Metodologija

Analizo strukturnih sprememb KG na Škofjeloškem podeželju izvedemo na osnovi analize podatkov KG, ki jih izvedemo s kvantitativnimi metodami znanstvenega raziskovanja z namenom potrditve oziroma zavrnitve postavljenih raziskovalnih hipotez, opisanih v toþki 1.3. Podatki o alokaciji proizvodnih dejavnikov in ekonomski velikosti kmetij KG v letih 2000 in 2010 obsegajo celotno populacijo KG. Pridobljeni so bili v okviru popisov kmetijstva 2000 in 2010, ki ju je izvedel Statistiþni urad Republike Slovenije (SURS). Podatki o dohodkih in strategijah KG so pridobljeni z anketiranjem vzorca KG v letih 2001 in 2011.

Vzorec vkljuþuje 60 KG, kar je nekaj manj kot 6 % celotne populacije KG. Podrobnejše opise podatkov podajamo v toþki 3.

Opisne statistike KG so podane tabelariþno in grafiþno za celotno populacijo oziroma vzorec KG po letih, obþinah in KG po socio-ekonomskih tipih. Analize razlik aritmetiþnih sredin med letoma 2000 in 2010 oziroma med obþinama Škofja Loka in Gorenja vas-Poljane oziroma po socio-ekonomskih tipih so izvedene s t-testom in uporabo programa Statistical Package for the Social Sciences (SPSS), analize razlik aritmetiþnih sredin med socio-ekonomskimi tipi KG (þiste, mešane, dopolnilne in ostarele kmetije ter kmetije v opušþanju) pa z analizo variance (One-Way ANOVA) in uporabo programa SPSS. Z multiplo regresijsko analizo programa SPSS ugotavljamo dejavnike ekonomske velikosti kmetij KG v SO za populacijo KG, komercialne kmetije, majhne in velike kmetije po SO²³ in KG po specializaciji kmetijske pridelave. V nadaljevanju podrobneje predstavimo znaþilnosti uporabljenih metod in podamo razloge za njihovo uporabo.

1.4.1 Analiza razlik med aritmetiþnima sredinama dveh vzorcev

Preizkušanje domneve o razliki med dvema aritmetiþnima sredinama²⁴ s » t-testom« temelji na opazovanju znaþilnosti (spremenljivke) dveh neodvisnih vzorcev oziroma dveh skupin znotraj enega vzorca²⁵ v enakih okolišþinah (Košmelj 1993, 249). Za primerjavo aritmetiþnih sredin spremenljivke dveh neodvisnih vzorcev je primerna procedura »Independent-Samples T Test« programa SPSS (Rovan in Turk 2001, 151). Z njo izraþunamo aritmetiþni sredini skupin, Levinov preizkus domneve o enakosti varianc med skupinama ter t-preizkus (t-test) niþelne hipoteze o razliki med dvema aritmetiþnima sredinama z mejo intervala zaupanja.

Niþelno hipotezo za t-test oblikujemo glede na vsebino hipoteze, ki jo empiriþno testiramo.

Glede na vsebino hipoteze izberemo enostranski oziroma dvostranski preizkus. Z

23 Majhne kmetije so kmetije z ekonomsko velikostjo v SO pod 15.000, tiste s SO 15.000 EUR in veþ imenujemo velike kmetije.

24 V primeru te raziskave smo preizkušanje uporabili za ugotavljanje razlik med povpreþnimi dohodki KG (med letoma 2000 in 2010 ter med obþinama).

25 Vzorec razdelimo na dve skupin s pomoþjo neodvisne spremenljivke (npr. obþina).

dvostranskim preizkusom lahko ugotovimo, ali obstajajo znaþilne razlike med aritmetiþnima sredinama dveh vzorcev. Niþelna hipoteza (H0) in alternativna hipoteza (H1) sta:

H₀: Y₁ =Y₂ in H₁: Y₁ ≠Y₂.

Z enostranskim preizkusom lahko ugotovimo, ali je aritmetiþna sredina statistike pri prvem vzorcu (Y₁) višja oziroma nižja od aritmetiþne sredine statistike drugega vzorca (Y₂). Niþelna hipoteza (H₀) in alternativna hipoteza (H₁) sta:

H0: Y₁ ≤Y₂ in H1: Y₁ >Y₂ oziroma H0: Y₁ ≥Y₂ in H1: Y₁<Y₂.

Niþelno (H0) in alternativno hipotezo (H1) posamezne podhipoteze ugotavljanja razlik v dohodkih KG, alokaciji proizvodnih dejavnikov KG in ekonomske velikosti kmetij KG med leti 2000 in 2010 in med obþinama navajamo v toþki 4 (empiriþna analiza), zato jih v tem delu ne navajamo.

»Independent-Samples T Test« programa SPSS izvede dva izraþuna t-testa: za primer enakosti in neenakosti varianc,²⁶ kar je treba upoštevati pri odþitku prave vrednosti t-statistike in njene stopnje tveganja. ýe sta t-statistika in pripadajoþa stopnja tveganja 5 % ali nižji (sprejemljiva stopnja tveganja: Į ” 0,05), lahko pri sprejemljivi stopnji tveganja zavrnemo niþelno hipotezo (H0) in sprejmemo alternativno hipotezo (H1). Vsi izraþuni v nadaljevanju so izvedeni z uporabo programa SPSS. Sprejemljiva stopnja tveganja je manjša ali enaka 5 %.

1.4.2 Analiza razlik med aritmetiþnimi sredinami treh ali veþ vzorcev

Analiza variance (One-Way ANOVA) s programom SPSS je primerna za enofaktorsko analizo variance veþ aritmetiþnih sredin razliþnih vzorcev (skupin²⁷) po eni skupni spremenljivki »Y«

(Rovan in Turk 2001, 161), ob predpostavki, da je spremenljivka Y normalno porazdeljena in je varianca (ı²) v vsakem vzorcu enaka (ı²1 = ı²2 = … = ı²k). Z F-testom (One-Way ANOVA) primerjamo varianco med skupinami (vzorci) z varianco znotraj skupin (v posameznem vzorcu). ýe je stopnja tveganja F-statistike (One-Way ANOVA) 5 % ali nižja, lahko zavrnemo niþelno hipotezo o enakosti aritmetiþnih sredin (H₀) in sprejmemo sklep, da je vsaj ena vrednost aritmetiþne sredine razliþna oziroma med aritmetiþnimi sredinami vzorcev obstajajo znaþilne razlike. ýe varianca v vsakem vzorcu ni enaka (spremenljivka Y ni normalno porazdeljena), test enakosti vrednosti aritmetiþnih sredin vzorcev ocenimo z »Robust Tests of Equality of Means (Welch)«.

H0: Y₁ =Y₂ =...=Y_k

26 Enakost varianc se oceni po Levinovem preizkusu (F-test) domneve o enakosti varianc. Kot sprejemljivo stopnjo tveganja izberemo vrednosti ” 5 % (Rovan in Turk 2001, 151).

27 Soco-ekonomskih tipov KG: þiste, mešane, dopolnilne in ostarele kmetije ter kmetije v opušþanju.

H1: vsaj en Y_ije razliþen.

Vsi izraþuni v nadaljevanju so izvedeni z uporabo programa SPSS. Sprejemljiva stopnja tveganja je manjša ali enaka 5 %.

1.4.3 Multipla linearna regresijska analiza

Multipla regresijska analiza je statistiþna metoda, s katero analiziramo odnos med odvisno spremenljivko (ekonomko velikostjo kmetije KG v SO) in eno ali veþ neodvisnimi spremenljivkami (alokacija proizvodnih dejavnikov: delo v enotah polnovredne delovne moþi (PDM), površina kmetijske zemlje, velikost in sestava þrede v enotah glave velike živine (GVŽ), mehanizacija in znaþilnosti gospodarja (spol, starost, splošna in kmetijska izobrazba ter zaposlitveni status)). Ker je doloþanje ekonomske velikosti kmetij KG v SO doloþeno z Uredbo komisije (ES) št. 1242/2008, ki doloþa, da je ekonomska velikost kmetij KG v SO vsota produktov »regionalnega koeficienta SO«²⁸ dotiþnega kmetijskega proizvoda²⁹ in obsega pridelave na KG, predpostavljamo linearno odvisnost ekonomske velikosti kmetij KG v SO od zgoraj navedenih odvisnih spremenljivk.

Multipla linearna regresijska analiza ima zaradi vkljuþenosti veþjega števila pojasnjevalnih (odvisnih) spremenljivk obliko ravnine in temelji na regresijskem modelu:

y = Į + ȕ1x1 + ȕ2x2 +…+ ȕkxk+ İ, kjer oznake pomenijo:

Į – regresijska konstanta,

ȕ1, ȕ2, …, ȕk – regresijski koeficient in İ – sluþajni odkloni.

Linearni multipli regresijski model temelji na predpostavkah (Košmelj 1998, 79–90): (a) neodvisne spremenljivke so fiksne in niso sluþajnostne, (b) med dvema poljubnima sluþajnostnima spremenljivkama lahko obstaja znaþilna linearna odvisnost, toda odvisnost ne sme biti funkcijska, (c) odvisna spremenljivka y je sluþajnostna spremenljivka in njena porazdelitev je normalna, (d) sluþajnostni odkloni İ so normalno porazdeljeni, (e) varianca za

28 Za raziskavo tipologije in ekonomske velikosti v letu 2010 v Sloveniji so bili izraþunani koeficienti SO po »metodi neposrednega opazovanja«, kar pomeni, da so za bili vsako kategorijo kmetijske proizvodnje (znaþilnost rabe zemljišþ in živine) ocenjene tako povpreþne koliþine proizvodnje

(preraþunano na enoto opazovanja) kot tudi cene na kmetiji. »Regionalni koeficienti SO« (ponekod se uporablja izraz »regionalni koeficienti SO 2007«) so bili za leto 2010 izraþunani kot aritmetiþno povpreþje v EUR izraženih vrednosti koeficientov SO za referenþna leta: 2005, 2006, 2007, 2008 in 2009 (SURS 2012b in EC 2009a).

29 Proizvodnja vkljuþuje prodajo, porabo na kmetiji in v gospodinjstvu ter razliko v zalogah tako za vrednost glavnega proizvoda kot tudi vrednost morebitnih stranskih proizvodov (npr. vrednost novorojenega teleta starosti do enega leta se šteje v vrednosti krave (matere), medtem ko se za rejena teleta, starosti do enega leta, brez matere, posebej ovrednotijo kot samostojna enota kmetijske proizvodnje (EC 2009a).

odvisno spremenljivko je konstantna in identiþna z varianco za sluþajnostne odklone, (f) sluþajnostni odkloni so neodvisni in (g) število enot v vzorcu naj bo veþje od števila regresijskih koeficientov.

Iz regresijskega modela izpeljana linearna multipla regresijska funkcija je:

y' = Į' + ȕ'₁x₁ + ȕ'₂x₂ +…+ ȕ'_kx_k, kjer oznake pomenijo:

y' – odvisna spremenljivka Į' – regresijska konstanta,

ȕ'1, ȕ'2, …, ȕ'k – regresijski koeficient multiple regresije, x1, x2,… , xk – neodvisne spremenljivke.

Ocena linearne multiple regresijske funkcije je:

y'' = Į + ȕ₁x₁ + ȕ₂x₂ +…+ ȕ_kx_k, kjer oznake pomenijo:

y'' – odvisna spremenljivka

Į – ocena regresijskega koeficienta,

ȕ1, ȕ2, …, ȕk – ocena regresijskega koeficienta multiple regresije, x1, x2,… , xk – neodvisne spremenljivke.

Za analizo multiple linearne regresije Rovan in Turk (2001, 187) predlagata uporabo SPSS programa (General Linear Model, Multivariate). Vpliv posameznega parcialnega regresijskega koeficienta³⁰ (ȕ_i') na odvisno spremenljivko (y') ocenimo na osnovi izraþuna t-statistike in njene stopnje tveganja za vsak ȕi. V model ocene linearne regresijske funkcije vkljuþimo le parcialne regresijske koeficiente, ki imajo statistiþno znaþilen vpliv (sprejemljiva stopnja tveganja: Į ” 5 %). ýe lahko niþelno domnevo (H₀: ȕi = 0) pri sprejemljivi stopnji tveganja zavrnemo (Į ” 5 %), lahko sprejmemo alternativno domnevo (H₀: ȕ_i  0) in trdimo, da je vrednost ocene parcialnega koeficienta ȕ_i statistiþno znaþilna. Posamezna ocena parcialnega koeficienta (ȕi) pove moþ in smer povezanosti med odvisno in posamezno neodvisno spremenljivko.

Ocena regresijskega modela temelji na izraþunu vrednosti determinacijskega koeficienta za multiplo korelacijo (R²), ki nam pove, koliko odstotkov odvisne spremenljivke (ekonomske velikosti kmetij KG v SO) lahko pojasnimo z linearno odvisnostjo od v model vkljuþenih neodvisnih spremenljivk. Za determinacijski koeficient R² je znaþilno, da je obþutljiv na število pojasnjevalnih spremenljivk (vsaka dodatna spremenljivka ne more manj kot niþ prispevati k pojasnjevanju variabilnosti odvisne spremenljivke) in dodatne spremenljivke zmanjšujejo stopnje prostosti, kar poslediþno zvišuje standardne napake ocen regresijskih koeficientov in znižuje vrednost t-statistik, zato je za interpretacijo odvisnosti primernejša uporaba popravljenega determinacijkega koeficienta R²(Adjusted R Square) (Košmelj 1998,

30ȕi nam pove, za koliko enot se poveþa (oziroma zmanjša, þe je ȕi negativen) odvisna spremenljivka (yi), þe se vrednost neodvisne spremenljivke (xi) poveþa za eno enoto.

97–98; Pajntar 1997, 88–89). Z analizo variance (One Way ANOVA, F-test) preverimo, ali je model kot celota ustrezno doloþen:

H0: ȕ1= ȕ2= …= ȕk; H₁: vsaj en ȕ_i je razliþen.

Niþelno hipotezo o enakosti regresijskih koeficientov multiple regresije (ȕ) lahko zavrnemo, þe je pri F-statistiki stopnja tveganja (Į) 5 % ali nižja.

Vsi izraþuni v nadaljevanju so izvedeni z uporabo programa SPSS. Sprejemljiva stopnja tveganja je manjša ali enaka 5 %.