ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ:ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΑΓΡΟΤΙΚΩΝ ΠΡΟΪΟΝΤΩΝ ΚΑΙ ΤΡΟΦΙΜΩΝ ΜΒΑ ΣΤΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΡΟΦΙΜΩΝ ΕΜΠΕΙΡΙΚΗ ΑΝΑΛΥΣΗ ΤΗΣ ΣΧΕΣΗΣ ΤΙΜΩΝ ΖΩΟΤΡΟΦΩΝ ΚΑΙ ΠΑΡΑΓΩΓΟΥ ΚΑΤΑΝΑΛΩΤΗ ΚΡΕΑΤΟΣ: ΜΟΣΧΑΡΙ, ΧΟΙΡΙΝΟ, ΚΟΤΟΠΟΥΛΟ ΚΑΙ ΑΡΝΙ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Νταλιάνη Ευθυμία Α.Μ.: 111 Τριμελής Επιτροπή: Ρεζίτης Αντώνιος ( Επιβλέπων Καθηγητής) Αδαμίδης Κωνσταντίνος Κοντογεώργος Αχιλλέας Αγρίνιο, 2014
ΠΕΡΙΕΧΟΜΕΝΑ ΠΕΡΙΛΗΨΗ 2 ABSTRACT.3 1. ΒΙΒΛΙΟΓΡΑΦΙΚΗ ΑΝΑΣΚΟΠΗΣΗ...4 2. ΔΕΔΟΜΕΝΑ ΚΑΙ ΜΕΘΟΔΟΛΟΓΙΑ..7 2.1 ΤΕΣΤ ΜΟΝΑΔΙΑΙΑΣ ΡΙΖΑΣ-ADF.11 2.2 TΕΣΤ ΣΥΝΟΛΟΚΛΗΡΩΣΗΣ JOHANSEN....14 2.3 GRANGER CAUSALITY TESTS...16 3.ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΩΝ ΓΙΑ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ.. 23 3.1 VAR ΜΟΝΤΕΛΑ. 24 3.2 VECM ΜΟΝΤΕΛΟ.. 30 4. FORECAST ERROR VARIANCE DECOMPOSITION...33 ΣΥΜΠΕΡΑΣΜΑΤΑ...37 ΒΙΒΛΙΟΓΡΑΦΙΑ....38 2
ΠΕΡΙΛΗΨΗ Η παρούσα μελέτη εξετάζει τη δυναμική σχέση μεταξύ των τιμών των ζωοτροφών και παραγωγού, καταναλωτή για τέσσερα είδη κρέατος: μοσχάρι, χοιρινό, αρνί και κοτόπουλο. Η σχετική βιβλιογραφία δείχνει ότι πολλοί παράγοντες επιδρούν στις τιμές των αγροτικών προϊόντων αλλά οι τιμές των ζωοτροφών είναι ο κυριότερος. Αυτό συμβαίνει γιατί οι ζωοτροφές αποτελούν πρώτη ύλη για την παραγωγή κρέατος και κατ επέκταση θα επηρέασουν τις τιμές παραγωγού και καταναλωτή. Τα δεδομένα αποτελούνται από 279 μηνιαίες τιμές που εκτείνονται από τον Ιανουάριο 1990 έως τον Ιανουάριο 2013. Χρησιμοποιώντας Johansen cointegration tests, Granger causality tests και impulse response functions τα εμπειρικά αποτελέσματα επιβεβαιώνουν πως οι τιμές των ζωοτροφών, οι τιμές παραγωγού και οι τιμές καταναλωτή δεν είναι ανεξάρτητες μεταξύ τους. 3
ABSTRACT The present paper studies the relationship among feed prices, producer prices and consumer prices of meat: beef, pork, poultry and lamb. The literature indicates that there are many factors which affect agricultural commodity prices but the feed prices are the main. This is why feed has a principal role in the production of meat and will affect producer and consumer prices. The data consists of 279 monthly observations extending from January 1990 to January 2013. Using Johansen cointegration tests, Granger causality tests and impulse response functions, the empirical findings confirm that feed prices, consumer prices and producer prices are interdependent. 4
1. ΒΙΒΛΙΟΓΡΑΦΙΚΗ ΑΝΑΣΚΟΠΗΣΗ Οικονομολόγοι με εξειδίκευση στον αγροτικό τομέα έχουν μελετήσει μακροχρόνια τους παράγοντες που κινούν τις τιμές των αγροτικών προϊόντων με την πάροδο του χρόνου. Στο παρελθόν είχαν ενδιαφερθεί ιδιαίτερα για τα αποτελέσματα της πολιτικής των τιμών των ζωοτροφών στις τιμές των αγροτικών προϊόντων. Σύμφωνα με έκθεση του Οργανισμού Τροφίμων και Γεωργίας των Ηνωμένων Εθνών, οι τιμές των τροφίμων αυξήθηκαν σχεδόν κατά 40% το 2007 ενώ η αύξηση συνεχίστηκε απότομα το 2008 (Rosegrant, 2008). Οι Taheripour και Tyner (2008) έδειξαν ότι ένα μεγάλο ποσοστό των αυξήσεων των τιμών καλαμποκιού είναι το αποτέλεσμα της αύξησης των τιμών του πετρελαίου. Ο Rosegrant (2008) δείχνει ότι το 30% της αύξησης των τιμών των σιτηρών θα είναι το αποτέλεσμα της αυξημένης ζήτησης βιοκαυσίμων με τις τιμές καλαμποκιού να έχουν την μεγαλύτερη αύξηση με 39% σε πραγματικές τιμές. Στην πιο πρόσφατη έκδοση του περιοδικού Choices, οι Irwin και Good (2009), οι οποίοι εξέτασαν τις μεταβολές των τιμών των βασικών γεωργικών προϊόντων, παρουσίασαν ότι οι πρόσφατες αλλαγές στις τιμές βασικών αγαθών έχουν υψηλότερο μέσο όρο και ευρύτερες παραλλαγές από τις προηγούμενες μεταβολές των τιμών. Στο ίδιο θέμα, οι von Braun και Torero (2009), οι οποίοι διερεύνησαν τη ραγδαία αύξηση των τιμών των βασικών προϊόντων της περιόδου 2007-2008, εξέτασαν τον ρόλο των αλλαγών στην εμπορική πολιτική, όπως η άνοδος των φραγμών στις εξαγωγές και η πτώση των φραγμών στις εισαγωγές, καθώς και τον ρόλο της κερδοσκοπικής δραστηριότητας στην παρατηρούμενη ραγδαία αύξηση των τιμών στις αγορές βασικών προϊόντων. Οι Nazlioglu και Soytas (2011) παρείχαν ισχυρές ενδείξεις σχετικά με τον αντίκτυπο της παγκόσμιας μεταβολής των τιμών του πετρελαίου στις τιμές των βασικών γεωργικών προϊόντων. Επίσης, βρήκαν ισχυρή υποστήριξη για το ρόλο των διεθνών τιμών του πετρελαίου στις τιμές πολλών βασικών γεωργικών προϊόντων και επιβεβαίωσαν το θετικό αντίκτυπο του αδύναμου δολαρίου στις τιμές των γεωργικών προϊόντων. Μία από τις πρόσφατες τάσεις στη βιβλιογραφία τόσο για 5
την ενέργεια όσο και για την αγροτική οικονομία είναι να διερευνήσει τη δυναμική του πετρελαίου και των βασικών αγροτικών προϊόντων (βλέπε για παράδειγμα Baffes, 2007 Kaltalioglu και Soytas 2009? Yu et al, 2006.). Ο Baffes (2007) έδειξε ότι μεταξύ των εμπορευμάτων που δεν έχουν σχέση με την ενέργεια, οι μεταβολές των τιμών του πετρελαίου έχουν την υψηλότερη μετακύλιση σε βασικά είδη διατροφής και στα λιπάσματα. Ο von Braun et al. (2008) βρήκε ότι οι υψηλές τιμές της ενέργειας έχουν αυξήσει τα κόστη μεταφοράς και τις γεωργικές εισροές, όπως λιπάσματα και φυτοφάρμακα, κάνοντας τη γεωργική παραγωγή πιο ακριβή. Ο Morehart (2009) διερεύνησε την επίδραση της μακροοικονομικής πολιτικής στην αξία της γης. Βρήκε ότι η αξία της γης είναι επίσης ιδιαίτερα ευαίσθητη στις μακροοικονομικές συνθήκες. Οι Muhammad και Kebede (2009) υποστήριξαν ότι η αναδυόμενη αγορά της αιθανόλης έχει ενσωματώσει τις τιμές του πετρελαίου και του καλαμποκιού κατά τέτοιο τρόπο, ώστε ο αγροτικός τομέας τώρα να έχει αστάθεια από τον τομέα του πετρελαίου. Οι Caporale et al. (2002) εξέτασαν τη σχέση μεταξύ PPI και CPI χρησιμοποιώντας την προσέγγιση των Toda και Yamamoto (1995) για τις χώρες της G7 για την περίοδο Ιανουάριος 1976 - Απρίλιος 1999 χρησιμοποιώντας συστήματα VAR με δύο και πέντε μεταβλητές. Σε αυτή τη μελέτη, οι συγγραφείς εκτίμησαν πρώτοα το διμεταβλητό σύστημα VAR. Τα αποτελέσματα από αυτό το σύστημα VAR έδειξαν ότι η αιτιότητα είναι μιας κατεύθυνσης που εκτείνεται από PPI σε CPI στη Γαλλία και τη Γερμανία, και την αιτιότητα είναι αμφίδρομη στην Ιταλία, την Ιαπωνία, το Ηνωμένο Βασίλειο και τις Ηνωμένες Πολιτείες. Στον Καναδά δεν βρέθηκε καθόλου αιτιότητα μεταξύ των μεταβλητών. Δεύτερον, οι συγγραφείς εκτίμηασν το σύστημα VAR με τις πέντε μεταβλητές. Τα αποτελέσματα από αυτό το σύστημα VAR έδειξαν ότι η αιτιότητα είναι μονόδρομη από PPI σε CPI για όλες τις χώρες. Οι Akdi, Berument και Cilasun, (2006) μελέτησαν τις μακροχρόνιες και τις βραχυχρόνιες σχέσεις μεταξύ του Δείκτη Τιμών Χονδρικής (WPI) και του Δείκτη Τιμών Καταναλωτή (ΔΤΚ) χρησιμοποιώντας μηνιαία στοιχεία για την περίοδο 1987:01 έως 2004:08 στην Τουρκία. Τα ευρήματά τους υποδηλώνουν ότι οι Engle και Granger (1987) και Johansen (1988) συμβατικέ δίνουν ανάμικτα αποτελέσματα 6
στις δοκιμές τους. Επίσης, χρησιμοποίησαν τη μέθοδο περιοδογράμματος για να ελέγξουν αν υπάρχει σχέση συνολοκλήρωσης μεταξύ των δύο δεικτών. Τα αποτελέσματα αυτής της μεθόδου έδειξαν ότι δεν υπάρχει συνολοκλήρωση μεταξύ PPI (Producer Price Index) και CPI (Consumer Price Index) στην Τουρκία. Επιπλέον, βρήκαν ότι υπάρχει μια βραχυπρόθεσμη σχέση μεταξύ WPI και CPI στην Τουρκία. Οι Ghazali, Yee and Muhammed (2008) εξέτασαν τη σχέση μεταξύ PPI και CPI χρησιμοποιώντας μηνιαία στοιχεία από τον Ιανουάριο 1986 έως τον Απρίλιος 2007 στη Μαλαισία. Οι συντάκτες ανέπτυξαν τόσο το Engle-Granger Vector Error Correction Model (VECM) καθώς και το τεστ των Toda και Yamamoto χωρίς αιτιότητα. Τα αποτελέσματα και από τις δύο προσεγγίσεις αποκάλυψαν μια μονόδρομη σχέση να τρέχει από τον PPI προς τον CPI στη Μαλαισία. Οι Shahbaz, Awan και Nasir (2009) διερεύνησαν τη σχέση μεταξύ PPI και CPI χρησιμοποιώντας μηνιαία στοιχεία για το Πακιστάν. Οι συντάκτες ανέπτυξαν το ARDL μοντέλο και την προσέγγιση συνολοκλήρωσης του Johansen να καθορίσουν τη σχέση μακροπρόθεσμα μεταξύ PPI και CPI. Οι συγγραφείς χρησιμοποίησαν επίσης την προσέγγιση Toda και Yamamato (1995) για τον προσδιορισμό της αιτιώδους συνάφειας μεταξύ PPI και CPI. Τα αποτελέσματά τους επαλήθευσαν την ύπαρξη μακροχρόνιας σχέσης μεταξύ τιμών παραγωγού και καταναλωτή. Διαπίστωσαν επίσης ότι υπάρχει αμφίδρομη σχέση, αλλά είναι ισχυρότερη από τις παραγωγού στις τιμές καταναλωτή. Οι Sidaoui, Capistran, Chiquiar και Ramos-Francia (2010) εξέτασαν τη σχέση μεταξύ PPI και CPI χρησιμοποιώντας μηνιαία στοιχεία για το Μεξικό. Οι συντάκτες ανέπτυξαν το VECM (vector error correction model) μοντέλο για τον προσδιορισμό της βραχυπρόθεσμης και μακροπρόθεσμης αιτιότητας μεταξύ PPI και CPI. Βρήκαν ότι η αιτιότητα κατά Granger πηγαίνει από τον PPI στον CPI μακροπρόθεσμα, αλλά βραχυπρόθεσμα δεν υπάρχει αιτιότητα μεταξύ PPI και CPI. 7
2. ΔΕΔΟΜΕΝΑ ΚΑΙ ΜΕΘΟΔΟΛΟΓΙΑ Το εμπειρικό μοντέλο στο οποίο βασίζεται η παρούσα μελέτη είναι χτισμένο στην υπάρχουσα βιβλιογραφία (Saghaian, Ozertan and Spaulding, 2008). Έτσι οι τιμές των ζωοτροφών περιγράφονται ως συνάρτηση των τιμών παραγωγού και των τιμών καταναλωτή. Όποτε το εμπειρικό μοντέλο και για τα τέσσερα είδη κρέατος μπορεί να καθοριστεί ως εξής: Για το μοσχάρι: (1) Για το χοιρινό: (2) Για το κοτόπουλο: (3) Για το αρνί: (4) όπου F είναι η τιμή της ζωοτροφής (Β για το μοσχάρι, P για το χοιρινό, C για το κοτόπουλο, L για το αρνί), TP είναι η τιμή παραγωγού και TK η τιμή καταναλωτή για κάθε κρέας. Τα δεδομένα αποτελούνται από 279 μηνιαίες τιμές που εκτείνονται από τον Ιανουάριο 1990 έως τον Ιανουάριο 2013. Αυτά τα δεδομέναα περιλαμβάνουν τιμές τριών μεταβλητών τιμές ζωοτροφής, τιμές παραγωγού και τιμές καταναλωτή για τέσσερα είδη κρέατος (μοσχάρι, χοιρινό, κοτόπουλο, αρνί). 8
TKP 4.0 4.2 4.4 4.6 TPP 4.0 4.2 4.4 4.6 FP 3.6 4.0 4.4 4.8 TKB 3.6 3.8 4.0 4.2 4.4 4.6 TPB 4.0 4.2 4.4 4.6 4.8 FB 3.6 4.0 4.4 4.8 Εμπειρική ανάλυση της σχέσης τιμών ζωοτροφών και παραγωγού Διάγραμμα 1: Μοσχάρι ldat 1990 1995 2000 2005 2010 Time Διάγραμμα 2: Χοιρινό ldat 1990 1995 2000 2005 2010 Time 9
TKL 3.8 4.0 4.2 4.4 4.6 TPL 3.8 4.0 4.2 4.4 4.6 FL 3.6 4.0 4.4 4.8 TKC 3.6 3.8 4.0 4.2 4.4 4.6 TPC 4.2 4.4 4.6 4.8 FC 3.8 4.0 4.2 4.4 4.6 4.8 Εμπειρική ανάλυση της σχέσης τιμών ζωοτροφών και παραγωγού Διάγραμμα 3: Κοτόπουλο ldat 1990 1995 2000 2005 2010 Time Διάγραμμα 4: Αρνί ldat 1990 1995 2000 2005 2010 Time 10
Μαζί με τις κινήσεις των τιμών των ζωοτροφών απεικονίζονται επίσης και οι κινήσεις τιμών παραγωγού και καταναλωτή και για τα τέσσερα κρέατα. Με την πρώτη ματιά, είναι σαφές ότι η αύξηση των τιμών των ζωοτροφών φαίνεται να ταιριάζει με την αύξηση των τιμών του παραγωγού αλλά και του καταναλωτή. Αυτό είναι απολύτως φυσιολογικό καθώς οι ζωοτροφές αποτελούν κύριο παράγοντα στην ανάπτυξη των ζώων. Συνεπώς, μια αύξηση στις τιμές τους θα οδηγήσει σε αύξηση των τιμών των παραγωγών, αφού θα τις αγοράζουν ακριβότερα, και έτσι για να μπορέσουν να καλύψουν το κόστος παραγωγής και να έχουν κάποιο κέρδος θα πουλήσουν σε πιο υψηλές τιμές τα προϊόντα τους. Αυτό θα έχει ως αποτέλεσμα και τις αυξήσεις των τιμών καταναλωτή αφού θα είναι υποχρεωμένοι να αγοράσουν τα προϊόντα σε αρκετά υψηλές τιμές. Στη συνέχεια γίνεται έλεγχος στασιμότητας στις χρονοσειρές χρησιμοποιώντας το τεστ των Dickey-Fuller. Δεύτερον, χτίζουμε το μοντέλο με την προσέγγιση συνολοκλήρωσης των Robertson and Orden s (από το 1990) με τη χρήση της μεθόδου εκτίμησης Johansen and Juselius (1992). Στη συνέχεια, εκτελείται ένας έλεγχος συνολοκλήρωσης για να διαπιστωθεί αν υπάρχει μακροχρόνια σχέση μεταξύ των σειρών στο σύστημα. Τρίτον, ορίζονται τα μόντέλα για κάθε είδος κρέατος ανάλογα με τις ενδείξεις των τεστ. 11
2.1 ΤΕΣΤ ΜΟΝΑΔΙΑΙΑΣ ΡΙΖΑΣ- ADF TEST Στην στατιστική και στην οικονομετρία, ένα επαυξημένο τεστ Dickey-Fuller (ADF) είναι ένα τεστ μοναδιαίας ρίζας σε ένα δείγμα χρονοσειρών. Πρόκειται για μια επαυξημένη έκδοση της δοκιμής Dickey-Fuller για ένα μεγαλύτερο και πιο περίπλοκο σύνολο χρονολογικών σειρών. Το augmented Dickey-Fuller (ADF) τεστ, που χρησιμοποιείται, είναι ένας αρνητικός αριθμός. Όσο πιο αρνητικός είναι, τόσο ισχυρότερη είναι η απόρριψη της υπόθεσης ότι υπάρχει μια μοναδιαία ρίζα σε κάποιο επίπεδο εμπιστοσύνης. Η διαδικασία αυτή εφαρμόζεται στο εξής μοντέλο: Όπου α είναι μια σταθερά, β είναι ο συντελεστής σε μια χρονική τάση και p η χρονική υστέρηση μια διαδικασία αυτοπαλινδρόμησης. Η επιβολή των περιορισμών α=0 και β=0 αντιστοιχούν στην μοντελοποίηση ενός τυχαίου περιπάτου και χρησιμοποιώντας τον περιορισμό β=0 αντιστοιχεί στην μοντελοποίηση ενός τυχαίου περιπάτου με μετατόπιση. Κατά συνέπεια υπάρχουν τρεις κύριες εκδόσεις αυτού του τεστ παρόμοιες με εκείνες του απλού Dickey-Fuller τεστ. Έτσι για να γίνουν δοκιμές για τη συνολοκλήρωση μεταξύ των μεταβλητών απαιτείται προκαταρκτικός έλεγχος για την ύπαρξη μοναδιαίας ρίζας για κάθε μεταβλητή. Μη στάσιμες χρονοσειρές μπορεί να οδηγήσουν σε στατιστικώς σημαντικά αποτελέσματα που οφείλονται σε καθαρά φαινομενική παλινδρόμηση. Τα αποτελέσματα των δοκιμών του ADF τεστ για τις τιμές των ζωοτροφών, τις τιμές παραγωγού και τις τιμές καταναλωτή για τα τέσσερα κρέατα παρουσιάζονται εδώ. 12
Πίνακας 1: ADF TEST ΓΙΑ ΜΟΣΧΑΡΙ Prices Level Feed -3.9919 Producer -4.7749 Consumer -4.5003 Notes: Augmented Dickey Fuller test results, significant at 1% level. Critical values: - 3.98 (1%), -3.42 (5%), -3.13 (10%) Πίνακας 2:ADF TEST ΓΙΑ ΧΟΙΡΙΝΟ Prices Level Feed -4.2782 Producer -3.9933 Consumer -4.1541 Notes: Augmented Dickey Fuller test results, significant at 1% level. Critical values: - 3.98 (1%), -3.42 (5%), -3.13 (10%) Πίνακας 3: ADF TEST ΓΙΑ ΚΟΤΟΠΟΥΛΟ Prices Level Feed -3.997 Producer -3.9941 Consumer -4.4358 Notes: Augmented Dickey Fuller test results, significant at 1% level. Critical values: - 3.98 (1%), -3.42 (5%), -3.13 (10%) Πίνακας 4: ADF ΓΙΑ ΑΡΝΙ Prices Level Feed -3.9988 Producer -3.9925 Consumer -6.2864 Notes: Augmented Dickey Fuller test results, significant at 1% level. Critical values: - 3.98 (1%), -3.42 (5%), -3.13 (10%) 13
Τα παραπάνω τεστ και στα τέσσερα κρέατα δείχνουν πως δεν υπάρχει μοναδιαία ρίζα καθώς οι τιμές των level είναι μεγαλύτερες από τα critical values. Αυτό σημαίνει πως οι χρονοσειρές είναι στάσιμες και πως μπορούν να χρησιμοποιηθούν για περαιτέρω ανάλυση. Αυτό δείχνει πως υπάρχει μια σχέση στασιμότητας μεταξύ των τιμών ζωοτροφών, των τιμών παραγωγού και τιμών καταναλωτή και για τα τέσσερα κρέατα. Σε αντίθετη περίπτωση θα έπρεπε να εξαλειφθεί η μοναδιαία ρίζα παίρνοντας first differences δηλ. πρώτες διαφοροποιήσεις στις χρονοσειρές. 14
2.2 ΤΕΣΤ ΣΥΝΟΛΟΚΛΗΡΩΣΗΣ JOHANSEN Τα τεστ έγιναν χρησιμοποιώντας τη μέθοδο του Johansen. Η μέθοδος συνολοκλήρωσης Johansen έχει σχεδιαστεί για να καθορίσει το βαθμό συνολοκλήρωσης, r, ή τον αριθμό των φορέων συνολοκλήρωσης στο σύστημα, χρησιμοποιώντας τον λόγο πιθανότητας (LR) (Holden and Perman, 1994; Vickner and Davies, 2000). Θεωρητικά, η τάξη r, μπορεί να είναι το πολύ κατά ένα αριθμό λιγότερη από τον αριθμό των ενδογενών μεταβλητών στο μοντέλο. Το τεστ LR στην ανάλυση αυτή καθορίζει εάν υπάρχουν συνολοκληρωμένοι φορείς μεταξύ των τριών ενδογενών μακροοικονομικών σειρών και για τα τέσσερα είδη κρέατος. Επιπλέον η δοκιμή αυτή επιτρέπει τον έλεγχο της συνολοκλήρωσης σε διάφορες χρονολογικές σειρές. Επιπλέον δεν απαιτεί οι χρονοσειρές να είναι στην ίδια σειρά της ολοκλήρωσης. Οι πίνακες 5, 6, 7 και 8 παρουσιάζουν τα αποτελέσματα από το τεστ Johansen για κάθε είδος κρέατος. Πίνακας 5: Johansen test για Μοσχάρι Null hypothesis Max-Eigen stat. 1% critical value 5% critical value 40.93 30.34 25.54 14.53 23.65 18.96 6.29 16.26 12.25 Πίνακας 6: Johansen test για Χοιρινό Null hypothesis Max-Eigen stat. 1% critical value 5% critical value 24.88 24.90 25.54 17.79 18.10 18.96 6.74 16.26 12.25 15
Πίνακας 7: Johansen test για Κοτόπουλο Null hypothesis Max-Eigen stat. 1% critical value 5% critical value 25.45 24.34 25.54 18.13 18.70 18.96 11.70 16.26 12.25 Πίνακας 8: Johansen test για Αρνί Null hypothesis Max-Eigen stat. 1% critical value 5% critical value 25.53 30.34 25.54 18.46 19.65 20.96 10.00 16.26 12.25 Σε επίπεδο σημαντικότητας 1% για τη δοκιμή ίχνους (Johansen και Juselius, 1992) και των στατιστικών Max-Eigen, απορρίπτουμε την μηδενική υπόθεση ότι δεν υπάρχει συνολοκλήρωση για χοιρινό και κοτοπουλο και ως εκ τούτου, οι δοκιμές LR αποκαλύπτουν ότι υπάρχει ένας σταθερός, γραμμικός συνδυασμός μεταξύ των τιμών ζωοτροφών, τιμών παραγωγού και τιμών καταναλωτή για τα κρέατα αυτά. Αντίθετα, για το μοσχάρι δεν απορρίπτεται η υπόθεση ότι r=0. Αυτό σημαίνει ότι υπάρχει συνολοκλήρωση με έναν cointegrated vector. 16
2.3 GRANGER CAUSALITY TESTS Οι Engle και Granger (1987), υποστήριξαν ότι αν οι χρονοσειρές είναι στάσιμες μετά την πρώτη διαφοροποίηση στην ύπαρξη συνολοκλήρωσης η εφαρμογή του VAR μοντέλου για την ανάλυση είναι η πιο κατάλληλη. Η ιδέα του Granger causality test είναι ότι μια μεταβλητή X προκαλεί μια μεταβλητή Y. Χρησιμοποιούμε αυτό το τεστ για την διερεύνηση των αιτιωδών κατευθύνσεων μεταξύ των μεταβλητών. Αυτό το τεστ είναι πιο κατάλληλο για χρονοσειρές στις οποίες δεν υπάρχει συνολοκλήρωση. Εδώ όμως θα παρατεθούν τα αποτελέσματα και για τα τέσσερα είδη κρέατος για να δειχθεί η πιθανή αμφίδρομη σχέση μεταξύ των μεταβλητών. 17
Πίνακας 9: Granger causality test για Μοσχάρι Null Hypothesis p_value Sig. level Reject or no H0 FB do not Granger-cause TPB TKB 0.3851 No reject TPB do not Granger-cause FB TKB 0.2569 No reject TKB do not Granger-cause FB TPB 6.348e-10 reject FB TPB do not Granger-cause TKB 0.463 1% No reject FB TKB do not Granger-cause TPB 4.042e-12 reject TPB TKB do not Granger-cause FB 0.1275 No reject FB do not Granger-cause TPB TKB 0.299 No reject TPB do not Granger-cause FB TKB 0.255 No reject TKB do not Granger-cause FB TPB 0.02 reject FB TPB do not Granger-cause TKB 0.462 5% No reject FB TKB do not Granger-cause TPB 0.051 reject TPB TKB do not Granger-cause FB 0.221 No reject FB do not Granger-cause TPB TKB 0.1653 No reject TPB do not Granger-cause FB TKB 0.4726 No reject TKB do not Granger-cause FB TPB 2.113e-05 reject FB TPB do not Granger-cause TKB 0.987 10% No reject FB TKB do not Granger-cause TPB 0.5664 No reject TPB TKB do not Granger-cause FB 0.6851 No reject 18
Πίνακας 10: Granger causality test για Χοιρινό Null Hypothesis p_value Sig. level Reject or no H0 FP do not Granger-cause TPP TKP 0.5883 No reject TPP do not Granger-cause FP TKP 0.2217 No reject TKP do not Granger-cause FP TPP 0.866 No reject FP TPP do not Granger-cause TKP 0.104 1% No reject FP TKP do not Granger-cause TPP 0.9268 No reject TPP TKP do not Granger-cause FP 0.8885 No reject FP do not Granger-cause TPP TKP 0.377 No reject TPP do not Granger-cause FP TKP 0.178 No reject TKP do not Granger-cause FP TPP 0.802 No reject FP TPP do not Granger-cause TKP 0.11 5% No reject FP TKP do not Granger-cause TPP 0.802 No reject TPP TKP do not Granger-cause FP 0.723 No reject FP do not Granger-cause TPP TKP 0.09 reject TPP do not Granger-cause FP TKP 0.4156 No reject TKP do not Granger-cause FP TPP 0.5607 No reject FP TPP do not Granger-cause TKP 0.06512 10% reject FP TKP do not Granger-cause TPP 0.716 No reject TPP TKP do not Granger-cause FP 0.8382 No reject 19
Πίνακας 11: Granger causality test για Κοτόπουλο Null Hypothesis p_value Sig. level Reject or no H0 FC do not Granger-cause TPC TKC 0.07641 reject TPC do not Granger-cause FC TKC 0.588 No reject TKC do not Granger-cause FC TPC 3.192e-10 reject FC TPC do not Granger-cause TKC 0.8987 No reject FC TKC do not Granger-cause TPC 0.001003 1% reject TPC TKC do not Granger-cause FC 8.271e-13 reject FC do not Granger-cause TPC TKC 0.06 reject TPC do not Granger-cause FC TKC 0.41 No reject TKC do not Granger-cause FC TPC < 2.2e-16 reject FC TPC do not Granger-cause TKC 0.531 5% No reject FC TKC do not Granger-cause TPC 0.014 reject TPC TKC do not Granger-cause FC 0.041 reject FC do not Granger-cause TPC TKC 0.636 No reject TPC do not Granger-cause FC TKC 0.9392 No reject TKC do not Granger-cause FC TPC 0.04726 reject FC TPC do not Granger-cause TKC 0.99 10% No reject FC TKC do not Granger-cause TPC 0.9402 No reject TPC TKC do not Granger-cause FC 0.7747 No reject 20
Πίνακας 12: Granger causality test για Αρνί Null Hypothesis p_value Sig. level Reject or no H0 FL do not Granger-cause TPL TKL 0.06671 reject TPL do not Granger-cause FL TKL 0.1006 No reject TKL do not Granger-cause FL TPL 0.2018 No reject FL TPL do not Granger-cause TKL 0.005408 1% reject FL TKL do not Granger-cause TPL 0.02464 reject TPL TKL do not Granger-cause FL 0.691 No reject FL do not Granger-cause TPL TKL 0.088 reject TPL do not Granger-cause FL TKL 0.095 reject TKL do not Granger-cause FL TPL 0.108 No reject FL TPL do not Granger-cause TKL 0.035 5% reject FL TKL do not Granger-cause TPL 0.113 No reject TPL TKL do not Granger-cause FL 0.285 No reject FL do not Granger-cause TPL TKL 0.08945 reject TPL do not Granger-cause FL TKL 0.001195 reject TKL do not Granger-cause FL TPL 0.002364 reject FL TPL do not Granger-cause TKL 0.004995 10% reject FL TKL do not Granger-cause TPL 0.07517 reject TPL TKL do not Granger-cause FL 0.6672 No reject 21
Η ανάλυση θα ξεκινήσει από τα κρέατα στα οποία δεν υπάρχει συνολοκλήρωση διότι τα αποτελέσματα είναι πιο επισφαλή. Έτσι, για το χοιρινό, σε επίπεδο σημαντικότητας 10% απορρίπτεται η μηδενική υπόθεση ότι η τιμή ζωοτροφής δεν προκαλεί την τιμή παραγωγού και καταναλωτή, και αντίστοιχα ότι η τιμή ζωοτροφής και παραγωγού δεν προκαλούν την τιμή καταναλωτή. Αυτό φαίνεται από τα πολύ μικρά p_value. Έτσι γίνεται κατανοήτο πως υπάρχει μια αμφίδρομη σχέση μεταξύ αυτών. Αντίστοιχα για το κοτόπουλο, σε επίπεδα σημαντικότητας 1%, 5% και 10% απορρίπτονται οι υποθέσεις ότι η τιμή ζωοτροφής δεν προκαλεί την τιμή παραγωγού και καταναλωτή, η τιμή καταναλωτή δεν προκαλεί την τιμή ζωοτροφής και παραγωγού, οι τιμές ζωοτροφής και καταναλωτή δεν προκαλούν την τιμή παραγωγού, και ότι οι τιμές παραγωγού και καταναλωτή δεν προκαλούν την τιμή ζωοτροφής. Τέλος για το αρνί, σε επίπεδο σημαντικότητας 1% απορρίπτονται οι υποθέσεις ότι η τιμή ζωοτροφής δεν προκαλεί τις τιμές παραγωγού και καταναλωτή, οι τιμές ζωοτροφής και παραγωγού δεν προκαλούν την τιμή καταναλωτή και ότι οι τιμές ζωοτροφής και καταναλωτή δεν προκαλούν την τιμή παραγωγού. Σε επίπεδο σημαντικότητας 5% απορρίπτονται οι δύο πρώτες υποθέσεις από πριν καθώς και ότι η τιμή παραγωγού δεν προκαλεί τις τιμές ζωοτροφής και καταναλωτή. Τέλος, σε επίπεδο σημαντικότητας 10% απορρίπτονται όλες οι υποθέσεις εκτός από την τελευταία (Πίνακας 12). Συνεχίζοντας παρατίθενται τα αποτελέσματα από το μοσχάρι στα οποίο υπάρχει συνολοκλήρωση. Αυτά, δεν είναι απολύτως επισφαλή αλλά δείχνονται για να δειχθεί η πιθανή αμφίδρομη σχέση μεταξύ των μεταβλητών. Έτσι λοιπόν, σε επίπεδα σημαντικότητας 1% και 5% απορρίπτονται οι μηδενικές υποθέσεις ότι η τιμή καταναλωτή δεν προκαλεί τις τιμές ζωοτροφής και παραγωγού και ότι η τιμή ζωοτροφής και καταναλωτή δεν προκαλεί την τιμή του παραγωγού. Αναλυτικότερα όλα αυτά τα αποτελέσματα δείχνονται καλύτερα στους Πίνακες 9-12 που βρίσκονται από πάνω. Το ότι δεν απορρίπτεται κάποια μηδενική υπόθεση αυτό 22
δεν σημαίνει πως δεν υπάρχει σχέση μεταξύ των μεταβλητών. Απλά στις περιπτώσεις όπου γίνεται απόρριψη υπάρχει αμφίδρομη σχέση μεταξύ των μεταβλητών. Ενώ σε κάθε άλλη περίπτωση η σχέση αυτή είναι μονόδρομη από τη μια μεταβλητή στην άλλη. 23
3. EΠΙΛΟΓΗ ΜΟΝΤΕΛΩΝ ΓΙΑ ΤΗΝ ΑΝΑΛΥΣΗ ΤΩΝ ΔΕΔΟΜΕΝΩΝ Για να μπορέσει να γίνει σωστή αξιολόγηση των αποτελεσμάτων θα πρέπει να επιλεγεί το κατάλληλο μοντέλο για κάθε είδος κρέατος. Αυτό θα γίνει με βάση τα ευρήματα από τα παραπάνω τεστ έτσι ώστε τα αποτελέσματα να είναι επισφαλή και αξιόπιστα. Τα κρέατα στα οποία δεν υπάρχει συνολοκλήρωση, σύμφωνα με τα αποτελέσματα του johansen τεστ, περιγράφονται καλύτερα από var (vector autoregression) μοντέλα ενώ σε όσα υπάρχει περιγράφονται καλύτερα από vecm (vector error correction model) μοντέλα. Έτσι λοιπόν, VAR (vector autoregression) είναι ένα οικονομετρικό μοντέλο που χρησιμοποιείται για να περιγράψει τις γραμμικές σχέσεις αλληλεξάρτησης μεταξύ πολλαπλών χρονοσειρών. Τα μοντέλα VAR γενικεύουν τα αυτοπαλίνδρομα μονομεταβλητά μοντέλα (AR), επιτρέποντας για περισσότερο από μία εξελισσόμενες μεταβλητές. Όλες οι μεταβλητές σε ένα VAR μοντέλο αντιμετωπίζονται συμμετρικά σε μια διαρθρωτική έννοια (αν και οι εκτιμώμενοι ποσοτικοί συντελεστές απόκρισης δεν θα είναι γενικά το ίδιο). Κάθε μεταβλητή έχει μια εξίσωση που εξηγεί την εξέλιξή της με βάση τις δικές της υστερήσεις καθώς και των χρονικών υστερήσεων των άλλων μεταβλητών του υποδείγματος. Τα VAR μοντέλα δεν απαιτούν τόσο πολύ γνώση σχετικά με τις δυνάμεις που επηρεάζουν μια μεταβλητή, όπως κάνουν άλλα μοντέλα με ταυτόχρονες εξισώσεις. Αντίστοιχα, ένα ΕCM(error correction model) μοντέλο είναι ένα δυναμικό σύστημα με χαρακτηριστικά ότι η απόκλιση της τρέχουσας κατάστασης από την μακροχρόνια σχέση θα ενσωματωθεί στη βραχυχρόνια δυναμική του. Ένα μοντέλο διόρθωσης σφάλματος δεν είναι ένα μοντέλο που διορθώνει το σφάλμα σε ένα άλλο μοντέλο. Αυτά τα μοντέλα είναι μια κατηγορία πολλαπλών μοντέλων χρονοσειρών που υπολογίζουν άμεσα την ταχύτητα με την οποία μια εξαρτημένη μεταβλητή Y επιστρέφει σε ισορροπία μετά από μια αλλαγή σε μια ανεξάρτητη μεταβλητή X. Τα ECM είναι μια θεωρητικά χρήσιμη προσέγγιση για την εκτίμηση τόσο βραχυπρόθεσμων όσο και μακροπρόθεσμων αποτελεσμάτων από τη μία χρονοσειρά σε μία άλλη. Είναι πιο χρήσιμα όταν χρησιμοποιούνται σε δεδομένα 24
TKP -0.005 0.005 0.015 TPP -0.005 0.005 0.015 FP -0.005 0.005 0.015 Εμπειρική ανάλυση της σχέσης τιμών ζωοτροφών και παραγωγού που έχουν συνολοκλήρωση αλλά και όταν υπάρχουν δεδομένα με στασιμότητα. Εδώ συγκεκριμένα θα χρησιμοποιηθεί το VECM (vector error correction model) μοντέλο το οποίο προσθέτει χαρακτηριστικά διόρθωσης σφάλματος σε ένα μοντέλο πολλαπλών παραγόντων, όπως είναι ένα αυτοπαλίνδρομο μοντέλο με φορείς. 3.1 VAR ΜΟΝΤΕΛΑ Η έλλειψη συνολοκλήρωσης μεταξύ των τιμών των χρονοσειρών σημαίνει ότι βραχυπρόθεσμα μπορούν να εξεταστούν χρησιμοποιώντας ένα μοντέλο VAR. Σύμφωνα με τα παραπάνω λοιπόν θα παρατεθούν τα διαγράμματα από το χοιρινό, το κοτόπουλο και το αρνί στα οποία δεν υπάρχει συνολοκλήρωση. Για το χοιρινό Διάγραμμα 5α: orthogonal impulse response from feed Orthogonal Impulse Response from FP 0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 95 % Bootstrap CI, 100 runs 25
TKP -0.005 0.005 0.015 TPP -0.005 0.005 0.015 FP -0.005 0.005 0.015 TKP 0.00 0.01 0.02 0.03 TPP 0.00 0.01 0.02 0.03 FP 0.00 0.01 0.02 0.03 Εμπειρική ανάλυση της σχέσης τιμών ζωοτροφών και παραγωγού Διάγραμμα 5β: orthogonal impulse response from producer s price Orthogonal Impulse Response from TPP 0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 95 % Bootstrap CI, 100 runs Διάγραμμα 5γ: orthogonal impulse response from consumer s price Orthogonal Impulse Response from TKP 0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 95 % Bootstrap CI, 100 runs 26
TKC -0.005 0.005 TPC -0.005 0.005 FC -0.005 0.005 Εμπειρική ανάλυση της σχέσης τιμών ζωοτροφών και παραγωγού Τα παραπάνω διαγράμματα αντιπροσωπεύουν το αποτέλεσμα ενός σοκ τιμών ισοδύναμο με μια τυπική απόκλιση στην αύξηση μιας μακροοικονομικής μεταβλητής (τιμές παραγωγού και τιμές καταναλωτή) για το χοιρινό κρέας. Όπως παρατηρείται στο διάγραμμα 5α ένα σοκ στις ζωοτροφές επηρεάζει σε μεγάλο βαθμό τις τις τιμές παραγωγού και καταναλωτή, κάτι το οποίο είναι απολύτως φυσιολογικό αφού οι ζωοτροφές αποτελούν σημαντικό παράγοντα στην παραγωγή των ζώων. Αντίθετα στο διάγραμμα 5β ένα σοκ στις τιμές παραγωγού δεν επηρεάζει σχεδόν καθόλου τις τιμές ζωοτροφών, πολύ λίγο τις τιμές καταναλωτή και αρκετά τον εαυτό του. Κάτι αντίστοιχο συμβαίνει και στο διάγραμμα 5γ. Για το κοτόπουλο: Διάγραμμα 6α: orthogonal impulse response from feed Orthogonal Impulse Response from FC 0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 95 % Bootstrap CI, 100 runs 27
TKC TPC -0.005 0.000 0.005 0.010-0.005 0.000 0.005 0.010-0.005 0.000 0.005 0.010 FC TKC TPC -0.005 0.005 0.015-0.005 0.005 0.015-0.005 0.005 0.015 FC Εμπειρική ανάλυση της σχέσης τιμών ζωοτροφών και παραγωγού Διάγραμμα 6β: orthogonal impulse response from producer s price Orthogonal Impulse Response from TPC 0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 95 % Bootstrap CI, 100 runs Διάγραμμα 6γ: orthogonal impulse response from consumer s price Orthogonal Impulse Response from TKC 0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 95 % Bootstrap CI, 100 runs 28
TKL -0.010 0.000 0.010 0.020 TPL -0.010 0.000 0.010 0.020 FL -0.010 0.000 0.010 0.020 Εμπειρική ανάλυση της σχέσης τιμών ζωοτροφών και παραγωγού Οι παρατηρήσεις και εδώ είναι παρόμοιες με πριν. Αλλά παρατηρούνται μεγαλύτερες δικακυμάνσεις στις μεταβολές των τιμών από ότι στο χοιρινό. Ίσως αυτό οφείλεται στο ότι το κοτόπουλο είναι ένα κρέας ευρείας κατανάλωσης και μη εποχικό και οποιοδήποτε σοκ τιμών να επηρεάσει σε μεγάλο βαθμό και τις υπόλοιπες μεταβλητές του μοντέλου. Επίσης η ζωοτροφή αποτελεί τον κυρίαρχο παράγοντα πάχυνσης των κοτόπουλων. Για το αρνί: Διάγραμμα 7α: orthogonal impulse response from feed Orthogonal Impulse Response from FL 0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 95 % Bootstrap CI, 100 runs 29
TKL -0.01 0.01 0.03 TPL -0.01 0.01 0.03 FL -0.01 0.01 0.03 TKL 0.00 0.02 0.04 TPL 0.00 0.02 0.04 FL 0.00 0.02 0.04 Εμπειρική ανάλυση της σχέσης τιμών ζωοτροφών και παραγωγού Διάγραμμα 7β: orthogonal impulse response from producer s price Orthogonal Impulse Response from TPL 0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 95 % Bootstrap CI, 100 runs Διάγραμμα 7γ: orthogonal impulse response from consumer s price Orthogonal Impulse Response from TKL 0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 95 % Bootstrap CI, 100 runs 30
TKB TPB -0.010 0.000 0.010 0.020-0.010 0.000 0.010 0.020-0.010 0.000 0.010 0.020 FB Εμπειρική ανάλυση της σχέσης τιμών ζωοτροφών και παραγωγού Αντίστοιχα στα διαγράμματα 7α 7γ παρατηρούνται οι μεταβολές που γίνονται στο αρνίσιο κρέας σε ένα σοκ τιμών. Στο διάγραμμα 7α φαίνεται καθάρα πως ένα σοκ στις τιμές ζωοτροφών επηρεάζει σε μεγάλο βαθμό τις τιμές παραγωγού και καταναλωτή. Αυτό είναι απολύτως φυσιολογικό και αναμενόμενο όπως έχει αναφερθεί και παραπάνω. Τέλος, στα διαγράμματα 7β 7γ, ένα σοκ τιμών επηρεάζει περισσότερο τις τιμές από τις οποίες προήλθε και λιγότερο έως καθόλου τις υπόλοιπες μεταβλητές. 3.2 VECM ΜΟΝΤΕΛΟ Στα αποτελέσματα του johansen τεστ φάνηκε πως το μοσχαρίσιο κρέας έχει συνολοκλήρωση. Έτσι λοιπόν, για να μπορέσουν να ερμηνευτούν κάποια αποτελέσματα από αυτές τις τιμές το καταλληλότερο μοντέλο γι αυτήν την περίπτωση είναι το vecm( vector error correction model) το οποίο χρησιμοποιείται σε περιπτώσεις δεδομένων που έχουν συνολοκλήρωση. Τα διαγράμματα παρατίθενται ακολούθως. Διάγραμμα 8α : svecm impulse response from feed SVECM Impulse Response from FB 0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 95 % Bootstrap CI, 100 runs 31
TKB -0.01 0.01 0.02 TPB -0.01 0.01 0.02 FB -0.01 0.01 0.02 TKB 0.000 0.010 0.020 TPB 0.000 0.010 0.020 FB 0.000 0.010 0.020 Εμπειρική ανάλυση της σχέσης τιμών ζωοτροφών και παραγωγού Διάγραμμα 8β : svecm impulse response from producer s price SVECM Impulse Response from TPB 0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 95 % Bootstrap CI, 100 runs Διάγραμμα 8γ : svecm impulse response from consumer s price SVECM Impulse Response from TKB 0 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 95 % Bootstrap CI, 100 runs 32
Στο διάγραμμα 8α παρατηρείται πως ένα αρνητικό σοκ στις ζωοτροφές επηρεάζει αρνητικά τις τιμές παραγωγού και καταναλωτή, κάτι που είναι απολύτως φυσιολογικό αφού αυτές οι μεταβλητές είναι τελείως εξαρτώμενες μεταξύ τους και επηρεάζονται ταυτόχρονα το ίδιο. Αντίστοιχα στο διάγραμμα 8β ένα μικρό σοκ στις τιμές του παραγωγού επηρεάζει θετικά τις τιμές καταναλωτή και σε μεγαλύτερο βαθμό θετικά τις τιμές ζωοτροφών. Τέλος, στο διάγραμμα 8γ, ένα αρνητικό σοκ στις τιμές καταναλωτή επηρεάζει αρνητικά τις τιμές ζωοτροφών αλλά θετικά τις τιμές παραγωγού. 33
Percentage 0.0 0.4 0.8 Percentage 0.0 0.4 0.8 Percentage 0.0 0.4 0.8 Εμπειρική ανάλυση της σχέσης τιμών ζωοτροφών και παραγωγού 4. FORECAST ERROR VARIANCE DECOMPOSITION (FEVD) Στην οικονομετρία και σε άλλες εφαρμογές της ανάλυσης πολυμεταβλητών χρονοσειρών, ένα σφάλμα πρόβλεψης της διακύμανσης (FEVD) χρησιμοποιείται για να βοηθήσει στην ερμηνεία ενός αυτοπαλίνδρομου μοντέλου με φορείς (VAR) αφού έχει τοποθετηθεί. Η διακύμανση αυτή υποδεικνύει την ποσότητα των πληροφοριών κάθε μεταβλητής που συμβάλλει στις άλλες μεταβλητές στην αυτοπαλινδρόμηση. Καθορίζει πόσο από την διακύμανση του σφάλματος πρόβλεψης για κάθε μία από τις μεταβλητές μπορεί να εξηγηθεί από εξωγενείς κλυδωνισμούς σε άλλες μεταβλητές. Επίσης μπορεί να χρησιμοποιηθεί για να αποσυνθέσει τη διακύμανση της κάθε χρονοσειράς στα ποσοστά που αναλογούν σε κάθε καινοτομία. Στα διαγράμματα αυτά κάθε χρώμα αντιπροσωπεύει τις τρεις παραμέτρους που εδώ είναι οι τιμές ζωοτροφών, οι τιμές παραγωγού και οι τιμές καταναλωτή για κάθε κρέας. Διάγραμμα 13: svecm FEVD ΓΙΑ ΜΟΣΧΑΡΙ FEVD for FB TKB TPB FB 1 3 5 7 9 11 14 17 20 23 26 29 32 35 38 41 44 47 Horizon FEVD for TPB TKB TPB FB 1 3 5 7 9 11 14 17 20 23 26 29 32 35 38 41 44 47 Horizon FEVD for TKB TKB TPB FB 1 3 5 7 9 11 14 17 20 23 26 29 32 35 38 41 44 47 Horizon 34
Percentage 0.0 0.4 0.8 Percentage 0.0 0.4 0.8 Percentage 0.0 0.4 0.8 Εμπειρική ανάλυση της σχέσης τιμών ζωοτροφών και παραγωγού Όπως φαίνεται στο διάγραμμα αυτό, για την ζωοτροφή, η συμβολή της είναι πολύ μεγάλη τον πρώτο μήνα αλλά σιγά σιγά μειώνεται. Το αντίθετο σύμβαίνει για τις τιμές παραγωγού και καταναλωτή. Αξιοσημείωτο είναι ότι στους 28-29 μήνες η συμβολή και των τριών είναι περίπου η ίδια. Τα FEVD για παραγωγό και καταναλωτή δείχνουν ότι κατά κύριο λόγο εξαρτώνται από τον εαυτό τους και λίγο από τα υπόλοιπα. Διάγραμμα 14: FEVD ΓΙΑ ΧΟΙΡΙΝΟ FEVD for FP TKP TPP FP 1 3 5 7 9 11 14 17 20 23 26 29 32 35 38 41 44 47 Horizon FEVD for TPP TKP TPP FP 1 3 5 7 9 11 14 17 20 23 26 29 32 35 38 41 44 47 Horizon FEVD for TKP TKP TPP FP 1 3 5 7 9 11 14 17 20 23 26 29 32 35 38 41 44 47 Horizon Στο χοιρινό κρέας τα πράγματα είναι λίγο διαφορετικά. Το FEVD για την ζωοτροφή δείχνει πως εξαρτιέται αποκλειστικά και μόνο από τον εαυτό του. Το ίδιο ακριβώς παρατηρείται και για τις τιμές παραγωγού. Αντίθετα, στις τιμές καταναλωτή συμβάλουν και οι τιμές παραγωγού. Αξιοσημείωτο ότι στους 20-29 μήνες 35
Percentage 0.0 0.4 0.8 Percentage 0.0 0.4 0.8 Percentage 0.0 0.4 0.8 Εμπειρική ανάλυση της σχέσης τιμών ζωοτροφών και παραγωγού συμβάλλουν περίπου το ιδιο. Τέλος η συνεισφορά του καταναλωτή ξεκινάει σχετικά χαμηλά τον πρώτο μήνα αλλά όσο περνάει ο καιρός συνεχώς αυξάνεται. Διάγραμμα 15: FEVD ΓΙΑ ΚΟΤΟΠΟΥΛΟ FEVD for FC TKC TPC FC 1 3 5 7 9 11 14 17 20 23 26 29 32 35 38 41 44 47 Horizon FEVD for TPC TKC TPC FC 1 3 5 7 9 11 14 17 20 23 26 29 32 35 38 41 44 47 Horizon FEVD for TKC TKC TPC FC 1 3 5 7 9 11 14 17 20 23 26 29 32 35 38 41 44 47 Horizon Στο παραπάνω διάγραμμα όσον αφορά την τιμή ζωοτροφής είναι ξεκάθαρο πως επηρεάζεται πιο πολύ από τον εαυτό της και λιγότερο από την τιμή παραγωγού. Στα υπόλοιπα δύο η συμβολή γίνεται κυρίως από τους εαυτούς τους και λιγότερο από τις υπόλοιπες δύο παραμέτρους. Ίσως αυτό οφείλεται στο ότι το κοτόπουλο αποτελεί ένα προϊόν ευρείας κατανάλωσης και είναι και διαχρονικό, δηλ. καταναλώνεται όλο το χρόνο το ίδιο. 36
Percentage 0.0 0.4 0.8 Percentage 0.0 0.4 0.8 Percentage 0.0 0.4 0.8 Εμπειρική ανάλυση της σχέσης τιμών ζωοτροφών και παραγωγού Διάγραμμα 16: FEVD ΓΙΑ ΑΡΝΙ FEVD for FL TKL TPL FL 1 3 5 7 9 11 14 17 20 23 26 29 32 35 38 41 44 47 Horizon FEVD for TPL TKL TPL FL 1 3 5 7 9 11 14 17 20 23 26 29 32 35 38 41 44 47 Horizon FEVD for TKL TKL TPL FL 1 3 5 7 9 11 14 17 20 23 26 29 32 35 38 41 44 47 Horizon Τέλος για το αρνίσιο κρέας παρατηρείται, στο FEVD για την ζωοτροφή, πως επηρεάζει αποκλειστικά τον εαυτό της ενώ οι άλλοι δύο παράμετροι είναι σαν να μην υπάρχουν. Όσον αφορά τις τιμές παραγωγού, συμβαίνει πάλι το ίδιο αλλά υπάρχει μια ελάχιστη συμβολή από τις τιμές καταναλωτή. Τέλος,στο FEVD για τιμές καταναλωτή, φαίνεται ότι υπάρχει μια ταυτόχρονη συμβολή τιμών παραγωγού και καταναλωτή ειδικά στους 19-27 μήνες. 37
ΣΥΜΠΕΡΑΣΜΑΤΑ Σε αυτήν την ανάλυση χρησιμοποιήθηκαν μηνιαία δεδομένα για τέσσερα είδη κρέατος (μοσχάρι, χοιρινό, κοτόπουλο και αρνί) από τον Ιανουάριο 1990 έως τον Ιανουάριο 2013 καθώς και οι αντίστοιχες τιμές παραγωγού και καταναλωτή. Βασικός σκοπός της μέλετης ήταν να εξετάσει τη δυναμική σχέση μεταξύ των τιμών των ζωοτροφών και παραγωγού, καταναλωτή και για τα τέσσερα κρέατα. Αρχικά πραγματοποιήθηκε τεστ μοναδιαίας ρίζας (ADF test) για να ελέγχει η ύπαρξη ή όχι στασιμότητας στις χρονοσειρές και για τα τέσσερα δείγματα. Τα αποτελέσματα έδειξαν πως οι χρονοσειρές δεν έχουν μοναδιαία ρίζα, είναι δηλ. στάσιμες, και άρα μπορούν να χρησιμοποιηθούν για περαιτέρω ανάλυση. Στη συνέχεια έγινε έλεγχος συνολοκλήρωσης με τη βοήθεια του Johansen test. Τα αποτελέσματα έδειξαν ότι μόνο το μοσχαρίσιο κρέας είχε συνολοκλήρωση, σε σχέση με το σύνολο των τεσσάρων κρεάτων που ερευνήθηκαν. Με τη βοήθεια αυτού του τεστ επιλέχθηκαν και τα μοντέλα με τα οποία έγινε η διαγραμματική ανάλυση των αποτελεσμάτων. Σύμφωνα με τη θεωρία σε όσα δείγματα έχουν συνολοκλήρωση χρησιμοποιείται το VECM μοντέλο, ενώ σε όσα δεν υπάρχει VAR μοντέλα. Συγκεκριμένα εδώ, το μοσχάρι ήταν το μοναδικό κρέας το οποίο περιγράφηκε από VECM μοντέλο αφού έχει συνολοκλήρωση.τα υπόλοιπα τρία παρουσιάστηκαν με VAR μοντέλα. Γενικά τα αποτελέσματα τα οποία παρουσιάστηκαν μέσω των διαγραμμάτων ήταν απολύτως αναμενόμενα. Αυτό διότι οι ζωοτροφές αποτελούν τον κυριάρχο παράγοντα στην διατροφή και την παραγωγή των ζώων. Αυτό έχει ως αποτέλεσμα οποιαδήποτε αλλάγη στις τιμές ζωοτροφών να επηρεάζει άμεσα και σε μεγάλο βαθμό τις τιμές παραγωγού και καταναλωτή. Τέλος, καλό θα ήταν να γίνει και περαίτερω έρευνα σε αυτόν τον τομέα έτσι να μπορέσουν να αποσαφηνιστούν καλύτερα όλοι οι παράγοντες που συντελούν στις μετακυλίσεις των τιμών. 38
ΒΙΒΛΙΟΓΡΑΦΙΑ 1. Abbott, P.C., C. Hurt, and W.E. Tyner. What s Driving Food Prices? Issue Report, Farm Foundation, July 2008. Agriculture Statistics Board, World Agricultural Outlook Board. 2. Baffes, J. Oil Spills on Other Commodities. Resources Policy 32(2007):126 34. Bessler, D.A., and D.G. Akleman. Farm Prices, Retail Prices and Directed Graphs: Results for Pork and Beef. American Journal of Agricultural Economics 80(1998):1144 49. 3. Conley, D.M., and A. George. Spatial Marketing Patterns for Corn under the Condition of Increasing Ethanol Production in the U.S. International Food and Agribusiness Management Review 11,(2008):81 98. 4. Crane, S.E., and F. Nourzad. Improving Local Manufacturing Employment Forecasts Using Co-integration Analysis. Growth and Changen 29(1998):175 95. 5. Economic Research Service, United States Department of Agriculture, 2008.Washington, DC. Enders,W. Applied Econometric Time Series. New York, NY: John Wiley & Sons, Inc., 1995. 6. Frankel, J.A. Expectations and Commodity Price Dynamics: The Overshooting 7. Model. American Journal of Agricultural Economics 68(1986):344 48. Hendry, D.F. Econometric Modeling with Cointegrated Variables: An Overview. Oxford Bulletin of Economics and Statistics 48(1986):201 12 8. Holden, D., and R. Perman. Unit Root and Cointegration for the Economist. Cointegration for the Applied Economist. B. Bhaskara Rao, ed. New York, NY: St. Martin s Press, 1994. 9. Irwin, S.H., and D.L. Good. Market Instability in a New Era of Corn, Soybean, and Wheat Prices. Choices (New York, N.Y.) 24,1(2009): 6 11. 10. Johansen, S., and K. Juselius. Testing Structural Hypothesis in a Multivariate Cointegration Analysis of the PPP and UIP for the UK. Journal of Econometrics 53(1992):211 44. 39
11. MacKinnon, J.G., A.A. Haug, and L. Michelis. Numerical Distribution Functions of Likelihood Ratio Tests for Cointegration. Journal of Applied Econometrics 14,5(1999):563 77. 12. Morehart, M. Implications of Macroeconomic Instability for Agricultural Income and Land Values. Choices (New York, N.Y.) 24,1(2009): 27 31 13. Baffes, J. Oil spills on other commodities. Resour. Policy 32, 126 134, 2007. 14. Ciaian, P. and Kancs, d Artis. Interdependencies in the energy bioenergy food price systems: A cointegration analysis European Commission (DG Joint Research Centre), Catholic University of Leuven (LICOS), and Economics and Econometrics Research Institute (EERI), B-1049 Brussels, Belgium 2010. 15. Hameed, A. A. A. and Arshad, F. M. The impact of petroleum prices on vegetable oils prices: evidencefrom cointegration tests International Borneo Busines Conference on Global Changes: Corporate Responsibility, organized by The School of Business and Economics of Universiti Malaysia Sabah (UMS) and the Faculty of Economics and Business of University Malaysia Sarawak (UNIMAS), 15-17 December, 2008 16. Harri, A., Nalley, L., Hudson, D., 2009. The relationship between oil, exchange rates, and commodity prices. J. Agric. Appl. Econ. 41, 501 510. 17. Hassouneh, I., Serra, T., Goodwin, B., K., Gil J.,M. Non-parametric and parametric modeling of biodiesel, sunflower oil, and crude oil price relationships. Energy Economics, 2012 18. Kaltalioglu, M., Soytas, U. Price transmission between world food, agricultural raw material, and oil prices. GBATA International Conference Proceedings, pp. 596 603. Prague, 2009. 19. Nazlioglu, S. and Soytas, U. Oil price, agricultural commodity prices, and the dollar: A panel cointegration and causality analysis. Energy Economics, 2011. 20. OECD (Organization for Economic Co-Operation Development). Rising food prices: causes, consequences and responses. OECD Policy Brief, 2008 21. Yu, T.E., Bessler, D.A. and Fuller, S. Cointegration and Causality Analysis of World Vegetable Oil and Crude Oil Prices The American Agricultural 40
Economics Association Annual Meeting, Long Beach, California July 23-26, 2006 22. Blomberg, S. B. and Haris, E. S. (1995). The commodity-consumer price connection: fact or fable?, Federal Reserve Bank of New York Economic Policy Review, Vol: 1, No: 3. pp.21-38 23. Caporale, G. M., Katsimi, M. & Pittis, N. (2002). Causality links between consumer and producer prices: some empirical evidence, Southern Economic Journal, 68, pp.703-711 24. Clark, T. (1995). Do producer prices lead consumer prices?, Federal Reserve Bank of Kansas City Economic Review, Third Quarter, pp.25-39. 25. Colclough, W. G. and Lange, M. D. (1982). Empirical evidence of causality from consumer to wholesale prices, Journal of Econometrics, 19, pp. 379-384 26. Dickey, D.A., and Fuller, W. (1981). Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root, Econometrica, 49, pp.1057-1072 27. Engle, R.F. and Granger C.W.J. (1987). Cointegration and Error Correction: Representation, Estimation and Testing, Econometrica, 55, pp. 251-276 28. Jones, J. D. (1986). Consumer prices, wholesale prices, and causality, Empirical Economics, 11, pp. 41-55, 29. Armidale.Rogers, R. M. (1998). A Primer on Short-Term Linkages Key Economic Data Series, Federal Reserve Bank of Atlanta Economic Review, Second Quarter, pp.40-54. 30. Engle, R.F. and Granger C.W.J. (1987). Cointegration and Error Correction: Representation, Estimation and Testing, Econometrica, 55, pp. 251-276 41