2012年-CEPS欧洲政策研究中心_Effects_of_Economic_Factors_on_Adoption_of_Robotics_and_Consequences_of_Automation_for_Productivity_Growth_of_Dairy_Farms_18页_677kb

详细总结

核心内容

本研究探讨了经济因素对奶牛场采用机器人挤奶技术的影响，以及自动化对奶业生产率增长的后果。研究基于芬兰2000年至2010年的农场级数据，使用了概率模型和扩展的柯布-道格拉斯型生产函数进行实证分析。研究的主要目标是揭示经济合理性在决定农民投资新技术中的作用，并评估自动化技术对整体生产率的影响。

主要观点

• 生产率增长对农场生存至关重要，尤其是在长期背景下。
• 农场的技术选择（传统挤奶系统与自动挤奶系统）受到多种经济因素的影响，但只有少数因素具有显著性。
• 投资补贴对农场采用机器人挤奶系统的概率有弹性影响，1%的补贴增加会带来2%的投资概率提升。
• 自动化技术提高了生产率，采用机器人挤奶系统的农场年均生产率增长率为8.1%，而采用传统系统的农场则没有显著的生产率增长。
• 芬兰奶业生产率增长在1990年代初期几乎停滞，但后期有所回升，年均增长率为1.9%（1987-2007）。
• 与丹麦相比，芬兰奶业的生产率仍较低，约20-30%，这表明仍有提升空间。
• 技术进步和农场规模扩大是推动农场投资自动化技术的重要因素，提高生活质量和减少劳动力依赖也是关键动机。

关键信息

技术选择分析

• 传统挤奶系统（CMS）：包括桶式挤奶机、管道系统或挤奶厅系统。
• 自动挤奶系统（AMS）：即机器人挤奶系统。
• 采用AMS的农场数量在2011年底达到641个，占所有奶牛场的7%。
• 从2000年到2010年，农场规模总体呈上升趋势，尤其是转型农场（TRANS），其牛群规模超过一倍，生产率增长最快。

实证方法

• 使用概率模型（probit model）分析技术选择行为，模型中包含了农场特征、农民特征和经济环境变量。
• 使用扩展的柯布-道格拉斯型生产函数分析生产率增长，该模型包括时间趋势、农场规模虚拟变量和区域虚拟变量。
• 通过比较不同挤奶系统的农场样本，隔离了新技术对生产率的影响。

数据来源与描述

• 数据来自欧盟农场会计数据网络（FADN），涵盖2000年至2010年芬兰的奶牛场。
• 样本包含608个农场，其中：
  • 551个使用传统挤奶系统（CMS）
  • 15个使用自动挤奶系统（AMS）
  • 42个在研究期间从CMS转为AMS（TRANS）
• 数据包括：
  • 产出（市场收益，以欧元计）
  • 资本（包括土地、建筑、机器、排水和奶配额）
  • 劳动力（包括雇佣和家庭劳动）
  • 材料成本（包括购买材料和供应的费用）
  • 农场规模（小、中、大）
  • 区域虚拟变量（从南到北的农业支持区域）

投资补贴与政策影响

• 投资补贴是农场采用自动化技术的重要因素，补贴率在45%-70%之间，平均为53.4%。
• 从2000年到2006年，补贴根据农民年龄有所不同，年轻人获得更高的补贴。
• 从2007年开始，补贴也根据地区进行分级，北部地区以利息补贴为主，南部地区以直接补贴为主。
• 尽管补贴对技术选择有影响，但政策工具对生产率增长的实际效果仍需进一步验证。

生产率增长分析

• 生产率增长由**技术变化（TC）和规模效应（RTS）**组成。
• 在扩展的柯布-道格拉斯模型中，技术变化被定义为：
  $$
  T C = \beta_ {t} + \beta_ {t t} t
  $$
• 规模效应则由以下公式计算：
  $$
  \dot {T F P} = T C + (R T S - 1) \sum_ {j} \frac {\varepsilon_ {j}}{R T S} \dot {x} _ {j}
  $$
• 研究表明，自动化技术显著提升了生产率，而传统系统则没有明显增长。

结论

• 在低生产率地区，投资新技术和相应的补贴政策对于提高生产率、盈利能力及竞争力具有重要意义。
• 需要进一步研究政策工具对农场技术选择和生产率增长的具体影响。

数据与方法总结

图表列表

• 图1：芬兰自动挤奶系统农场数量和自动挤奶栏位数量（2000-2011）
• 表1：欧洲部分国家奶牛场结构（2010）
• 表2：芬兰接受奶牛舍建设投资补贴的农场数量（2001-2010）
• 表3：按挤奶系统分类的农场规模发展（2000-2010）
• 表4：模型变量的描述性统计

软件与模型

• 概率模型使用LIMDEP 8.02软件进行估计。
• 生产函数使用SAS 9.2软件进行估计。

总体评价

研究强调了经济合理性在农场技术选择中的作用，并指出自动化技术对生产率增长的显著贡献。尽管非经济因素（如政策、社会偏好）也影响技术采纳，但经济激励仍是主要驱动力。研究结果为农业政策制定者提供了关于如何通过投资补贴促进技术升级和提高生产率的参考。