|
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.
|
|
Periodontální onemocnění u psů
Škutová, Šárka ; Barták, Miroslav (vedoucí práce) ; Olekšáková, Tereza (oponent)
Periodontální onemocnění (PO) postihuje závěsný aparát zubu a vzhledem ke své prevalenci se řadí mezi jedno z nejčastěji se vyskytujících onemocnění malých zvířat, a také člověka. Asi nejdůležitější etiologické agens představuje bakteriální plak. Tomu je bez pravidelné péče o chrup umožněna akumulace, díky níž může postupem času dojít k rozvoji zánětu dásní či samotné periodontitis. Znalost anatomických struktur dutiny ústní představuje základní předpoklad pro identifikaci postižených tkání a následnou, zejména chirurgickou léčbu. Anatomie je sama o sobě poměrně rozsáhlá, jelikož je dutina ústní tvořena velkým množstvím tkání a jen její detailní popis by obsáhl minimálně 70 stran. Proto bylo snahou vybrat pouze ty nejzákladnější informace.
Vzhledem ke členění anatomických struktur na kosti, měkké tkáně, slinné žlázy, zuby, jsou jednotlivé složky závěsného aparátu popsány mimo kapitolu ,,periodontium,,. Zde je pak vysvětlena jeho funkce a popis periodontálního ligamentu, který nebyl výše zařazen.
Zvláštní pozornost byla věnována zubům. Určení typu a počtu jednotlivých zubů, znalost jejich struktury a množství kořenů, to vše je důležité pro případnou extrakci zubu. Stejně tak důležitá je znalost označování zubů, zubních vzorců, identifikačních systémů a samotné odontogeneze.
Jako u každého onemocnění je etiologie nezbytnou součástí pro porozumění vzniku dané nemoci. Za iniciační etiologický agens je považován již zmiňovaný bakteriální plak, jež ulpívá na zubní sklovině, a který v závislosti na jednici v různé míře mineralizuje v zubní kámen. Na rozvoji onemocnění se podílejí i další rizikové faktory jako věk, plemenná příslušnost, počet a uspořádání zubů, jejich patologie, strava, ale také některá onemocnění. PO je možno rozlišit do dvou základních forem (gingivitis, periodontitis). Zánět dásní, neboli gingivitis, je často označován za počáteční a zcela reverzibilní stádium. Zprvu nemusí být přítomny žádné symptomy, někdy lze pozorovat mírné zarudnutí. Později dochází k otoku, bolestivosti a značné krvácivosti, přičemž při absenci terapie může gingivitis manifestovat v periodontitis.
Periodontitis postihuje celý závěsný aparát zubu a bývá označováno za ireverzibilní stádium. V současné době lze za pomoci řízené tkáňové a kostní regenerace dosáhnout alespoň mírného zlepšení. Onemocnění u většiny pacientů přechází do chronické podoby, působí jim nejen bolesti při příjmu potravy, ale může mít za následek i různá systémová onemocnění. Zvláštní formou postihující mladší jedince je tzv. juvenilní periodontitis.
Diagnostika spočívá především ve zjištění anamnézy a vyšetření dutiny ústní. Pomocí intraorálního rentgenologického vyšetření, indexů tartaru, zánětu dásní, stupně motility zubu a dalších parametrů se určí rozsah onemocnění, stádium a následně je zahájena terapie.
Samotná terapie se odvíjí podle stavu pacienta a požadavků majitele. Skládá se z několika kroků, přičemž podstatou je zejména odstranění veškerých nánosů bakteriálního plaku a tartaru, náprava patologií zubů (vyhlazení drsných ploch) a tkání až po případnou extrakci zubů. Součástí terapie může být aplikace antibiotik a jiných preparátů podporujících hojení. V průběhu posledních 10 let vyvíjí mnoho specialistů nové léčebné postupy, avšak většina z nich stále není dotažena do finále. Patří sem například vývoj vakcín, fotodynamická terapie, či již zmiňovaná řízená tkáňová a kostní regenerace.
Nedílnou součástí terapie je následná domácí péče o chrup, bez které je vysoká pravděpodobnost recidivy. Důležitou zbraní proti vzniku PO jsou různá preventivní opatření. Asi nejúčinnější metodou prevence je pravidelné čištění zubů pomocí kartáčku a speciální pasty pro zvířata. Mnoho majitelů se však této metodě raději vyhýbá, a když už, tak volí krmení granulemi, podávání dentálních pamlsků a dalších preparátů pro redukci množství plaku a tartaru. Další možností je profesionální čistění zubů veterinárním lékařem.
Samotné dotazníkové šetření bylo složeno z 16 otázek, jež byly zaměřeny na povědomí o onemocnění, věk, pohlaví, plemeno, velikost, krmivo, přípravky pro kontrolu plaku a tartaru, systémová onemocnění a hlavně přítomnost PO, věk při prvním projevu onemocnění, okolnosti diagnostiky, stádium, léčbu a recidivu.
|
host ::
