|
Analýza vlivu počasí na posun a tvar produkční hranice
Hřebíková, Barbora ; Čechura, Lukáš (vedoucí práce) ; Peterová, Jarmila (oponent)
Třebaže počasí je signifikantním determinantem zemědělské produkce, v běžné ekonomické analýze není vliv počasí na produkci konkrétně analyzován. Domníváme se, že důvodem je existence metodologického problému, spočívajícího v obtížné formulaci proměnné, která by vliv počasí pro daný účel vhodně reprezentovala. V rámci běžných modelů zemědělské produkce bývá proto počasí zahrnuto do množiny neměřených faktorů ovlivňujících produktivitu zemědělců (statistický šum, chyba odhadu). Disertační práce si klade za cíl odstranit tento metodologický problém a navrhnout způsob, jak vliv počasí definovat v podobě konkrétní proměnné, zahrnout tuto proměnnou ve vhodně specifikovaném modelu a tento model následně aplikovat. Účelem této práce je překlenout rámec empirických poznatků a odvodit ekonometrický model, který by popsal a kvantifikoval vliv počasí jako součást vlivu množiny více faktorů na výslednou produkci. Jinak řečeno, cílem je nalézt zůsob, jak definovat počasí jako jeden z mnoha vzájemně (ne)podmíněných faktorů určujících finální produkci, specifikovat model a aplikovat ho. Disertační práce je založena na předpokladu, že metoda Stochastické hraniční analýzy (SFA) představuje potenciální možnost jednat s počasím jako se specifickým (i když ne manegementem firmy kontrolovatelným) faktorem produkce, resp. technické efektivnosti. SFA je parametrická metoda založená na ekonometrickém přístupu. Jejím východiskem je definice stochastické hraniční produkční funkce. Metoda byla představena v práci Aignera, Lovella a Schmidta (1977) a Meusen a van den Broecka (1977). Oproti běžně používaným ekonometrickým modelům produkce je SFA založena na analýze produkční hranice, tvořené deterministickou produkční hraniční funkcí a složenou chybou odhadu. Složená chyba odhadu je přitom tvořena 2 prvky - náhodnou složkou (chyba odhadu, statistický šum) a technickou neefektivností, představující rozdíl ve skutečné úrovni produkce daného producenta a maximální dosažitelnou (možnou) úrovní daného producenta, které by bylo dosaženo v případě, že by producent využil konkrétní kombinaci produkčních faktorů maximáně technicky efektivně. Postupem času byla rozvíjena o řadu aspektů - viz v čase variantní a invariatní neefektivnosti, heteroskedasticita, meřená a neměřená heterogenita. Spolu s DEA se SFA stala upřednostňovanou metodologií v oblasti výzkumu hranice produkčních možností a analýzy produktivity a efektivnosti v zemědělství, v poslední době ji aplikovali například Bakusc, Fertő a Fogarasi (2008) Mathijs a Swinnen (2001), Hockmann a Pieniadz (2007), Bokusheva a Kumbhakar (2008) a Čechura a Hockmann (2011), Hockmann a kol.(2007), Čechura a kol. (2014 a, b), aj. Předpokládáme, že vlivy počasí by měly být analyzovány z hlediska jejich vztahu k technické efektivnosti, namísto konvenčního zahrnutí těchto vlivů do statistického šumu. Implementace počasí do deterministické části produkční funkce namísto zahrnutí do statistického šumu, je výraznou změnou v metodickém postupu v rámci stochastické hraničního analýzy. Analýza dopadů počasí na změny v úrovni TE nebyla dosud v související literatuře výrazně zaznamenána a je tedy považována za hlavní přínos této práce pro současnou teorii odhadu produkční hrancie, resp. technického efektivnosti v oblasti zemědělství. Zohlednění dalších proměnných, které jsou významné pro daný vztah a jejichž začlenění by mohlo zvýšit vypovídací schopnosti modelu bylo součástí cíle této práce. Při fomulaci modelů i závěrečné diskuzi nad výsledky odhadů tak byl brán zřetel na možný efekt heterogenity. V práci jsou nejprve definovány a diskutovány možné způsoby zahrnutí vlivů počasí do modelu produkční hranice. Zhodnocení možností zahrnutí vlivů počasí do těchto modelů se opírá o teoretický rámec vývoje stochastické hraniční analýzy, definující pojem technické efektivnosti, teorii distančních funkcí, torii stochastické produkční funkce a metodiku přístupů a technik SFA, které jsou relevantní pro účely disertační práce. Poté je analyzován vliv počasí na posun a tvar produkční hranice a technické efektivnosti v případě produkce obilovin v České republice v rámci osmileté časové řady, 2004-2011. Analýza pracuje s předpokladem, že existují dva různé způsoby, jak definovat proměnné reprezentující vlivy počasí. Jedním způsobem je použití konkrétních klimatických údajů, které přímo popisují stav počasí. V případě této disertační práce byly zvoleny proměnné průměrná teplota (AVTit) a plošný úhrn srážek (SUMPit) v období mezi setím a sklizní obilovin (za daný hospodářský rok) v jednotlivých krajích ČR (vypočtené z údajů o průměrných měsíčních teplotách a měsíčních plošných úhrnech srážek v jednotlivých krajích ČR získaných z databáze CHMU). Nebo lze definovat umělou (proxy) proměnnou, která bude vliv počasí reprezentovat. V případě této práce byl aplikován tzv. klimatický index (KITit), vypočtený jako suma vážených podílů skutečných výnosů obilnin a výnosů aproximovaných lineární trendovou funkcí, vážený zastoupením konkrétní obiloviny v celkovém portfoliu obilovin v daném kraji (výnosy a váhy byly vypočtené z údajů o úrovních krajské produkce v jednotlivých letech a osevních plochách jednotlivých obilovin na úrovni krajské produkce, získaných z veřejné databáze CZSO). Oba způsoby mají své výhody i nevýhody. Konkrétní klimatické jevy jsou velice přesnou specifikací počasí jako takového. Nicméně, aby se projevil jejich vliv na produkci, musí být vhodně implementovány do modelu ve zájemné interakci s dalšími faktory. Oproti tomu klimatický index v sobě sice nezahrnuje přímo konkrétní charakteristiku počasí, nicméně, vztahuje počasí přímo k výsledné produkci (je definován na základě předpokladu, že vliv počasí na produkci je příčinou odchylek produkce od trendu). Analýza je aplikována na panelová data, obsahující informace o individuální produkci celkem 803 producentů specializovaných na produkci obilovin, vykazujících minimálně 2 roky z celkové 8-mi leté časové řady. Specializace je definována minimálně 50-ti procentním podílem produkce obilovin na celkové rostlinné produkci daného producenta. Finální nevyrovnaný panel dat je tvořen celkem 2332 pozorováními. Každému z producentů je přiřazena hodnota proměnné AVTit, SUMPit a KITit na základě jeho místní příslušnosti ke konkrétnímu kraji. Modely jsou definovány jako stochastické hraniční modely zachycující vliv heterogenity, do nichž je počasí v navržených formulacích implementováno. Cílem je identifikovat vliv počasí na posun a tvar produkční hranice. Prostřednictvím takto definovaných modelů je odhadnuta produkční technologie a technická efektivnost. Předpokládáme, že navrhované zahrnutí počasí do modelů povede k vyšší vypovídací schopnosti definovaných modelů, jako důsledku extrakce vlivů počasí z náhodné složky modelu, respektive s množiny neměřitelných faktorů způsobujících heterogenitu vzorku. Pro odhad technické efektivnosti byly aplikovány dva typy modelů - Fixed management model (FMM) a Random parameter model (RPM). Modely jsou definovány jako translogaritmická multiple-output distanční funkce. Analyzovanou endogenní proměnnou je produkce obilovin v monetárním vyjádření (tis. EUR). Další dva výstupy, ostatní rostlinná produkce (v tis. EUR) a živočišná produkce (v tis. EUR), vyjádřené jako podíl na produkci obilovin vystupují na pravé straně rovnice spolu s exogenními proměnnými (produkčními faktory) práce (v AWU), použitá půda (v ha), kapitál (odpisy investičního majetku podniku a najatá, zpravidla strojní, práce v tis. EUR), specifický materiál (příme náklady na osivo, sadbu, pesticidy, hnojiva a prostředky na ochranu obilnin v tis. EUR) a ostatní materiál (v tis. EUR). Hodnoty výstupů, kapitálu a materiálových vstupů jsou deflovány podle cenových indexů EUROSTATu (2005=100). Heterogenita v Random parameter modelu je zahrnuta v náhodných parametrech a v determinantech rozdělení technické efektivnosti. Všechny produkční faktory jsou defnovány jako náhodné proměnné, vliv počasí v podobě KITit vstupuje do průměru technické efektivnosti a představuje tak možný zdroj neměřené heterogenity vzorku producentů. Heterogenita ve Fixed management modelu je definována jako speciální faktor, představující neměřené firemně specifické efekty, m. Tento faktor představuje neměřenou mezipodnikovou heterogenitu a vstupuje do modelu v interakci s ostatními produkčními faktory i s časovým vektorem, reprezentujícím vliv technologické změny. Vliv počasí ve formě proměnných AVTit a SUMPit je spolu s ostatními produkčními faktory extrahováno z množiny firemně specifických efektů a numericky vyčíslen, čímž se z něj stává faktor měřené mezipodnikové heterogenity. Oba typy modelu byly odhadnuty také bez zahrnutí vlivů počasí a sloužily jako srovnávací základna pro posouzení efektu specifikace vlivu počasí na posun a tvar produkční hranice v konkrétním modelu. Pro snažší interpetaci výsledných odhadů jsou modely pojmenovány následovně: FMM je model typu FMM bez specifikovaných vlivů počasí, model AVT je model typu FMM zahrnující vliv počasí v podobě průměrných teplot v kraji v daném vegetačním období (hospodářském roku), SUMP je model zahrnující vliv počasí v podobě úhrnu srážek v kraji za dané vegetační období (hospodářský rok), model RPM je model typu RPM bez specifikovaného vlivu počasí, model KIT je model typu RPM zahrnující vliv počasí vypočtených jako klimatický index (KITit). Všechny navržené modely splnily specikační předpoklady. Podmínky monotocity a kvazikonvexity jou splněny u všech odhadnutých modelů pro všechny produkční faktory, s vyjímkou produkčního faktoru kapitálu u modelů FMM, KIT, AVT i SUMP. Nesplnění podmínky kvazikonvexity u kapitálu narušuje specifikační předpoklady, nicméně, vzhledem k tomu, že kapitál je v odhadu parametrů prvního řádu nesignifikantní, není nutné považovat model za špatně specifikovaný. Všechny odhadnuté modely dávají stejný výsledek, který je zároveň naprosto konzistentní s ekonomickou teorií. Porušení podmínky kvazikonvexity u kapitálu ukazuje na možnou přítomnost dalšího faktoru, který působí kontraproduktivně vůči působení kapitálu. Cechura a Hockmann (2014) zmiňují nedokonalosti na trhu s kapitálem jako pravděpodobnou příčinu neadekvátního využití kapitálových zdrojů ze strany zemědělců ve vztahu k předpokládanému technologickému rozvoji. Nesignifikantní vliv kapitálu je zřejmě důsledkem nevhodné specifikace proměnné. Kapitál, definovaný jako odpis investičního majetku a suma najaté, zejména strojní, práce, v sobě totiž zahrnuje veškeré kapitálové prostředky a nikoliv pouze prostředky, vztahující se k produkci obilovin. Váha kapitálu se, tudíž, neodrazí ve výsledné hodnotě produkce obilnin v takové míře, aby byla statisticky významná. Kromě kapitálu jsou v souladu s ekonomickou teorií jsou ve všech odhadnutých modelech všechny produkční faktory signifikantní na hladině významnosti =0,01. Nejvyšší elasticitu vykazují produkční faktory materiál a specifický materiál, a to u všech odhadnutých modelů RPM i FMM, včetně modelů bez zahrnutí vlivů počasí. Hodnota produkční elasticity specifického materiálu se pohybuje v rozmezí 0,29-0,38, nejvyšší hodnota produkční elasticity je odhadnuta v modelu RPM s KITit v rozdělení TE, nejnižší v modelu FMM s AVTit reprezentujícími vliv počasí na TE. Produkční elasticita ostatního materiálu je ještě vyšší, s hodnotou v rozpětí 0,40-0,47 s nejvyšší hodnotou v odhadu modelu AVT a nejnižší v odhadu modelu KIT. Nejnižší hodnotu produkční elasticity vykazují produkční faktory práce a půda. Produkční elasticita práce dosahuje v jednotlivých modelech hodnoty 0,006-0,129 a produkční elasticita půdy hodnot mezi -0,114 a 0,129. Všechny odhadnuté modely dávají obdobný výsledek a korespondují s teoretickým předpokladem o elasticitě výrobních faktorů - vysoká hodnota odhadnutých parametrů u materiálu odráží přirozeně vysokou produkční elasticitu "materiálových" vstupů, zatímco nejnižší hodnoty odhadnutých parametrů u produkčního faktoru půdy korespondují s předpokladem, že z ekonomického hlediska je půda považována za produkční faktor s nízkou produkční elasticitou. Relativně nízká produkční elasticita je vysvětlena jako důsledek nižší pracovní náročnosti sektoru obilovin oproti ostatním sektorům. Produkční elasticita vlivů počasí je signifikantní v případě obou proměnných - ve hodnota průměrné teploty za vegetační období v daném regionu, AVTit, je signifikantní, značně vysoká a rovna 0,3691, což ji řadí na úroveň elasticit u faktorů materiálu. Produkční elasticita proměnné SUMPit je také signifikantní s hodnotou rovnou 0,1489. Oproti produkční elasticitě vlivů počasí ve formě průměrných ročních teplot, je nižší. V obou případech hodnota parametru ukazuje na signifikantní, pozitivní vliv počasí na produkci obilnin. Suma odhadnutých produkčních elasticit je ve všech modelech blízko hodnotě=1, což, indikuje konstantní výnosy z rozsahu, RS (RSRPM=1,0064, RSKIT=0,9738, RSSUMP =1,00002, RSFMM= 0,9992, RSAVT=1,0018.). Výsledek všech modelů tak koresponduje se závěrem Cechury (2009) a Cechury a Hockmanna (2014) o konstantních výnosech z rozsahu u českých producentů obilnin. Vzhledem k tomu, že hodnota RS je vypočtena jako suma produkčních elasticit výrobních faktorů, tj. bez proxy proměnných (AVTit, SUMPit), je téměř identický výsledek všech tří FMM modelů potvrzením správnosti specifikace modelu. Nepatrné rozdíly v hodnotách RS jsou výsledkem odchylek v odhadech jednotlivých parametrů. Hodnocen byl také význam technologické (někdy nazývané technické) změny, TCH. Pojem technologické změny (TCH) zahrnuje změny v technologii produkce v průběhu sledovaného období. Předpokládá se, že v čase dochází ke zlepšení technologie produkce. U všech odhadnutých modelů byl prokázán signifikantní vliv TCH na výslednou produkci.Všechny 3 odhadnuté FMM modely shodně indikují pozitivní a v čase se zvyšující signifikantní vliv technologických změn na výslednou produkci. Výsledky odhadu RPM modelu dávají rozporuplný výsledek - pro model s KITit ukazují odhadnuté hodnoty na negativní technologickou změnu, která se však s časem zpomaluje (deceleruje), zatímco RPM model bez specifikovaných vlivů počasí indikuje pozitivní, ale opět v čase decelerující vliv TCH. Lze konstatovat, že bez zahrnutí vlivu počasí, může mít faktor počasí vliv na výsledek odhadnutého směru technologické změny. V případě, že se zahrne počasí do modelu, je tento vliv odfiltrován a technologická změna se ukazuje jako negativní. Zároveň, jak bude uvedeno dále v textu, model RPM podhodnocuje odhad technické efektivnosti, tudíž i odhad vlivu TCH může být zkreslen. Vliv vývoje technologií na produkční elasticity jednotlivých výrobních faktorů, (tzv. biased TCH), se v modelech typu FMM projevuje v odhadnutých hodnotách parametru definujícího interakci produkčních elasticit a časové proměnné. Hypotéza o časové invarianci parametrů (Hicksova neutrální technologická změna) spojených s produkčními faktory se zamítá pro všechny modely, s výjimkou modelu AVT. U modelů FMM a SUMP se tak potvrzuje předpoklad baised technological change v čase. Ta je u modelů FMM a SUMP úsporná na materiál a náročná na specifický materiál. V případě modelu s počasím reprezentovaným proměnnou AVTit se technologická změna nevyznačuje statistickou významností ve vztahu k žádnému z produkčních faktorů. V modelu RPM se zamítnutím této hypotézy potvrzuje signifikance TCH vzhledem k výsledné produkci. Nesignifikantní vliv zlepšení technologie produkce na produkční elasticity práce, půdy a kapitálu ukazuje na všeobecně nízkou schopnost zemědělců reagovat na technologický rozvoj, která může být vysvětlena dvěma důvody. Prvním důvodem jsou možné komplikace v přizpůsobení se podmínkám společného zemědělského trhu EU (např. nejsou zde vytvořeny dostatečné podmínky na domácím trhu, které by usnadňovali zemědělcům integraci do EU). Toto vysvětlení je postaveno na závěru Cechury a Hockmanna (2014), kteří vysvětlují skutečnost, že TCH je v řadě zemí EU (včetně ČR) v kapitálu úsporná, namísto očekávané kapitálové náročnosti, a že některé země EU se dokonce vykazují záporným vlivem TCH, existencí problémů na kapitálovém trhu a nedostatečné integraci. Druhou možností je skutečnost, že se pravděpodobně ještě nestačila projevit značná finanční podpora zemědělského sektoru, která by měla vést k vytvoření podmínek nutných pro přijetí technologického rozvoje. V obou případech pak zemědělci nemají dostatečné podmínky nutné pro využití možností představovaných rozvojem v technologii produkce, což se v modelu projeví nízkou či nulovou signifikancí biased TCH. Vlivy počasí nejsou v signifikantním vztahu k technologickým změnám v ani jednom z případů. Oba typy modelů, FMM i RPM, byly hodnoceny ve vztahu k podchycení vlivů mezipodnikové heterogenity. Všechny odhadnuté náhodné parametry u obou definovaných RPM modelů jsou statisticky významné s výjimkou produkčního faktoru kapitál v modelu nezahrnujícím vliv počasí (model RPM). Výsledek odhadu je důkazem o přítomnosti měřené mezipodnikové heterogenity. Odhadnutý parametr proměnné KITit (0,0221) ukazuje na signifikantním pozitivní vliv počasí na rozdělení TE. Potvrzena je tedy také heterogenita ve vztahu k TE a především signifikantní vliv počasí na velikost TE. Management, resp. produkční prostředí (heterogenita), je signifikantní ve všech třech FMM modelech. U modelů zahrnujících vlivy počasí (modely AVT a SUMP) hodnoty parametru ukazují na pozitivní, nepatrně se snižující vliv managementu, resp. heterogenity na výslednou produkci. Oproti tomu model bez specifikovaných vlivů počasí, FMM, má hodnoty parametru managementu rovněž signifikantní, nicméně vliv je záporný a v čase se zpomaluje. V případě zahrnutí vlivů počasí ve formě AVTit, resp. SUMPit, do modelu se tedy významně mění směr vlivu managementu (heterogenity) na produkci obilnin ve výsledném modelu. Ve všech třech FMM modelech se také na základě signifikance parametru managementu potvrzuje statisticky významnou přítomnost neměřené mezipodnikové heterogenity analyzovaného vzorku. Co se týče vlivu mezipodnikové heterogenity na produkční faktory (tzv. management bias), lze konstatovat, že v případě modelu bez vlivů počasí heterogenita zvyšuje produkční elasticitu půdy a kapitálu a snižuje elasticitu u materiálu. Oproti tomu v modelu zachycujícím vliv klimatu má zvýšení heterogenity za následek snížení produkční elasticity půdy a kapitálu a zvýšení produkční elasticity u materiálových vstupů. Vliv mezipodnikové heterogenity na produkční elasticitu práce je nevýznamný u všech FMM modelů. Ve všech třech případech má přítomnost mezipodnikové heterogenity největší vliv na produkční elasticitu materiálu a překvapivě také na produkční elasticitu půdy. Přitom v případě modelu bez vlivů počasí případná mezipodniková heterogenita zvyšuje produkční elasticitu půdy, zatímco v modelech AVT a SUMP zvýšená heterogenita výrazně snižuje produkční elasticitu půdy. Zároveň lze konstatovat, že samotná elasticita půdy je u všech definovaných FMM modelů nízká, ale heterogenita elasticitu půdy značně zvyšuje u FMM, a naopak výrazně snižuje u AVT a SUMP. V modelech AVT a SUMP je v důsledku extrahování vlivů počasí z neměřené mezipodnikové heterogenity je její vliv na produkční elasticitu půdy negativní. Lze konstatovat, že ponechání vlivů počasí v efektech neměřené podnikové heterogenity nadhodnocovalo pozitivní vliv neměřené heterogenity na produkční faktor půda v modelu FMM. Vůči vlivům počasí se management v modelu SUMP nevykazuje statisticky významným vlivem, zatímco na vlivy počasí reprezentované průměrnou teplotou, AVT, má management signifikantně negativní vliv s hodnotou rovnou -0.0622**. Zároveň lze říci, heterogenita se projevuje v negativním vztahu k vlivům počasí reprezentovaných průměrnou teplotou, zatímco vlivy počasí reprezentované úhrnem srážek (SUMPit) se nevykazují signifikantním vztahem k neměřené mezipodnikové heterogenitě, tedy jejich efekt ve výsledné heterogenitě je stejně tak jako vliv nárůstu heterogenity na produkční elasticitu práce nevýznamný. V porovnání s modelem bez zahrnutí vlivů počasí má v modelu zachycujícím vliv klimatu zvýšení heterogenity opačný efekt na produkční elasticity jednotlivých výrobních faktorů. V porovnání s modelem, kde je vliv počasí reprezentován průměrnou teplotou za dané vegetační období (model AVT), je vliv managementu (resp.heterogenity) v modelu SUMP větší v případě produkčního faktoru kapitál, zatímco v případě půdy a materiálu se lehce snižuje. Technická efektivnost je signifikantní ve všech odhadnutých modelech. Variabilita efektů neefektivnosti je větší než variabilita náhodné složky jak v modelech nespecifikujících vlivy počasí, tak v modelech zahrnujících tyto vlivy. Průměrná hodnota TE v modelech typu RPM dosahuje značně nízké hodnoty (54%), z čehož lze usoudit, že modely podhodnocují odhad TE a (některé proměnné) nebyly proto pro účely analýzy TE vhodně formulovány, resp. nebyl vhodně zvolen typ rozdělení náhodné proměnné reprezentující neefektivnost. Všechny modely FMM dávají obdobný výsledek odhadu TE (odhadnutá průměrná TE se pohybuje okolo 86-87 %), se velice podobnou hodnotou variability TE (cca 0,5%). Vliv změn technologie výroby (TCH) na TE se v modelu bez specifikovaných vlivů počasí projevuje pozitivně (0,0140***), u FMM modelů zahrnujících klimatické vlivy působí změny v technologii výroby vzhledem k TE negativním směrem (-0.0135*** pro model AVT, a -0.0114*** pro model SUMP). Lze vyvodit závěr, že v modelu bez zahrnutí počasí dochází ke zkreslení odhadu role technologické změny, jelikož odhadnutý parametr v sobě zahrnuje i systematický vliv počasí v analyzovaném období. Vliv neměřené heterogenity na TE se projevuje signifikantně ve všech třech modelech. V modelu AVT a SUMP má neměřená mezipodniková heterogenita pozitivní dopad na TE (model AVT= 0.1413 a model SUMP=0,1389), zatímco v modelu bez vlivů počasí (FMM) management (heterogenita) snižují úroveň TE (model FMM =0,1378). Počasí je v případě modelů AVT a SUMP extrahováno z neměřené heterogenity (spolu s ostatními produkčními faktory je tedy zahrnut do determinantů měřené heterogenity). Extrakce počasí z neměřené heterogenity vede ke změně z negativního vlivu heterogenity, zahrnující vliv počasí, na TE (model FMM) na pozitivní (modely AVT a SUMP). Přímý vliv počasí na TE je signifikantní pouze v případě specifikace AVT. Počasí v podobě průměrných teplot v období od setí do sklizně působí na velikost TE negativně, tj. snižuje TE (-0.0622**). Počasí definované úhrnem srážek se nevyznačuje statisticky významným vlivem na úroveň TE. Zahrnutím vlivů počasí se tedy významně mění směr vlivu managementu na produkci obilnin ve výsledném modelu i směr vlivu managementu na produkční elasticity jednotlivých výrobních faktorů. Analogicky s případem vlivu heterogenity na produkční elasticitu půdy je konstatováno, že počasí (zahrnuté v neměřené mezipodnikové heterogenitě) hrálo roli v podhodnocování vlivu heterogenity na celkovou produkci obilnin a zároveň také, že nevyjmutí vlivů počasí z neměřené mepodnikové heterogenity hrálo roli v podhodnocování vlivu heterogenity na TE. Na základě těchto výsledků a výsledků odhadu průměrné TE (a její variability) lze konstatovat, že efekt zahrnutí počasí neměl zásadní přímý vliv na hodnotu průměrné TE, nicméně, jeho vliv na TE a výslednou produkci se projevil prostřednictvím vlivu heterogenity, z níž byl v důsledku specifikace v podobě AVTit a SUMPit vyňat. Výsledky analýzy potvrzují, že vliv počasí na posun a tvar produkční hranice a TE je možné specifikovat a numericky vyjádřit. Indikují také, že počasí snižuje úroveň TE a je důležitým zdrojem neefektivnosti českých producentů obilnin. Byl navržen způsob, jak počasí definovat do modelu stochastické hraniční funkce, čímž byl splněn cíl disertační práce. Z výsledných odhadů vyplývá, že neměřená mezipodniková heterogenita je důležitým znakem českého zemědělství a identifikování jejích zdrojů by mělo být kritické pro zajištění lepšího výkonu zemědělské produkce. Byl tedy potvrzen předpoklad, že mezi jednotlivými producenty existují signifikantní rozdíly v technologii produkce, tj. mezipodniková heterogenita je signifikantní charakteristikou producentů obilnin. V důsledku extrahování počasí ze zdrojů neměřené mezipodnikové heterogenity se ukazuje skutečný vliv heterogenity a skutečný vliv počasí na TE. Kdyby vlivy počasí nebyly zahrnuty do modelu, docházelo by k nadhodnocování TE. Model definovaný jako translogaritmická multiple-output distanční funkce je vhodnou specifikací vztahu mezi počasím, TE i celkovou produkcí obilnin. Analýza také odhalila, že RPM model není vhodným nástrojem pro odhad vlivů počasí definovaných v indexovém vyjádření (klimatický index), protože jeho odhad podhodnocuje TE. Problém může být způsoben nevhodnou definicí některých proměnných, či nesprávným předpokladem o rozdělení neefektivnosti. Na druhou stranu, FMM je dobrý nástroj pro identifikaci vlivů počasí definovaných v konkrétních klimatických údajích na TE a na posun a tvar produkční hranice českých producentů obilnin. Výsledky odhadů tak potvrzují předpoklad o důležitosti specifikování vlivů počasí v modelech analyzujících úroveň TE rostlinné produkce. Specifikací vlivu počasí na výslednou produkci bylo počasí vyčleněno z množiny neměřených faktorů, způsobujících mezipodnikovou heterogenitu. Tento metodický krok pomůže zpřesnit odhad technologie a zdrojů neefektivnosti (respektive skutečné neefektivnosti). Zvyšuje se tím pádem vypovídací schopnost modelu a celkově se zpřesňuje odhad TE. Disertační práce splnila svůj účel a přinesla důležité poznatky o vlivu počasí na úroveň TE, o vztahu počasí a neměřené mezipodnikové heterogenity, o vlivu počasí na dopady technologických změn, a tím i efektu specifikace počasí na posun a tvar produkční hranice. Byl navržen model, který je vhodnou aplikací k definování těchto vztahů. Umístění počasí do deterministické části funkce produkční hranice, namísto do statistického šumu, představuje výraznou změnu v metodickém postupu v rámci stochastické hraničního analýzy a vzhledem ke skutečnosti, že analýza dopadů počasí na úrovneň TE takového rozsahu nebyla dosud v související literatuře zaznamenána, lze výsledek disertační práce považovat za značný přínos pro současnou teorii odhadu technického efektivnosti v oblasti zemědělství. Disertační práce byla vypracována v souvislosti s řešením 7th FP EU project COMPETE no 312029.
|
|
Recovering of Company's Website
Lang, Michal ; Lohr, Václav (vedoucí práce) ; Martin, Martin (oponent)
Summary
Small business operating in villages usually face the problem of lack of customers,
especially if they offer luxury products. The budget of such companies is often limited
and therefore they cannot afford an expensive advertising. The company website is one of the few
solutions that can get customers from outside the rural areas and thus create new business
opportunities and increase revenues of such companies. The main goal of the thesis is to attract
customers to a company website and thus help small businesses seeking customers in their difficult
situation. The theoretical part starts with the basics. It describes what systems are suitable for
different kind of web pages and the main part is focused on factors that influence an overall website
performance.
The second part shows how to achieve the stated goal on an example of a small joinery
company Atyp truhlářství Lang. The company is present on the Internet since April, 2009. The
work with a real website allows to compare results before and after the changes implementation.
The practical part starts with an analysis of the original website. It determines strengths and
weaknesses of the web and it provides suggestions for improvement. After this, the academic work
deals with the implementation of suitable factors. The final chapter evaluates the original and new
version of the site and represents how the made changes are reflected in the site traffic.
Keywords
Website design, SEO, on-page factors, off-page factors, CMS, Content Management
Systems, increase site traffic
Objectives and Methodology
The main objective of diploma thesis is to increase the website traffic, its attractiveness for
customers and thus help small companies located in rural areas to get new clients. The first part
helps to achieve the stated goal by dealing with aspects influencing the overall web page
performance and also provide basic knowledge related to the website design. Consequently, the
sub-objective of this part is an identification of factors that significantly affect the site traffic. The
second part aims to apply the gained knowledge on an example web page of small company Atyp
truhlářství which faces a problem of a lack of customers. It starts with the analysis of the original
website that shows its strangeness and weaknesses. This will provide an information about possible
improvements. The part of authors own work aims to implement suitable factors from the
theoretical part into the website design. The objective of the final part is to compare the changes
made with the original design and determine if the new site solution has really improved the number
of visits and its attractiveness for customer.
2
The essential information for the masters thesis elaboration were obtained from an analysis
of printed sources as professional books, journals, annual reports and online resources as well.
Statistical data reflecting the original website traffic were extracted from MySQL database. The
new data about number of visitors were already get in friendlier form of Google Analytics outputs.
In addition to that, author also discussed his academic work with website experts and used his own
knowledge acquired during the university studies of information technology.
Results and Conclusion
The website overall performance is greatly influenced by the system on which it operates.
For this reason, the literature review provides an overview about Content Management Systems
and Static Site Generators. There are explained differences between these two approaches to a website design and are given recommendations about what kind of pages are suitable for each
approach. The main part identifies 30 on-page and off-page factors that have a positive or negative
impact on the final website traffic.
The practical part consists an analysis of the examined site. It discovered the following
weaknesses. The positioning is very bad in Search Engine Result Page and it is almost impossible
to find the web without an exact knowledge of the company name or its location. Content can be
considered as extremely poor with overall 279 words only. There were also two technical issues.
The first caused a traffic data loss for the last five years due to exceeding 50MB of MySQL memory
limit. The second was related to plugins deployment that used up the whole PHP memory limit. It
resulted in WordPress strong unstability. The website speed test was disastrous. The small page
size of 762,52kB was loaded for 4,38 seconds. An acceptable result would be less than 2 seconds.
Concerning security, the site did not use secured protocol and the next risk could pose deployed
plugins that are frequent targets of hacker attacks. The used template was not mobile-friendly and
therefore it was difficult to browse the pages on mobile device. In addition to that the graphical
appearance had a low attracting power, it was not able to adequately impress the customers. The
site was visited by an average of 25 people a day in 2011. Furthermore, only 63% of visitors come
from the Czech Republic. Unfortunately, more actual data could not be obtained because of the
data loss. After considering of all mentioned issues above was proposed a complete website
recovery with an implementation of suitable factors from literature review.
The examined website is extremely static without a dynamic content and the frequency of
updates is relatively low. The web pages are managed by a technical contributor and it is the reason
why graphical user interface of CMS is not required. After evaluation of all previous technical,
speed and security issues was selected a static site generator for the website design.
3
The important chapter is represented by implementation of suitable factors that should as a complex lead to an increase of a site traffic. First important factor is a content. The original word
count of 279 words was improved to 1809 words which is 7 times more than in the past. Before
writing the articles, an analysis of relevant terms were made. Those terms are included across the
web content. The new articles are meaningful and they provide product details and customer
reviews. Moreover, the content is structured, there are 9 unordered lists included and main titles
are differentiated by importance. Each page has internal links to other subpages. The text clarity
and an inclusion of relevant terms are equal to a better rank of a page. The number of images has
decreased from 112 original images to selected 42 images on the new website. This is because of
a very bad image quality of most old pictures. The high quality images can cause customer interest
for the product, higher time on site and lower bounce rate. Meta descriptions were implemented
individually for each web page with regard to the page content. The new website was accepted by
a certification authority (CA) and the unsecured Hypertext Transfer Protocol was replaced by
Secured Hypertext Transfer Protocol (HTTPS). It means the site is trustable and secure for
browsing. There are no plugins used and therefore an attack risk is much lower. The template was
tested on 17 screen resolutions. All tests were successful and the site is fully responsive. Almost
33% of customers use some mobile device to browse a web. The current web eliminates the loss
of visitors coming from mobile devices. Furthermore, Google officially announced that secured
and responsive websites get priority. The site speed test had two rounds. The first test can be
considered as very good. The page load time was 842ms and overall page size was 1.1.MB.
Nevertheless, after the compression of large files the site became even faster. The page size
decreased by 30% to 771,6kB and the final load time speed up by 31% to 580ms. Currently, the
website is faster than 96% of all tested domains which is a perfect score. The adjusted site speed is
7,5 times faster than the original speed. No flash, advertisement or other disruptive elements are
available on the web. The web page is newly available on Google+, Pinterest and Twitter. These
factors are able to boost direct page traffic. The design is clean and simple just to avoid leaving
customers confused. The readability is also very good. Combination of black/blue text on the white
background or white text on the black/blue background doesnt cause any readability issues. Social
buttons and a quick company contact is present on each page in header and footer section. Another
change was made in traffic measurement. The website started to use Google Analytics for tracking
visitors. The actual traffic data are more accurate and the possibility of data loss is reduced.
The main goal of diploma thesis was to improve the website traffic. The web page was
measured from 01.12.2015 to 29.02.2016. The average site traffic was 23,0 visits a day in
December 2015. This number reflects the original site traffic which was around 25 visits a day with
a decrease of 8%. The biggest change in traffic development was found between 08.01.2016 to
13.01.2016 when the average site traffic was 77,2 visits a day. Those changes are explained by an
influence of social media. Author has written a post about Atyp truhlářství on Facebook on 8th
January 2016. The post was shared by 8 people and it attracted many people to visit the website.
4
From January 14th to the end of the month, the average daily traffic was 32,3 visits. The last month
was noted slightly higher traffic of 32,6 visits a day. The comparison of data from December 2015
and from February 2016 shows a visible increase in number of visits in February 2016 where the
traffic was higher by 41,7%. There is a positive increasing trend in a number of visits since the
beginning of December 2015. Moreover, majority of visitors 81,3% come from the Czech Republic
and it is a better result than by the original web pages with 62% only.
The recovery of a small joinery website atyptruhlarstvi.cz was successful. It improved the
website traffic and many other aspects as content, speed, security, responsiveness, social media etc.
The web design itself and implemented factors can be considered as crucial elements that influence
the final number of visits. For this reason, the made changes on a web page can really help small
business in rural areas to get new customers. There were also identified factors that affect an overall
website performance with an emphasis on a positive site traffic development. An overview about
different website design approaches is provided as well.
References
SEARCHMETRICS. Search Ranking Factors and Rank Correlations: Understand how the deck
is stacked [online]. San Mateo, 2015. Accessible from: http://www.searchmetrics.com/wpcontent/uploads/Ranking-Factors-2015-Whitepaper-US.pdf
COSTELLO, Vic, Susan A YOUNGBLOOD a Norman YOUNGBLOOD.Multimedia
foundations: core concepts for digital design. New York: Focal press, Taylor & Francis
group, 2013. ISBN 978-0-240-81394-3.
FIELDING, Jonathan. Beginning responsive web design with HTML5 and CSS3 / Jonathan
Fielding. New York, New York: Apress, 2014. Experts voice in Web development. ISBN
9781430266945.
MITCHELL, Melanie. Standing out with Seo: Expert advice from Melanie Mitchell (collection).
United States: FT Press, 2013. ISBN 978-0-13-344320-2.
BROWN, Bruce C. How to build your own web site with little or no money: the complete guide
for business and personal use. Ocala, Fla.: Atlantic Pub. Group, c2010. ISBN 1601383045.
ELMANSY, Rafiq. Search engine optimization. Indianapolis, IN: John Wiley & Sons, Inc., 2013.
Teach yourself visually. ISBN 1118470664.
|