Valutazione degli effetti della PAC sull’adozione di innovazione. Un’analisi in due casi di studio francesi

p. 22
Valutazione degli effetti della PAC sull’adozione di innovazione. Un’analisi in due casi di studio francesi
a Università di Pisa, Dipartimento di Scienze Agrarie, Alimentari e Agro-ambientali
b Institut National de la Recherche Agronomique (INRA)
c Università di Bologna, Dipartimento di Scienze Agrarie

Introduzione

L’adozione di nuove tecnologie e la diffusione dell’innovazione rappresentano due elementi centrali nel processo di sviluppo di tutti i settori dell’economia e sono tra i maggiori drivers della crescita economica. Il settore agro-industriale ed il suo ruolo sono oggetto di forte attenzione nel dibattito scientifico e politico. Gli obiettivi comunitari previsti dalla futura Politica agricola comune (PAC), e quelli dalla strategia programmatica della nascente bio-economia (Commissione europea 2010a; Commissione europea 2010b) puntano ad aumentare la competitività delle imprese che operano nel settore e ad incrementare l’offerta di beni alimentari, di energia da fonti rinnovabili e dei beni con funzioni positive sulla salute umana (per esempio i cosiddetti nutraceutici). Gli stessi documenti programmatici pongono una forte attenzione al problema dalla minimizzazione degli impatti sull’ambiente e all’uso efficiente delle risorse naturali, principalmente cercando di ottimizzare l’uso e il riuso dei substrati biologici (OECD 2009).
L’adozione di nuove tecnologie e la diffusione dell’innovazione sono al centro delle strategie comunitarie Europa 2020 volte a promuovere la crescita intelligente, la crescita sostenibile e la crescita solidale dell’Europa1. Nella letteratura economico-agraria, l’innovazione è un tema ampiamente trattato. La letteratura scientifica ha dedicato molta attenzione all’analisi delle determinati dell’adozione di una specifica innovazione o dell’intensità di innovazione da parte delle aziende agricole. Tra le determinanti rientrano le caratteristiche individuali del conduttore, le caratteristiche dell’azienda agricola, le prospettive di sviluppo dell’azienda e i sussidi pubblici (Feder e Umali, 1993; Ruttan 1996; Batz et al. 1999; Encaoua et al. 2000; Janssen e van Ittersum 2007). Tra le caratteristiche individuali diversi autori hanno analizzate le attitudini individuali nei confronti dell’innovazione, ovvero la tempistica con la quale sono state adottate le innovazioni nel passato (Rogers 1995). L’appartenenza a diverse categorie di attitudine all’innovazione permette di differenze gli agricoltori in merito alla propensione al rischio, ai legami tra il capitale umano e capitale sociale ed infine ai vincoli aziendali tra i quali la facilità/difficoltà ad ottenere il credito (Sunding e Zilberman 2001).
Questo articolo presenta una sintesi di alcuni risultati ottenuti all’interno del Progetto Europeo CAP-IRE2.L’obiettivo del presente contributo è identificare i fattori determinanti dell’intensità di innovazione e valutare gli effetti della PAC sull’adozione di innovazione a livello aziendale. L’effetto della PAC è stato misurato come differenza di comportamento aziendale ipotizzando due scenari di politica: i) uno scenario baseline caratterizzato dalla struttura della PAC nell’anno 2009 e ii) uno scenario di completa abolizione di ogni strumento della PAC. La strategia del lavoro (e del progetto di ricerca) è basata sull’utilizzo delle intenzioni dichiarate, ipotizzando due scenari alternati di PAC. Tale strategia deriva principalmente da due considerazioni. In primo luogo, nella letteratura economico-agraria vi è un ampio consenso sull’affidabilità delle analisi basate sulle intenzioni dichiarate (Duarin et al., 2007; Viaggi et al. 2011). In secondo luogo, mediante la creazione uno scenario di baseline ed il confronto con uno scenario controfattuale (NO-PAC), è stato possibile identificare ed isolare l’effetto netto (addizionalità) dell’intera PAC sulle adozioni future di innovazioni.
In aggiunta, questo contributo integra, tra le determinanti delle future innovazioni, l’osservazione del comportamento passato nei riguardi delle precedenti adozioni di innovazioni. L’aggiunta di questa variabile permette di includere tra le determinanti alcuni elementi comportamentali degli agricoltori, che possono riflettere diverse strategie di business dell’azienda, mirate per esempio, ad una permanente adozione di innovazione oppure ad una diversa regolarità di investimento in attività di informazione/formazione e consulenza specifiche per le innovazioni (Diederem et al., 2003).
L’analisi empirica è stata compiuta in due regioni francesi (Centre e Midi-Pyrénées) e si basa su informazioni raccolte mediante un apposito questionario.

Metodologia

La metodologia adottata nel presente lavoro è organizzata in due fasi: (a) identificazione di cluster omogenei di agricoltori raggruppati in base alla tempistica e all’intensità di adozione di innovazioni nei 10 anni passati; (b) analisi delle determinanti dell’adozione di innovazione nei prossimi 10 anni ipotizzando due diversi scenari di politica.
L’obiettivo della prima parte della metodologia è l’identificazione di gruppi omogenei di aziende mediante l’uso della cluster analysis. I gruppi sono stati individuati sulla base dell’innovatività3 di ciascun agricoltore, intesa come la quantità di innovazioni adottate in passato e la continuità di adozione nel tempo. Al fine di rendere comparabili le diverse aziende, nel questionario è stato chiesto ad ogni intervistato di specificare la tempistica dell’adozione di innovazioni dividendo queste in alcune categorie predefinite4. In questa fase della metodologia sono state considerate otto diverse categorie di innovazione (Innovazione di sistema produttivo; innovazioni meccaniche; innovazioni biologiche; innovazioni agronomiche; innovazioni chimiche; innovazioni biotecnologiche, innovazioni di marketing, innovazioni di processo5). Per ciascuna di queste categorie è stato chiesto in seguito, di specificare l’innovazione realmente adottata e l’anno di adozione.
La seconda parte della metodologia riguarda l’identificazione delle determinanti dell’intensità di innovazione6. A tal fine, l’intensità di innovazione è stata misurata come la somma delle adozione dichiarate riguardo a cinque diverse tipologie di innovazione entro il 2020 (Robotizzazione/agricoltura di precisione; nuovi sistemi irrigui/ riduzione uso input; nuovi sistemi di commercializzazione delle produzioni dell’azienda; colture energetiche/produzione di energia in azienda; altre innovazioni ritenute rilevanti). Il numero delle adozioni derivante dalla somma è stato usato come variabile dipendente nell’analisi econometrica.
Il modello utilizzato (Modello Poisson con inflazione di zeri) ha consentito di identificare le determinati dell’intensità di innovazione. Esso infatti, permette di combinare dati categorici (adozione si/no) con dati di conteggio (numero delle innovazioni adottate). In definitiva, il modello adottato permette di trattare in modo diverso il valore zero che corrisponde all’adozione si/no dal valore zero in quanto valore minimo della scala di intensità di innovazione7.
I dati sono stati raccolti mediante un questionario rivolto somministrato ai beneficiari del Pagamento Unico Aziendale (PUA), tramite il quale sono state rilevate informazioni sulle strutture dell’azienda, sulla famiglia del proprietario e sulle innovazioni adottate negli ultimi dieci anni, nonché sulle intenzioni in merito alle strategie aziendali future, tra cui quella di adottare alcune tipologie di innovazione. La seconda parte del questionario, contenente le intenzioni, è stata ripetuta per ciascun scenario di politica. Gli intervistati nel caso di studio francese sono stati 295, rispettivamente 140 nella regione Centre e 155 nella regione Midi- Pyrénées. Il questionario e la procedura di selezione del campione sono disponibili in Raggi et al. (2009).

Presentazione dei risultati della ricerca

Il risultato della prima parte della metodologia è stato la creazione di gruppi omogenei di agricoltori mediante la cluster analysis (Tabella 1). L’analisi cluster è stata realizzata utilizzando come variabili discriminanti il numero di innovazioni adottate nel passato, la frequenza di adozione nel tempo e l’età del conduttore. Utilizzando queste tre variabili sono stati identificati 5 gruppi di agricoltori8.

Tabella 1 - Statistiche descrittive dei cluster generati 9

Nella letteratura economico-agraria sono presenti diversi lavori con l’obiettivo di classificare gli agricoltori in base all’attitudine all’innovazione (Rogers, 1995 e Diederen et al., 2003). In questi lavori, gli agricoltori vengono suddivisi in gruppi omogenei in base alla tempistica di adozione di una singola innovazione. Nel presente lavoro, è stata sviluppata una diversa classificazione degli agricoltori, con l’obiettivo di tenere in considerazione sia il numero complessivo di innovazioni adottate in passato, sia la tempistica con cui sono avvenute le adozioni. Pertanto, sono state create tre categorie di agricoltori, ovvero: “innovatori progressivi”, “innovatori recenti” e “intermedi”. Nella prima categoria sono stati inseriti quegli agricoltori che hanno adottato un maggior numero di innovazioni e, queste innovazioni sono avvenute gradualmente negli ultimi 5 o 10 anni, mentre, nella seconda categoria sono stati inseriti gli agricoltori con minori innovazioni nello stesso periodo, ma con un numero di adozioni superiore o comparabile negli anni più recenti. Le categorie contenenti gli “innovatori progressivi” e gli “innovatori recenti” sono state suddivise ulteriormente tra agricoltori giovani ed anziani.
Infine, il cluster 5 rappresenta un cluster intermedio sia nei confronti della tempistica e dell’intensità di adozione delle innovazioni nel passato, sia nei confronti dell’età degli agricoltori.
La seconda parte della metodologia riguarda l’identificazione delle determinati dell’intensità di innovazione. L’analisi è stata effettuata applicando un modello per ciascuno dei due scenari di politica. Ciascun modello presenta come variabile dipendente la somma delle intenzioni di innovazioni dichiarate (proxy dell’intensità di innovazione) e lo stesso set di variabili indipendenti, tra cui la struttura dell’azienda, le caratteristiche dell’agricoltore e della famiglia dell’agricoltore, il comportamento passato rispetto alle innovazioni (espresso come appartenenza ad uno dei gruppi individuati dalla cluster analysis) e infine le fonti usate per raccogliere informazioni sulle innovazioni adottate in passato. Nella tabella 2 sono riportati i risultati del modello, per ciascun scenario di politica.

Tabella 2 - Determinanti dell’adozione dell’intensità di innovazione nei due scenari

++ effetto positivo forte + effetto positivo debole; - effetto negativo debole; -- effetto negativo forte; cella vuota variabile non significativa

Nella parte superiore della tabella è riportato l’output del modello di conteggio (modello di Poisson), mentre nella parte inferiore è presentato l’output del modello di scelta discreta (modello logit).
I coefficienti presentati nella parte superiore della tabella (modello di Poisson) rappresentano gli effetti delle variabili sul valore atteso dell’intensità di innovazione. Al contrario, i coefficienti presentati nella parte inferiore della tabella (modello logit), descrivono gli effetti della varabile indipendente sulla probabilità di osservare il valore zero del conteggio, ovvero l’intenzione di non adottare neanche una delle tipologie di innovazione suggerite.
I risultati mostrano che in condizione di baseline, il comportamento passato in merito all’innovazione è una delle determinanti dell’intensità di innovazione attesa. Infatti, gli agricoltori appartenenti al gruppo degli innovatori progressivi presentano una maggiore intensità di innovazione attesa (coefficiente positivo). Al contrario, l’appartenenza al gruppo degli innovatori recenti o degli intermedi, determina un valore atteso minore dell’intensità di innovazioni (coefficiente negativo). Tra le variabili che influenzano positivamente il valore atteso dell’intensità di innovazione, rientrano la quantità di lavoro utilizzata in azienda e altre variabili collegate alla localizzazione (in pianura o in collina). Tra le variabili che influiscono negativamente sul conteggio atteso dell’intensità di innovazione, rientrano sia le variabili collegate al capitale sociale, tr cui il basso livello di istruzione, sia le variabili connesse alla specializzazione (es aziende miste allevamento e seminativi) e allo stato legale dell’azienda (es. aziende a conduzione non individuale/familiare). Infine, le variabili che aumentano la probabilità di non adottare alcuna innovazione sono l’età del conduttore e la quantità di lavoro totale (familiare ed esterno) impiegata in azienda.
Con l’abolizione della PAC le determinanti dell’intensità di innovazione cambiano rispetto al modello baseline. In particolare, diventano significative sia la quantità delle fonti di informazioni utilizzate per ricevere input sull’innovazione, sia le dimensioni aziendali. Infatti, gli agricoltori che hanno raccolto le informazioni sull’innovazione solo individualmente, hanno un valore atteso dell’intensità di innovazione più basso. Al contrario, le aziende più grandi hanno un valore atteso più elevato.
I risultati mostrano che in assenza della PAC il comportamento passato rispetto all’innovazione, non rientra tra le determinanti dell’intensità di innovazione (come avviene invece nel modello con lo scenario di baseline), ma rientra tra le determinati della scelta dell’adozione di almeno una delle innovazioni proposte. Infatti, l’appartenenza ai cluster meno innovativi, aumenta la probabilità di osservare l’intenzione di non adottare alcuna innovazione tra quelle proposte. Infine, gli agricoltori che hanno già sviluppato maggiori canali di informazione specifici per l’innovazione (es. networking, reti di agricoltori, consulenza aziendale) hanno una minore probabilità di non adottare alcuna innovazione nei prossimi dieci anni.

Discussione

L’obiettivo del lavoro è la valutazione dell’effetto della PAC sull’adozione di innovazioni, ed è stato perseguito mediante un’analisi ex-ante delle adozione di innovazioni nei prossimi 10 anni.
I risultati mostrano che la PAC influenza fortemente sia le intenzioni in merito alla decisione di innovare, sia le intenzioni in merito all’intensità delle innovazioni adottate. L’abolizione della PAC ha l’effetto di diminuire l’intensità di innovazione soprattutto nelle piccole aziende e in quelle che hanno avuto meno innovazioni nel passato.
Questo risultato può essere determinato da almeno tre cause. Il primo aspetto riguarda la minore redditività del settore a seguito dell’abolizione della PAC, con conseguente minore propensione a investire e innovare. Un secondo aspetto riguarda la maggiore incertezza nel compiere scelte strategiche in assenza di strumenti di politica capaci di stabilizzare i redditi derivanti. Infine, in assenza della PAC, una contrazione delle innovazioni è conseguente a maggiori vincoli di liquidità, che in precedenza erano ridotti sia attraverso il cofinanziamento dell’investimento, sia attraverso il sostegno “certo” ai redditi.
I risultati mostrano che sia il sostegno finanziario, sia la qualità delle informazioni sono elementi importanti per la diffusione dell’innovazione. Pertanto, in un’ottica di ridiscussione del ruolo della PAC, appare necessario che l’incentivazione dell’innovazione si coniughi a strumenti di politica più mirati alla riduzione del rischio (degli strumenti di assistenza specifici per l’innovazione), volti anche a promuovere un sistema continuo di scambio di informazione sui risultati e sulle opportunità generati dalla ricerca e del progresso tecnologico in agricoltura.

Riferimenti bibliografici

  • Bartolini F., Floridi D., Viaggi D. (2010), Assessment of present, trends, mechanism and impact of the CAP on structural change and innovation. CAP-IRE project Deliverable D4.2, [link]

  • Batz F.J., Peters K.J., Janssen W., (1999), “The influence of technology characteristics on the rate and speed of adoption”. Agricultural Economics, n 21, pp. 121-130

  • Commissione europea (2010a). The CAP towards 2020: Meeting the food, natural resources and territorial challenges of the future, [link]

  • Commissione europea (2010b) The Knowledge Based Bio-Economy (KBBE) in Europe: Achievements and Challenges, [link]

  • Commissione Europea (2010c) Europe 2020 Flagship Initiative Innovation Union, [link]

  • Diederen P., van Meijl H., Wolters A., Bijak K., (2003), “Innovation Adoption in Agriculture: Innovators, Early Adopters and Laggards”. Cahiers d’économie et sociologie rurales, n 67, pp 29-50

  • Douarin, E., Bailey, A., Davidova, S., Gorton, M., Latruffe, L., (2007), Structural, location and human capital determinants of farmers’ response to decoupled payments. IDEMA project FP6 IDEMA Impact of Decoupling and Modulation in the Enlarged EU

  • Encaoua D., Hall BH., Laisney F., Mairesse J. (2000), The economics and econometrics of innovation Kluwer

  • Feder, G., Umali, D. (1993), “The adoption of agricultural Innovations. A review.” Technological Forecasting and Social Change. n 43, pp 215-239

  • Janssen, S., van Ittersum, M.K., (2007), “Assessing farm innovations and responses to policies: A review of bio-economic farm models.” Agricultural Systems. n 94, pp 622–636 (4)

  • Karantininis K., Sauer J., Furtan WH. (2010). “Innovation and integration in the agri-food industry”. Food Policy, n. 35, pp. 112-120

  • Lambert D. (1992), “Zero Inflated Poisson Regression With An Application To Defected In Manufacturing”. Technometrics , n. 34, pp. 1-14

  • OECD (2009), The Bioeconomy to 2030. Designing a policy agenda. Parigi, [link]

  • Raggi M., Davide V, Bartolini F. (2009), CAP-IRE Surveys: organisational note and rationale. CAP-IRE project, [link]

  • Rogers, E.M. (1995), Diffusion of innovation. New York: The Free Press

  • Ruttan V.W. (1996), “What Happened to Technology Adoption-Diffusion Research?” Sociologia Ruralis. n. 36, pp 51-73

  • Sunding, D., Zilberman, D. (2001), “The Agricultural Innovation Process: Research and Technology Adoption in a Changing Agricultural Sector”. In Gardner BL., Rausser GC. (a cura di) Handbook of Agricultural Economics

  • Viaggi, D., Raggi, M., Gomez y Paloma, S., (2011), “Farm-household investment behaviour and the CAP decoupling: Methodological issues in assessing policy impacts.” Journal of Policy Model. n 33, pp 127-145

  • 1. Per ulteriori informazioni in merito si veda Commissione europea (2010c)
  • 2. CAP-IRE è l’acronimo di un progetto del 7° Programma Quadro dal titolo Assessing the Multiple Impacts of the Common Agricultural Policies on Rural Economies. Maggiori informazioni sono disponibili al sito: [link].
  • 3. Rogers 1995 ha definito innovatività come “il grado in cui un individuo adotta le nuove idee in anticipo rispetto agli altri membri del sistema sociale a cui appartiene”. Il concetto dell’innovatività, è stato utilizzato per differenziare il comportamento degli agricoltori nei confronti delle adozioni passate.
  • 4. La scelta di identificare categorie di innovazione, anziché selezionare precise innovazioni è coerente con la definizione di innovazione (a livello aziendale) data da Rogers 1995, ovvero “ogni idea che sembra nuova per l’individuo”. Ulteriori informazioni riguardanti tali categorie sono presenti in Bartolini et al. (2010).
  • 5. Queste categorie sono state ottenute utilizzando la classificazione proposta da Sunding e Zilberman (2001), e successivamente modificata.
  • 6. Con il termine intensità di innovazione in questo lavoro si intende esprimere la somma delle future adozioni. in questo lavoro il termine intensità di innovazione si riferisce al 2020 e pertanto, non ne è prevista una sua evoluzione nel tempo.
  • 7. Per maggiori informazioni sul modello si veda Lambert (1992); mentre un esempio di analisi con il modello proposto si veda Karantininis et al. (2010).
  • 8. Maggiori informazioni sul metodo adottato e sui cluster ottenuti sono riportati in Bartolini et al. (2010).
  • 9. Le innovazioni adottate si riferiscono all’azienda, pertanto per gli agricoltori giovani, le innovazioni adottate negli ultimi dieci anni possono essere riferite ai precedenti conduttori dell’azienda. In Diederen et al., (2003), gli autori identificano due categorie: i “front-runners” e i “laggards”. Con riferimento alle categorie utilizzate da Rogers, (1995), gli autori raggruppano nei front-runners sia gli innovatori sia i pionieri, mentre nei laggards sia la maggioranza ritardataria sia i ritardatari.
Tematiche: 
Rubrica: 
Non cliccare su questo link in quanto e accentata per gli spammers e verresti messo nelle blacklist