A kutatás első lépése az ötlet megfogalmazása, amiben legalább akkora szerepe van a megérzéseknek, mint a kutatás módszertani ismereteknek. Ebben a lépésben az ötletet megpróbáljuk a tudományrendszertan szerint elhelyezni. Az ötlettől a probléma megfo-galmazásáig vezető kutatási szakaszban jelentős szerepe van az újrafogalmazásnak. Már a problémamegfogalmazásnál sem kerülhetjük el a szakirodalmi tájékozódást, mivel a korábbi kutatási eredmények újabb ötleteket adhatnak, illetve módosíthatják a meglévő ötletünket. A folyamat következő lépése a hipotézis kialakítása, mely magában foglalja a kutatás elméleti hátteréből, a korábbi alapötletből és más eredményekből kialakított problémamegfogalmazásra adható választ. Ezután következik a vizsgált személyek meg-határozása és a mintavétel. A populáció megmeg-határozása után azt kell eldönteni, hogy milyen és mekkora mintára van szükség ahhoz, hogy megfelelően tükrözze az alapsokasá-got (Falus-Ollé, 2008).
Az ajánlott kutatás módszertan szerint épült fel jelen kutatás is. Szekunder kutatásom feltérképezte mindazokat a témaköröket, amelyek segítettek megismerni a mezőgazdasági vállalkozók jelenlegi helyzetét, és megválaszolni a kutatás kulcskérdéseit. A továbbiak-ban a kvalitatív vizsgálat során összesen hat fővel készült strukturált interjú, amely az agrárgazdasági biztonságérzet és versenyképesség mellett a mezőgazdaság hazai helyzeté-nek megítélésére is rákérdezett. Az interjúk során különböző szakmai területről sikerült felkeresni alanyokat. A megkérdezettek között akadt, aki szakmai pályafutását a Mon-santonál kezdte - ahova később vissza is tért -, de vezető beosztásban tevékenykedett a DuPontPioneer-nál és a Timac Agro-nál is. Jelenleg a Bayer Crop Science regionális igazgatója.
A Pannon Egyetem Georgikon Karának egyik tanszék- és csoportvezetőjét, egyetemi docensét is elértem, akinek kutatási területe a vetésforgó, tápanyagellátás és talajműve-lés hatása a produktivitásra, talajfizikai, kémiai- és biológiai paraméterekre. Továbbá az AGRYA (Fiatal Gazdák Magyarországi Szövetségének) társelnöke is részt vett a fel-mérésben. A Nemzeti Agrárgazdasági Kamara Baranya megyei szervezetének megyei igazgatóját is sikerült felkeresni. Egy másik megkérdezett a Baranya Megyei Kormány-hivatal Agrárügyi Főosztályán ügyintéző. Munkája során a Kamarával működik együtt, feladata a gazdák tevékenységének szabályok szerinti ellenőrzése. Szerepelt a kutatásban egy agrárvégzettségű mezőgazda is, aki jelenleg a termőföld- és szőlőgazdasága mellett az ÖHV osztrák agrár biztosítótársaság alkalmazottjaként mezőgazdasági kárbecsléseket végez a Dunántúlon és mellette jégkár-megelőzési generátort is üzemeltet. A kvalitatív kutatás során felkeresett szakemberek a téma kínálati oldalát reprezentálják olyan érte-lemben, hogy lehetőséget teremthetnek a gazdáknak tevékenységük során, azaz kiszolgálói a kvantitatív kutatás során felkeresett mezőgazdasági vállalkozóknak.
A továbbiakban a kiinduló alapsokasághoz az információkat a KSH 2017-es évi megyei bontású adatai szolgáltatták a mezőgazdasági vállalkozások számára vonatkozóan, ezen
belül a növénytermesztés, állattenyésztés, vadgazdálkodás és egyéb szolgáltatásokra lett leszűrve. Az erdőgazdálkodást, halászatot és halgazdálkodást jelen empirikus vizsgálat nem érintette. Az empirikus kutatás során területi szegmentálást végeztem, mivel gaz-dasági szempontból a termőföld egyfajta befektetési eszköz. A tagolás során figyelembe vettem, hogy az aranykorona hivatalos földminősítési értékszám, amely egységnyi terü-letű föld tiszta jövedelmének, vagyis termőképességének, fekvésének, művelhetőségének mutatójaként szolgál, így a D-e-Meter szántó minősítő eljárást használtam. A mutatókat összevetve az OTP Bank termőföld értéktérkép eredményeivel, és a két eljárás metsze-tét tekintve 6 megye lett kiválasztva a Dunántúli térségben: Győr-Moson-Sopron, Fejér, Tolna, Baranya, Veszprém, Zala. Az alapsokaságot reprezentáló dunántúli mezőgazdasá-gi vállalkozások számát és összetételét megyei bontásban az 1. táblázat szemlélteti. A százalékos összetétel kerekített adatokat tartalmaz.
Megye Vállalkozások száma Megye/összes
Baranya 976 17%
Fejér 1086 19%
Győr-Moson-Sopron 1067 18%
Tolna 846 15%
Veszprém 866 15%
Zala 908 16%
Összesen 5749 100%
1. táblázat. Dunántúli vállalkozások száma megyei bontásban az empirikus kutatás kiin-duló alapsokasága alapján, 2017
Forrás: saját szerkesztés KSH 2017. évi vállalkozásdemográfiai adatok alapján
A területi statisztika 2017-es adatait használva a Dunántúl összes mezőgazdasági vál-lalkozójának számából kiindulva felmértem az egyes megyékben vállalkozók számát és a kettő aránya által került meghatározásra, hogy a minta összetétele hogyan reprezentál-ja a sokaság egészét. Hólabda módszert alkalmazva a kutatás során úgy kerestem fel a vállalkozókat, hogy a mintasokaság összetétele reprezentatív maradjon az alapsokasághoz képest. Az empirikus kutatásba bevont vállalkozások száma így Baranya megyében 42, Fejér megyében 48, Győr-Moson-Sopron megyében 47, Tolna megyében 37, Veszprém me-gyében 38, Zala meme-gyében 40 mezőgazdasági vállalkozó. A hat megye alapadatait nézve a lekérdezési arány 4, 38%-os volt.
A 2. táblázat szemlélteti empirikus kutatásom eredményeit a vállalkozások számát illetőleg. A százalékos összetétel kerekített adatokat tartalmaz.
Megye Vállalkozások száma Megye/összes
2. táblázat. Dunántúli vállalkozások száma megyei bontásban az empirikus kutatás min-tasokasága alapján, 2019
Forrás: saját szerkesztés
A mintasokaságot a mezőgazdaságon belül tevékenykedő, vagy annak elemeit aktívan alkalmazó őstermelők, valamint mikro-, kis- és közepes vállalkozások vezetői teszik ki. A megkérdezés feleletválasztós kérdőív segítségével történt személyes felkeresés által 2019-ben. A kérdőív négy részből épült fel: tevékenységgel kapcsolatos általános kérdések, irányítással és biztonságérzettel kapcsolatos, és végül a demográfiai kérdések. Összesen 252 mezőgazdasági vállalkozást kerestem fel, ebből 252 értékelhető válasz született. A mintasokaság részét képezik haszon- (23%) és egyéb (6%) állattenyésztők, szőlő- és borter-melők (18%), méhészek (12%), gyümölcstermesztők (10%), kertészeti növénytermesztők (8%), háztáji gazdálkodók (5%) de a legtöbb megkérdezett szántóföldi növénytermesztés-sel (51%) foglalkozik.
Miután a vizsgált populáció meghatározásra került, az elemzési lehetőségek között le-író és matematikai statisztikai eszközök merültek fel. A lele-író statisztikák közé tartozik az abszolút és relatív (százalékos) gyakoriságok vizsgálata, előbbi többnyire oszlop diag-rammal, utóbbi torta diagrammal történik. Továbbá ide tartozik a középértékek (átlag, módusz, medián), illetve szóródások vizsgálata. A matematikai statisztika eszközeit az összefüggés-vizsgálatok, illetve statisztikai próbák szerint tudnám csoportosítani.
Amennyiben arra vagyunk kíváncsiak, hogy mennyire szoros az összefüggés a változók között, akkor intervallum- illetve arányskálán alkalmazott adatoknál korrelációszámítás segíthet két változó esetén. Két változóra gyakorolt harmadik estében parciális korrelá-ciószámítást alkalmazhatunk. Ordinális adatok esetében a Spearman-féle rangkorreláció, míg nominális adatok esetében a kereszttábla-elemzés és khi négyzet próba nyújthat segít-séget a változók számától függetlenül. Az összefüggés-vizsgálatok sorát bővíti a regresszió-analízis (lineáris vagy nem lineáris) kettő vagy több változó esetén, illetve faktorregresszió-analízis vagy klaszteranalízis (összefüggésrendszer) több mint kettő változó esetén.
A statisztikai próbák közé tartoznak a mért, intervallumskálán értelmezett adatok között az egymintás t-próba, kétmintás t-próba és F-próba, illetve a varianciaanalízis.
Ordinális, azaz rangsorolt adatok között végezhetünk Wilcoxon-próbát, ha egy mintáról
van szó, Mann-Whitney-próbát, ha két mintáról van szó, illetve Kruskall-Wallis-próbát, ha több mintáról van szó. Nominális, azaz megállapítható (vagy-vagy) adatok esetében pedig leginkább a kereszttábla-elemzés és khi négyzet próbát a minták számától függetlenül.
Kutatásom során a Spearman-féle rangkorrelációs együtthatót alkalmaztam, mivel a kérdőív kiértékelése során a hipotézisvizsgálatok alátámasztásához ordinális adatokat kap-tam. Az empirikus kutatás eredményeit a Microsoft Office Professional Plus 2013 Excel programcsomag segítségével összesítettem. Továbbá az összefüggés-vizsgálatok elemzésé-hez korrelációszámítást végeztem IBM SPSS Statistics 23-as programcsomag segítségével.
Korrelációszámítás
Mérési skálák közül a nominális-, ordinális-, intervallum- és arányskálát különböztetjük meg (Molnár, 2015). A kutatás kiinduló hipotézisei esetében ordinális skálákról beszélhe-tünk, hiszen a kérdőív kérdéseire adott válaszok rangsorba állíthatók, és nem asszociációs jellegűek. Így egyértelműen az alkalmazható szorossági mérőszámok közül a Spearman-féle rangkorrelációs együtthatóra esett a választásom.
A korrelációs együttható megmutatja, hogy milyen irányú és milyen szoros kapcso-latról van szó. A kapcsolat [-1,+1] közötti értéket vehet fel: a negatív előjel ellentétes összefüggésre, a pozitív előjel azonos irányú összefüggésre utal. Minél közelebb vagyunk a két szélsőérték valamelyikéhez, annál erősebb a kapcsolat.
A korrelációs együttható szignifikancia-vizsgálata segít eldönteni, hogy adott elemszá-mú minta esetén az összefüggés jelentős és nem csak a véletlennek köszönhető. Általá-nosan elfogadott szignifikancia-szint (valószínűségi szint) a p<0,05, ami azt jelenti, hogy minimum 95 %-os valószínűséggel állítható az összefüggés az alapsokaság esetében is. A disszertáció során az 5%-os hibahatárt fogadtam el.
Az általam alkalmazott Spearman-féle korrelációs együttható (ρ) megmutatja a kap-csolat szorosságát (erősségét, intenzitását) és irányát. A Spearman korreláció egy rang korreláció, amely a nem paraméteres eljárások csoportjába tartozik. Minél nagyobb számú a minta, annál pontosabb lesz az értéke. Az SPSS program a kapcsolat szorosságának és irányának mérésére a rangsorszám különbségek alapján számítja a korrelációs együtthatót.