Czynniki wytwórcze

2.3.1. Charakterystyka obszaru problemowego

Analiza gáównych czynników wytwórczych nie naleĪy do tradycyjnych obszarów zastosowania modeli równowagi ogólnej w analizach sektora rolno- -ĪywnoĞciowego. Modele DSGE moĪna wykorzystaü w analizie rynków rolnych i wybranych narzĊdzi polityki rolnej. Jednak z drugiej strony, reformy europej-skiej polityki rolnej wywierają znaczący wpáyw na rynki czynników wytwór-czych, co w konsekwencji powinno implikowaü potrzebĊ analizy takĪe i tych zagadnieĔ. Dlatego teĪ rozwój zastosowaĔ modeli pozwalających na alokacjĊ ziemi zgodnie z dziaáalnoĞcią produkcyjną i modeli prognostycznych powinien byü postrzegany, jako dąĪenie do lepszego zrozumienia i przewidywania aloka-cji gruntów, zasobów pracy oraz kapitaáu w sektorze rolnym. W ramach badania tej problematyki wyodrĊbnione zostaáy nastĊpujące zagadnienia: czynnik pracy, ziemia, produkcja biopaliw oraz energetyka.

JeĞli chodzi o modelowanie czynnika pracy w rolnictwie, nie jest to gáów-ny problem analizowagáów-ny przy pomocy modeli równowagi ogólnej, wykorzysty-wanych w sektorze rolno-ĪywnoĞciowym, i prawdopodobnie stan ten nie zmieni siĊ w przyszáoĞci z kilku powodów. Po pierwsze, mimo iĪ dystrybucja

przycho-dów z alokacji podstawowych czynników wytwórczych jest interesującym wskaĨnikiem oceny polityki, dostĊpnoĞü do niezbĊdnych danych dotyczących cen i iloĞci czynników jest bardzo ograniczona. Po drugie, áączne wykorzystanie podstawowych czynników w rolnictwie w duĪym stopniu zaleĪy od interakcji z innymi sektorami gospodarki, a te są bardzo zróĪnicowane ze wzglĊdu na poli-tykĊ regionalną i warunki ekonomiczne.

W ramach analiz tego czynnika w odniesieniu do sektora rolnego moĪna modelowaü: poziom dobrobytu, rozwój obszarów wiejskich oraz redukcjĊ po-ziomu ubóstwa. W ramach pierwszego kierunku modele DSGE moĪna by wyko-rzystywaü w badaniach nad: wzrostem efektywnoĞci na poziomie narodowym i miĊdzynarodowym [Pauw i in. 2004], subsydiami eksportowymi w sektorze rolnym [Abbott i in. 1986], polityką ochrony Ğrodowiska w gospodarce otwartej [Taheripour i in. 2005]. Z kolei w ramach drugiego kierunku moĪliwą aplikacją tych modeli jest ich wykorzystywanie w badaniach nad: unijnymi programami wsparcia terenów wiejskich [ZawaliĔska 2009], wymaganiami jakoĞciowymi wobec produktów ĪywnoĞciowych [Xiang i in. 2009] oraz efektywnoĞcią kre-owania otoczenia kulturowego przez mieszkaĔców terenów wiejskich [Rodseth 2008]. W trzecim przypadku modele DSGE mogą znaleĨü zastosowanie w ana-lizie poziomu ubóstwa w kontekĞcie gospodarki nastawionej na wydobycie ropy naftowej [Chemingui 2007] lub na turystykĊ [Wattanakuljarus i Coxhead 2006].

Modele DSGE mogą umoĪliwiü równieĪ badanie kwestii migracji, poziomu bez-robocia i korzyĞci z turystyki wewnĊtrznej w krajach rozwijających siĊ [Sahli i Nowak 2005], jak i migracji w kontekĞcie liberalizacji europejskich rynków rolnych [Brockmeier i Kurzweil 2003]. MoĪliwe są zastosowania modeli DSGE w analizie wpáywu reformy WPR na zatrudnienie w sektorze rolniczym w Unii Europejskiej (reforma WPR poprzez zmiany w konkurencyjnoĞci regionów i sektorów oraz poprzez realokacjĊ Ğrodków trwaáych wpáynĊáa na zatrudnienie w sektorze rolniczym, jak równieĪ w innych sektorach regionalnej gospodarki) [Helming i in. 2008], a takĪe analizĊ nakáadów kapitaáu ludzkiego w ramach konkretnych programów unijnych [Garvey 2006].

Kolejnym zagadnieniem w tym obszarze problemowym jest czynnik ziemi.

Analiza rynku gruntów rolnych jest záoĪona ze wzglĊdu na róĪnice jakoĞciowe i przestrzenne. W związku z ciągáym wprowadzaniem nowych narzĊdzi w ramach WPR analiza ta staje siĊ jeszcze bardziej skomplikowana. Na rynek ziemi oddzia-áują róĪne narzĊdzia polityki rolnej. Jednym z nich są páatnoĞci oddzielone od produkcji wywierające bezpoĞredni wpáyw na wysokoĞü dopáat do hektara.

MoĪliwoĞci badaĔ w zakresie rynku ziemi cechują siĊ duĪą róĪnorodno-Ğcią. Po pierwsze, ziemia moĪe byü czynnikiem ograniczającym w analizie roz-woju zrównowaĪonego i handlu [Irz i Roe 2000]. Po drugie, badania mogą

doty-czyü samej reformy rolnej i wiąĪącego siĊ z nią problemu wywáaszczenia [Coakley i Gow 2001]. W tym kontekĞcie modele DSGE mogą byü wykorzy-stywane w ocenie wpáywu polityki rolnej Unii Europejskiej [Jansson i in. 2003]

lub w wĊĪszym ujĊciu w ocenie wpáywu oddzielenia páatnoĞci od produkcji [Balkhausen i Banse 2004]. Po trzecie, modele DSGE mogą znaleĨü zastosowa-nie w ocezastosowa-nie skutków degradacji ziemi rolniczej w wyniku zmian gospodar-czych [Coxhead i Shively 1995]. Po czwarte, za pomocą modeli DSGE moĪna badaü wpáyw zmian klimatycznych na globalną alokacjĊ ziemi (np. przeznacze-nie pod uprawĊ zbóĪ) [Ronneberger i in. 2006]. Po piąte, modele DSGE umoĪ-liwiają zestawienie rynku ziemi z rynkiem biopaliw, umoĪumoĪ-liwiając badanie wpáywu wprowadzenia minimalnego poziomu zuĪycia biopaliw na rynek ziemi w USA [Fabiosa i in. 2009] czy teĪ w Unii Europejskiej [Banse i Grethe 2008].

WaĪnym zagadnieniem w ramach obszaru problemowego czynniki wy-twórcze jest produkcja biopaliw, która wpáywa w coraz wiĊkszym stopniu na popyt na towary rolne. Etanol i biodiesel, które staáy siĊ substytutami ropy naf-towej, są produkowane obecnie ze skrobi, buraków cukrowych, jak równieĪ z roĞlin oleistych, co tworzy coraz wiĊkszy rynek zbytu dla tych ziemiopáodów.

Zgodnie z dyrektywą UE paĔstwa czáonkowskie powinny zapewniü, aby biopa-liwa i inne pabiopa-liwa odnawialne osiągnĊáy wyznaczony poziom udziaáu w caáko-witym zuĪyciu paliw w transporcie (5,75% do koĔca 2010 roku). JednakĪe w komunikacie Komisji Europejskiej, dotyczącym prognozy rozwoju energetyki odnawialnej i ram planowanych dziaáaĔ na rzecz rozwoju tego dziaáu energetyki pt. „Renewable energy road map” ze stycznia 2007 [European Commission 2007] wskazano, Īe cele wyznaczone na lata poĞrednie nie zostaáy osiągniĊte, przewidując jednoczeĞnie, Īe cele wyznaczone na rok 2010 prawdopodobnie nie zostaną zrealizowane. W związku z tym proponuje siĊ pakiet Ğrodków promują-cych wykorzystanie biopaliw. Rosną jednak obawy, iĪ produkcja biopaliw bĊ-dzie miaáa negatywny wpáyw, zarówno z punktu widzenia ochrony Ğrodowiska, jak i ze wzglĊdu na aspekty spoáeczne.

Wáączenie zapotrzebowania na biopaliwa do modeli równowagi jest jed-nym z wiĊkszych wyzwaĔ modelowania dla wielu zespoáów badawczych. Po pierwsze istotne jest uwzglĊdnienie w modelu przemysáu przetwórczego. W tym celu popyt na rynkach surowców do produkcji biopaliw opisuje siĊ jako funkcjĊ cen energii, cen produktów rolnych oraz róĪnych instrumentów polityki, jak ulg podatkowych oraz dotacji na rynkach biopaliw. Drugą kwestią jest subsydiowanie importu, które moĪe mieü bezpoĞredni wpáyw na rynek biopaliw oraz na zuĪycie zapasów pasz do produkcji. PoĞredni wpáyw subsydiowania importu przejawia siĊ w zastĊpowaniu oleju rzepakowego w przemyĞle ĪywnoĞciowym przez olej pal-mowy i wykorzystywanie tego pierwszego do produkcji biopaliw. Po trzecie, pod

uwagĊ powinny byü brane równieĪ produkty uboczne, jak na przykáad otrĊby lub gluten. Czwarte wyzwanie dotyczy ewentualnych róĪnic w praktykach rolniczych miĊdzy produkcją surowców na biopaliwa i na cele ĪywnoĞciowe.

Rynek biopaliw cieszy siĊ coraz wiĊkszym zainteresowaniem badaczy.

W tym kontekĞcie modele DSGE moĪna stosowaü w ocenie róĪnych scenariuszy rozwoju tego rynku [Hayes i in. 2009] oraz opáacalnoĞci produkcji [von Lampe 2006], przy uwzglĊdnieniu oczekiwanego wzrostu zapotrzebowania na paliwa odnawialne [von Ledebur i in. 2008 oraz Binfield i in. 2008]. Idąc dalej, modele DSGE mogą zostaü wykorzystane w analizach wpáywu wzrostu produkcji bio-etanolu na gospodarkĊ i Ğrodowisko [Lee i in. 2007]. MoĪna badaü zakres wyko-rzystania zbóĪ w produkcji bioenergii [Ignaciuk i Dellink 2005] oraz wpáyw konkretnych decyzji politycznych dotyczących biopaliw na sektor rolno- -ĪywnoĞciowy [Thaeripour i in. 2008; Banse i in. 2008]. Ocenie poddawane są decyzje polityczne zmierzające w kierunku narzucenia minimalnego poziomu zuĪycia biopaliw [European Commission 2007; Westhoff 2007]. Elementem zainteresowaĔ badaczy jest równieĪ odpowiedĨ na pytanie, na ile polityka paĔ-stwa w odniesieniu do popytu i podaĪy etanolu wpáynie na rynek biopaliw oraz na rynki rolne [Thompson 2008 oraz FAPRI 2007].

W ramach obszaru problemowego czynniki wytwórcze moĪna wyodrĊbniü takĪe zagadnienie szerzej pojĊtej energetyki. Ze wzglĊdu na ogromne znaczenie energii w gospodarce kaĪdego kraju sektor energetyczny wzbudzaá zawsze duĪe zainteresowanie, ale równieĪ wiele kontrowersji. PodkreĞliü naleĪy, Īe w ostat-nich latach, ze wzglĊdu na obawy dotyczące bezpieczeĔstwa dostaw energii, jak równieĪ Ğrodowiska naturalnego, wzrosáo zainteresowanie odnawialnymi Ĩródáa-mi energii. Modele DSGE mogą byü wykorzystywane w badaniach nad wpáywem deregulacji przemysáu elektrycznego na gospodarkĊ, w tym na sektor rolno- -ĪywnoĞciowy [Coupal i Holland 2002], a takĪe w badaniach dáugookresowego wpáywu samych cen energii na Ğwiatowe rynki rolne [Chantret i Gohin 2009].

2.3.2. Model CIRAD-ES-UMR

Analizując wykorzystanie czynników wytwórczych, naukowcy z oĞrodka CIRAD-ES-UMR dokonali oceny wpáywu liberalizacji handlu artykuáami rolno- -ĪywnoĞciowymi na poziom ubóstwa [Gerard i Piketty 2007]. Wyniki tych prac opublikowano w roku 2007. Równolegle badano dwa zagadnienia, a mianowicie zmiany dobrobytu i jego redystrybucji na skutek liberalizacji handlu przy uwzglĊdnieniu niedoskonaáych rynków pracy, a takĪe wpáyw reform europej-skiej polityki rolnej na Ğwiatowy dobrobyt. Do analiz wykorzystano dwie wersje dynamicznego Ğwiatowego modelu CGE i bazy danych GTAP. W pierwszej

wersji wykorzystano standardowe podejĞcie CGE przy uwzglĊdnieniu doskona-áej mobilnoĞci czynnika pracy we wszystkich sektorach. W drugiej natomiast zaáoĪono, Īe czynnik pracy zmienia siĊ wolno, ale tylko w obrĊbie zagregowa-nych sektorów – rolnictwa, przemysáu i usáug – ale nie pomiĊdzy nimi. W mo-delu uwzglĊdniono 7 regionów (Brazylia, Chiny, Indie, kraje najsáabiej rozwi-niĊte, UE, USA, reszta Ğwiata), 5 czynników produkcji i 11 sektorów, áącznie z 8 sektorami produkcji rolnej. Produkcja opisana zostaáa za pomocą funkcji CES (z ang. constant elasticity of substitution). ZaáoĪono, iĪ popyt jest liniową funkcją wydatków, szacowaną przy uwzglĊdnieniu elastycznoĞci dochodowych wyznaczonych w modelu GTAP, jak równieĪ poziomu konsumpcji i cen. Oby-dwa modele są dynamiczne i obejmują tymczasowe stany równowagi. Autorzy uwzglĊdnili w analizach zaáoĪenie Armingtona odnoĞnie niedoskonaáej substy-tucji produktów z róĪnych krajów. WartoĞci parametrów i koszty transportu za-poĪyczono z bazy danych GTAP. Oryginalną cechą modelu jest uwzglĊdnienie polityk rolnych UE i USA z ukierunkowaniem na politykĊ wsparcia cen rynko-wych. WiĊkszoĞü Ğwiatowych modeli CGE zastĊpuje rzeczywistą politykĊ rolną ekwiwalentem wsparcia cenowego (PSE – Price Support Equivalent) zapropo-nowanym przez OECD. PoniewaĪ w Europie w ciągu ostatniej dekady wysiáki káadzione byáy na przeformuáowanie polityki wysokich cen do bardziej przyjaz-nego dla rynku wsparcia krajowego, interesujące jest przedstawienie rzeczywi-stych skutków decyzji politycznych, jak równieĪ ocena ich wpáywu na kraje rozwijające siĊ.

RozwaĪono cztery scenariusze. Scenariusz bazowy zakáadaá brak zmian w latach 2001-2012; wyjątkiem byáy inwestycje pomiĊdzy róĪnymi sektorami (capital sub-model). W drugim scenariuszu wprowadzono reformĊ WPR 2000- -2003. UwzglĊdniono spadek cen interwencyjnych oraz wzrost dopáat do pro-dukcji zbóĪ i hodowli bydáa, kompensujący spadek tych pierwszych. Trzeci sce-nariusz uwzglĊdniaá reformy WPR 2000-2003 i liberalizacjĊ handlu produktami rolnymi. Subsydia eksportowe od roku 2005 stopniowo spadaáy, zanikając caá-kowicie w roku 2010. Cáa importowe byáy redukowane począwszy od roku 2005, aby na koniec 2008 roku stanowiü 64% początkowej wartoĞci ceá dla wszystkich krajów rozwiniĊtych i 76% dla wszystkich krajów rozwijających siĊ.

Ostatni scenariusz uwzglĊdniaá podobne zaáoĪenia dla reform WPR i liberaliza-cji handlu, ale zakáadaá równieĪ mobilnoĞü zasobów pracy wykwalifikowanej i niewykwalifikowanej miĊdzy sektorami (brak segmentacji rynków pracy).

W analizie skupiono siĊ na dwóch gáównych kwestiach. Pierwsza wiązaáa siĊ z kosztami dostosowania rynku pracy. Starano siĊ odpowiedzieü na pytanie, czy to, Īe czynnik pracy bĊdzie mógá siĊ dowolnie przemieszczaü miĊdzy sekto-rami, zmieni znacząco wpáyw liberalizacji handlu produktami rolnymi. Druga

kwestia wiązaáa siĊ z gáównymi reformami Wspólnej Polityki Rolnej. W Europie zaczĊto wdraĪaü podstawowe reformy, uwzglĊdniające oddzielenie dopáat dla rolnictwa i obniĪenie cen interwencyjnych. Badano, czy i jak reformy te wpáyną na liberalizacjĊ handlu rolnego. Ukazano zmiany w poziomie dobrobytu, od-zwierciedlone nie tylko w Ğwiatowym poziomie GDP, ale takĪe w poziomie kon-sumpcji dwóch typów gospodarstw domowych (Ğrednio biedne i Ğrednio bogate).

NaĞwietlono teoretyczne i polityczne implikacje otrzymanych wyników.

Wpáyw WPR na dobrobyt Ğwiatowy okazaá siĊ bardzo ograniczony, lecz wiĊkszy niĪ ten, który wywaráa czĊĞciowa liberalizacja handlu. NaleĪy podkreĞliü, Īe gru-pa krajów najmniej rozwiniĊtych nie skorzysta ani z reformy WPR, ani z czĊ-Ğciowej liberalizacji handlu. Wprawdzie w badaniach uzyskano potwierdzenie, iĪ korzyĞci z reform WPR są dzielone równo miĊdzy kraje rozwiniĊte i rozwijające siĊ, jednak wĞród tych drugich wpáyw reformy jest bardzo niski. W kaĪdym razie nie odnotowano Īadnego postĊpu w zakresie zmniejszenia ubóstwa w krajach mniej rozwiniĊtych, co wskazuje na potrzebĊ wprowadzania innych, niĪ liberali-zacja handlu miĊdzynarodowego, kanaáów dystrybucji korzyĞci.

2.3.3. Model GTAP i Uniwersytetu Stanowego w Ohio

Przykáadem zastosowania dynamicznego modelu handlu Ğwiatowego do analizy zmian wykorzystania ziemi w skali globalnej w dáugim okresie, przy uwzglĊdnieniu podstawowych siá napĊdowych podaĪy i popytu na ten czynnik wytwórczy, są prace naukowców z Uniwersytetu Purdue i Uniwersytetu Ohio w USA, których wyniki opublikowano w roku 2007 [Golub i in. 2007].

W badaniu skupiono siĊ gáównie na modelowaniu podaĪy ziemi w odnie-sieniu do róĪnych sposobów jej alokacji w gospodarce. W celu zaprezentowania konkurencji na rynku ziemi oraz jej heterogenicznoĞci dokonano podziaáu ziemi w kaĪdym z regionów lub krajów na Strefy Agro-Ekologiczne (AEZ z ang.

Agro-Economical Zones)⁵. W celu zmniejszenia przyszáej mobilnoĞci ziemi, po-daĪ na nią w ramach AEZ jest ograniczona przez funkcjĊ o staáej elastycznoĞü transformacji (CET z ang. constant elasticity of transformation). W takiej struk-turze wáaĞciciel danego rodzaju ziemi (AEZ) na początku decyduje o alokacji miĊdzy rolnictwo, a leĞnictwo w celu zmaksymalizowania caákowitego zwrotu z tego czynnika. NastĊpnie, bazując na wzglĊdnych zwrotach z ziemi przy pro-dukcji roĞlin i Īywca, wáaĞciciel decyduje o alokacji ziemi miĊdzy te dwa typy aktywnoĞci rolnej.

5 Oparto siĊ na podziale, przedstawionym w [Lee 2005].

Zidentyfikowano najwaĪniejsze siáy napĊdowe podaĪy i popytu na ziemiĊ.

Do analizy strony popytowej wykorzystano dynamiczny model równowagi ogólnej, który umoĪliwia przewidywanie wzrostu gospodarczego w kaĪdym z regionów Ğwiata, na podstawie egzogenicznych projekcji odnoĞnie populacji, wykwalifikowanej i niewykwalifikowanej siáy roboczej oraz zmiany technicz-nej. OkreĞlono miĊdzynarodowy system popytu umoĪliwiający przewidywanie ĞcieĪek przyszáego popytu konsumenckiego, które zwáaszcza w krajach szybko rozwijających siĊ charakteryzują siĊ gwaátownymi zmianami. Kraje te w coraz wiĊkszym stopniu przyczyniają siĊ do Ğwiatowego wzrostu gospodarczego, jak równieĪ do zwiĊkszenia emisji gazów cieplarnianych.

Zastosowany w badaniu model GTAP-Dyn, który umoĪliwia projekcjĊ przyszáej globalnej aktywnoĞci gospodarczej, jest wielosektorowym, rekursyw-nie dynamicznym modelem równowagi ogólnej, bĊdącym rozszerzerekursyw-niem stan-dardowego modelu GTAP o miĊdzynarodową mobilnoĞü kapitaáu, akumulacjĊ kapitaáu endogenicznego i oczekiwania inwestycyjne. WyróĪniającą cechą mo-delu jest jego mechanizm nierównowagi, determinujący regionalną podaĪ inwe-stycji. Z powodu nadmiernej iloĞci kapitaáu stopy zwrotu z tego czynnika nie są staáe w dáugim okresie. Dlatego teĪ do ewaluacji oszczĊdnoĞci w czasie zaadop-towano nowe podejĞcie. Zmodyfikowana struktura GTAP-Dyn zakáada ustabili-zowanie wartoĞci relacji dobrobytu do przychodów na danym, specyficznym dla kaĪdego z badanych regionów poziomie.

Do modelu wprowadzono szereg modyfikacji. Po pierwsze, do rekursyw-nego dynamiczrekursyw-nego modelu równowagi ogólnej wáączono bardzo elastyczny system popytu, który dopuszcza zmiany w popycie konsumenckim, determinu-jąc dáugookresowy pochodny popyt na ziemiĊ. Po drugie, poáączono model równowagi ogólnej z modelem leĞnictwa w celu lepszej reprezentacji sektora leĞnego w modelu równowagi ogólnej. Po trzecie, wprowadzono informacje o podjĊciu decyzji inwestycyjnej dotyczącej zamiany niezarządzanych lasów na komercyjne leĞnictwo lub ziemiĊ rolniczą. Pod kątem celów analizy w modelu GTAP-Dyn zmodyfikowana zostaáa standardowa struktura popytu, struktura produkcji sektorów, wykorzystujących ziemiĊ, jako czynnik produkcji, jak rów-nieĪ struktura podaĪy ziemi.

W modelu uwzglĊdniona zostaáa równieĪ kwestia mobilnoĞci podaĪy ziemi. PodejĞcie to zostaáo jednak zmodyfikowane, poniewaĪ jakoĞü ziemi i opáaty za dzierĪawĊ odgrywają waĪną rolĊ w ksztaátowaniu struktury alokacji tego czynnika wytwórczego. Inną kwestią byáo to, iĪ kaĪda decyzja odnoĞnie produkcji leĞnej powinna byü planowana w perspektywie dáugookresowej ze wzglĊdu na czas wzrostu drzew, dlatego teĪ przy analizie tego problemu zasto-sowanie powinien znaleĨü model dáugookresowy. W celu poprawy

odzwiercie-dlenia zaleĪnoĞci wystĊpujących w sektorze leĞnym niezbĊdne byáo poáączenie rekursywnego modelu dynamicznego, jakim jest GTAP-Dyn, z dáugookreso-wym dynamicznym modelem leĞnictwa. Poáączenie GTAP-Dyn z Globar Tim-ber Model sáuĪyáo okreĞleniu wkáadu leĞnictwa w zwiĊkszenie produktywnoĞci w sektorach przetwórczych.

Ze wzglĊdu na fakt, iĪ deforestacja jest waĪnym Ĩródáem podaĪy ziemi oraz mając na uwadze wysoki popyt na ten czynnik wytwórczy, wprowadzono moĪliwoĞü zamiany niezarządzanej ziemi leĞnej na ziemiĊ wykorzystywaną w produkcji. Traktowane jest to jako decyzja inwestycyjna, podczas gdy dostĊp do nowej ziemi jest moĪliwy tylko wówczas, gdy obecna wartoĞü zwrotów z ziemi w danym regionie jest na tyle wysoka, aby pokryü koszty uzyskania do-stĊpu do nowych zasobów. Projekcje dáugookresowej podaĪy i popytu na zie-miĊ, otrzymane z wykorzystaniem modelu, są waĪnym wkáadem w wyjaĞnienie i lepsze zrozumienie związków miĊdzy uĪytkowaniem ziemi i emisją gazów cieplarnianych w przyszáoĞci.

2.3.4. Model Centrum na Rzecz Rolnictwa i Rozwoju Regionalnego Uniwersytetu Stanowego w Ohio

Kolejnym przykáadem badaĔ opartych na dynamicznym modelowaniu wykorzystania czynników wytwórczych, przeprowadzonych przez naukowców z Centrum na Rzecz Rolnictwa i Rozwoju Regionalnego Uniwersytetu Ohio w USA, jest analiza rynków zbóĪ przeznaczonych na biopaliwa z uwzglĊdnie-niem ograniczeĔ w dostĊpnoĞci ziemi. Wyniki tych prac opublikowano w roku 2008 [Baker i in. 2008]. W analizie wykorzystano specjalnie stworzony model, oparty na zaáoĪeniu, Īe decyzje odnoĞnie produkcji biopaliw bĊdą optymalne i podejmowane przez racjonalne podmioty. Rolnicy podejmują racjonalne decy-zje bazując na oczekiwanych cenach rynkowych. Wedáug nich wykorzystywanie ziemi do produkcji surowców biopaliw generuje koszty alternatywne. Inwesto-rzy bĊdą twoInwesto-rzyü fabryki biodiesla tylko wówczas, gdy oczekiwany zwrot bĊ-dzie porównywalny lub wyĪszy niĪ w przypadku innej inwestycji w gospodarce.

Wykorzystując powyĪsze kluczowe decyzje oraz dane i parametry z literatury, stworzono podmodele, które poáączono w ramach dynamicznego, stochastycz-nego modelu równowagi ogólnej amerykaĔskiego rynku roĞlin i biopaliw, kali-browanego w celu pokazania obecnych warunków rynkowych (grudzieĔ 2007).

Ewaluowano moĪliwą reakcjĊ uczestników rynku na wydarzenia takie jak: szoki powstaáe wskutek wysokich cen ropy, kredyty na biopaliwa lub subsydia.

W 2007 roku podpisano w USA Energy Independence and Security Act (EISA), w którym zakáadano wykorzystanie 36 miliardów galonów biopaliwa do

roku 2022, z czego 15 miliardów pochodziü miaáo z etanolu produkowanego na bazie kukurydzy, natomiast 16 miliardów galonów z biopaliw produkowanych z celulozy. Oznacza to znaczący wzrost obecnego poziomu produkcji biopaliw.

Produkcja etanolu z kukurydzy w 2000 roku wynosiáa 1,63 miliarda galonów, a w 2007 przekroczyáa 7,23 miliardy. Wzrost ten doprowadziá do rekordowej ceny nominalnej za kukurydzĊ w roku 2008. Konkurencja o areaá przeniosáa presjĊ popytową z rynku kukurydzy na rynki soi i siana, których ceny równieĪ znacząco wzrosáy.

Celem analizy byáo sprawdzenie realnoĞci przyjĊtych zaáoĪeĔ oraz ustale-nie warunków ustale-niezbĊdnych do ich speáustale-nienia, a takĪe okreĞleustale-nie wpáywu tej po-lityki na sektor rolno-ĪywnoĞciowy. Uzyskane wyniki pozwoliáy sformuáowaü szereg stwierdzeĔ odnoĞnie przyszáoĞci biopaliw w USA. PoniewaĪ proso ró-zgowe konkuruje z kukurydzą o areaá upraw, a produkcja etanolu z kukurydzy generuje niĪsze koszty, kukurydza zawsze bĊdzie miaáa, w przypadku homoge-nicznego subsydium, przewagĊ komparatywną nad tą pierwszą uprawą. TakĪe kukurydza i soja konkurują o tą samą powierzchniĊ tak, Īe gdy ceny energii stymulują produkcjĊ etanolu z kukurydzy, cena soi musi rosnąü, jeĞli rolnik kon-tynuuje jej uprawĊ. Wzrost cen soi zmniejsza zyski z biodiesla, nawet w scena-riuszu, w którym ceny energii są wysokie. Oznacza to, Īe przy poziomach sub-sydiów sprzed EISA, sektor produkcji biodiesla z soi nie osiągaá rentownoĞci przy Īadnej z rozwaĪanych z cen energii. W przypadku dobrowolnego speánia-nia zaáoĪeĔ EISA, sektor produkcji biodiesla wymaga subsydiów relatywnie wyĪszych niĪ obecnie. Wyliczono zatem wielkoĞci subsydiów, wymagane w celu symulacji produkcji biopaliw na poziomach okreĞlonych w EISA.

Okazaáo siĊ, Īe wielkoĞci subsydiów na utrzymanie danego poziomu przemysáu uzaleĪnione bĊdą od ceny ropy, a ceny towarów bĊdą znacznie wyĪsze. Etanol z celulozy jest droĪszy w produkcji, a etanol z prosa rózgowego wymaga wiĊk-szego areaáu, w porównaniu z etanolem z kukurydzy. Wskutek tego presja na ceny tych towarów zaleĪeü bĊdzie od moĪliwoĞci produkcji etanolu z celulozy.

Decyzje polityczne w kwestii subsydiów rozszerzające produkcjĊ etanolu z celu-lozy ponad poziom, który moĪe byü pokryty przez biomasĊ drewnianą i kukury-dzĊ, bĊdą skutkowaü wzrostem cen ĪywnoĞci i pasz.

2.3.5. Model CGE TAIGEM-E

Model CGE TAIGEM-E zostaá wykorzystany w ogólnoekonomicznej analizie skutków rosnącej produkcji bioetanolu na Tajwanie [Lee i in. 2007].

Celem tej analizy byáo okreĞlenie ekonomicznego wpáywu na parametry makro-ekonomiczne, produkcjĊ przemysáową i Ğrodowisko wprowadzania na rynek

bioetanolu i wypierania przez niego tradycyjnych Ĩródeá energii. Modelowano okres 2009-2012. W celu zbadania wpáywu produkcji biopaliw na gospodarkĊ

bioetanolu i wypierania przez niego tradycyjnych Ĩródeá energii. Modelowano okres 2009-2012. W celu zbadania wpáywu produkcji biopaliw na gospodarkĊ