2. IRODALMI ÁTTEKINTÉS
2.3. Gazdasági súlyok
2.3.1. Gazdasági súlyok a tejtermelő szarvasmarha tenyésztésben
A tejtermelés jövedelmét és jövedelmezőségét a tej-, a tejfehérje- és tejzsír hozam, a tejár, a támogatás, tehát az elérhető árbevétel, valamint a termelési költségek alapvetően meghatározzák. Mind a hozamok, mind a költségek alakulását olyan, úgynevezett funkcionális tulajdonságok is befolyásolják, mint például a tehén-, a borjú-, a növendék üsző kiesés, a vemhesülés színvonala, a hasznos élettartam stb. Az egyes tenyésztési, termelési tulajdonságok alakulása a tejtermelés jövedelmezőségét különböző mértékben befolyásolhatja, attól függően, hogy mekkora az adott tulajdonság gazdasági súlya. Az egyes tulajdonságok gazdasági jelentősége nagymértékben függ a tejár rendszerétől, a növendék-, a selejt marha árától, a tenyészállat utánpótlás, a takarmányozás és az egyéb költségek alakulásától, azok arányától. Számos tulajdonságot kell figyelembe vennünk a tenyésztés, tenyészkiválasztás során annak érdekében, hogy a termelés színvonalát, gazdaságosságát generációról-generációra javítani tudjuk. Fontos azonban, hogy az adott tulajdonságot oly mértékben vegyük figyelembe, mint amekkora annak a gazdasági jelentősége, ökonómiai súlya.
Régi törekvés, hogy a tejtermelést befolyásoló értékmérő tulajdonságokat gazdasági szempontból súlyozzuk. Ezzel már HAZEL (1943) is próbálkozott, aki egy-egy értékmérő tulajdonság relatív ökonómiai súlyát a nyereség változásaként határozta meg. Szerinte a gazdasági súly a nyereség olyan változása, amelyet egy bizonyos értékmérő tulajdonság alakulása vált ki a többi értékmérő tulajdonság állandósága mellett.
AMER és mtsai (1994) szerint az ökonómiai érték az adott értékmérő tulajdonság abszolút javításából eredő haszon, az ökonómiai súly pedig egy értékmérő tulajdonság relatív javulásából származó haszon.
VISSCHER és mtsai (1994) legeltetésre alapozott tehenészetben számoltak ökonómiai súlyokat. Erre a célra egy tenyészetmodellt fejlesztettek ki. A korlátozó tényező a rendelkezésre álló takarmány mennyisége volt. A tejmennyiség, a zsír, a fehérje, a testsúly és a hasznos élettartam gazdasági súlyait a megfelelő nyereségegyenletek differenciálásának útján számolták ki.
REINSCH (1993) 104 német gazdaságban a tejmennyiség, tejzsír, tejfehérje, tejleadási sebesség, illetve két borjazás között eltelt idő gazdasági súlyát határozta meg szimentáli marha esetében, tej-és zsírkvótát feltételezve. Eredményei szerint a tej fehérjetartalma volt a legnagyobb gazdasági súlyú tulajdonság.
Gazdasági súlyok számításánál különös tekintettel kell lenni arra, hogy ugyanazon hatást nem lehet kétszer figyelembe venni (DEMPFLE, 1992; MACK, 1996; WEIDELE, 1996; MIESENBERGER, 1996; NIELSEN, 2004). Mert ha ez mégis bekövetkezne, az eltolná az eredményt, azaz nem kapnánk reális képet az adott tulajdonság gazdasági súlyáról.
SZÉLES és mtsai (2000) szerint a hazai szarvasmarha-tenyésztés hosszú távú versenyképessége elsősorban ökonómia tényezőkön múlik.
KOMLÓSI (2007) véleménye, hogy az értékmérő tulajdonságok ökonómiai súlyozása egyre sürgetőbb feladat a szarvasmarha tenyészérték-becslésben hazánkban is. Eredményei szerint, holstein állományokban gazdasági szempontból a legfontosabb tulajdonság a tej mennyisége (24,7 %), majd ezt követi a hasznos élettartam (22,8 %) az összes általa vizsgált tulajdonság arányában (KOMLÓSI és mtasi, 2010).
2.3.2. A módszerek áttekintése
2.3.2.1. Nem objektív módszerek
A szubjektív módszereket, mint pl. a Delphi-módszert azokban az esetekben lehet alkalmazni, melyekben olyan értékmérő tulajdonságok gazdasági súlyát kell meghatározni, amiknek az adott pillanatban nincs piaci értékük. Ilyet alkalmaztak VON ROHR és mtsai (1996) sertések húsminőség mutatóinak gazdasági értékének számítására.
2.3.2.2. Objektív módszerek
Az objektív módszereket tovább oszthatjuk adatbecslésen (pozitív) és szimulált adatokon (normatív) alapuló eljárásokra.
BALAINE és mtsai (1981) különböző jövedelmezőségi mutatószámokat azzal a céllal vizsgáltak, hogy alkalmasak-e holstein tehenek ökonómiai rangsorolására.
BÖBNER (1994) szerint a pozitív módszereket egyes állatfajok gazdasági analízisében alkalmazzuk.
A szakirodalom többsége szerint, a tenyészcél meghatározásakor, azon gazdasági súlyok számolása esetén, amelyek a jövőre irányulnak, csaknem minden esetben a normatív módszereket alkalmazzák. GIBSON (1995) véleménye viszont az, hogy ezen esetek többségében a szubjektív módszereket kellene alkalmazni.
Ha az ökonómiai és biológiai egyenletek egyazon modellben foglalnak helyet, akkor számos szerző ezt bioökonómiai modellnek nevezi. Ez minden normatív rendszerben lehetséges. GROEN és mtsai (1996) arra utalnak, hogy a bioökonómiai modellek között nincs olyan alapvető különbség, melyet „multibecslési szimulációs modell”-ként jellemeznének, és nyereségi egyenleteket tartalmaznának.
Az ökonómiai súlyozásra használt bioökonómiai modelleket a következő öt fő csoportra oszthatjuk:
1. Nyereség egyenletek: melyekben a gazdasági súlyt az értékmérő tulajdonságnak megfelelően differenciálás segítségével képezzük. Ennek természetesen az egyenlet megfelelő differenciálhatósága a feltétele. Az első vizsgálatokban, amikor gazdasági súlyokat számoltak a nyereség egyenleteket alkalmazták (HAZEL és LUSH, 1942; MOAV és MOAV, 1966; MOAV és HILL, 1966; MOAV, 1973), mivel ezek
egyszerűek és jól áttekinthetőek voltak. Ezen módszert csak akkor lehetett alkalmazni, ha az összefüggés nem volt túl komplex, és egy egyenlettel is le lehetett írni.
BRASCAMP és mtsai (1985), SMITH és mtsai (1986), valamint GIBSON (1989), a nyereség egyenleteket komplex körülményekre is továbbfejlesztették. Komplex bioökonómiai modellekben a nyereség egyenletek alkalmazhatósága korlátozott. mivel az egyenletrendszerek elveszítik áttekinthetőségüket és differenciálhatóságukat.
2. Lineáris programozás: , mint optimalizálási, vagy lineáris tervezési eljárás, ami olyan módszer, mely más gazdasági területen is, mint pl. az agrárökonómia, már régóta használatban van. Ezt az optimalizálási feladatot legkorábban MACK (1996) és WEIDELE (1996) munkásságában fedezhetjük fel gazdasági súlyok becslésére. A lineáris programozással meg van adva a maximális nyereség meghatározásának lehetősége azokban az esetekben is, amelyekben a források csak korlátozottan állnak rendelkezésre. GIBSON (1995) utal arra, hogy a szarvasmarha tenyésztésben különösképpen arra kell figyelni, hogy hosszabb távon számoljunk, és semmi olyan korlátozást ne vegyünk figyelembe, ami csak rövid ideig tart
3. Dinamikus optimalizálás: matematikai eljárás, egy sor egymással összefüggő döntés elbírálására alkalmas (BÖBNER, 1994). Legkorábban BOICHARD (1990), DEKKERS (1991) és BÖBNER (1994) alkalmazták ezt a módszert ökonómiai súlyozásra.
4. Neoklasszikus módszer: olyan módszer, melyet mind a világgazdaság, mind pedig a mezőgazdaság ökonómiai folyamatok becslésére alkalmaz, annak érdekében, hogy meghatározzák a legjobb termelési feltételeket, jelen esetben az értékmérő tulajdonságok ökonómiai súlyait. Ezen módszerek genetikai előrehaladással való összefüggését AMER és FOX (1992) mutatta be. Egy további tanulmányban hasonlítják össze AMER és mtsai (1994) a lineáris nyereség egyenleteket a neoklasszikus módszerekkel. A szerzők végkövetkeztetésként megállapítják, hogy a tartós genetikai előrehaladás abszolút és relatív ökonómiai súlyai, az alkalmazott módszerektől függően változnak. GREIMEL (1994) leírja a nyereség egyenleteket, a neoklasszikus módszert és a velük számított gazdasági súlyokat hasonlítja össze.
GIBSON (1995) felhívja a figyelmet arra, hogy sok módszer hasonló vagy ugyanolyan eredményeket hozhat, ha a számolás ugyanolyan feltételeken alapszik.
5. Szimuláció: KOMLÓSI (1999) szerint szimulációval a valós feltételekből matematikailag fogalmazzuk meg, építjük fel a valóságban is létező modellt, majd a modellen kísérletet hajtunk végre a jelenség tökéletesebb megértése céljából.
A vonatkozó forrásmunkák alapján a gazdasági értékek számítására használt módszerek az 7. ábrán láthatók. A szarvasmarha-tenyésztésben a gazdasági súlyok becslésére többnyire az „objektív” módszereket alkalmazzuk.
7. ábra: Az ökonómiai súlyozásra használt módszerek vázlatos áttekintése (BÖBNER, 1994)