Acta Scientiarum Oeconomia 9 (1)

More documents

Recommendations

Info

Struktura i determinanty rentowności kapitału własnego w rolnictwie... 67 w polskim rolnictwie wahała się w przedziale 3–5%, a jak wynika ze struktury modelu analitycznego, nie była ona w istotny sposób powiązana z korzystnym oddziaływaniem dźwigni finansowej na skutek niskiego zaangażowania kapitału obcego oraz generalnie niskich kosztów finansowych. Z prezentowanych w tabeli 1 danych wynika, że źródłem wyraźnie wyższej, niż w EU ogółem, rentowności kapitału własnego jest w Polsce relatywnie wysoka rentowność działalności operacyjnej (ROIC) będąca wypadkową wysokiej rentowności produkcji (ROS) oraz dość wolnego obrotu kapitału (TOC). Na ogół niższą rentowność kapitału własnego miały gospodarstwa Czech. W ich przypadku struktura modelu wskazuje na niższą sprawność operacyjną (ROIC), która mimo szybkiego obrotu kapitału (TOC) wynika z relatywnie niższej, niż w większości analizowanych krajów, rentowności produkcji (ROS). Ponadto stopa zwrotu z kapitału własnego jest w rolnictwie Czech silniej powiązana z kapitałem obcym (FSR). Kapitał ten generuje niemałe koszty finansowe (FCR) i w konsekwencji wyraźnie osłabia korzyści płynące z dźwigni finansowej. Można również zauważyć, że gospodarstwa rolne w Czechach w relatywnie większym stopniu niż gospodarstwa z pozostałych krajów Europy Środkowo-Wschodniej obciążone są podatkami. W latach 2004–2006 efekt podatkowy (TER) miał w ich przypadku istotne znaczenie, ponieważ obniżał stopę rentowności kapitału własnego o 24%. Porównywalną do gospodarstw rolnych Czech i Polski rentowność kapitału własnego uzyskiwały gospodarstwa węgierskie. Analiza struktury modelu wskazuje jednak, że struktura rentowności kapitału własnego ma tutaj swoją specyfikę, którą wyznaczają rotacja kapitału, struktura finansowa oraz koszty finansowe. Z prezentowanych danych (tab. 1) wynika, że gospodarstwa węgierskie szybko odtwarzają zaangażowany kapitał (TOC), angażują w większej skali kapitał obcy (FSR), co przekłada się na relatywnie wysokie koszty finansowe obsługi tego kapitału (FCR). W konsekwencji dźwignia finansowa (FLM) oddziałuje tutaj negatywnie i wraz z obciążeniami podatkowymi (TER) istotnie obniża stopę zwrotu z kapitału własnego. Ostatni z analizowanych krajów – Słowacja – jest wśród krajów Europy Środkowo-Wschodniej jedynym przykładem gospodarowania w rolnictwie, który wiąże się z generowaniem strat. W latach 2004–2006 straty w słowackich gospodarstwach były generowane już na poziomie operacyjnym (ROIC) i wynikały przede wszystkim z nierentowności produkcji (ROS). Podkreślić należy również, że w rolnictwie Słowacji w marginalnym stopniu zaangażowany był kapitał obcy (FSR). Mimo tego nawet ten marginalny kapitał obcy generował niemałe koszty finansowe (FCR), które wraz z obciążeniami fiskalnymi (TER) powodowały dalszą znaczącą deprecjację stopy zwrotu z kapitału własnego. CZYNNIKI KSZTAŁTUJĄCE RENTOWNOŚĆ KAPITAŁU WŁASNEGO W ROLNICTWIE – ANALIZA REGRESJI Przedstawione wyżej wyniki analizy stanowiły podstawę do dalszych badań, mających na celu określenie siły i kierunku wpływu parametrów modelu na rentowność kapitału własnego przy zastosowaniu metod ekonometrycznych (krokowej regresji wielokrotnej). <strong>Oeconomia</strong> 9 (1) 2010
68 Z. Gołaś, S. Paszkowski W analizie regresji wykorzystano dane z europejskiej bazy FADN z lat 2004–2006 5 , na podstawie której przyjęto następujący zestaw zmiennych: a) zmienna zależna (y i ): ROE – rentowność kapitału własnego w % [zysk netto × 100/kapitał własny] b) zmienne niezależne (x i ): ROS – rentowność sprzedaży w % [zysk przed opodatkowaniem i odsetkami × 100/ /przychody ze sprzedaży], TOC – wskaźnik obrotowości kapitału [sprzedaż/kapitał zainwestowany], FSR – wskaźnik struktury finansowej w % [kapitał zainwestowany × 100/kapitał własny], FCR – wskaźnik kosztów finansowych w % [zysk brutto × 100/zysk przed opodatkowaniem i odsetkami], TER – wskaźnik efektów podatkowych w % [zysk netto × 100/zysk brutto]. W modelowaniu ekonometrycznym przyjęto założenie, że związki rentowności kapitału własnego z pięcioma mnożnikami tożsamości Hawawiniego i Vialleta mają charakter liniowy. W analizie regresji, poza parametrami strukturalnymi modelu (x i ), wykorzystano także współczynniki beta (β), które informują o relatywnym znaczeniu zmiennych niezależnych (x i ) w wyjaśnianiu zmian zmiennych zależnych y i . Współczynniki beta (β) obliczono według następującej formuły [Goldberger 1972]: β= j sj a j sy gdzie: a j – współczynnik regresji cząstkowej przy zmiennej niezależnej x j , s j – odchylenie standardowe zmiennej niezależnej x j , s y – odchylenie standardowe zmiennej zależnej y. W tabeli 2 przedstawiono parametry modeli regresji (przy poziomie istotności p < 0,05) opisujące przeciętne uwarunkowania rentowności kapitału własnego w rolnictwie UE ogółem oraz w krajach Europy Środkowo-Wschodniej (CEC) w latach 2004– 2006. Ich analiza prowadzi do następujących wniosków: 1. Przyjęte w modelach regresji (tab. 2) zmienne niezależne x i wyjaśniły w wysokim stopniu zmienność rentowności kapitału własnego, i to zarówno w poszczególnych krajach (78,35–96,56%), jak i w EU ogółem (83,30%) oraz CEC ogółem (78,79%). We wszystkich modelach regresji statystycznie istotna była rentowność produkcji (ROS), a w większości również obrotowość kapitału (TOC), struktura finansowa (FSR) oraz wskaźnik kosztów finansowych (FCR). Ponadto badania wskazują na nikłe znaczenie tzw. efektu podatkowego (TER). 2. W rolnictwie Czech rentowność kapitału własnego determinowana była przez rentowność operacyjną (ROS, TOC) oraz przez strukturę finansową gospodarstw (FSR). Analiza współczynników regresji (tab. 2) wskazuje, że w gospodarstwach Czech wzrostowi 5 Wykorzystano dane w układzie typów rolniczych (TF-14), http://ec.europa.eu/agriculture/rica/ database/ <strong>Acta</strong> Sci. Pol.
Page 1 and 2:
Acta Sci. Pol. - Oeconomia 9 (1) 20
Page 3 and 4:
Rada Programowa Acta Scientiarum Po
Page 5 and 6:
Recenzenci: prof. dr hab. Irena Ję
Page 7 and 8:
6 A. Berk, H. Uçak about agricultu
Page 9 and 10:
8 A. Berk, H. Uçak Government Priv
Page 11 and 12:
10 A. Berk, H. Uçak has been drama
Page 13 and 14:
12 A. Berk, H. Uçak In 2005, 15 co
Page 15 and 16:
14 A. Berk, H. Uçak ROZWÓJ I KIER
Page 17 and 18: 16 B. Będzik Niuanse definicyjne p
Page 19 and 20: 18 B. Będzik Powyższe zmiany, mim
Page 21 and 22: 20 B. Będzik zasoby. Kapitał spo
Page 24 and 25: Oeconomia 9 (1) 2010, 23-28 BARIERY
Page 26 and 27: Bariery wzrostu innowacyjności prz
Page 28 and 29: Bariery wzrostu innowacyjności prz
Page 30 and 31: Oeconomia 9 (1) 2010, 29-37 WSKAŹN
Page 32 and 33: Wskaźniki w modelowaniu zrównowa
Page 38: Wskaźniki w modelowaniu zrównowa
Page 41 and 42: 40 B. Domańska-Szaruga, E. Hołowe
Page 50 and 51: Oeconomia 9 (1) 2010, 49-59 THE ROL
Page 52 and 53: The role of trade with the EU in Li
Page 60: The role of trade with the EU in Li
Page 63 and 64: 62 Z. Gołaś, S. Paszkowski mimo t
Page 65 and 66: 64 Z. Gołaś, S. Paszkowski kolejn
Page 67: 66 Z. Gołaś, S. Paszkowski od 0,5
Page 71 and 72: 70 Z. Gołaś, S. Paszkowski 3. W g
Page 73 and 74: 72 Z. Gołaś, S. Paszkowski STRUCT
Page 75 and 76: 74 E. Goryńska-Goldmann na podstaw
Page 77 and 78: 76 E. Goryńska-Goldmann dencje: r
Page 79 and 80: 78 E. Goryńska-Goldmann Spożycie
Page 81 and 82: 80 E. Goryńska-Goldmann Biorąc po
Page 83 and 84: 82 E. Goryńska-Goldmann Spożycie
Page 85 and 86: 84 spożycie w kg/osobę/ m-c Rys.
Page 87 and 88: 86 E. Goryńska-Goldmann TENDENCIES
Page 89 and 90: 88 R. Jurkowski W artykule zaprezen
Page 91 and 92: 90 R. Jurkowski 4) prawdopodobieńs
Page 93 and 94: 92 R. Jurkowski Wśród respondent
Page 95 and 96: 94 R. Jurkowski Podobne wyniki uzys
Page 97 and 98: 96 R. Jurkowski Wyrok Sądu Najwyż
Page 99 and 100: 98 J. Sawicka nego, aby był w stan
Page 101 and 102: 100 J. Sawicka Co do okresu funkcjo
Page 103 and 104: 102 J. Sawicka Spośród badanych 2
Page 105 and 106: 104 J. Sawicka INTERNET AS AN INSTR
Page 107 and 108: 106 J. Szewczyk wierzchni 1-5 ha s
Page 109 and 110: 108 J. Szewczyk Tabela 2. Techniczn
Page 111 and 112: 110 J. Szewczyk PODSUMOWANIE Wedłu
Page 114 and 115: Oeconomia 9 (1) 2010, 113-122 NEURO
Page 116 and 117: Neuromarketing - „ścieżka dost
Page 118 and 119:
Neuromarketing - „ścieżka dost
Page 120 and 121:
Page 122 and 123:
Page 124 and 125:
Oeconomia 9 (1) 2010, 123-130 DZIA
Page 126 and 127:
Działalność inwestycyjna małych
Page 128 and 129:
Page 130 and 131:
Page 132 and 133:
Oeconomia 9 (1) 2010, 131-137 ANALI
Page 134 and 135:
Analiza strategiczna branży mięsn
Page 136 and 137:
Page 138:
Page 141 and 142:
140 J. Zieziula W pracy podjęto pr
Page 143 and 144:
142 J. Zieziula siedlisk w trakcie
Page 145 and 146:
144 J. Zieziula rybołówstwa, ocen
Page 147 and 148:
146 J. Zieziula nia przez przedsię
Page 150 and 151:
Oeconomia 9 (1) 2010, 149-156 SZANS
Page 152 and 153:
Szanse regionalnego wzrostu gospoda
Page 154 and 155:
Page 156 and 157:
Page 158 and 159:
CONTENTS SPIS TREŚCI Ali Berk, Har
Page 162 and 163:
Oeconomia 9 (1) 2010, 5-14 Ali Berk
Page 165 and 166:
Oeconomia 9 (1) 2010, 29-37 Antoni
Page 167 and 168:
Oeconomia 9 (1) 2010, 49-59 Mahmud
Page 169 and 170:
Oeconomia 9 (1) 2010, 73-86 Elżbie
Page 171:
Oeconomia 9 (1) 2010, 97-104 Janina
Page 174:
Oeconomia 9 (1) 2010, 123-130 Emili
Page 177:
Oeconomia 9 (1) 2010, 149-156 Alina
show all

Acta Scientiarum Oeconomia 9 (1)

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?