AGRISP: un modello per simulare l’impatto delle politiche agricole

AGRISP: un modello per simulare l’impatto delle politiche agricole

Agrisp (Agricultural Regional Integrated Simulation Pakage) rappresenta un serio tentativo, sviluppato da un gruppo di ricercatori dell’Università di Parma (Dipartimento di Economia), di dotare policy maker (politici e funzionari pubblici nazionali e regionali) e ricercatori di uno strumento capace di simulare e analizzare gli effetti delle politiche del primo pilastro della Pac sulle aziende agricole inserite nei rispettivi contesi territoriali.
Agrisp nasce quindi come strumento di supporto all’attività di programmazione della politica economica di politica agraria a livello regionale e nazionale, offrendo una visione tempestiva delle ricadute che le strategie politiche esercitano sulle realtà rurali, in primo luogo e, più in generale, sull’intera collettività. Questo in virtù delle sue principali caratteristiche: basarsi su una base dati articolata territorialmente e aggiornabile nel tempo; utilizzare una metodologia di simulazione semplice ma allo stesso tempo fondata su presupposti teorici robusti; consentire la simulazione di una ampia gamma di politiche che possono modificare le scelte produttivi degli agricoltori. Caratteristiche che possono essere sintetizzate nei seguenti elementi: positività dell’approccio, flessibilità dello strumento, riproducibilità dell’analisi nello spazio e nel tempo e attendibilità dei risultati.

Le caratteristiche di Agrisp

Agrisp piuttosto che un “modello” deve quindi essere considerato uno strumento di analisi che cerca di superare alcuni limiti che caratterizzano altri strumenti analoghi utilizzati per simulazioni di politica agraria sia di carattere metodologico che di rappresentatività rispetto alla situazione osservata.
Proprio perché l’obiettivo di Agrisp vorrebbe essere uno strumento di lavoro, la sua articolazione è sviluppata in cinque moduli funzionali al raggiungimento di questo scopo:

  • a) modulo di gestione delle fonti dei dati;
  • b) modulo di organizzazione territoriale dei dati;
  • c) modulo di rappresentazione delle scelte dei produttori agricoli;
  • d) modulo di simulazione degli scenari di politica agraria;
  • e) modulo di organizzazione e di interpretazione dei risultati

Il “sistema” di gestione delle fonti e dei dati.

Le fonti informative a cui attinge Agrisp sono messe a sistema, in un’ottica di abbandono delle stime. Attualmente, nel panorama europeo ed italiano, la principale fonte statistica che può fornire informazioni utili a rappresentare le caratteristiche strutturali, produttive ed economiche delle aziende agricole è rappresentata dalla Rete di informazione contabile agraria (Rica). Questa banca dati costituisce l’unica fonte di informazione dettagliata sui risultati contabili conseguiti dalle aziende agricole italiane.
La Rica nasce nel 1965 per volontà della Commissione Europea (Reg. Ce n. 79/65). In Italia l’Ente deputato alla costruzione e gestione della Rica è l’Istituto Nazionale di Economia Agraria (Inea) il quale, per ogni azienda seguita, raccoglie informazioni relativamente alle caratteristiche strutturali, agli ordinamenti produttivi adottati, alle rese ottenute, ai prezzi dei beni venduti, alla produzione vendibile, ai costi variabili per processo e fissi aziendali. Lo scopo ultimo della rilevazione è la determinazione di un Reddito Lordo Standard (RLS), per processo e per tipologia aziendale, che possa essere comparato con altri processi e con realtà produttive analoghe europee.
La principale caratteristica del campione Rica è quindi che il RLS per processo deve essere rappresentativo a livello regionale, per questo i dati tecnici ed economici sono rilevati su un campione di aziende agricole (distribuite per regione amministrativa, tipologie aziendali omogenea e dimensione economica) che vengono considerate rappresentative dell’area regionale di riferimento. Per quanto riguarda la localizzazione geografica la Commissione UE considera come elemento primario di suddivisione la regione in cui è situata l’azienda. Pertanto, per le aziende italiane, è adottata la suddivisione in ventuno “regioni Rica” che coincidono con le Regioni amministrative e le Province autonome di Trento e di Bolzano.
La numerosità del campione di aziende Rica in Italia varia, a seconda degli anni di rilevazione, e oscilla tra le 15.000 e le 20.000 unità. Confrontando questi dati con l’universo delle aziende censite nel 2000 dall’Istat, si evince che, in media, il campione Rica comprende lo 0,6% delle aziende e copre il 3,1% della Sau complessiva nazionale.
Questa banca dati rappresenta quindi la fonte statistica “ideale” per rappresentare le caratteristiche tecniche ed economiche delle aziende agricole oggetto di rilevazione. Tuttavia presenta tre grossi limiti che ne condizionano il suo impiego ai fini di analisi di politica agraria:

  • a) la mancanza di informazioni tecniche relativamente alla quantità di input utilizzato per ciascun processo (la Rica si limita a rilevare il costo del fattore e non la quantità);
  • b) la rappresentatività dei dati Rica è relativa al solo RLS e non agli ordinamenti produttivi praticati dagli agricoltori;
  • c) il livello di rappresentatività delle aziende agricole diminuisce notevolmente passando da una dimensione regionale a quella di provincia o di regione agraria.

In particolare, il primo aspetto (la mancanza di dati quantitativi relativi agli input) è un elemento indispensabile per consentire ai modelli di simulazione (specialmente quelli basati sulla programmazione matematica) di ricostruire la tecnologia usata da quella specifica impresa. Conseguentemente, la mancanza di questo dato esclude l’uso della Rica ai fini di analisi di politica agraria mediante l’uso della programmazione matematica. Per contro i limiti relativi alla rappresentatività dei dati rendono molto difficile sia rappresentare correttamente gli ordinamenti produttivi effettivamente presenti nella regione e sia effettuare inferenze statistiche all’universo.
Proprio per ovviare a questo ultimo limite, nella costruzione di Agrisp si è ricorsi ad una altra banca dati, che viene integrata con la Rica, quale la banca dati amministrativa dell’Agea: quest’ultima è relativa alle domande di compensazione al reddito presentate dai coltivatori di superfici a seminativi a norma del Reg. 1765/92 (poi sostituito dal Reg. 1251/99) (Agea-Seminativi) per ricevere il contributo previsto dal Regolamento.
L’integrazione di queste due banche dati consente di ottenere per ciascuna regione agraria l’esatta dimensione degli ordinamenti produttivi, della produzione lorda vendibile, dei sussidi erogati, dei volumi di costi variabili imputabili a ciascun processo e quindi del reddito lordo per ciascuna tipologia aziendale.
Va sottolineato che entrambe le banche dati non sono nate per soddisfare le esigenze di Agrisp ma per assolvere altri fini e altre esigenze. E’ quindi Agrisp che si è adattato alle caratteristiche delle banche dati Rica e Agea, con il grande vantaggio di basarsi su fonti statistiche che vengo aggiornate ogni anno garantendo la “freschezza” dei dati di base e la continuità del modello. L’organizzazione territoriale dei dati Utilizzando le informazioni desunte dalle due banche dati, quindi, si giunge a costruire un set di dati pressoché completo sul versante dell’utilizzazione del suolo e dei parametri tecnico-economici dei processi produttivi per l’insieme delle aziende agricole italiane (che hanno presentato domanda di integrazione al reddito nell’ambito dell’OCM seminativi) partendo dalle informazioni minime territoriali: le particelle catastali.
L’aggregazione delle informazioni in un’unica banca dati Rica-Agea viene effettuata a livello di macro-azienda per regione agraria, dove per macro-azienda si intendono tutte le aziende presenti nella banca dati Agea raggruppate per classe dimensionale. Più precisamente, per ogni regione agraria, sono state considerate dieci classi dimensionali (0-5 ha; 5-10- ha; 10-20 ha, 20-30 ha; 30-40 ha; 40-50 ha; 50-70 ha; 70-100 ha; 100-300 ha; > 300 ha), ognuna delle quali rappresenta la tipologia aziendale minima di riferimento. Ovviamente in ciascuna macro azienda saranno considerati tutti i processi effettivamente presenti nel territorio così come sono descritti dalla banca dati Agea.
Ovviamente l’integrazione delle due banche dati viene effettuata grazie allo sviluppo di un software specifico in grado di effettuare le necessarie elaborazioni statistiche di controllo e di produrre le informazioni per rappresentare le scelte degli imprenditori agricoli dal punto di vista produttivo che economico.

La rappresentazione delle scelte dei produttori agricoli

La rappresentazione delle scelte produttive degli imprenditori agricoli viene effettuata mediante l’ausilio di un modello matematico basato sulla “programmazione matematica positiva” (Pmp). La caratteristica principale di questa metodologia è quella di adottare un approccio “positivo” piuttosto che di tipo “normativo” nell’analisi del comportamento degli imprenditori. In altre parole, i modelli matematici normativi si pongono l’obiettivo di individuare, per un agricoltore che vuole rendere massimo il suo reddito, quali processi produttivi attuare e quali volumi di prodotto ottenere. In questo caso, chi fosse lontano dalle risposte “ottime” per il modello è considerato poco efficiente o in condizioni di sub-ottimo. Per contro, i modelli positivi si basano sull’assunzione che l’agricoltore nel momento in cui viene osservato si trova già nelle condizioni di ottimo produttivo e che le scelte che egli ha adottato (relativamente al mix produttivo e ai volumi produttivi) rappresentano il frutto della sua strategia che tiene conto dei vincoli e dei costi che non sono direttamente percepibili e misurabili dagli analisti.
In questo caso, i volumi produttivi osservati per processo, rappresentano il risultato di una strategia complessiva a cui è associato un costo opportunità che può essere stimato dagli analisti. Infatti, in base alla teoria economica, il produttore spingerà la produzione fino a che il costo marginale di ogni processo, eguaglia il ricavo marginale e quindi il prezzo di mercato dei prodotti ottenuti.
Da questa assunzione di base nasce la seconda importante caratteristica della Pmp. Anziché stimare la tecnologia adottata da ogni singolo produttore viene stimato il costo di produzione della tecnologia. In questo modo viene superato il principale limite della Rica (la mancanza dei coefficienti tecnici) consentendo un suo utilizzo ai fini della riproduzione delle strategie aziendali. Una volta riprodotte le scelte produttive praticate dagli agricoltori e i costi di produzione aziendali ad esse collegati, il modello si considera calibrato (in quanto riflette esattamente la realtà osservata) ed è quindi in grado di simulare gli effetti dei cambiamenti di scenario della politica agraria (una illustrazione più dettagliata della Pmp è contenuta in Anania, 2005).
La Pmp è nata ed è stata sviluppata ad opera di due ricercatori dell’Università di Davis (California): Quirino Paris e Richard Howitt (Howitt, 1995; Howitt e Paris 1998), i quali hanno iniziato i primi lavori utilizzando questo approccio già nel 1993. Attualmente la Pmp viene regolarmente utilizzata da molti ricercatori europei per i loro modelli di simulazione proprio perché è in grado di ovviare ai principali limiti della programmazione lineare, la quale è, e rimane, lo strumento principale per simulare scelte produttive aziendali.
I vantaggi della Pmp sono numerosi: a) basarsi su un limitato numero di osservazioni (questa caratteristica diventa particolarmente importante per i modelli territoriali); b) catturare e riflettere il diverso orientamento produttivo delle aziende e il livello di specializzazione; c) riprodurre una situazione osservata per quanto riguarda produzione e costi; d) estrema flessibilità della metodologia che può essere utilizzata indifferentemente per modelli aziendali, settoriali, regionali (come il caso di Agrisp); e) notevole capacità di adattamento nei confronti delle leve di politica agraria che possono essere simulate.
Per contro il limite maggiore della Pmp è dovuto al fatto che il costo della tecnologia per unità di prodotto rimane costante. In altre parole la tecnologia è fissa e i costi, al variare delle politiche, possono cambiare in quanto muta la dimensione dei i processi.

La simulazione degli scenari di politica agraria

Agrisp è stato pensato e realizzato con il preciso scopo di consentire analisi di politica agraria a livello sub-regionale, regionale e nazionale fornendo informazioni di carattere settoriale relativamente alle grandi colture arabili. Per queste sue caratteristiche si presta ad affrontare molti dei problemi di politica agraria che la riforma Fischler della Pac pone sul tavolo dei policy maker regionali e nazionali, misurando le ripercussioni sull’offerta delle principali produzioni agricole interessate (seminativi Cop, altri seminativi, latte e carne bovina), nonché gli effetti della riforma sul reddito delle aziende agricole.
Agrisp, consente di simulare l’impatto delle principali misure di riforma contenute nella riforma di medio termine grazie alla caratteristiche della Pmp, che rimane una “semplice” applicazione di programmazione matematica con la relativa possibilità di inserire nel modello i nuovi parametri o vicoli previste dai nuovi regolamenti di riforma e simulare il loro impatto. Questa fase, sicuramente complessa e delicata, è affrontata mediante l’ausilio di un software specifico di programmazione matematica (General Algebric Modelling SoftwareGAMS) (Brooke, 1998) e altri, il quale consente di scrivere in modo agevole le modifiche richieste dalla normativa e di effettuare in breve tempo i relativi calcoli.
In concreto, grazie alla combinazione Pmp - GAMS è stato possibile considerare e simulare tutte le misure del primo pilastro inserite nella riforma di medio termine e più precisamente:

  • a) le misure di prezzo minimo garantito: ovvero la variazione dei prezzi dei prodotti secondo quanto previsto dalle OCM e secondo le più importanti proiezioni internazionali (Fapri, Banca Mondiale, Fao);
  • b) l’introduzione di premi specifici: come nel caso del premio al latte e alla carne bovina;
  • c) le misure di controllo della produzione: ovvero vincoli sulla quantità massima da produrre (quote) per una serie di prodotti come il latte, la barbabietola da zucchero, pomodoro da industria;
  • d) la modulazione degli aiuti e la disciplina di bilancio: cioè il rispetto della modulazione con la rispettiva franchigia per le aziende di piccola dimensione;
  • e) il pagamento unico aziendale, secondo le possibili modalità previste dai regolamenti attuativi: disaccoppiamento parziale o totale, regionalizzazione del pagamento unico;
  • f) altre misure specifiche inserite nel regolamento di riforma: set aside volontario, envelope nazionale per prodotti di qualità (ex art. 69), inserimento delle buone pratiche agricole (cross-compliance) come obbligo aziendale.

Proprio la possibilità di utilizzare dei dati di base minimi (le particelle catastali) e di ricorrere ad un approccio positivo nella stima del comportamento degli imprenditori agricoli (la Pmp) ha consentito di tenere conto con esattezza del numero di diritti maturati, di calcolarne il loro valore complessivo e quindi di valutare le nuove strategie che gli imprenditori possono adottare al variare delle singole misure di politica misurandone l’impatto sull’offerta. Nel concreto, le informazioni che il modello di Pmp fornisce agli analisti per singola tipologia aziendale nei rispettivi scenari analizzati sono:

  • a) la struttura dell’offerta (volumi di prodotto)
  • b) il valore dell’offerta (la Produzione Lorda Vendibile)
  • c) il costo della politica (costo dell’intervento pubblico)
  • d) il valore dei costi di produzione (costi sostenuti dall’imprenditore nell’acquisto dei fattori)
  • e) il reddito lordo dell’imprenditore.

L’aggregazione di queste singole informazioni consente una stima molto precisa delle ricadute sulle filiere regionali e sull’impatto economico della riforma, muovendosi da una dimensione di regione agraria sino a quella di Regione e dell’intero sistema paese.

Utilizzazione di Agrisp e condizioni operative

Ad oggi, Agrisp è stato utilizzato sia per motivi di ricerca, che per finalità più operative.
Per motivi di studio è stato applicato a tutte le regione agrarie italiane, simulando l’impatto del disaccoppiamento per ogni singola Regione e su specifici scenari (Arfini e Donati 2003, Donati e Zuppiroli 2003, Anania 2005, Arfini 2006). Mentre la sua applicazione con finalità più operative è dovuto allo studio di specifici scenari di riforma richiesti dai funzionari delle Regioni Piemonte, Emilia-Romagna, Veneto, Marche nell’ambito del processo di valutazione degli effetti del pagamento unico sui singoli territori regionali e nell’ambito del tavolo negoziale con il Mipaaf sulla scelta di quale tipologia di disaccoppiamento adottare.
Attualmente Agrisp è in “fase di manutenzione” in quanto si vuole allargare la base dati di origine Agea da integrare con la Rica, inserendo quindi anche i dati relativi alle OCM latte e ortofrutta. L’obiettivo di costruire un modello di simulazione stabile nel tempo e fruibile da policy maker e ricercatori rimane. Ma nonostante risultati molto incoraggianti sin qui ottenuti, la strada per la sua completa realizzazione è ancora lunga…

Riferimenti bibliografici

  • Anania G., (2005), La riforma delle politiche agricole dell’Ue ed il Negoziato Wto, Franco Angeli, Milano.
  • Arfini F. (2001), «I modelli di programmazione matematica per l'analisi della Politica Agricola Comune», in G. Anania (a cura di) Valutare gli effetti della Politica Agricola Comune, Inea-Studi e Ricerche, Esi, Napoli.
  • Arfini F., Donati M. (2003), «La nuova Pac tra disaccoppiamento e politiche regionali: il caso dell’Emilia Romagna», Nuovo Diritto Agrario, n. 1, p. 157-180.
  • Arfini F., (2006), Vantaggi e svantaggi della regionalizzazione del pagamento unico: il caso del Veneto, in Basile e Cecchi (a cura di) Diritto all’alimentazione agricoltura e sviluppo, Collana Sidea, Franco Angeli, Milano.
  • Brooke A., Kendrick D., Meeraus A, Raman R. (1998), Gams, a user’s guide, Gams Development Corporation, Washington.
  • Donati M., Zuppiroli M. (2003), «Valutazione dell’impatto della Nuova Politica Agricola Comune sulla produzione del grano duro nelle regioni italiane», Politica Agricola Internazionale, n. 3/2003, p. 21-50.
  • Howitt R.E. (1995), «Positive Mathematical Programming», American Journal of Agricultural Economics, n.77, p. 329-342.
  • Paris Q., Howitt R.E. (1998), «An Analysis of Ill-Posed Production Problems Using Maximum Entropy», American Journal of Agricultural Economics, n.80, p. 124-138.
Tematiche: 
Rubrica: