2. A VILÁG ÉLELMISZERGAZDASÁGÁNAK GLOBÁLIS FOLYAMATAI
2.3. A nemzetközi agrár-és élelmiszeripari termék-kereskedelem
2.3.3. A hálózatelemzés alkalmazása termékcsoport-és régió szintjén: az Európai Unió
TERMÉKCSOPORT- ÉS RÉGIÓ SZINTJÉN: AZ EURÓPAI UNIÓ FŰSZER-KERESKEDELMI HÁLÓZATA ÉS SEBEZHETŐSÉGE
A fűszerek kereskedelme egyike a legősibb globális kereskedelmi rendszereknek (GILBOA & NAMBAR, 2015), mert a fahéj (LEE & BALICK, 2005) és a bors (PARRY, 1955) kereskedelme több mint négyezer évre tekinthet vissza. A közép- és újkorban a fűszer-kereskedelem fontos szerepet játszott a gyarmatbirodalmak kialakulásában (LOEWE, 1971;
WAKE, 1986). Napjainkban a világ fűszer-kereskedelme folyamatosan, dinamikusan bővül (21. ábra), az Európai Unióba irányuló import bővülése azonban mindinkább felveti a rendszer biztonságának kérdését. Ennek négy oka van: (1) az EU-ba érkező termékek nagy távolságról, bonyolult, nehezen kezelhető és áttekinthető árupályákon jutnak az Unióba (HENSON & LOADER, 2001); (2) az EU fő fűszer-szállítói az esetek jelentős részében alacsony fejlettségű államok, melyeket egyre gyakrabban jellemez politikai instabilitás; (3) gyakori a különböző földrajzi helyekről származó termékek keverése; (4) a fűszereket nagyon sok élelmiszeripari termékhez használják fel (ZHANG et al, 2009), illetve széles körben alkalmazzák azokat a gasztronómiában (SHERMAN & BILLING, 1999).
Rs n Di s in n
i=
21. ábra: A nemzetközi fűszer-kereskedelem növekedése és közelítése exponenciális növekedési függvénnyel
(y=112622+131155e(t-1959)/17,68); (r2= 0,995)).
Forrás: FAOSTAT adatok alapján végzett saját számítás
A kutatás során két hipotézis vizsgálatára vállalkoztunk:
H1: Az EU tagállamok közötti szoros gazdasági integráció miatt rövid idő alatt eljuthatnak a szennyezett termékek az EU különböző tagállamaiba;
H2: A szennyezett termékek földrajzi elhelyezkedése jól jellemezhető a geoinformatika eszközeivel, mert ennek alapján kedvező lehetőség adódik az egyes régiók szeparálására.
Munkánkban az EU tagállamok közötti szennyezett termék-áramlás vizsgálatára törekedtünk. Vizsgálataink során az alábbi egyszerűsítő feltételeket alkalmaztuk:
— A dinamikus rendszer-elemzésben széles körben alkalmazott módszereknek megfelelően a diszkrét idejű léptetést használtuk, azaz minden egyes időközökben egy-egy tranzakciót feltételeztünk a vizsgált csomópontok között.
— A vizsgált termékeket homogéneknek tekintettük. Ha egy terméket más termék előállításához használtak fel (pl. a fűszerpaprikát húsipari termék adalékanyagának alkalmazták), akkor azt a továbbiakban már nem vettük figyelembe.
— A kutatás során eltekintettünk az EU-n kívülre irányuló exporttól.
— Az egyes időlépések alatt a belföldi fogyasztást az import 10%-ának tekintettük.
1960 1970 1980 1990 2000 2010 2020
0,0 0,5 1,0 1,5 2,0 2,5 3,0
millió t
— Munkánkhoz az Eurostat adatbázisát használtuk fel. Az egyes termékáramlások értékét véletlen változónak tekintettük. Munkánk során igyekeztünk elég hosszú idősort felhasználni annak érdekében, hogy képet nyerjünk a vizsgált termékáramlások eloszlásáról, ugyanakkor arra is törekedtünk, hogy viszonylagos stabilitást tükrözzön az elemzett idősor. Ebből adódóan kutatásaink adatbázisát a 2004-2014 időszak adatai adták. Összesen harminc különböző eloszlásfüggvényt illesztettünk a vizsgált idősorokra, ezek illeszkedését a Chi-négyzet, a Kolmogorov-Smirnov és az Anderson-Darling tesztek felhasználásával vizsgáltuk.
Az egyes eloszlásfüggvények kiválasztása során a végső döntést három szakértő véleménye alapján hoztuk meg. Az esetek mintegy nyolcvan százalékában a normál, a lognormál és az inverz logisztikus függvények alkalmazása adta a legjobb közelítést.
Az EU tagjai között egy 28×28-as mátrixot határoztunk meg a fűszerpaprika őrlemény kereskedelmére. Így összesen kétszer 784 (potenciális) partnerkapcsolat elemzésére nyílt lehetőség.
Ezek alapján minden egyes országra, öt időperiódusra vonatkozóan határoztunk meg szennyezettségi értékeket. Abból indultunk ki, hogy a szennyeződés egy országból indul.
Az egyes országok szennyezettségét olyan ábrákon mutattuk be, melyeken az ábra színezése (a szakirodalom ezt az ábrázolást az öntészetből vett kifejezéssel hőtéréképnek-[heat map] PLEIL et al. (2011) nevezi ) arányos a szennyezettség mértékével. Az általunk alkalmazott algoritmus mind a küldő országok, mind a fogadók szempontjából bemutatta a hasonlóságokat, és az egyes országokat hasonlóságuk mértéke alapján csoportosította a szenyezettség mértéke szerint.
A szennyezés térbeli eloszlásnak vizsgálatára a térbeli autokorrelációt alkalmaztuk.
Vizsgálataink alátámasztják a H1 hipotézist, mert - amint az a 22. ábrából szemléletesen kitűnik - már az első lépés után az országok számottevő hányadában viszonylag jelentős mennyiségű szennyezett termék jelenik meg. Nyilvánvaló, hogy azon országok, ahol a belföldi fogyasztás dominál, viszonylag kevéssé vannak kitéve a szennyezett termékek okozta kockázatnak, mint azok, ahol az import aránya jelentősebb. Figyelemre méltó például, hogy az esetlegesen Portugáliából származó szennyeződés viszonylag gyorsan eljut Észtországba. Ugyancsak szembetűnő a lett-litván kereskedelem, valamint a francia-osztrák-olasz kereskedelem hatása.
A további periódusokat követően még inkább láthatóvá válik a szennyezett termékek megjelenése (23. ábra).
A szennyezés földrajzi eloszlásának meghatározására a Moran-féle I értéket használtam (KELEIAN & PRUCHA, 2001). A 15. táblázatból szemléletesen kitűnik, hogy az országok jelentős részénél nincs szignifikáns korreláció, azaz a H2 hipotézis nem volt igazolható. Ez azt jelenti, hogy a szennyezett termékek földrajzi elhelyezkedése sokkal bonyolultabb mintázatot követ, mint az a különböző országok földrajzi közelsége alapján várható volna.
22. ábra: A fertőzött paprika megjelenése az EU-ban az első kereskedelmi lépés után (értelmezés a szövegben) (a világosabb négyzetek a fertőzöttebb államokat jelölik)
23. ábra: A fertőzött paprika megjelenése az EU-ban az ötödik kereskedelmi lépés után (értelmezés a szövegben) (a világosabb négyzetek a fertőzöttebb államokat jelölik)
GRC ROM FIN PRT HRV EST IRL GBR BEL LUX ITA FRA DEU NLD LTU LVA BGR DNK SWE ESP SVK CZE POL AUT HUN
ROM GRC FIN GBR HRV POL SVK CZE LVA LTU DNK ESP SWE IRL BGR PRT EST LUX BEL HUN CYP AUT FRA ITA NLD DEU
ROM FIN BGR POL CZE SVK AUT HUN DNK DEU NLD SWE ESP LVA LTU PRT HRV EST IRL LUX ITA FRA GBR BEL
ROM FIN GBR CZE POL SVK HRV LTU LVA ESP IRL DNK SWE LUX NLD DEU PRT EST BGR HUN ITA AUT BEL FRA
15. táblázat: A szennyezett termékek koncentrációjának térségi autókorrelációja
*5%‐os szignifikancia
A fejezet összefoglalásaként megállapítható, hogy az európai élelmiszer-ellátó rendszer rendkívül szoros összekapcsolódása miatt nagyon gyors a fertőzött termékek eljutásnak sebessége egyik országból a másikba. A fertőzött termékek eloszlása nem jelezhető előre a geoinformatika módszereivel, mert az országok közötti termékáramlásokban a földrajzi közelség már nem játszik meghatározó szerepet. Ebből következően a fertőzés előrejelzéséhez a kereskedelmi áramlások valós idejű monitorozására van szükség.
Szennyeződés forrása
Első lépés Második lépés Szennyeződés forrása
Első lépés Második lépés
AT 0,06 0,43* HU 0,28 0,04
BE 0,24 0,38* IE -0,07 0,40*
BG 0,01 0,44* IT 0,49* 0,90*
CY 0,14 0,03 LT 0,01 0,32
CZ 0,51* 0,35 LU 0,51* 0,58*
DE 0,17 0,18 LV 0,00 0,25
DK 0,04 0,21 MT 0,51* 0,73*
EE 0,81* 0,70 NL 0,34 0,03
ES 0,59* -0,10 PL 0,20 0,50
FI 0,37* 0,02 PT 0,28 0,40
FR 0,17 0,23 RO 0,01 0,28
UK 0,78* 0,51* SE 0,27 -0,03
GR 0,02 -0,02 SI 0,13 0,57*
HR 0,15 0,10 SK 0,10 0,05