Celem badań, było zbudowanie funkcyjnych i sieciowych modeli dyskryminacyjnych umożliwiających prognozowanie sytuacji finansowej gospodarstw rolniczych. Podstawę klasyfikacji stanowił dochód rolniczy uzyskany w roku 2002. Jeśli dochód był mniejszy od mediany, gospodarstwo zaliczano do klasy I (gospodarstwa słabe), w przeciwnym wypadku do II (gospodarstwa dobre). Modele budowano w oparciu o szeroki zestaw wskaźników finansowych obejmujący wskaźniki płynności finansowej, rentowności, obrotowości, sprawności gospodarowania, wspomagania finansowego, oraz stanowiących charakterystykę majątku trwałego. Dodatkowo uwzględniono powierzchnię użytków rolnych (wyrażoną w hektarach przeliczeniowych), wiek osoby prowadzącej gospodarstwo, poziom intensywności produkcji, oraz poziom intensywności organizacji produkcji.

W literaturze znaleźć można różne metody uwzględniania w modelach klasyfikacyjnych danych w postaci szeregów czasowych. Jako przykłady można podać wielomianowe funkcje trendu, metodę polegającą na wprowadzaniu danych pochodzących nie z jednego, lecz kilku okresów (każda opóźniona zmienna traktowana jest wówczas jako pojedyncza zmienna niezależna), czy uwzględnienie w modelu zamiast danych z kilku okresów wcześniejszych obliczonej z nich średniej ruchomej.

W przeprowadzonych badaniach wykorzystano natomiast metodę ważonej średniej ruchomej, wychodząc z założenia, że w przypadku wskaźników finansowych wpływ ich na sytuacje finansową maleje wraz ze wzrostem opóźnienia. Zastosowano dwie stałe wygładzanie 2 i 3 lata, a dla każdej stałej wygładzania po trzy warianty wag. Zarówno funkcyjne jak i sieciowe modele klasyfikacyjne budowano w oparciu o dane pochodzące z jednego roku (poprzedzającego prognozę, czyli z roku 2001), oraz dane w postaci uśrednionego szeregu czasowego (z lat 1999-2001). W efekcie powstało 7 funkcyjnych i 7 sieciowych modeli klasyfikacyjnych, spośród których wybrano najlepsze. Modele te wykorzystano do klasyfikacji 704 gospodarstw rolniczych. Okazało się, że wszystkie modele, zarówno funkcyjne jak i sieciowe, zbudowane w oparciu o dane w postaci szeregów czasowych były lepsze od modeli opartych na danych jedynie z jednego roku – poprzedzającego prognozę. Stwierdzono ponadto, że wszystkie modele sieciowe były lepsze od wszystkich modeli funkcyjnych.

• Legal notice:
  

  Copyright (c) Pielaszek Research, all rights reserved.
  The above materials, including auxiliary resources, are subject to Publisher's copyright and the Author(s) intellectual rights. Without limiting Author(s) rights under respective Copyright Transfer Agreement, no part of the above documents may be reproduced without the express written permission of Pielaszek Research, the Publisher. Express permission from the Author(s) is required to use the above materials for academic purposes, such as lectures or scientific presentations.
  In every case, proper references including Author(s) name(s) and URL of this webpage: https://science24.com/paper/10682 must be provided.