Modelle zur Politikfolgenabschätzung

ökonomet-rischer Modelle in ihrer empirischen Fundierung liegen, weisen sie jedoch vor allem bei gra-vierenden Änderungen der externen Rahmenbedingungen Nachteile auf, wenn diese nicht über erklärende Variablen im Modell berücksichtigt werden. In aller Regel können sie diese weder voraussagen noch modellmäßig einbeziehen, was insbesondere Strukturbrüche betrifft.

Dem Vorteil der Flexibilität von Programmierungsmodellen steht wiederum die zum Teil schwache empirische Fundierung entgegen, weshalb Aussagen anhand der Modellergebnisse in hohem Maße von den Verhaltensannahmen der modellierten Entscheidungsträger abhän-gen. Daraus resultiert letztendlich, dass sich für die Modellkonstruktion neben der Wahl einer der verschiedenen Modellansätze prinzipiell auch eine Kombination relevanter Modellkom-ponenten verschiedener Ansätze anbietet. Mit Hilfe von Simulationsmodellen lassen sich prinzipiell sämtliche Arten vorzufindender Strukturen innerhalb der Wirklichkeit abbilden, ohne dabei durch die Grenzen einer engen Modellformulierung und methodischen Struktur beeinflusst zu werden. Dabei lassen sich sowohl Einsichten in die Struktur und Entwicklung des Systems gewinnen als auch Experimente in Form von Szenarien simulieren, die als Sub-stitut für reale Politikmaßnahmen dienen.

Partielle und allgemeine Gleichgewichtsmodelle

Partielle Gleichgewichtsmodelle wie beispielsweise GAPsi oder AGLINK analysieren inter-nationale Märkte für verschiedene Agrarerzeugnisse. Dabei wird angenommen, dass das Agrarsystem in sich geschlossen ist und keine Verbindungen mit anderen Teilen der Ökono-mie bestehen, was letztlich zu einer detaillierten Abbildung von Agrarhandelspolitiken für spezifische Agrarprodukte führt (VAN TONGEREN et al., 2001, S.153). GAPsi dient daher vor-rangig der Abschätzung von Markteffekten auf den wichtigsten Produktmärkten der EU, die infolge von Politikänderungen eintreten können. Dazu zählen im Wesentlichen die Abschät-zung von Angebots- und Nachfrageänderungen sowie die damit verbundenen Preisänderun-gen (FRENZ und MANEGOLD, 1995, S.187ff.). Konzeptionell ist das Modell synthetisch ange-legt, d.h. es wird in Teilen auf Normdaten bzw. Standardwerte zurückgegriffen.

Das vom OECD Sekretariat entwickelte rekursiv-dynamische partielle Gleichgewichtsmodell AGLINK ist aufgrund der globalen Ausrichtung weiter gefasst und erlaubt damit eine detail-lierte Abbildung der globalen Märkte für die wichtigsten Agrarerzeugnisse, deren Preise so-wie die Analyse relevanter Handelspolitiken (CONFORTI und LONDERO, 2001, S.2). Das für mittelfristige Prognosen konzipierte Modell ist teilweise dynamisch, sodass Sachverhalte wie Produktionszyklen in der Tierproduktion, die über mehr als eine Periode hinaus verknüpft sind, oder verzögerte Preisanpassungen als Reaktion auf Nachfrageänderungen, wirklich-keitsgetreu wiedergegeben werden können. Dadurch wird es ermöglicht Anpassungspfade vom Beginn bis zum Ende des Betrachtungszeitraums aufzuzeigen. Eine direkte modellendo-gene Abbildung des Verhaltens der Produzenten ist jedoch nicht möglich, da Preisanpassun-gen lediglich trend- und expertengestützt sind und auf Basis von FrageböPreisanpassun-gen und Experten-einschätzungen in enger Verbindung mit dem OECD Sekretariat abgestimmt werden, bevor sie anschließend für die Kalibrierung der länderspezifischen Module für sogenannte jährliche

„Baseline“-Szenarien als exogene Größen einfließen (ADENÄUER, 2008, S.3).

Sofern die analysierten Agrarhandelspolitiken keine spürbaren Auswirkungen auf andere Sek-toren ausüben, lassen sich die Ergebnisse partieller Gleichgewichtsmodelle prinzipiell direkt als Grundlage für die politische Entscheidungsunterstützung nutzen. In Ländern mit relativ bedeutendem Agrarsektor sind jedoch Effekte auf andere Sektoren möglich, weshalb in diesen Fällen allgemeine Gleichgewichtsmodelle (sogenannte AGE-Modelle³⁴) angemessener er-scheinen (VAN TONGEREN et al., 2001, S.153f.). Die Verwendung allgemeiner gegenüber par-tiellen Gleichgewichtsmodellen weist zwei prinzipielle Vorteile auf. Zum einen ist durch die im Rahmen der internationalen Handelspolitik zunehmende Verringerung des Außenschutzes der Agrarmärkte davon auszugehen, dass Faktoren aus dem Agrarsektor in andere Sektoren abwandern. Dies kann mit allgemeinen Gleichgewichtsmodellen tendenziell besser abgebildet werden. Zum anderen ermöglichen diese Modelle die Analyse der aus den internationalen Handelsvereinbarungen (z.B. WTO-Verhandlungen) resultierenden Wohlfahrtseffekte, womit

34 Applied general equilibrium model

sich die Wirkungen auf die Produktionsregionen quantifizieren lassen (LIPS, 2002, S.3f).

Gleichzeitig eignen sie sich damit zum internationalen Vergleich der Wettbewerbsfähigkeit verschiedener Branchen (FROHBERG und HARTMANN, 1997, S.14).

Das zur Gruppe der Marktmodelle gehörende GTAP bildet als komparativ statisches, multire-gionales allgemeines Gleichgewichtsmodell die Gesamtwirtschaft sowie die Verflechtungen zwischen Land- und Agrarwirtschaft, Industrie sowie dem Dienstleistungssektor detailliert ab.

Das Modell dient in erster Linie der Abbildung internationaler Handelsverflechtungen sowie der Abschätzung von Preis- und Mengenänderungen, wobei keine einzelne Region näher spe-zifiziert ist. Explizit berücksichtigt werden dagegen Haushaltspräferenzen, internationaler Handel und Transportkosten sowie der globale Finanzkreislauf. Das Angebot wird unter Ver-wendung klassischer Produktionsfunktionen modelliert, wobei sowohl bei Produzenten als auch Konsumenten gewinn- bzw. nutzenmaximierendes Verhalten unterstellt wird (vgl.

BROCKMEIER und URBAN, 2008, S.2). Durch Erweiterungen sowie Verknüpfungen mit ande-ren Modellen wurden mit GTAP verschiedene Politikszenarien simuliert.³⁵

Nachteilig erweist sich bei Analysen mit allgemeinen Gleichgewichtsmodellen wie beispiels-weise GTAP jedoch deren mangelnder Detaillierungsgrad auf regionaler Ebene. Obwohl die globale Ausrichtung als typisch für derartige Modelle angesehen werden kann, werden auf-grund des hohen Aggregationsgrades des Grundmodells und der damit verbundenen Unge-nauigkeiten auf regionaler und einzelbetrieblicher Ebene vermehrt kombinierte Ansätze ange-strebt, die sowohl eine Abbildung globaler als auch stärker disaggregierter Zusammenhänge ermöglichen (vgl. BROCKMEIER und URBAN, 2008, S.16).

Prozessanalytische Regionalmodelle

Im Vergleich zum allgemeinen Gleichgewichtsmodell GTAP ist das prozessanalytische Regi-onalmodell CAPRI ein detailliertes, regional differenziertes Agrarsektormodell (BRITZ und KEENEY, 2010). Das Modell bildet den Agrarsektor Europas detailliert auf Ebene der NUTS-2 Regionen³⁶ ab, wodurch regionale Differenzen in den Agrarstrukturen explizit berücksichtigt werden können. Das ursprüngliche Ziel des CAPRI-Projekts war die Etablierung eines euro-paweit einheitlichen ökonomischen Modellsystems zur Analyse der regionalen Wirkungen der gemeinsamen europäischen Agrarpolitik (HECKELEI und BRITZ, 2001, S.281). Methodisch ist das Modell in zwei Komponenten aufgebaut, die aus einem Angebotsmodul für die einzelnen Regionen und einem Marktmodul zur Ableitung markträumender Preise auf Basis des aggre-gierten Angebots der einzelnen Regionen besteht. Das Angebotsmodul setzt sich aus nicht-linearen regionalen Programmierungsmodellen zusammen, die wiederum maximal zehn ver-schiedenen Betriebstypen hinsichtlich Größe und Ausrichtung abbilden können. Durch die

35 BROCKMEIER und URBAN (2008) liefern einen umfangreichen Überblick über Modelle zur Politikfolgenab-schätzung, deren Modellergänzungen sowie Modellanwendungen

36 Gemeinsame Klassifikation der Gebietseinheiten für die Statistik innerhalb der EU (Rat der Europäischen Union, 2003).

Kombination des „bottom up“ als auch „top down“ Ansatzes liefert das Modell detaillierte Informationen über die Landwirtschaft sowie dessen Technologie und Input-Output-Beziehungen (BRITZ und KEENEY, 2010). Als Instrument der Entscheidungsunterstützung für die EU-Kommission, vornehmlich die Generaldirektion Landwirtschaft und ländliche Ent-wicklung, dient CAPRI für Prognosen über eine Zeitraum von rund zehn Jahren.

Das regional differenzierte Sektormodell RAUMIS für den deutschen Agrarsektor dient der Analyse langfristiger Wirkungen alternativer Agrar- und Umweltpolitiken in Bezug auf Ände-rungen der landwirtschaftlichen Produktion, des Faktoreinsatzes, des Einkommens sowie da-raus resultierenden Umweltwirkungen (CYPRIS, 2000, S.5). Für die auf Basis kreisstatistischer Daten gebildeten Regionshöfe, die eigenständige Entscheidungseinheiten abbilden, werden das regionale Agrareinkommen maximiert und gleichzeitig modellendogen die optimalen Produktionsumfänge der Verfahrensalternativen ermittelt, wodurch eine Abbildung des regi-onsspezifischen Angebotsverhaltens ermöglicht wird. Die für das Modell genutzte Datenbasis für technologische Input-Output-Beziehungen entstammt dabei im Wesentlichen statistischen Erhebungen. Während mithilfe der positiven mathematischen Programmierung (PMP) die Basislösung des Modells kalibriert wird, erfolgt die anschließende Optimierung mittels nicht-linearer Programmierung (NLP) (BERTELSMEIER et al., 2003, S.177). Durch dieses Vorgehen lassen sich ergänzende Informationen aus Beobachtungsdaten in die Modellformulierung auf-nehmen. Methodisch gesehen lässt sich die positive mathematische Programmierung daher zwischen normativen Optimierungsmodellen und ökonometrischen Methoden einordnen (CYPRIS, 2000, S.18). Aufgrund des Regionshof-Konzeptes mit einheitlichen Standortbedin-gungen und Input-Output-Beziehungen entsteht bei der Hochrechnung der Betriebe auf Regi-ons- und/oder Sektorebene ein mehr oder weniger starker Aggregationsfehler, der sich wegen heterogener Bedingungen auf einzelbetrieblicher Ebene letztlich in Disaggregationsfehlern äußert (vgl. KLEINHANSS et al., 2002, S.5ff.; FARWICK undBERG, 2011, S.49).

Primäres Ziel der oben beschriebenen sektororientierten bzw. höher aggregierten regionali-sierten Ansätze ist die Herleitung von Aussagen über mögliche Auswirkungen agrarpoliti-scher Eingriffe oder geänderter Rahmenbedingungen. Einzelwirtschaftliche Implikationen verschiedener Politikmaßnahmen auf regionaler Ebene bleiben bei diesen Ansätzen in der Regel jedoch unberücksichtigt oder werden nur unzureichend abgebildet. Für diesen Zweck verwendet man üblicherweise einzelbetriebliche Modelle, die im Gegensatz zu aggregierten Ansätzen, bei denen Produkt- und Faktorpreise in der Regel endogen bestimmt werden, auf die exogene Vorgabe von Produkt- und Faktorpreisen angewiesen sind. Die weniger stark aggregierten Modelle weisen dabei im Wesentlichen die endogen erzeugten Produktionsmen-gen aus (BROCKMEIER und URBAN, 2008, S.13). Ferner werden die einzelwirtschaftlichen Auswirkungen verschiedener Agrarpolitiken sichtbar.

Betriebsmodelle

Zu einzelbetrieblichen Modellansätzen zählen das auf der linearen Programmierung fußende und für den deutschen Agrarsektor entwickelte Betriebsgruppenmodell FARMIS³⁷, das sich konzeptionell als komparativ-statisches mathematisches Programmierungsmodell einordnen lässt (vgl. BERTELSMEIER, 2004, S.98ff.). Weitere einzelbetriebliche Ansätze sind das als re-präsentatives Betriebsmodell konzipierte Modell BEMO (KLEINHANSS et al., 2002), das auf Grundlage von FLIPSIM³⁸ (Texas AFPC) basierende expertengestützte Simulationsmodell TIPI-CAL³⁹ (HEMME, 2000) oder das an der BOKU Wien für typische österreichische land- und forstwirtschaftliche Betriebe entwickelte Modell FAMOS⁴⁰ (SCHMID, 2004), das jedoch im Folgenden nicht weiter erläutert wird.

Das Optimierungsmodell FARMIS wurde als Pendant zum Agrarsektormodell RAUMIS pri-mär für die Analyse betriebsgruppenspezifischer Einkommensveränderungen unter alternati-ven Agrarpolitiken entwickelt. Durch den parallelen Einsatz beider Modellsysteme wird ver-sucht, differenzierte Ergebnisse für die Politikberatung sowohl auf regionaler als auch auf betrieblicher Ebene zu erzeugen, während dieses Vorgehen eine vergleichende Interpretation der Modellergebnisse sowie eine Überprüfung der Plausibilität der Ergebnisse ermöglicht (KLEINHANSS et al., 2002, S.5; BERTELSMEIER, 2004, S.96ff.). Die Datenbasis für das Modell bilden einzelbetriebliche, jährlich erstellte Buchführungsabschlüsse des BMELV-Testbetriebsnetzes, die nach zuvor definierten Schichtungskriterien zu Betriebsgruppen zu-sammengefasst werden. Im Gegensatz zum Betriebsmodell BEMO (s.u.) erfolgt die Optimie-rung für relativ homogene Betriebsgruppen, wodurch die Varianz in den geschätzten In-put/Output-Koeffizienten aufgrund der Durchschnittsbildung verringert wird. Gleichzeitig wird die Konsistenz zu amtlichen Erhebungen gewahrt. Durch geeignete Abgrenzungskriteri-en wird so nach Region, Betriebsform und BetriebsgrößAbgrenzungskriteri-enmerkmalAbgrenzungskriteri-en weitgehAbgrenzungskriteri-end das gesamte Spektrum der landwirtschaftlichen Produktion in Deutschland erfasst und abgebildet. Erweite-rungen des Modells ermöglichen es, den Handel von Land, Milchquoten, Prämienrechten so-wie Jungvieh zu berücksichtigen, mit dem Ziel, das Angebot und die Nachfrage nach Produk-tionsfaktoren sowie die entsprechenden Gleichgewichtspreise explizit abzubilden (BROCKMEIER und URBAN, 2008, S.4). Um dem für lineare Programmierungsmodelle typi-schen Problem der Überspezialisierung des Produktionsprogramms entgegen zu wirken, nutzt das Modell den Ansatz der positiven mathematischen Programmierung (PMP), das es ermög-licht weiche Anpassungsreaktionen zu realisieren (vgl. CYPRIS, 2000, S.33). Für die Hoch-rechnung der aus den betriebsgruppenspezifischen ModellHoch-rechnungen gewonnenen Ergebnis-se auf die Sektorebene, wird ein Verfahren verwendet, das es ermöglicht die wichtigsten

37 Farm Modelling Information System

38 Farm Level Income and Policy Simulation Model

39 Technology Impact and Policy Impact Calculation Model

40 Farm Optimization System

dennutzungs- und Viehhaltungskennzahlen der offiziellen Statistik durch eine Umgewichtung der Hochrechnungsfaktoren für das BMELV-Betriebsnetzes konsistent abzubilden. Dagegen können Veränderungen in der Betriebsstruktur, die sich aufgrund von Betriebsaufgaben oder Erweiterungen ergeben, nur unzureichend im Modell abgebildet werden. Neben der bei vielen Programmierungsmodellen kritisierten vereinfachten Verhaltensannahme der Gewinnmaxi-mierung, Risikoneutralität und multivariabler Zielsetzungen zählt zu den Einschränkungen des Modells vor allem der komparativ-statische Ansatz, der es nur bedingt ermöglicht, bei-spielsweise über die Zupacht landwirtschaftlicher Flächen, eine Veränderung der Betriebs-struktur zuzulassen. Des Weiteren können keine Betriebsaufgaben oder Neugründungen be-rücksichtigt werden, was die Möglichkeit der Abbildung agrarstruktureller Veränderungen einschränkt. Grundvoraussetzung hierfür ist eine explizite Abbildung zwischenbetrieblicher Interaktionen über entsprechende Faktormärkte (vgl. BERTELSMEIER 2004, S.201ff.).

Das für repräsentative Betriebe entwickelte und im Rahmen des Modellverbundes am vTI eingesetzte Optimierungsmodell BEMO (KLEINHANSS et al., 2002) dient unter anderem der Wirkungsanalyse von Politikmaßnahmen, die an strukturellen Merkmalen der Betriebe anset-zen, wie beispielsweise Viehbesatzdichteregelung, Kleinerzeugerregelung oder Kappungs-grenzen für Direktzahlungen und zeigt deren Verteilungseffekte auf. Zudem werden durch gemischt-ganzzahlige Formulierungen im sonst linearen Programmierungsansatz kurz- und mittelfristige Anpassungsstrategien, wie beispielsweise Investitionen der Betriebe, berück-sichtigt (BERTELSMEIER et al., 2003, S.177), die sich anhand von Befragungen und Experten-abschätzungen näher eingrenzen lassen (THOBE, 2008, S.29).

Das Modell TIPI-CAL (HEMME, 2000) ist ein einzelbetriebliches, expertengestütztes, dyna-misches Simulationsmodell zum weltweiten Vergleich der Wettbewerbsfähigkeit typischer Betriebe und wird im Rahmen des International Farm Comparison Network (IFCN) einge-setzt. Das Modell wurde in Anlehnung an das amerikanische Modell FLIPSIM (AFPC,2012) konstruiert und weiterentwickelt. In einem Panel-Prozess wird in Zusammenarbeit mit Exper-ten eine Auswahl der zu modellierenden Betriebstypen vorgenommen, wobei die Betriebe nach dem Konzept „typischer Betriebe“ konstruiert werden. Dadurch lassen sich für jeden Betriebstyp detaillierte prozessspezifische Daten berücksichtigen, die als Grundlage für nach-folgende Analysen dienen. Dazu zählen die Analyse und Prognose von Produktionskosten, einzelbetriebliche Entwicklungsstrategien, die Analyse von Politikfolgen sowie Auswirkun-gen auf die technologische Entwicklung (HEMME, 2000, S.28). Mit Hinblick auf die methodi-sche Umsetzung wurde das Modell zunächst als Simulationsmodell konzipiert, das durch ei-nen modularen Aufbau flexible Erweiterungsmöglichkeiten bietet.

Durch eine umfangreiche Erfassung betriebsspezifischer Daten wird eine detaillierte Abbil-dung der wichtigsten physischen sowie monetären Kenngrößen gewährleistet. Als Modellout-put gibt das Modell in Abhängigkeit der vorgegebenen Rahmenbedingungen und strategi-schen Ausrichtung neben den physistrategi-schen Erträgen, einer jährlichen Bilanz sowie einer Cash-flow-Rechnung auch eine Gewinn- und Verlustrechnung aus (HEMME, 2000, S.44). Als

vor-teilhaft erweist sich die explizite Berücksichtigung einzelwirtschaftlicher Sachverhalte und der hohe Detaillierungsgrad. Demgegenüber lässt sich das Modell jedoch nur eingeschränkt für Abschätzungen struktureller Veränderungen nutzen.