallistujien toiminnot ovat limittyneet toisiinsa (Viitala & Jylhä 2006, 181–190). Maitotilojen
kasvinviljelyn tarkastelu omana osanaan on mielekästä, sillä yhteistyö näissä tuotantoprosesseissa on yleisintä (Laitila ym. 2014, 70).
Tässä julkaisussa tutkittiin maidontuotannon ja siihen kytköksissä olevan kasvintuotannon
tehokkuutta, tehokkuuden parantamisedellytyksiä ja tuottavuuskehityksen hyödyntämistä.
Julkaisu koostuu erillisistä artikkeleista, jotka muodostavat yhdessä kokonaisuuden. Uutena näkökulmana selvitettiin 41 maitotilan suorituskyvyn mittaamista tilatason tarkastelun
lisäksi keskeisissä osaprosesseissa. Kasvin- ja maidontuotannon suorituskykyä mitattiin
erikseen ja kokonaisuuden osina. Se mahdollisti maidon- ja kasvintuotannonprosesseihin
liittyvän tehottomuuden selvittämisen ja niihin liittyvän kustannusten alentamis- ja/tai tuottojen lisäämispotentiaalin tunnistamisen. Kun maidontuottaja tunnistaa tilanteensa suhteessa olemassa oleviin mahdollisuuksiin, hän voi ryhtyä suunnitelmallisesti ja systemaattisesti
kehittämään yritystään. Lisäksi selvitettiin yhteistyön vaikutusta tehokkuuteen. Yhteistyö
eri muodoissaan on yksi mahdollinen keino parantaa tuottavuutta.
40
Perinteisesti maatalousyritysten kehittämistä on tarkasteltu lähinnä aggregaattitasolla maatalouspolitiikan
ohjauksen näkökulmasta ja biologis-teknisestä tuotantoprosessien tehostamisnäkökulmasta. Siten liiketaloudellisen päätöksenteon näkökulma on jätetty varsin vähäiselle huomiolle. Kun markkinaohjautuvuuden merkitys maatalousyrittäjien tulonmuodostuksessa kasvaa, on tarve panostaa aiempaa enemmän maatalousyrittäjien liiketoimintaosaamisen ja maatalousyritysten johtamisen tutkimiseen.
41
Maitotilan suorituskykyä on tarkasteltu yleensä koko tilan tasolla, jolloin ratkaisematta jää, missä toiminnoissa tehottomuutta esiintyy ja miten merkityksellisiä ne ovat maitotilan menestymiselle.
81
Päätösten helpottamiseksi maidontuottaja tarvitaan luotettavaa vertailutietoa tekijöistä, joihin hän voi vaikuttaa. Tässä tutkimuksessa hankittiin tietoa benchmarking -menetelmällä.
Verkostomaisella DEA -tarkasteluilla selvitettiin kunkin maitotilan osalta, miten niillä menestytään erikseen peltoviljelyssä ja maidontuotannossa ja niiden yhdistämisessä. Ekonometrista SFA -menetelmää käytettiin maitotilojen kasvituotannon teknistä tehokkuutta sekä
siihen vaikuttavia tekijöitä estimoitaessa. Liikkeenjohdon suorituskyvyn indikaattoreita
eteläpohjalaisilla maitotiloilla tutkittiin ehdollisen ja ei-ehdollisen order-m tehokkuuden
estimoinnilla ja ei-parametrisilla regressioilla. Analyyseissä hyödynnettiin datapankeista
kerättyjä tietoja ja maitotila-aineistoja.
Tutkimustilojen tuotannossa oli tehottomuutta. Tehottomuudesta aiheutuvat tappiot olivat
osalla maitotiloista suuria. Tehokkuusanalyysin osoittama tehottomuus ei ole kokonaan
poistettavissa maidontuottajan toimin, sillä osa siitä selittyy aineistoperäisillä ja osa mm.
ilmaston, sään, maalajien ja viljavuuden eroilla 42. Siten käytännön maitotiloilla ei kannata
verrata omaa toimintaa suoraan tutkimuksen tehokkaimpiin tiloihin. Vertailu on tehtävä
käytettävissä ja/tai hankittavissa olevien resurssien ja toimintaympäristön pohjalta, jotta
siitä on käytännön hyötyä yritystoiminnan kehittämisessä (vrt. Stokes ym. 2007). Kuitenkin osa tehokkuustappioista on poistettavissa tuotantoa tehostamalla. Vaikka vain pieni osa
tehottomuudesta voitaisiin poistaa, ylijäämien tilakohtaiset lisäykset olisivat usein merkittäviä.
Kasvin- ja maidontuotannon tehokkuustappion erillistarkastelu toi esille kasvintuotannon
suuren merkityksen tehottomuuden lähteenä. Koko maitotilan tehottomuudesta noin 40 %
syntyi kasvintuotannossa. Suurin kustannusten alentamispotentiaali oli kasvintuotannon
konekustannuksissa. Niitä voidaan alentaa muun muassa yhteistyöllä (Ryhänen ja Laitila
2012, 2014). Yksipuolisessa nurmenviljelyssä panos-tuotossuhde jäi heikoksi. Tämä voi
liittyä liialliseen laajaperäisyyteen kasvinviljelyssä tai liian pieneen peltoalaan lehmää kohti. Osalla maitotiloista rehukasvien sadot olivat alhaisia luontaisen sadontuottokyvyn ja
luonnonolosuhteiden vuoksi. Eläintiheydellä olikin yhteys tekniseen tehokkuuteen. Suuri
peltoala suhteessa eläinmäärään oli tärkein tehottomuutta selittävä tekijä, mikä on yhtenevä
Sipiläisen ym. (2012, 28) tulosten kanssa. Stokesin ym. (2007) mukaan liiallinen peltoinvestointi suhteessa pieneen maitotuotokseen oli leimallista tehottomille tiloille.
Tehokkuuteen vaikutti positiivisesti lehmien keskituotos ja yrityskoko. Keskimääräinen
tehokkuus oli matalin pienimmässä karjakokoluokassa. Tehokkuustappiot hehtaaria ja
lehmää kohti pienenevät yrityskoon suuretessa. Kasvintuotannossa tehottomuus oli suurempaa kuin maidontuotannossa, mitä osaltaan selittää ilmasto, säävaihtelut, maitotilan sijainti sekä pellon maalajit ja viljavuus. Peltojen suuri etäisyys ja pieni lohkokoko vähentävät usein yrityskoosta saatavia etuja (Niskanen & Lehtonen 2014).
42
Kellyn ym. (2012) mukaan tilalla käytössä olevan pellon laadun ja tiloilta lasketun teknisen tehokkuuden
arvon välillä on selkeä yhteys. Tilan sijainti ja rakenne, luonnonolosuhteet, markkinoiden koko ja maatalouspolitiikka sekä ikä vaikuttivat tehokkuuden tasoon (Darku, Malla & Tran 2013, 71–73).
82
Usein teknologisen edistymisen hyödyntäminen edellyttää yrityskoon kasvattamista ja/tai
koneiden hankintaa yhteistyönä. Yhteistyökumppanuuksien merkitys korostuu, kun haetaan osaavaa työvoimaa. Tulosten mukaan urakointipalvelujen hyödyntäjillä tuotanto oli
usein teknisesti tehokkaampaa kuin heillä, jotka eivät käyttäneet niitä lainkaan. Koneurakointi on substituutti maidontuottajan kasvinviljelykalustolle sekä maidontuottajaperheen
ja palkkatyövoiman kasvinviljelytyölle. Säilörehuntuotannossa yhteistyö ja urakointipalveluiden käyttö voidaan järjestää monella eri tavalla (Laitila ym. 2012, 107−112), joten lisätutkimus tältä osin on tarpeen.
Maidontuotannosta poistuvat ja yritystoimintaa kehittävät tekevät erilaisia päätöksiä, mikä
näkyy tehokkuudessa. Yritystoimintaa voimakkaasti kehittäneet maidontuottajat ovat tehneet yhteistyötä enemmän kuin muut maidontuottajat. Tutkimushankkeen tulosten mukaan
suurella osalla heistä yhteistyö perustui selkeästi kustannusetujen tavoitteluun, mutta osalle
yhteistyö oli pakon sanelema, sillä heillä oma pääoma ei ollut enää riittänyt omiin koneisiin. (Ryhänen & Laitila 2012, 2014.) Suurelle osalle yritystoimintaa voimakkaasti kehittäneillä syntyi sopeuttamiskustannuksia ja osalla heistä oli tyhjiä parsipaikkoja vielä vuosia
navetan valmistuttua, joten tuotannon kehittäminen ja tehostaminen näyttää vievän vuosia
(Ryhänen & Laitila 2012; Niskanen 2012). Maitotilan kasvuprosessin hallintaan on panostettava, johon dynaaminen tarkastelu toisi uutta tietoa.
Tarve kehittää tutkimusaineistoja
Maatalousyritysten tuottavuutta ja tehokkuutta on perinteisesti tutkittu voimakkaasti aggregoiduista aineistoista. Ajan myötä aggregoinnin astetta on kyetty vähentämään. Silti
nykyisistäkään aineistoista panoskäyttöä ei voitu kohdistaa toivotulla tavalla maitotilan eri
toiminnoille. Osa kohdentamisesta jouduttiin tekemään karkeahkosti, mikä vaikutti kasvinja kotieläintuotannon panos-tuotossuhteiden määrittämistarkkuuteen. Myös yhteistyötä ja
sen vaikutusta tehokkuuteen ja taloudelliseen tulokseen voitaisiin tutkia nykyistä tarkemmin, jos aineistosta pystyttäisiin erittelemään, luokittelemaan ja mittaamaan tarkentavia
muuttujia. Tässä raportissa yhteistyön vaikutusta tehokkuuteen tutkittiin kirjanpitoaineistosta vain urakoinnin osalta. Myös tuottavuuteen vaikuttavien olosuhde- ja yrittäjäkohtaisten tekijöiden liittäminen kirjanpitoaineistoon olisi tärkeää. Niiden hyödyntäminen jää tulevaisuudessa tehtäväksi. Tuottavuus- ja tehokkuustutkimuksissa lisäarvoa olisi mm. seuraavilla tekijöillä:
- maidontuottajan ominaisuudet sekä osaaminen maidon- ja kasvintuottajana,
- rehuntuotantoon käytetyt resurssit (omat, yhteistyö tai urakointi),
- eri kasvien panosten ja tuotosten määrät sekä sadon laatu,
- karjanlannan käyttö ja hyödyntämistiedot ja
- tilakohtaiset hintatiedot (yksikkökustannukset ja laatuhinnoittelu).
Nykyisissä aineistoissa poistot ovat yleensä pieniä tuotannosta lähitulevaisuudessa luopuvilla ja suuria vasta investoinneilla. Syynä tähän on osin poistojärjestelmä (menojäännöspoisto). Poistot vuotta kohti ovat koneen käyttöiän alkuvaiheessa suuremmat kuin koneen
käyttöiän loppuvaiheessa, vaikka koneen käyttö pysyisikin samana. Seurauksena on panostuotossuhteen vaihtelu esimerkiksi koneiden investointiajankohdan mukaan.
83
Tarve kehittää maitotilojen yritystoimintaa
Maidontuottaja voi oppia parhaista käytännöistä ja kehittää niiden pohjalta tilansa toimintaa. Maidontuottajan liiketoimintaosaamisessa on tarve kehittää mm.:
· koko yritystason suunnittelu- ja osaamisvalmiuksia,
· resurssien tehokasta hyödyntämistä tilan toimintaympäristössä,
· benchmarkingin hyödyntämistä,
· prosessien ja osaprosessien hallintaa ja niiden tehostamista ja
· yhteistyön ja urakoinnin hyödyntämistä.
Maitotilaa kehitettäessä on tiedostettava, että jonkin yksittäisen maitotilan parhaat ratkaisut
eivät aina ole sellaisenaan siirrettävissä toisille tiloille, koska mm. tilusrakenne-, maalajit,
yhteistyömahdollisuudet ja työvoimakysymykset eroavat toisinaan suuresti. Jokaisen maidontuottajan on haettava itselleen sopivimmat ratkaisut. Myös tämän tutkimuksen tuloksia
hyödynnettäessä tuottavuus- ja tehokkuuslukuja siirrettävyyden ongelma on tiedostettava.
Lopuksi
Markkinaohjautuvuuden lisääntymisen myötä tehokkuusvaatimus maitotiloilla kasvaa ja
tuottavuuskehityksen hyödyntäminen on välttämätöntä. Tuottavuuden parantaminen onkin
maidontuottajan pitkän aikavälin keskeisin keino kannattavuuteen vaikuttamiseksi. Tällaisessa toimintaympäristössä strategisen suunnittelun ja johtamisen merkitys korostuu. Jokaisen maidontuottajan on selvitettävä omista lähtökohdistaan, miten yritystoiminnan tehokkuutta, tuottavuutta ja kannattavuutta pyrkii parantamaan. Yhteistyömahdollisuudet
kannattaa selvittää perusteellisesti. Tuloksista hyötyvät eniten maidontuottajat, jotka ovat
valmiita muuttamaan toimintatapojaan.
Jatkotutkimuksissa, kun tarkastelua tehdään liiketalouden näkökulmasta, kvantitatiivinen ja
kvalitatiivinen tutkimus tukevat toisiaan, sillä niillä saadaan toisiaan täydentävää tietoa.
Tehokkuus- ja tuottavuuserojen ja niiden syiden tutkiminen pelkästään kvantitatiivisesti on
haastavaa, koska niihin vaikuttaa runsas joukko taustamuuttujia, jotka eivät suoraan ole
kvantitatiivisesti mitattavissa. Aineiston satavuus ja käytettävyys asettavat omia rajoitteitaan. Siksi tarvitaan myös yrityskohtaisia analyyseja kokonaiskuvan tarkentamiseksi.
Lähteet
Darku, A.B., Malla, S. & Tran, K.C. 2013. Historical review of agricultural efficiency
studies. Univ. of Lethbridge, Lethbridge, AB, Canada.
Kelly, E., Shalloo, L., Geary, U., Kinsella, A. & Wallace, M. 2012. Application of data
envelopment analysis to measure technical efficiency on a sample of Irish dairy farms.
Irish Journal of Agricultural and Food Research 51, 63–77.
Laitila, E., Ryhänen, M., Närvä, M., Sipiläinen, T., Heiskari, M., Jokiaho, S., Ketola J.,
Kämäräinen, S., Känsäkoski, H., Palo, A. & Pieviläinen, A. 2012. Verkostomainen yrittä-
84
minen. Teoksessa: M. Ryhänen & E. Laitila (toim.) Yhteistyö ja resurssit maitotiloilla.
Verkostomaisen yrittämisen lähtökohtia ja edellytyksiä. Seinäjoki: Seinäjoen ammattikorkeakoulu. Seinäjoen ammattikorkeakoulun julkaisusarja B. Raportteja ja selvityksiä. 59,
91−134.
Laitila, E., Ryhänen, M. & Sipiläinen, T. 2012. Toimintolaskenta suunnittelun apuvälineenä. Teoksessa: M. Ryhänen & E. Laitila (toim.) Yhteistyö ja resurssit maitotiloilla. Verkostomaisen yrittämisen lähtökohtia ja edellytyksiä. Seinäjoki: Seinäjoen ammattikorkeakoulu. Seinäjoen ammattikorkeakoulun julkaisusarja B. Raportteja ja selvityksiä. 59, 135−162.
Laitila, E., Ryhänen, M., Närvä, M., Sipiläinen, T. & Rajakorpi, J. 2014. Yhteistyö ja verkostomainen toimintatapa maidontuotannossa. Teoksessa: M. Ryhänen & E. Laitila (toim.)
Yhteistyö- ja verkostosuhteet. Strateginen tarkastelu maidontuotantoon sovellettuna. Seinäjoen ammattikorkeakoulun julkaisusarja A. Tutkimuksia. 19, 18−78.
Niskanen, O. 2012. Maitotilojen talouden kehitys vuosina 2000–2010 - Investointien näkökulma. Maisterintutkielma. Helsingin yliopisto. Taloustieteen laitos.
Niskanen, O. & Lehtonen, E. 2014. Maatilojen tilusrakenne ja pellonraivaus Suomessa
2000-luvulla. MTT Raportti 150, 1−27.
Ryhänen, M. & Laitila, E. (toim.) 2012. Yhteistyö ja resurssit maitotiloilla. Verkostomaisen yrittämisen lähtökohtia ja edellytyksiä. Seinäjoen ammattikorkeakoulun julkaisusarja
B. Raportteja ja selvityksiä 59, 1−175.
Ryhänen, M. & Laitila, E. (toim.) 2014. Yhteistyö ja verkostosuhteet. Strateginen tarkastelu maidontuotantoon sovellettuna. Seinäjoen ammattikorkeakoulun julkaisusarja A. Tutkimuksia 19, 1−204.
Sipiläinen, T., Ovaska, S. & Ryhänen, M. 2012. Tuottavuus, tehokkuus ja taloudellinen
tulos eteläpohjalaisilla maitotiloilla. MTT raportti 78, 9−41. Viitattu 15.12.2014
http://www.mtt.fi/mttraportti/pdf/mttraportti78.pdf.
Stokes, J.R., Tozer, P.R. & Hyde, J. 2007. Identifying efficient dairy producers using data
envelopment analysis. Journal of Dairy Science 90, 2555–2562.
Viitala, R. & Jylhä, E. 2006. Liiketoimintaosaaminen. Menestyvän yritystoiminnan perusta. Helsinki: Edita.
Taloustieteen laitoksen selvityksiä:
Nro.
64.
65.
66.
67.
68.
69.
70.
71.
72.
73.
74.
75.
76.
77.
78.
79.
80.
Riikka Sievänen (2011). Contribution to Global Environmental Governance? Viewpoint from Pension
Funds and United Nations Responsible Investment.
Petri Ollila, Saara Hyvönen, A. Lindblom & R. Olkkonen(2011). Category Management (CM) på
svenska livsmedelsmarknader.
B. Hutniczak & Pedro Pintassilgo (2011). Bioeconomic modelling of salmon fisheries: a survey.
Ollila, Petri, A. Kiviluoma, K. Erola, M. Käyhty & S. Kivinen (2011). Lähiruoka - pientuottajat ja kuluttajat
toisiaan etsimässä - Tutkimuksia lähiruuan jakelun nykytilasta.
Marjo Latva-Kyyny (2011). Yrittäjyyden ja resurssien käytön muutokset eteläpohjalaisilla maitotiloilla
2000-luvun alussa.
Vesa Kuittinen (2011). "Aivan sama vaikkei ne olis edes pelannut" - Jalkapallo elämyskulutuksen
kohteena.
Juhani Hutri, Minna Autio & Marko Lindroos (2011). Kuluttajat asiakkaina, mediaesityksinä,
vastuullisina ja elämysten etsijöinä - Artikkeleita kuluttajaekonomian opinnäytetöistä vuosilta 2010–
2011.
Sanna Uotinen (2011). Luotettavaa tietoa ja merkityksellisiä valintoja – Kuluttajien ympäristövastuullista
järkeilyä ilmastonmuutoksesta ja ohjausjärjestelmien hyväksyttävyydestä.
Juhani Hutri (2011). Sähköauto tulee! - Kuluttajien odotuksia sähköautoista.
Susanna Härkönen (2011). "Ihanan överi ja juhlallinen jakku olisi kyllä kiva lisä vaatekaappiin" –
tutkimus kuluttamisesta ja professionalisoitumisesta elämäntyyliblogeissa.
Eliisa Kylkilahti (2012). Toteuttajia, epäonnistujia ja irrottautujia - nuoruuden kulttuuriset ihanteet
omaelämäkerrallisissa teksteissä.
Antti Jaakkola (2012). Viljelijän mahdollisuudet vaikuttaa tulovakuutuksen toimintaan - Kanadan
Business Risk Management –ohjelma.
Susanna Helovuori (2012). Potilas vai terveyspalvelun kuluttaja? - Sähköisellä asioinnilla kohti
roolimuutosta.
Simo Sorri, Minna Autio, Eliisa Kylkilahti & Marko Lindroos (2014) Kuluttaja muuttuvassa
kulutusyhteiskunnassa.
Suvi Nuutinen (2014). Koiranomistajat kulutusvalintoja ja vakuuttamista järkeilemässä: laskelmointia,
rutiinia ja turvanhakuista keskittämistä.
Inkeri Hakala (2014). ”Olen juuri niin tiedostava, kuin minun on varaa olla” – Saksalais- ja
suomalaisnuorten suhde kodin sisustamiseen ja puuhuonekaluihin.
Joakim Piiroinen (2014). Hys! Nyt ollaan museossa – Museotunnelmasta elämyksiin.
ISSN 1455-8211
Helsinki 2015