หลักสูตรอบรม การวัดประสิทธิภาพและผลิตภาพของการผลิตสินค้าเกษตร

หลั�กสู�ตรอบรมการวั�ดประสู�ทธิ�ภาพแลัะผลั�ตภาพของการผลั�ตสู�นค้�าเกษตร

ผศ . ดร . ศ!ภวั�จน# ร!$งสู!ร�ยะวั�บ�ลัย# ค้ณะเศรษฐศาสูตร#

มหาวั�ทยาลั�ยเชี)ยงใหม$

Lecture 6: ขอบเขตเนื้�อหา • กรณี�ศึ�กษาการวั�ดประสิ�ทธิ�ภาพและการเพ� มผลผล�ตในื้สิ�นื้ค้%าการเกษตร• ต�วัอย่'างการประย่)กต*ใช้%การวั�ดประสิ�ทธิ�ภาพและการเพ� มผลผล�ต

กรณี�ศึ�กษา 1

• Wiboonpongse, A. and Sriboonchitta, S. “The Effects of Production Inputs, Technical Efficiency and Other Factors on Jasmine and Non-Jasmine Rice Yields in Thailand” working paper, MMC, Chiang Mai, University

• Objectives1. This study measures technical efficiency on jasmine and

non-jasmine rice yields in Thailand 2. This study measures factors affecting the productive

efficiency on rice farms


• Model SpecificationThe translog production function is defined as

The inefficiency equation is defined as

Using inefficiency effects model presented by Battese and Coelli (1995)

21γlnxβ50lnxlnxβlnxβ50

lnxlnxβlnxlnxβlnxβ50lnxαlnxαlnxαα

7

1

23333223

2222

311321122

1112222110

,,..

.ln

juvD

y

jji

iijjjj

jjjjjjjjj

nienlaborratioMale

LaborforceAgeEduction

kijiji

jijijiji

,...,, 1δδ

δδδδμ

1615

14131211

กรณี�ศึ�กษา 1• Data

1. The crop year 1999/20002. 489 rice farms from Chiang Mai, Phitsanulok, Tung Gula Ronghai

Variable Factor Variable

Y : Yield (kg/rai)X1 : Seed (kg/rai)

X2 : Chemical Fertilizer (kg/rai)

X3 : Labor (man-hours)

D1 : Other Chemical Fertilizers referring to insecticide, fungicide and pesticideD2 : Phitsanulok province

D3 : Tung Gula Ronghai province

D4 : Transplant

D5 : Irrigagion

D6 : Drought

D7 : Neck blast

Education (year)Age (year)Labor (person)Male-Labor (ratio)

แบบจำ-าลองวั�เค้ราะห*ผลกระทบท� ก'อให%เก�ดค้วัามไม'ม�ประสิ�ทธิ�ภาพ (Modeling Inefficiency Effects Analysis)

• ห�วัข%อท� นื้'าสินื้ใจำอ�กประการหนื้� งในื้การวั�เค้ราะห*เสิ%นื้พรมแดนื้เช้�งเฟ้0นื้สิ)'ม ค้�อ การศึ�กษาถึ�งต�วัแปรท� เป2นื้ต�วัแทนื้ของป3จำจำ�ย่ภาย่นื้อกท� ไม'ใช้'ต�วัแปรปร�มาณีป3จำจำ�ย่

การผล�ต (input quantities) และผลผล�ต (quantities) ท� ม�ผลกระทบต'อประสิ�ทธิ�ภาพในื้การผล�ตของหนื้'วัย่ผล�ต

• Battese และ Coelli (1995) เสินื้อไวั%วั'าต�วัแปรท� อธิ�บาย่ถึ�งป3จำจำ�ย่ภาย่นื้อกของหนื้'วัย่ผล�ตต'อประสิ�ทธิ�ภาพในื้การผล�ตสิามารถึประเม�นื้ร'วัมก�บค้วัามสิ�มพ�นื้ธิ*ของการเปล� ย่นื้แปลงเช้�งเทค้นื้�ค้ (technical change) และการเปล� ย่นื้แปลง

เช้�งประสิ�ทธิ�ภาพ (efficiency change) ต'อหนื้'วัย่เวัลา

แบบจำ-าลองวั�เค้ราะห*ผลกระทบท� ก'อให%เก�ดค้วัามไม'ม�ประสิ�ทธิ�ภาพ (Modeling Inefficiency Effects Analysis)

• แบบจำ-าลองของ Battese และ Coelli (1995) ก-าหนื้ดไวั% ด�งนื้�

yit = xitß+(vit – uit) โดย่ท� i = I,..,N และ t = 1,..,T

ท� ซึ่� ง yit, xit ค้�อ ค้�อ logarithm ของผลผล�ตและป3จำจำ�ย่การผล�ตของหนื้'วัย่ผล�ตท� i ณี เวัลา t

ß ค้�อ ต�วัแปรท� ไม'ทราบค้'าท� ต%องการประเม�นื้ vit ค้�อ ต�วัแปรค้วัามผ�ดพลาดเช้�งเฟ้0นื้สิ)'ม (random error), vit ~

iid N(0, σv2)

uit ค้�อ ต�วัแปรเช้�งเฟ้0นื้สิ)'มค้'าบวักท� ใช้%แสิดงค้'าประสิ�ทธิ�ภาพเช้�งเทค้นื้�ค้ (technical efficiency), uit ~ iid N+(mit, σu2) โดย่ท� mit = zitδ ท� ซึ่� ง zit ค้�อ (px1) เวัค้เตอร*ของต�วัแปรซึ่� งสิ'งผลกระทบต'อประสิ�ทธิ�ภาพในื้การผล�ตของหนื้'วัย่ผล�ต δ ค้�อ (1xp) เวัค้เตอร*ของต�วัแปรท� ถึ6กประเม�นื้


• Rungsuriyawiboon S. and Lissitsa, A. “Agricultural Productivity Growth in the European Union and

Transition Countries” Journal of International Agricultural Trade and Development (forthcoming, 2007)

• Objectives1. This study measures and compares the levels and trends in agricultural productivity in transition countries with those

of the European Union countries 2. This study develops a parametric distance function

model to decompose the change in agricultural productivity growth


• Model Specification1. The output-oriented TFP change can be decomposed as

2. TC can be decomposed into the magnitude of TC, the output- and input-biased TC

11 1 1

11 1

1 1 1

ln ln1ln , , , ln ln

2

11 1 ln

2

ln ln ln ,

o oo o o t tv t t t t t t

K K Kkt

kt kt kt ktk k k kt

o o ov v v

D Dm x y x y D D

t t

xe s e s

x

TE TC SCE

oc

oc

oc

ov TCTCTCTC ΔIBΔOBΔ lnlnlnΔln


• Model Specification3. The estimating form of the translog output distance function

can be defined as

The components of the TFP change decomposition in terms of parameter estimates are

,lnlnln

2

1lnlnlnln

2

1

lnlnln2

1lnln

1

1

*

1

2

1

1

1

*

1 1

1

1

1

1

1

**1

1

*0

oit

M

mmittykit

K

ktx

ttz

K

k

M

mmitkityxlitkit

K

k

K

lxx

kit

K

kx

M

m

M

nmitmityy

M

mmityMit

Dtytx

ttyxxx

xyyyy

mk

mklk

kmmm

ititit

ititit

it

itov uvuE

uvuE

TE

TETE

exp

explnlnln 1111

11

1* *

11

2 1 2 ln ln1

ln2

ln ln

k

m

K

t tt x t kit kitko

v M

y t mit mitm

t x x

TC

y y

kit

kitK

kkit

K

kkitkit

K

kkit

ov x

xseseSEC 1

1 11

11 ln11

2

1ln


• Model Specification4. The translog output distance function under the CRS model is

The components of the TC decomposition in terms of parameter estimates are

1 1 1* * *

01 1 1

1 1 1 1 1* * * * *

1 1 1 1 1

12 *

1

1ln ln ln ln ln

2

1ln ln ln ln ln

2

1ln ln

2

m m m

k k l k m

k m

M M M

Mit Kit y mit y y mit mitm m n

K K K K M

x kit x x kit lit x y kit mitk k l k m

K

t tt x t kit y t mk

y x y y y

x x x x y

t t x t y

1

*

1

ln ,M

oit it

m

t D

1

11

1

11

1

1

1

1

β2

1Δ

β2

1Δ

ββ21ββΔ

K

kktkttkx

oc

M

mmtmttmy

oc

M

mmittmy

K

kkittkxttt

oc

xxTIB

yyTOB

yxtM

**

**

**

lnln

lnln

lnlnln


• Data1. A panel data set of 46 European countries during the time

period of 1992 to 2002. 2. Data are obtained from the Food and Agriculture

Organization (FAO) 3. Countries are divided into three categories: EU15, EU10, and

the transition (Trans) countries

Group Country

EU15 Austria, Belgium-Luxembourg, Denmark, Finland, France, Germany, Greece,

Ireland, Italy, Netherlands, Norway, Portugal, Spain, Sweden, Switzerland, UK

EU10 Cyprus, Czech Republic, Estonia, Hungary, Latvia, Lithuania, Malta, Poland,

Slovakia, Slovenia

Trans

Albania, Armenia, Azerbaijan, Belarus, Bosnia-Herzegovina, Bulgaria, Croatia, Georgia, Kazakhstan, Kyrgyzstan, Macedonia, Moldova Republic, Romania, Russian Federation, Serbia-Montenegro, Tajikistan, Turkey, Turkmenistan,

Ukraine, Uzbekistan


• Data4. The production technology is represented by two outputs

(crops and livestock) and five inputs (land, tractors, fertilizer, labor, and livestock inputs).

Output series are derived by aggregating detailed output quantity data on 127 agricultural commodities (115 crop

commodities and 12 livestock commodities).

Inputs1. The land input represents the arable land, land under

permanent crops and the area under permanent pasture in hectares.

2. The tractor input includes the total number of wheel and crawler tractors used in agriculture.

3. Labour refers to the economically active population in agriculture.

4. Fertilizer input is the sum, in nutrient-equivalent terms, of the commercial use of nitrogen, potassium, and phosphate

expressed in thousands tons. 5.The livestock input is the sheep-equivalent of buffalo, cattle,

swine, sheep, and goat inventories.

กรณี�ศึ�กษา 2• Results

1. The estimated coefficients are

ParameterVRS Model CRS Model

Estimates t-Statistic Estimates t-Statistic

β0

βy1βy1y1βx1βx2βx3βx4βx5βx1x1βx2x2βx3x3βx4x4βx5x5βx1x2βx1x3βx1x4βx1x5βx2x3βx2x4βx2x5βx3x4βx3x5βx4x5βx1y1βx2y1βx3y1βx4y1βx5y1βtβttβx1tβx2tβx3tβx4tβx5tβy1tσ2

γ

0.36940.29860.8281

-0.1175-0.1945-0.2154-0.0259-0.46750.09360.0010

-0.13280.34140.4778

-0.04550.0943

-0.1264-0.08970.1276

-0.0554-0.12250.0760

-0.0860-0.1442-0.1999-0.1379-0.1351-0.17620.5039

-0.02570.0023

-0.1789-0.01210.04240.13280.0995

-0.05990.07540.7186

8.447312.73089.4575

-5.2767-9.2042-8.3084-1.0267

-10.91662.13190.0288

-5.01816.88384.1586

-1.31963.0327

-3.7959-1.47257.1548

-1.8007-1.97141.7289

-1.2925-2.0204-3.5792-3.7666-3.7880-3.11195.6849

-8.21201.0809

-3.7616-0.29910.87542.57391.2228

-0.94295.61355.7077

0.37310.29840.7190

-0.1686-0.1580-0.2429-0.0367-0.05110.0005

-0.15060.3275

-0.01340.0281

-0.06600.1025

-0.04460.0560

-0.0970-0.0894-0.1621-0.1373-0.02850.0016

-0.12060.00370.08290.0832

-0.05420.10390.8050

12.102712.69698.5861

-6.7910-9.1738

-10.7577-1.5445-1.38850.0156

-5.31236.5980

-0.37120.8866

-2.11235.6955

-1.57981.4690

-1.9060-2.5437-4.2278-2.5177-8.51710.6952

-2.39280.08501.64321.5929

-0.81188.4026

13.3691


2. Weighted Annual Growth Rates of the MPI Change Decomposition by Country Group (in %)

Period Region TEC TC SEC TFPC

1992-19941994-19961996-19981998-20002000-20021992-20021992-19941994-19961996-19981998-20002000-20021992-20021992-19941994-19961996-19981998-20002000-20021992-20021992-19941994-19961996-19981998-20002000-20021992-2002

EU15EU15EU15EU15EU15EU15EU10EU10EU10EU10EU10EU10TransTransTransTransTransTrans

AllAllAllAllAllAll

-0.7930.1810.0740.3100.180-0.182-0.8830.6360.3150.1510.2260.189-0.142-0.384-0.0030.4070.2790.039-0.6060.1440.1290.2890.2280.015

1.4401.1640.9310.6900.4791.2621.2161.1710.9160.6590.4311.1271.4961.3741.2331.0580.8951.2611.3841.2361.0270.8020.6021.250

-0.0010.0430.0330.0990.0460.0640.014-0.032-0.0150.056-0.028-0.0040.2600.0090.008-0.1220.0210.0350.0910.0070.0090.0110.0130.032

0.6461.3881.0381.0990.7051.1440.3471.7751.2160.8660.6291.3121.6140.9991.2381.3431.1951.4350.8691.3871.1641.1030.8431.297


3. Weighted Annual Growth Rates of TC Decomposition by Country Group (in %)

Period RegionMagnitude

TC

Output-BiasedTC

Input-BiasedTC

Output1 Output2 Input1 Input2 Input3 Input4 Input5

1992-19941994-19961996-19981998-20002000-20021992-20021992-19941994-19961996-19981998-20002000-20021992-20021992-19941994-19961996-19981998-20002000-20021992-20021992-19941994-19961996-19981998-20002000-20021992-2002

EU15EU15EU15EU15EU15EU15EU10EU10EU10EU10EU10EU10TransTransTransTransTransTrans

AllAllAllAllAllAll

2.0471.6761.5421.2021.2171.5371.7201.5731.2001.1870.8631.3091.6432.5972.4412.1922.1492.2041.8031.9491.7281.5271.4101.683

-0.0570.087-0.0110.048-0.0340.0090.0020.1130.001-0.091-0.037-0.003-0.130-0.002-0.0710.0850.100-0.005-0.0790.057-0.0290.0480.0150.003

0.008-0.021-0.0170.004-0.006-0.0090.144-0.026-0.0190.038-0.0250.0300.0730.1120.0490.024-0.0070.0690.0470.0280.0070.014-0.0080.024

-0.010-0.009-0.004-0.015-0.006-0.012-0.006-0.013-0.006-0.019-0.030-0.020-0.0110.011-0.026-0.0130.017-0.006-0.010-0.002-0.011-0.0150.000-0.010

0.0000.0010.0010.0010.0000.001-0.004-0.0020.000-0.003-0.001-0.0030.0030.0060.0050.0050.0000.0050.0010.0020.0020.0020.0000.002

-0.044-0.0360.0430.1410.0960.054-0.161-0.1430.048-0.052-0.041-0.0951.1550.0520.1650.000-0.1240.3410.418-0.0150.0860.0740.0030.155

0.0950.0970.1000.1020.1130.1400.0640.0710.0730.0760.0820.1000.0610.0620.0630.0630.0600.0850.0780.0820.0840.0860.0910.116

-0.0180.008-0.006-0.003-0.024-0.011-0.141-0.059-0.029-0.086-0.021-0.092-0.079-0.133-0.133-0.048-0.039-0.117-0.054-0.051-0.054-0.026-0.029-0.058


• Results4. The weighted average TFP growth in the European

agriculture over the study period grew at 1.297% per annum, which was driven primarily by a 1.250% increase in TC and

significant changes in TEC, first negative in early years, then positive starting in 1994. SEC is a small to negligible

component of TFP.

The EU15 operated at higher TE levels than the EU10 and Trans countries over the study periods; however, the EU10 and

transition countries, demonstrated greater growth in TE and TFP than the EU15.

The process of EU membership has accelerated reforms for the EU10 countries, most notably in Lithuania, Slovakia and Latvia,

and to a lesser extent also in Bulgaria and Romania.

As researchers and policy makers discuss the “pros and cons” of possible future enlargements of EU, the analysis in this

study suggests that there may be benefits in improved TE and TC growth for the candidate countries.

ต�วัอย่'าง• Measuring technical efficiency on conventional and certified

organic Jasmine rice farms

• 20 conventional farms and 20 certified organic farms

• The crop year 2005

• Stochastic frontier analysis

ต�วัอย่'าง• Data

1. Yield of jasmine rice in terms of paddy measured in kilograms

2. Total amount of seeds used in jasmine rice farming measured in kilograms

3. Total farm lands (both hired and family land) devoted to jasmine rice cultivation measured in rais

4. Total amount of labors (both hired and family labor) used in jasmine rice farms measured in rais

5. Total amount of natural and chemical fertilizers applied in jasmine rice production

6. Total amount of machinery (both hired and family labor machinery) used in jasmine rice farms measured in hours

ต�วัอย่'าง

• Model Specification1. Define a production technology consisting of one output

and five inputsProduction function VS distance function

Cobb Douglas VS Translog

ฟ้3งก*ช้�นื้เสิ%นื้พรมแดนื้การผล�ตท� ม�ร6ปแบบ Translog สิามารถึแสิดงได%ด�งนื้�

ร6ปแบบ Cobb Douglas สิามารถึแสิดงได%ด�งนื้�

401lnxlnxα50lnxαα5

1

5

1

5

10 ,...,,.ln

iuvy ii

k llikiklki

kki

iikik

ki uvy

xαα5

10ln

ต�วัอย่'าง

• Model Specification2. Estimate the stochastic production frontier function

Cross-sectional data, year 2005Normal-Half Normal Model VS -Normal Truncated

Normal Model

3. Test of hypothesisFunctional forms between Cobb Douglas and Translog

Existence of inefficiency effect

4. Calculate the technical efficiency and analyze the results

5. Discuss the policy implications

การวั�ดประสิ�ทธิ�ภาพก-าไร • พ�จำารณีาหนื้'วัย่ผล�ตเผช้�ญราค้าของผลผล�ต p ε R++

M และ ราค้าของป3จำจำ�ย่การผล�ต w ε R++

K โดย่ท� หนื้'วัย่ผล�ตต%องการก-าไรสิ6งสิ)ดในื้การผล�ต (p’y-w’x) จำากการใช้%ป3จำจำ�ย่การผล�ต x ε R+

K ท� ก-าหนื้ด เพ� อผล�ต y ε R+M การวั�ดประสิ�ทธิ�ภาพ

ก-าไรสิามารถึก-าหนื้ดได%จำากอ�ตราสิ'วันื้ของก-าไรแท%จำร�ง (actual profit) ต'อก-าไรสิ6งสิ)ด (maximum profit) ด�งค้วัามสิ�มพ�นื้ธิ*

PE(y,x,p,w) = (p’y-w’x)/π(p,w)

การแย่กค้'าประสิ�ทธิ�ภาพก-าไรออกเป2นื้สิ'วันื้ประกอบต'างๆ สิามารถึท-าได%โดย่การใช้%ป3จำจำ�ย่การผล�ต ‑ (input oriented) หร�อ การใช้%ผลผล�ต ‑(output oriented)

การวั�ดประสิ�ทธิ�ภาพก-าไร จำากร6ปแสิดงหนื้'วัย่ผล�ตก-าล�งเผช้�ญระด�บราค้า

(pA,wA) และโดย่การใช้%ป3จำจำ�ย่การผล�ต xA เพ� อผล�ตสิ�นื้ค้%า yA การเพ� มประสิ�ทธิ�ภาพเช้�งเทค้นื้�ค้โดย่การใช้%ผลผล�ตสิามารถึท-าได%โดย่การเพ� มสิ�ดสิ'วันื้ของผลผล�ตในื้แนื้วัร�ศึม�เป2นื้ ØyA ซึ่� งสิ'งผลให%ก-าไรเพ� มข�นื้และก'อให%

เก�ดประสิ�ทธิ�ภาพก-าไรแก'หนื้'วัย่ผล�ต (profit efficiency) อย่'างไรก;ตามหนื้'วัย่ผล�ตท� ผล�ตสิ�นื้ค้%า ณี ระด�บ ØyA จำะเผช้�ญก�บค้วัามไม'ม�ประสิ�ทธิ�ภาพเช้�ง

แบ'งสิรรของผลผล�ต รวัมถึ�งหนื้'วัย่ผล�ตท� ใช้%ป3จำจำ�ย่ผลผล�ต xA ท� ก-าหนื้ดจำะเผช้�ญก�บค้วัามไม'ม�

ประสิ�ทธิ�ภาพเช้�งแบ'งสิรรของป3จำจำ�ย่ผลผล�ต

ค้วัามไม'ม�ประสิ�ทธิ�ภาพท�งสิองนื้�จำะท-าให%ระด�บก-าไรของหนื้'วัย่ผล�ตลดลงโดย่ม�ระด�บต- ากวั'าเสิ%นื้พรมแดนื้ก-าไร π(pA,wA) สิาเหต)อ�กประการท� ก'อให%เก�ดค้วัามไม'ม�

ประสิ�ทธิ�ภาพก-าไรของหนื้'วัย่ผล�ต ค้�อค้วัามไม'ม�ประสิ�ทธิ�ภาพของขนื้าด (scale inefficiency)

พ�จำารณีาปร�มาณีผลผล�ตและป3จำจำ�ย่การผล�ต (ØyA,xA) ซึ่� งก'อให%เก�ดขนื้าดของการผล�ตท� เล;กท� ไม'ม�ประสิ�ทธิ�ภาพเพ� อให%เก�ดก-าไรสิ6งสิ)ด หนื้'วัย่ผล�ตสิามารถึเพ� มก-าไรสิ6งสิ)ดโดย่การผล�ตท�

ต-าแหนื้'ง E ด�งนื้�นื้ ขนื้าดของการผล�ตท� เหมาะสิมจำ�งเป2นื้อ�กป3จำจำ�ย่ท� ใช้%ในื้การอธิ�บาย่ประสิ�ทธิ�ภาพก-าไรของหนื้'วัย่ผล�ตในื้กระบวันื้การผล�ต

• การแยกค้$าประสู�ทธิ�ภาพก+าไรโดยการใชี�ผลัผลั�ต ‑(output oriented)

การวั�ดประสิ�ทธิ�ภาพก-าไร • การแยกค้$าประสู�ทธิ�ภาพก+าไร

จำากค้วัามสิ�มพ�นื้ธิ*ท� ได%แสิดงไวั%ข%างต%นื้นื้�สิามารถึกล'าวัโดย่สิร)ปได%วั'าการได%มาซึ่� งก-าไรสิ6งสิ)ดของหนื้'วัย่ผล�ตในื้การผล�ตต%องอาศึ�ย่ป3จำจำ�ย่ต'างๆอ�นื้ได%แก'

1. การม�ประสิ�ทธิ�ภาพเช้�งเทค้นื้�ค้ในื้กระบวันื้การผล�ต (technical efficiency)

2. การใช้%ปร�มาณีของป3จำจำ�ย่การผล�ตท� สิ�มพ�นื้ธิ*ก�บราค้าของป3จำจำ�ย่การผล�ตในื้อ�ตราสิ'วันื้ท� เหมาะสิม (input allocative efficiency)

3. การใช้%ก-าล�งการผล�ตของผลผล�ตท� สิ�มพ�นื้ธิ*ก�บราค้าของผลผล�ตในื้สิ�ดสิ'วันื้ท� เหมาะสิม (output allocative efficiency)

4. การเล�อกใช้%ขนื้าดของการผล�ตท� เหมาะสิมในื้การผล�ตโดย่สิ�มพ�นื้ธิ*ก�บราค้าของผลผล�ตและป3จำจำ�ย่การผล�ต (scale efficiency)

ประสู�ทธิ�ภาพด�งกลั$าวัท�/งหมดรวัมก�นได� ประสู�ทธิ�ภาพก+าไร (profit efficiency)

การวั�เค้ราะห*เสิ%นื้พรมแดนื้ก-าไรเช้�งเฟ้0นื้สิ)'ม • ถึ%าราค้าของผลผล�ตและป3จำจำ�ย่การผล�ตสิามารถึจำ�ดหาได% และการก-าหนื้ดพฤต�กรรม

ของหนื้'วัย่ผล�ตโดย่อาศึ�ย่สิมมต�ฐานื้ท� วั'าหนื้'วัย่ผล�ตต%องการก-าไรในื้การผล�ตสิ6งสิ)ดม�ค้วัามเหมาะสิม Kumbhakar (2000) ได%เสินื้อฟั1งก#ชี�นเสู�นพรมแดนก+าไรเชี�ง

เฟั2นสู!$ม (stochastic profit frontier) ไวั%ด�งนื้�

ท� ซึ่� ง πi, pi, wi ค้�อ ค้�อ ก-าไรท� เก�ดข�นื้จำร�ง ราค้าของผลผล�ตและป3จำจำ�ย่การผล�ตของหนื้'วัย่ผล�ตท� i

ß ค้�อ ต�วัแปรท� ไม'ทราบค้'าท� ต%องการประเม�นื้

ui ค้3อ ต�วัแปรเชี�งเฟั2นสู!$มค้$าบวักท)4ใชี�แสูดงค้$าประสู�ทธิ�ภาพเชี�งเศรษฐศาสูตร# หร3อประสู�ทธิ�ภาพก+าไร (profit efficiency) ในื้การผล�ต

vi ค้3อ ต�วัแปรค้วัามผ�ดพลัาดเชี�งเฟั2นสู!$ม (random error) ซึ่� งใช้%เป2นื้ต�วัแทนื้ในื้การอธิ�บาย่ถึ�งป3จำจำ�ย่สิ-าหร�บค้วัามผ�ดพลาดต'างๆท� เก�ดจำากการวั�ดและ

ป3จำจำ�ย่ค้วัามไม'แนื้'นื้อนื้ท� ไม'สิามารถึวั�ดได%ในื้กระบวันื้การผล�ต

iiiii uvwp βππ ;,ln


• Setboonsarng S., Leung, P. and Cai, J. “Contract Farming and Poverty Reduction: the Case of Organic Rice

Contract Farming in Thailand” ADB Institute Discussion Paper No. 49

• Objectives1. To test whether contract rice farmers are more

profitable than non-contract rice farmers for comparable scale of operation

2. To test whether contract rice farmers are more (profit) efficient than non-contract rice farmers for

comparable scales of operation3. To test whether contract farming is biased against

small farmers


• Data1. 223 Contract rice farmers and 222 non-contract rice farmers

from five provinces (Phayao, Chiang Rai, Ubon Ratchathani, Surin, Yasothon)

2. Variables regarding the production technology consist of one output, seven variable inputs and two fixed inputs

Variable Units

Rice outputRice priceSeed priceHire labor wageChemical fertilizer priceOrganic fertilizer priceMachinery power priceFuel priceLandCapital asset

KgBath/kgBath/kg

Bath/person/dayBath/kgBath/kgBath/raiBath/rai

Raibath

กรณี�ศึ�กษา 3• Data

3. Farm-specific variables are

Variable Units

Farm characteristics and endowments1. Regional dummy (north=1, northeast=0)2. Farm size3. Land ownership (own=1, rent=1)4. Rice income in total agricultural incomeDemographic and other characteristics of household

head1. Experience in fragrant rice farming2. Level of formal education3. Age4. Non-agricultural income in total Household incomeGeneral production practices1. Amount of own labor2. Amount of own organic fertilizer3. Amount of own seed

0/1Rai 0/1%

YearYearYear

%

%%%


• Model Specification1. Estimate a dual variable profit frontier

where π = actual profit

p = price of output (one output)

w = price of variable inputs (7 variable inputs)

x = fixed inputs (2 fixed inputs)

2. Measure the profit elasticity

2171βππ ,,,...,,;,,ln jivxwp iji

j

ji

i

ji

x

xwp

w

xwp

βπβπ ;,,,

;,,


• Model Specification3. Calculate the profit efficiency (PE)

PE = Actual profit Actual profit + Profit loss

where profit loss is calculated as the difference between maximum possible profit (that is, profit on the profit

frontier) for each farm and its actual profit

4. Selection bias and counterfactual simulation

Documents

หลักสูตรอบรม การวัดประสิทธิภาพและผลิตภาพของการผลิตสินค้าเกษตร