Methods of analysis and empirical evidence of farm structural change

Abstract

The dissertation aims to develop and apply new empirical methods to analyze and model farm structural change. Changes of the farm structure are not only important for the sector itself but may have broader economic, social and environmental consequences for a region. Understanding this process is important for assessing the impact of (agricultural-) policies. <br /> A common approach to analyze farm structural change are Markov chains. The dissertation provides a Bayesian estimation framework that allows to more consistently and transparently combine individual and aggregated data in the estimation of non-stationary Markov models compared to existing methods. It is shown that the data combination improves precision and numerical stability of the estimation. Building on this, a Bayesian prediction framework for EU farm structural change is developed exploiting the available information more fully.<br /> Secondly, farm interdependences and their importance for farm structural change are analyzed. It is argued that the assumption of independence between farm behavior as implied by the Markov approach may become problematic in specific applications. Empirical evidence is provided that these interactions are indeed important to consider for a consistent aggregation of farm level results when assessing policy effects at regional level. Specifically, it is shown for the case of Norway that it is important to consider neighboring farm characteristics when analyzing the influence of direct payments on farm survival. To the knowledge of the author, the study is the first to show empirically that spatial interdependence at farm level is important for farm structural change. With respect to policy assessment, the results indicate that direct payments a farm receives itself have a positive influence on farm survival while neighboring direct payments have a negative one. For an overall assessment of the policy effects it is thus necessary to consider the interdependencies between farms. Ignoring these interdependencies might lead to an overestimation of the effects of direct payments.

<strong>Analysemethoden und empirische Erkenntnisse zum landwirtschaftlichen Strukturwandel</strong><br /> Ziel der Arbeit ist die Entwicklung und Anwendung von Methoden zur empirischen Analyse und Modellierung des Agrarstrukturwandels. Veränderungen der Agrarstruktur sind nicht allein für den Sektor bedeutend, sondern können weitreichende ökonomische, soziale und ökologische Konsequenzen für eine Region haben. Ein Verständnis des Strukturwandels ist somit wichtig für die Folgenabschätzung (agrar-)politischer Maßnahmen, sowie deren Gestaltung im Hinblick auf konkrete (agrar-)politische Ziele. <br /> Ein häufig verwendeter methodischer Ansatz zur Untersuchung des Agrarstrukturwandels ist die Markowketten-Analyse. In dieser Arbeit wird ein Bayes‘scher Schätzansatz entwickelt, der eine Kombination von einzelbetrieblichen und aggregierten Daten in der Schätzung von nicht-stationären Markowketten erlaubt. Die Datenkombination erfolgt auf eine, im Vergleich zu existierenden Ansätzen, konsistentere und transparentere Weise und es wird gezeigt, dass sie die Präzision sowie die numerische Stabilität des Schätzers erhöht. Darauf aufbauend wird ein Bayes‘scher Ansatz zur Vorhersage des EU Strukturwandels entwickelt, der es erlaubt die verfügbaren Daten besser zu nutzen.<br /> Darüber hinaus befasst sich die Arbeit mit Interdependenzen auf Betriebsebene und deren Bedeutung für den Strukturwandel. Es wird argumentiert, dass sich das Verhalten von Betrieben gegenseitig bedingt und die Annahme einer unabhängigen Entwicklung, wie sie der Markowketten-Analyse zugrundeliegt, zu Problemen führen kann. Es wird empirisch gezeigt, dass die Berücksichtigung von Interdependenzen zwischen Betrieben wichtig für eine konsistente Aggregation der Ergebnisse der Betriebsebene zur Politikfolgenabschätzung auf regionaler Ebene ist. Am Beispiel Norwegens wird gezeigt, dass zur Abschätzung der Effekte von Direktzahlungen die Charakteristika benachbarter Betriebe berücksichtigt werden müssen. Nach Wissen des Autors ist die Arbeit die erste, die empirisch die Bedeutung von Interdependenzen auf Betriebsebene für den Strukturwandel belegt. Mit Blick auf eine Politikfolgenabschätzung zeigen die Ergebnisse, dass Direktzahlungen, die ein Betrieb selbst erhält, einen positiven Einfluss auf das Überleben des Betriebs haben, während Direktzahlungen an benachbarte Betriebe einen negativen Einfluss haben. Zur Abschätzung des generellen Effekts von Direktzahlungen ist es somit notwendig, die Interdependenzen zwischen Betrieben zu berücksichtigen. Werden diese vernachlässigt, kann der Effekt von Direktzahlungen überschätzt werden.