• No results found

Beskrivning av SASM

N/A
N/A
Protected

Academic year: 2021

Share "Beskrivning av SASM"

Copied!
80
0
0

Loading.... (view fulltext now)

Full text

(1)

över jordbrukssektorn i Sverige

(2)

En ekonomisk optimeringsmodell över jordbrukssektorn i Sverige

(3)

Beställningar

Ordertel: 08-505 933 40 E-post: natur@cm.se

Postadress: Arkitektkopia AB, Box 110 93, 161 11 Bromma Internet: www.naturvardsverket.se/publikationer

Naturvårdsverket

Tel: 010-698 10 00 Fax: 010-698 16 00 E-post: registrator@naturvardsverket.se Postadress: Naturvårdsverket, 106 48 Stockholm

Internet: www.naturvardsverket.se ISBN 978-91-620-6815-8

ISSN 0282-7298 © Naturvårdsverket 2018 Tryck: Arkitektkopia AB, Bromma 2018

(4)

Förord

Vid utveckling av styrmedel och åtgärder inom jordbruket används ofta olika datamodeller över jordbrukssektorn i Sverige. En av dessa är SASM (Swedish Agricultural Sector Model). Modellen används idag av myndighe-ter, organisationer och företag för att svara på frågor om hur det svenska jordbruket kan påverkas av och anpassa sig till förändrad jordbrukspolitik, ändrade miljökrav, ny produktionsteknik eller ändrade förutsättningar på världsmarknaden. Kärnan i modellen bygger på att efterlikna jordbrukarnas beslutssituation.

SASM är utvecklad av Lars Jonasson och företaget Lantbruksekonomen. För att öka förståelsen och transparensen om vad modellen kan användas till, hur den är uppbyggd, samt dess styrkor och svagheter, så har den här rapporten med dokumentation av modellen tagits fram. Målgruppen för rapporten är både personer som behöver en översiktlig förklaring av modellen för att kunna tolka dess resultat och personer som vill fördjupa sig i modellens upp-byggnad, dess datakällor och resultat.

Rapporten har tagits fram inom regeringsuppdraget CAP:s miljöeffekter, ett regeringsuppdrag till Jordbruksverket, Riksantikvarieämbetet, Havs- och vattenmyndigheten samt Naturvårdsverket om att följa miljöeffekterna av EU:s jordbrukspolitik. Även länsstyrelserna medverkar i uppdraget.

Rapporten är skriven av Lars Jonasson. En referensgrupp med Torben Söderberg, David Ståhlberg och Knut Per Hasund från Jordbruksverket samt Miriam Münnich Vass och Karin Skantze från Naturvårdsverket har medver-kat i arbetet.

Författaren ansvarar för innehållet i denna rapport.

Naturvårdsverket tackar författaren Lars Jonasson och övriga medverkande.

Stockholm i april 2018 Claes Svedlindh

(5)

1. SAMMANFATTNING 6 2. SUMMARY 9 3. INLEDNING 12 3.1 Bakgrund 12 3.2 Syfte 12 3.3 Målgrupp 12 3.4 Läsanvisning 12 4. GRUNDERNA I SASM 13 4.1 Jordbrukarnas beslutssituation 14 4.2 Sverige som 95 regionala företag 15 4.3 Gårdsmodeller 16 4.4 Sex regionala marknader 17 4.5 Interregional handel 18 4.6 Internationell handel 19

4.7 Förädling 20

4.8 Efterfrågan 21

4.9 Tillgång till produktionsmedel 22 4.10 Schematisk beskrivning 22 4.11 Tidsperspektiv 23

5. DATA OCH SPECIFIKATIONER 25

5.1 Optimeringskriterium 25 5.2 Produktionsteknik i jordbruket 27

5.3 Tillgång till produktionsfaktorer 30

5.4 Utbudsfunktion 35 5.5 Efterfrågan av jordbruksprodukter 37 5.6 Jordbruksstöd 43

5.7 Miljödata 44

5.8 En regional marknad i SASM 46 5.9 Simulering av ändrade förutsättningar 48 5.10 Tidsperspektiv 49

(6)

7.3 Jordbrukarens agerande och lönsamheten 58 7.4 Utbudets priselasticitet 59 7.5 Modellresultat och verkligt utfall 60 7.6 Flexibilitet till väntade förändringar 61 7.7 Utvecklingspotential 62

8. KÄLLFÖRTECKNING 65

9. BILAGOR 67

Bilaga 1. Marknadsregioner i SASM 67 Bilaga 2. Delregioner i SASM (95 st) 68 Bilaga 3. Produkter på gårdsnivå 69 Bilaga 4. Produkter som förädlats 70 Bilaga 5. Produktionsmedel i SASM 71 Bilaga 6. Produktionsaktiviteter i SASM 73 Bilaga 7. Förädlingsaktiviteter i SASM 76 Bilaga 8. Kompensationsstödet i SASM 77

(7)

1. Sammanfattning

Swedish Agricultural Sector Model (SASM) är en datamodell över jordbruks- sektorn i Sverige. Syftet med denna rapport är att ta fram en beskrivning av hur modellen är uppbyggd och vad den kan användas till. Målgruppen är både personer som behöver en översiktlig förklaring av modellen för att kunna tolka dess resultat och personer som vill fördjupa sig i modellens upp-byggnad, dess datakällor och resultat.

SASM är byggd för att svara på frågor om hur det svenska jordbruket kan påverkas av och anpassa sig till ändrad jordbrukspolitik, ny produktions- teknik eller ändrade förutsättningar på världsmarknaden. Ändrade miljökrav är en viktig del av jordbrukspolitiken och förändrad påverkan på miljön är viktiga resultat från modellberäkningarna.

Modellen är byggd för att efterlikna jordbrukarnas beslutssituation. Den förutser deras agerande genom att beräkna vad som ger bäst ekonomiskt utfall för dem i olika scenerier, där även förädlingsindustri och konsumenter agerar för att maximera sin välfärd. Kärnan i SASM är en detaljerad repre-sentation av de produktionsalternativ som de enskilda jordbrukarna har och av de marknader som jordbrukarna möter när de säljer produkter eller köper produktionsmedel.

Varje enskilt företag kan inte speglas i en hanterlig modell. Sverige har istället delats upp i 95 delregioner som var och en betraktas som ett stort företag. Dessa 95 företag interagerar med varandra, med förädlingsindustrin, med konsumenterna, med leverantörerna av produktionsmedel och via förädlings-företagen även med världsmarknaden.

SASM beräknar vilket agerande som ger mest fördelaktigt utfall för var och en i olika scenarier. Detta givet att alla andra också agerar för att hitta det för dem bästa utfallet. Modellen kan därmed illustrera hur effekten skulle kunna bli av förändringar, till exempel av ändrad jordbrukspolitik. Vanligtvis jämförs två olika modellresultat med varandra. Skillnaden mellan lösning-arna visar effekten av de förändringar av förutsättninglösning-arna som lagts in, till exempel att utformningen av ett stöd ändras eller att produktionstekniken och världsmarknadspriserna ändras i framtiden.

En styrka med SASM är den detaljerade representationen av jordbruks- produktionen. Den möjliggör både analyser med hög regional upplösning och med hög detaljeringsgrad gällande produktionsteknik, markanvändning, produktionsvolym och förbrukning av produktionsmedel. Detaljerna

behövs också vid analyser av olika utformning av styrmedel, eftersom det ofta är detaljerna som avgör utfallet. Den höga detaljeringsgraden gör även att beräkningar med SASM kan kombineras med beräkningar med andra modeller, till exempel för beräkning av klimateffekter, växtnäringsläckage, biologisk mångfald eller samhällsekonomisk effektivitet i form av cost-benefit

(8)

analyser. Resultaten från SASM används då som indata i andra modeller. SASM är också byggd på ett flexibelt sätt som gör det lätt att anpassa beräkningarna till den aktuella frågeställningen.

En svaghet med SASM är att enskilda företag inte finns representerade i regionerna. Det innebär bland annat att strukturomvandlingen inte kan illustreras. Det medför också att styrmedel som är kopplade till företagens storlek inte kan hanteras helt korrekt.

Modellresultaten överensstämmer inte helt med den verklighet som speglas i statistiken. Detta är en naturlig följd av att SASM, och liknande modeller, arbetar med marknader som är i jämvikt och med genomsnittliga skörde-nivåer för respektive region samt att modellen antar att alla jordbrukare är rationella aktörer som vill maximera sin vinst. Verkligheten är aldrig i jämvikt utan svänger fram och tillbaka. Skördarna blir också alltid högre eller lägre än normalt beroende på vädret och alla jordbrukare agerar inte alltid ekonomiskt rationellt. Även om de avvikelser som förekommer mellan modellresultat och statistik är naturliga måste de hanteras vid analysen av resultaten. Ett sätt är att i möjligaste mån jämföra olika modellresultat med varandra istället för mot statistiken.

En egenskap hos SASM är att de beräknade produktionsförändringarna ibland uppfattas som drastiska. Jämfört med CAPRI-modellen som ibland används till liknande analyser ger SASM större genomslag på produktions-volymen vid ändrade ekonomiska förutsättningar. Här är det dock en fråga om vad som är rätt eller fel. CAPRI är till sin konstruktion relativt styrd till att generera resultat som ligger nära nuvarande produktion, medan SASM har en relativt hög flexibilitet i att anpassa produktionen till det som är mest lönsamt vid de förutsättningar som analyseras.

En intressant utvecklingspotential för SASM är att inkludera mer och bättre miljödata. Det finns funktioner i SASM för att beräkna jordbrukets klimatef-fekter och läckaget av växtnäring. Det finns också samhällsekonomiska priser för dessa och vissa andra miljöeffekter Avsaknaden av väl förankrade indata begränsar emellertid användbarheten. Med mer kompletta och allmänt accepterade miljödata skulle SASM kunna användas för att beräkna olika miljöeffekter utan att koppla resultaten till andra modeller. SASM skulle då också kunna beräkna den samhällsekonomiska effektiviteten av olika åtgär-der i form av cost-benefit analyser.

Med mer miljödata inbyggt i SASM öppnas även möjligheten att analysera styrmedel som är direkt kopplade till miljöeffekterna. Det kan till exempel vara i form av stöd, avgifter eller kvoter. Det skulle i förlängningen även vara möjligt att optimera utifrån andra kriterier än företagsekonomisk lönsamhet. Ett exempel är att beräkna hur jordbruket skulle utformas för att ge minsta möjliga klimatpåverkan givet att även ett antal andra miljömål och produk-tionsmål nås.

(9)

Grundkonstruktionen i SASM är mycket lik den i FASOMGHG (the Forest and Agricultural Sector Optimization Model with Greenhouse Gases). FASOMGHG är en modell som bland annat används av U.S. Environmental Protection Agency för beräkningar gällande växthuseffekter kopplade till jordbruk och skogsbruk i USA. Båda modellerna har sitt ursprung i en modell (ASM) som Bruce A. McCarl med flera utvecklade för jordbruks- sektorn i USA. Likheten i grundstruktur gör att många av de funktioner som byggts in i FASOMGHG även kan byggas in i SASM.

(10)

2. Summary

Swedish Agricultural Sector Model (SASM) is a computer model of the Swedish agricultural sector. This report is aimed to describe how the model is structured and what it can be used for. The target audience is both

individuals who need a brief explanation of the model to be able to interpret its results and people who want to immerse themselves in the structure of the model, its data sources and results.

SASM is built to answer how Swedish agriculture can be affected by and adapt to changing agricultural policy, new production technology or changing conditions in the world market. Changed environmental requirements are an important part of the agricultural policy, and changes in environmental impact are important results from the model calculations.

The model is built to imitate farmers’ decision-making situation. It antici-pates their actions by calculating the best economic outcome for them in different scenarios simultaneously as processing industry and consumers act to maximize their welfare. The central part of SASM is a detailed represen-tation of the production options that the individual farmers have and of the markets that farmers encounter when they sell products or purchase means of production.

Each individual farm cannot be represented in a handy model. Sweden has instead been divided into 95 sub regions, each considered as a large farm. These 95 farms interact with each other, with processing industry, with consumers, with suppliers of means of production and through the processing companies also with the world market.

SASM calculates the action that gives the most beneficial outcome for each farm, for the processing industry and for consumers in different scenarios. This given that everyone else also acts to find the best outcome for them. The model can thus illustrate effects of changes, for example changed agricultural policy. Usually two different model results are compared to each other. The difference between the solutions shows the effect of the changes in the conditions imposed. It could be a change in the design of a support scheme or changed production technology and world market prices in the future.

A strength with SASM is the detailed representation of agricultural production. It permits high degree of details both regarding regions and regarding production technology, land use, production volume and use of production resources. The details are important in analyzing different design of policy instruments, it is often the details that determine the outcome. The high degree of details also allows calculations with SASM to be combined with calculations with other models, such as climate impact assessment, nutrient leakage, biodiversity or social economic efficiency in terms of cost-benefit

(11)

analyzes. In these cases, results from SASM are used as input data in other models. SASM is structured in a flexible way that makes it easy to customize the calculations for the current issue.

A weakness in SASM is that individual farms are not represented in the sub regions. This means, among other things, that the structural change cannot be illustrated. It also means that policy instruments that are linked to the size of farms cannot be handled correctly.

The model results do not exactly match the reality that is reflected in the statistics. This is a natural consequence of the modelling technique where SASM, and similar models, calculates equilibrium markets and average harvest levels for each region. Reality is never in balance, it turns back and forth. The yields are also always higher or lower than normal depending on the weather. Although the deviations that occur between model results and the statistics are natural, they must be handled in the analysis of the results. One way is to compare different model results with each other instead of against the statistics.

One feature of SASM is that the estimated production changes sometimes appears to be drastic. In analysis of changed economic conditions, CAPRI, an EU model that sometimes is used for similar analyzes as those implemented with SASM, often gives less impact on the volume produced than SASM. This is, however, a question about what is right or wrong. CAPRI is by construction restricted to generate results close to current production, while SASM has relatively high flexibility in adjusting production to the most profi-table level under the conditions analyzed.

An interesting development potential for SASM is to include more and better environmental data. There are functions in SASM to calculate climatic effects and leakage of plant nutrition resulting from agriculture. There are also socio-economic prices for those and for some other environmental impacts. The lack of well-established inputs, however, limits the usability. With more complete and widely accepted environmental data, SASM could be used to calculate different environmental impacts without linking results to other models. SASM could then also calculate the socio-economic effectiveness of various measures in terms of cost-benefit analyzes.

With more environmental data built into SASM, there will also be a possibility of analyzing policies directly linked to environmental impacts. It could be supports, fees or quotas. In the long run, it would also be possible to optimize on the basis of criteria other than economic profitability. An example is to calculate how agriculture would be designed to give the least possible climate impact, given that a number of other environmental goals and production goals also are met.

(12)

The basic structure of SASM is very similar to that of FASOMGHG (the Forest and Agricultural Sector Optimization Model with Greenhouse Gases). FASOMGHG is used by U.S. Environmental Protection Agency for estimates of greenhouse gases linked to agriculture and forestry in the United States. Both models are derived from a model (ASM) that Bruce A. McCarl and his group developed for the agricultural sector in the United States. Due to the similarity in the basic structure, many of the features built into FASOMGHG can also be incorporated into SASM.

(13)

3. Inledning

3.1 Bakgrund

Swedish Agricultural Sector Model (SASM) är en datamodell över jordbruks-sektorn i Sverige. Modellen har använts för att ta fram underlag till många studier av hur det svenska jordbruket har påverkats eller kan komma att påverkas av jordbrukspolitiska styrmedel och andra förändringar i omvärlden. Modellen dokumenterades när den första versionen togs fram (Apland och Jonasson 1992). Några år senare dokumenterades och analyserades en mer utvecklad version av modellen (Jonasson 1996). Därefter har modellen utvecklats, uppdaterats och byggts om vid ett flertal tillfällen. Dessa föränd-ringar har dock inte dokumenterats på ett sammanhållet och strukturerat sätt. Bristen på en aktuell dokumentation av modellen gör det svårare för användarna att tolka de resultat som modellen ger.

3.2 Syfte

Syftet med denna rapport är att ta fram en beskrivning av vad modellen SASM är, hur denna modell är uppbyggd och vad modellen kan användas till.

3.3 Målgrupp

Målgruppen för denna rapport är både personer som behöver en översiktlig förklaring av modellen för att kunna tolka dess resultat och personer som vill fördjupa sig i modellens uppbyggnad, dess datakällor och resultat.

3.4 Läsanvisning

Kapitel 4 ger en översikt av vad modellen kan användas till och hur den är uppbyggd. Kapitlet vänder sig främst till dem som behöver en översiktlig förklaring av modellen för att kunna tolka dess resultat. Metoddiskussionen i kapitel 7 om modellens styrkor och svagheter jämfört med andra modeller kan också vara värdefull för att kunna tolka och värdera resultaten.

Kapitel 5 och 6 vänder sig främst till dem som vill fördjupa sig i modellens funktion. Där beskrivs mer tekniskt hur modellen är uppbyggd och vilka datakällor som används. Kompletta listor med alla produkter, alla produk-tionsmedel och alla produktionsaktiviteter återfinns i bilagorna.

(14)

4. Grunderna i SASM

SASM är en matematisk optimeringsmodell som är byggd för att svara på frågor om hur det svenska jordbruket kan påverkas av och anpassa sig till ändrad jordbrukspolitik, inklusive ändrade miljökrav. Tekniken går ut på att modellen efterliknar jordbrukarnas beslutssituation. Den förutser deras age-rande genom att beräkna vilket ageage-rande som ger bäst ekonomiskt utfall för dem i olika scenerier där även förädlingsindustri och konsumenter agerar för att maximera sin välfärd. SASM kan även användas till att analysera effek-terna av ändrade priser på de ineffek-ternationella marknaderna för jordbruks- produkter, ändrade priser för produktionsmedel, förändrad efterfrågan av livsmedel från svenska konsumenter samt införandet av ny teknik.

SASM är en förkortning av Swedish Agricultural Sector Model. Modellen är byggd för att svara på frågor om hur det svenska jordbruket kan påverkas av och anpassa sig till ändrad jordbrukspolitik inklusive ändrade miljökrav. Den kan också användas för att beräkna effekterna av ny produktionsteknik eller ändrade förutsättningar på världsmarknaden.

SASM kan i viss mån beskrivas som en simuleringsmodell. Den beskriver inte exakt hur det är men den ger en bild av verkligheten som kan användas för att simulera effekten av olika förändringar som kan påverka beteendet hos jordbrukarna. Modellen kan användas på ett likartat sätt som när man inom naturvetenskapen riggar försök för att testa effekten av att ändra en eller några få faktorer medan allt annat är oförändrat.

SASM kan till exempel användas till att hypotetiskt räkna fram effekten av olika politiska, tekniska eller ekonomiska förändringar. Modellresultaten visar hur dessa förändringar kan förväntas påverka eller redan har påverkat jordbrukssektorn. Grundförutsättningen är dock att allt annat är oförändrat och detta i en värld där slumpmässiga faktorer som väder, oväntade

prissvängningar på världsmarknaden och tillfälliga obalanser på de regionala marknaderna har rensats bort. En viktig poäng är därför att effekterna helst bara ska beräknas som skillnaden mellan två modellresultat.

I rapporten Bra vallersättning och kompensationsstöd? användes SASM för att utvärdera vall- och LFA-stöden (Jordbruksverket 2016a). Frågan var då hur jordbruket skulle ha sett ut om dessa stöd inte hade funnits.

I rapporten Ett klimatvänligt jordbruk 2050 (Jordbruksverket 2012) beräk-nades ett scenario som låg långt in i framtiden. Baserat på det kunde sedan jordbrukets framtida klimateffekt beräknas. Frågan var då hur jordbruket skulle se ut år 2050 om konsumenternas efterfrågan, den tekniska utveck-lingen och de internationella priserna på jordbruksprodukter fortsätter att utvecklas på ett trendmässigt sätt.

(15)

SASM kan också användas för att analysera effekten av olika utformning av framtida stöd. Rapporten Effektivare kombination av jordbruksstöden (Jordbruksverket 2017a) är ett exempel. Frågan var hur jordbruket skulle se ut om stöden kombinerades och utformades på ett antal olika sätt. Utfallet har sedan använts för att analysera vilken utformning av stöden som är mest effektiv.

Ett fjärde användningsområde är att hitta förändringar i jordbruksproduk-tionen som skulle kunna ge ökad lönsamhet. I skriften Sverige som ekoland (LRF 2017) används SASM för att beräkna hur stor del av det svenska jordbruket som bör vara ekologiskt om det svenska jordbruket ska ha högsta möjliga lönsamhet. Modellen beräknar inte bara vad som skulle var mest lön-samt med nuvarande priser, utan även hur priserna skulle påverkas av ökad ekologisk produktion och den effekt det i sin tur får för lönsamheten. En styrka med SASM är att man kan få mer än enbart ett resultat. Det går även att se vilka mekanismer och drivkrafter som ligger bakom förändringen. Det går att få fram vad som händer, hur kraftig förändringen är samt hur, var och varför det händer.

4.1 Jordbrukarnas beslutssituation

Modelltekniken bygger på att efterlikna jordbrukarnas beslutssituation. Det som händer inom jordbrukssektorn är den sammantagna effekten av det som händer på de enskilda gårdarna. En modell som kan förutspå hur de enskilda jordbrukarna kommer att agera i olika situationer kan också förutspå effekterna på sektornivå. SASM är byggd för att klara just det, att efterlikna jordbrukarnas beslutssituation.

Kärnan i SASM är en detaljerad representation av de produktionsalternativ som den enskilde jordbrukaren har på kort och lång sikt. Jordbrukarna bestämmer varje år vilka grödor som ska odlas och hur många djur som ska finnas på gården. Det gör SASM också. Kriteriet är att kombinera grödor och djur på det sätt som ger högst lönsamhet för den enskilde jordbrukaren. Det som begränsar produktionen är tillgången på areal av olika slag till odlingen och tillgången till stallbyggnader till djuren. På kort sikt är dessa givna. Utökas analysen till att sträcka sig mer än ett år framåt i tiden till- kommer möjligheten att öka djurhållningen genom investering i nya byggnader. Dessutom finns då en möjlighet att ställa om konventionell produktion till ekologisk.

En svårighet med analyserna är att det som en jordbrukare gör påverkar förutsättningarna för alla andra. Är det många som väljer att odla potatis blir priset lägre och då blir det kanske inte längre lönsamt att odla potatis. Det kan också vara så att många vill ha mjölkkor, men att få vill föda upp kalvarna till slakt. Effekten blir att priset på livkalvarna går ner, vilket

(16)

inne-bär att lönsamheten minskar för mjölkkorna men ökar för köttproduktionen där kalvarna föds upp till slakt.

Dynamiken i att en jordbrukares agerande påverkar förutsättningarna för en annan jordbrukare är svår att hantera vid gårdsanalyser. Den är också svår att hantera för jordbrukarna. Det är därför det uppstår prissvängningar på marknaderna för olika produkter. I SASM hanteras dynamiken mellan jordbruksföretagen genom att alla jordbruksföretag optimeras samtidigt och genom att det finns marknadsfunktioner som skickar signaler om vad de andra företagen gör. Signalen består i att priset ändras. Det får i sin tur följdeffekten att alla omprövar sina beslut och anpassar produktionen till de nya priserna, vilket medför att priserna ändras och att produktionsbesluten behöver omprövas igen.

Ett exempel är att priset på potatis bestäms i modellen och att det styrs av hur stor efterfrågan är och av hur många som väljer att odla potatis vid olika prisnivåer. Är produktionen högre än konsumtionen i ett läge sjunker priset och nästa gång är det färre som odlar och fler som köper potatis. SASM hittar slutligen den prisnivå där det produceras lika mycket potatis som det konsumeras. På samma sätt bestäms priset på livkalvar och på alla andra produkter så att det är lika många som vill köpa som vill sälja.

En viktig del i beräkningen är att det inte bara är potatisen som påverkas av priset på potatis. När odlingen av potatis ökar eller minskar är det någon annan gröda som ändras i motsatt riktning eftersom arealen är begränsande. Detta skapar i sin tur svängningar i pris och volym för de andra grödorna. Eftersom många av dessa används som foder påverkar det i sin tur animalie-produktionen. Jämvikten uppstår först när alla bieffekter har beaktats. I verkligheten är det en process som ständigt pågår eftersom det alltid hinner hända något nytt innan alla har hunnit anpassa sig till varandra. Det uppstår då tillfälliga överskott eller underskott på marknaderna vilket innebär att priserna svänger upp och ner. SASM är mycket snabbare än verkligheten. På bara några minuter hinner modellen med tusentals prissvängningar som i verkligheten skulle tagit år. Modellen hittar slutligen ett jämviktsläge där alla marknader är i balans, där alla jordbrukare har beaktat de förändringar som de andra gör och där ingen skulle kunna tjäna mer pengar genom att ändra valet av grödor eller omfattningen på djurhållningen.

4.2 Sverige som 95 regionala företag

En modell är alltid en förenkling av den verklighet den ska efterlikna. En sådan förenkling i SASM är att alla Sveriges jordbruksföretag inte finns representerade var för sig. Istället har Sverige delats in i 95 delregioner och dessa betraktas som stora företag. Produktionstekniken som används motsvarar ändå den produktionsteknik som används av en för regionen genomsnittlig företagsstorlek.

(17)

Valet av regional indelning styrs av att delregionerna ska vara homogena avseende produktionsförutsättningar, att det ska gå att få fram regionala indata till modellen, att stödsystemen ska kunna hanteras korrekt och att modellresultaten ska kunna återges i en regional form som är intressant för användaren.

Den indelning som används för närvarande är i grunden ett tvärsnitt mellan län och stödområde för regionalstöden i det system som gällde till och med 2016. Det finns dock mycket jordbruksmark med varierande kvalitet i det område som inte berättigar till regionala stöd. En underindelning efter de naturliga produktionsområdena används därför där. När alla dessa del- områden identifieras erhålls de 95 delregioner som används som stora företag i modellen, se bilaga 2.

Den regionala indelningen i SASM har ändrats vid flera tillfällen. Den ursprungliga versionen hade 12 delregioner (Apland och Jonasson 1992). Som mest har modellen arbetat med 166 delregioner (Jordbruksverket 2014). Antalet delregioner är en avvägning mellan möjlig detaljeringsgrad i lösningarna och snabbhet i att kunna göra beräkningarna. För närvarande (våren 2018) används 95 delregioner men eftersom regionindelningen för de regionala stöden har ändrats sedan den förra större datauppdateringen är det snart dags för en ny meromfattande revidering av modellen där den nya regionindelningen används. Det är inte bestämt när uppdateringen kommer att göras men det blir sannolikt under 2018. När modellen uppdateras kommer även dokumentationen av den att uppdateras med de ändringar som genomförs.

4.3 Gårdsmodeller

I varje delregion (företag) finns ett eller flera produktionsrecept för varje pro-dukt. Dessa utgör produktionsaktiviteter som kan kombineras på olika sätt. För närvarande ingår 32 grödor och 14 djurslag. Flertalet av dessa finns dess-utom både för konventionell produktion och som ekologisk, vilket ger drygt 100 produktionsaktiviteter i varje delregion. Fler kan läggas till vid behov. Produktionsaktiviteterna representerar genomsnittliga produktionsdata för respektive gröda eller djur i det aktuella området. Som exempel kan ett hektar vårkorn i en speciell region ge en skörd på 4,2 ton. För att klara detta krävs 233 kilo utsäde, 74 kilo kväve, 15 kilo fosfor, 21 kilo kalium, växt-skyddsmedel för 156 kronor och andra inköpta tjänster eller förnödenheter för 907 kronor. Dessutom krävs 7 timmars arbetstid varav 6 timmar är med traktor samt 1 123 kronor i rörelsekapital. På liknande sätt är alla andra grödor och djur specificerade med för området genomsnittliga produktions-data. Merparten av dessa produktionsdata hämtas från Jordbruksverkets produktionsgrenskalkyler (PRG).

(18)

I några fall finns flera varianter av samma gröda eller samma djurslag. Det finns till exempel fyra varianter av vall med olika hög avkastning, tolv

varianter av bete på permanenta betesmarker med olika miljövärden och fyra varianter av foderstater till mjölkkor.

Produktionsaktiviteterna sammanfogas med ett antal produktionssamband i form av växtföljdsrestriktioner, växtnäringsbalanser, foderbalanser och livdjursbalanser. Dessa samband är utformade som om jordbruket i regionen bestod av ett enda stort jordbruksföretag.

Växtföljdsrestriktionerna är utformade som samband mellan de olika grödorna. Det går till exempel inte att odla vete år efter år eftersom det då skulle bli problem med växtföljdssjukdomar och skadegörare. En tumregel är att vete inte bör odlas oftare än vart fjärde år. I SASM begränsas odlingen av vete genom att det krävs 3 hektar med andra grödor (eller träda) för varje hektar vete. Vid odling av ekologiskt vete ska även de andra grödorna vara ekologiska.

Växtnäringsbalanser, foderbalanser och livdjursbalanser är egentligen lokala marknader. De säkerställer att det inte produceras fler slaktgrisar än vad det föds smågrisar, att det produceras eller köps in tillräckligt mycket foder till djuren och att den del av växtnäringsbehovet som inte täcks av stallgödsel köps in. Grovfoder och bete måste produceras i tillräcklig mängd lokalt (inom delregionen) medan fodersäd kan köpas från eller säljas till andra delregioner. Det är också möjligt att handla med kalvar och smågrisar mellan olika delregioner.

Eftersom de 95 modellgårdarna ligger utspridda i hela Sverige har de olika produktionsdata beroende på klimat, bördighet, arrondering med mera. De har också olika tillgång till mark och stallbyggnader. Vart och ett av de 95 företagen har tillgång till just den areal som finns i respektive delregion. De har också tillgång till de stallbyggnader som finns i region. Data hämtas från lantbruksregistret. Tillgången till mark är alltid begränsande för produk-tionen. Tillgången på byggnader har stor betydelse vid kortsiktiga analyser men mindre betydelse vid mer långsiktiga analyser eftersom det då finns möjligheter till nyinvesteringar.

4.4 Sex regionala marknader

De 95 modellföretagen verkar inte isolerade utan interagerar med varandra, med förädlingsindustrin, med konsumenterna, med leverantörerna av pro-duktionsmedel och via förädlingsföretagen även med världsmarknaden. Detta interagerande sker via marknaderna för produkter och för produktionsmedel. Signalerna förmedlas mellan de olika aktörerna via priserna för produkter och produktionsmedel. Dessa priser beräknas internt i SASM och avvägs så att det blir balans mellan utbud och efterfrågan för alla produkter och för alla produktionsmedel i alla regioner.

(19)

Marknadsfunktionerna i SASM är tänkta att efterlikna de lokala marknader som jordbrukarna möter för produkter och produktionsmedel. Marknaderna ligger på två nivåer, lokala och regionala. De produkter som normalt både produceras och förbrukas i närområdet är lokala och ligger knutna till del- regionen. Dessa hanteras som interna produkter i vart och ett av de 95 modell-företagen. Ensilage är ett exempel på en sådan produkt. Eftersom utbud och efterfrågan ska matcha varandra i var och en av de 95 delregionerna innebär det att det blir 95 olika priser för ensilage beroende på var i landet det

produceras och förbrukas. Bilden kompliceras ytterligare av att det finns flera olika kvaliteter på ensilaget och att det även finns grovfoder i form av hö och betesgräs av olika kvaliteter. Alla dessa har ett unikt pris i varje delregion. Flertalet produkter och förnödenheter kan emellertid köpas och säljas via regionala handlare och förädlingsföretag. I SASM sker jordbruksföretagens externa handel i sex marknadsregioner. Regionerna består av grupper av län och de är valda så att de ska motsvara naturliga upptagningsområden för förädlingsindustrin. De sex regionerna kan betecknas Norr, Mitt, Stockholm, Göteborg, Småland och Skåne, se bilaga 1.

Inom var och en av dessa marknadsregioner beräknas priset internt i SASM så att utbudet matchar efterfrågan. Det blir då sex olika priser i Sverige för varje produkt och för varje produktionsmedel. Den regionala efterfrågan är beräknad genom att den totala efterfrågan av olika livsmedel i Sverige har fördelats regionalt efter folkmängd. Dessutom ligger det en priselasticitet i efterfrågan som gör att den efterfrågade mängden är beroende av priset.

4.5 Interregional handel

I många fall är det både svårt och olämpligt att försöka uppnå balans mellan utbud och efterfrågan inom en marknadsregion. Stockholmsregionen har till exempel en stor befolkning och en relativt liten animalieproduktion. I Småland är det tvärt om. Det som händer i verkligheten är att mjölk och andra anima-lieprodukter transporteras från Småland till Stockholm.

SASM har en liknande funktion genom att produkter kan transporteras mellan marknadsregionerna. Det uppstår dock en kostnad som är olika hög beroende av vilken produkt det är och hur lång sträcka den ska transporteras. Som exempel är kostnaden 0,22 kronor per kilo för att transportera nötkött från Småland till Stockholm. Skulle prisskillnaden vara större än 0,22 kronor per kilo är det alltså lönsamt att transportera nötkött. Effekten är att priset så småningom börjar stiga i Småland och sjunka i Stockholm. Jämvikt uppnås när så mycket kött transporteras att prisskillnaden mellan regionerna motsvarar transportkostnaden, 0,22 kronor per kilo i detta exempel.

(20)

4.6 Internationell handel

Nästa dimension är att det även förekommer internationell handel med livsmedel. Principiellt fungerar detta på samma sätt som handeln mellan regi-oner. SASM är dock begränsad till Sverige. Modellen kan därför inte beräkna vilka priser vi möter vid handel med andra länder. De internationella priserna anges istället som indata till beräkningarna. För varje produkt anges två pri-ser, ett exportpris som ligger på en nivå och ett importpris som är lite högre. Skillnaden i pris mellan import och export speglar transportkostnaderna till och från de länder vi handlar med och några andra transaktionskostnader som uppstår vid internationell handel.

För närvarande är det 12 produkter som kan importeras eller exporteras i SASM: brödsäd, fodersäd, oljeväxter, potatis, ost, smör, mjölkpulver, nötkött, griskött, lammkött, kyckling och ägg. All internationell handel antas gå via hamnar i södra Sverige eller via Öresundsbron. Vid import till Stockholm eller längre norrut antas varorna först komma till en hamn i södra Sverige och därefter transporteras vidare genom interregional handel. Omvänt antas produkter som exporteras först transporteras ner till södra Sverige och sedan lämna landet via någon hamn där eller via Öresundsbron.

Prisnivån på världsmarknaden och på EU-marknaden har en avgörande betydelse för utvecklingen av det svenska jordbruket. Konkurrenstrycket från importerade produkter sätter ribban för priserna i Sverige även om skillnader i kvalitet kan möjliggöra viss prisskillnad mellan svenskt och importerat. SASM fungerar på samma sätt. De priser som anges för import och export har ofta avgörande betydelse för prisnivåerna i Sverige. Därmed har de även avgörande betydelse för lönsamheten i produktionen och för vad som produ-ceras och konsumeras.

Vete kan fungera som exempel. I Skåne finns ett stort utbud av vete. Om allt skulle avsättas i regionen skulle priset sjunka till dess att odlingen minskat och konsumtionen ökat så att det blir balans mellan utbud och efterfrågan. Nu finns dock en möjlighet att exportera vete om priset på den lokala mark-naden blir för lågt. Priset vid export är ett av de indata som bestäms när ett scenario skapas. I ett scenario användes ett genomsnitt för åren 2013–2017 (LRF 2017). Priset vid export var då 1,42 kronor per kilo. Ingen är beredd att sälja billigare och priset på skånemarknaden blir 1,42 kronor per kilo samtidigt som stora volymer säljs på export. I Stockholmsregionen finns också ett stort utbud av vete. Där finns emellertid ingen möjlighet för export. Istället transporteras vete till en angränsande region för att exporteras däri-från. Kostnaden för transporten var i det fallet 3 öre per kilo vilket innebär att priset blev 1,39 kronor per kilo. Längst upp i Norr är det brist på vete vilket medför att priset blir högre. Priset skulle behöva ligga riktigt högt för att uppnå jämvikt mellan produktion och konsumtion på den lokala markna-den. Kostnaden för att transportera vete från Stockholmsregionen till region Norr är dock inte högre än 0,05 kronor per kilo. Eftersom priset var

(21)

1,39 kronor per kilo i Stockholmsregionen täcks kvarvarande underskott med vete därifrån när priset gått upp till 1,44 kronor per kilo. Priset vid export styr alltså priserna indirekt på alla regionala marknader trots att det inte förekommer export från norra Sverige.

Priserna vid import har en liknande effekt men de bildar ett pristak där efter-frågan täcks av importerade produkter istället för av svenska om priserna i Sverige skulle vara högre än de internationella. Den prisskillnad som beror på att svenska produkter, i många fall, anses ha en högre kvalitet får dock vara kvar. Detta hanteras genom ett fast påslag på importpriset som motsvarar prisskillnaden mellan importerade och svenska produkter. I ett läge där slakterierna får 10 kronor mer per kilo för svenskt kött än vad det skulle kosta att köpa samma kött från utlandet justeras importpriset upp med 10 kronor per kilo i SASM.

4.7 Förädling

Förädlingsledet är relativt enkelt representerat i SASM. Syftet med att inklu-dera viss förädling är egentligen inte att kunna säga något specifikt om hur detta led fungerar. Uppgifter om förädlingsledet behövs dock för att spegla de regionala marknaderna för slaktdjur och mjölk på ett användbart sätt. Det behövs också för att kunna beräkna förbrukningen av spannmål till utsäde och tillgången på svenskt proteinfoder, eftersom delar av detta är biprodukter från framställningen av rapsolja.

Mejerierna har den mest omfattande representationen. Där ingår intransport av mjölken, separering av fett och skummjölk samt framställning av konsum-tionsmjölk, grädde, ost, smör och mjölkpulver. Behovet av råvaror ligger som givna koefficienter. Övriga produktionsfaktorer representeras av en given kostnad per kilo produkt. Vid kortsiktiga analyser kan mejerikapaciteten begränsas till de befintliga anläggningarna men vanligtvis antas den kunna anpassas efter behovet.

Slakt och produktion av utsäde och rapsolja är enkelt representerade med en förädlingsaktivitet för respektive produkt. Där ligger koefficienter för behovet av råvara och sedan en koefficient med en kostnad per kilo produkt för övriga produktionsfaktorer. När det gäller slakten får jordbrukarna betalt i slaktad vikt. Förädlingsaktiviteten är att ett kilo nötkött som betalas till jordbrukaren blir ett kilo nötkött som slakterierna kan sälja till butik eller till charkindustrin. Kostnaden för slakten gör dock att priset är högre när köttet lämnar slakteriet än när djuren köps in. Det är i ledet efter slakt som handeln med kött ligger. Det är köttet som transporteras mellan regioner och som handlas internationellt, inte djuren. På motsvarande sätt är det ost, smör och torrmjölk som transporteras, importeras och exporteras, inte mjölkråvaran. Priset till lantbrukarna är därmed beroende av kostnaderna i slakterier och mejerier. Det är först efter viss förädling som produkterna kan säljas på en nationell eller global marknad.

(22)

Den förädlingsindustri som inte har samma starka koppling till råvaran är inte representerad i SASM. Detta eftersom den inte behövs för att kunna efterlikna den marknad som lantbrukaren möter. Kvarnar och bagerier behöver spannmål men de är inte beroende av lokala råvara; den lokala spannmålen är lätt utbytbar mot spannmål från andra delar av Sverige eller mot importerad. Samtidigt finns möjligheten att sälja spannmålen som den är, utan att gå via kvarnar och bagerier. Priset på spannmål blir därmed obero-ende av kostnaderna och effektiviteten i kvarnar och bagerier.

All förädling som finns representerad i SASM antas ske på regional nivå i de sex marknadsregionerna. Det innebär att Sverige antas ha sex mejerier, sex slakterier och så vidare. Förädlingsföretagen köper sin råvara inom respektive region, men de konkurrerar med varandra och med utländska företag med sina produkter.

4.8 Efterfrågan

Efterfrågan av livsmedel är relativt enkelt uppbyggd i SASM. Ambitionen är inte att beskriva efterfrågan av livsmedel komplett utan enbart att få med den efterfrågan av livsmedel som har direkt betydelse för det svenska jordbruket. Det är inte konsumentens direkta efterfrågan speglas utan den indirekta, via handel och den del av förädlingsindustrin som inte är representerad i SASM. Konsumenternas efterfrågan av bröd och mjöl representeras av kvarnarnas efterfrågan på oförädlad spannmål, efterfrågan av ägg och potatis är packe-riernas efterfrågan av ägg och potatis att packa och så vidare. Efterfrågan på kött och mejeriprodukter ligger ytterligare ett steg längre från jordbrukarna eftersom viss förädling ingår i modellen. Kött efterfrågas som så kallat hel-fall, det vill säga hela slaktkroppar, och mejeriprodukterna efterfrågas som konsumtionsmjölk, grädde, ost, smör och pulvermjölk. Totalt finns efter- frågan av 31 produkter representerad i SASM. Livsmedel som normalt sett inte baseras helt eller delvis på svensk jordbruksråvara beaktas inte, det gäller till exempel fisk, frukt och grönsaker.

Volymen som efterfrågas är beroende av priset, högre pris medför lägre efter-frågan. I SASM används ett linjärt samband mellan pris och volym. Grunden till detta samband är en punkt med en observerad volym som efterfrågas vid ett givet pris. Från denna punkt dras sedan en rät linje som har olika lutning beroende på hur priskänslig respektive produkt är. Ändras priset från den nivå som gällde när den ursprungliga volymen observerades innebär det att även den efterfrågade volymen ändras.

Data om konsumtionen finns enbart på nationell nivå. I SASM bryts dock efterfrågan ner regionalt till de sex marknadsregionerna. Det sker genom att den volym som användes för att skapa de linjära efterfrågefunktionerna proportioneras mot folkmängden i respektive region. Var och en av de sex marknadsregionerna får då en unik efterfrågan av respektive produkt. Bakom

(23)

nedbrytningen ligger antagandet att konsumenterna har samma preferenser i alla delar av Sverige. Det är troligen inte helt sant men i brist på bättre data är det ett nödvändigt antagande. Eftersom produkterna kan transporteras mellan regionerna till en relativt låg kostnad har det troligtvis heller inte någon större betydelse för var och hur jordbruksproduktionen kommer att bedrivas.

4.9 Tillgång till produktionsmedel

En annan viktig del är tillgången på de produktionsmedel som krävs för att produktionen ska kunna ske. SASM har en relativt detaljerad uppdelning av de produktionsmedel som behövs. Det är viktigt eftersom många av de miljöeffekter som vi vill analysera analyseras är kopplade till enskilda pro-duktionsmedel. Tillgången till produktionsmedel sker på speciella marknader på ungefär samma sätt som försäljningen av produkterna. Skillnaden är att jordbrukarna är köpare och att deras efterfrågan därmed beräknas i model-len. Utbudet av produktionsmedel är däremot en form av indata till modellen på samma sätt som efterfrågan av produkterna.

Tekniskt sett skulle utbudet av produktionsmedel kunna beskrivas med lutande linjära funktioner på ett liknande sätt som efterfrågan. Det finns dock inga data som beskriver vilken lutning linjerna i så fall skulle ha. Mycket tyder också på att de antingen är mycket flacka eller mycket branta. Därför används istället antingen ett givet pris eller en given volym för till-gången på produktionsmedel.

Mark och byggnader har en given volym som dessutom är kopplad till de 95 delregionerna. Växtnäring, växtskyddsmedel, proteinfoder, maskiner, arbetskraft med mera antas kunna köpas i obegränsad mängd till ett givet pris. Priset antas dessutom vara det samma i alla regioner eftersom det saknas prisstatistik med regional upplösning.

4.10 Schematisk beskrivning

Schematiskt kan SASM beskrivas som i figur 1, där en av de sex marknads- regionerna är illustrerad. I varje marknadsregion finns mellan fyra och tjugo-fyra delregioner. Dessa representeras av de 95 gårdsmodellerna. Primär- produktionen bedrivs i dessa delregioner medan förädlingen har lägre regional koppling och ligger i de sex marknadsregionerna.

Rektanglarna representerar produktionsaktiviteterna och ovalerna de olika marknaderna. Marknaderna inom det gråtonade fältet för gårdsmodellerna ligger inom respektive delregion. Där ska var och en av de 95 regionerna hitta en egen balans för varje produktionsmedel och för varje mellanprodukt. Övriga marknader ligger i de sex marknadsregionerna. Då kan utbyte ske mellan de olika delregionerna. Dessutom är det i många fall möjligt att

(24)

transportera mellan marknadsregioner eller till och med att importera och exportera. En sak som inte framgår i principskissen är att smågrisar och kal-var av mjölkras kan flyttas både mellan delregioner inom en marknadsregion och mellan marknadsregionerna. De kan därmed födas på ett ställe och sedan födas upp på ett annat.

Pilarna visar de fysiska flödena medan det ekonomiska flödet (pengarna) går i motsatt riktning. Det är efterfrågan på olika produkter som ger de ekonomiska incitamenten till att producera. Produktionen medför i sin tur efterfrågan på produktionsmedel och lönsamheten speglas slutligen i betal-ningsförmågan för de begränsande produktionsfaktorerna, av vilka mark är den främsta. Tillgången på byggnader kan också vara begränsande. Det är tidsperspektivet som avgör hur stor flexibiliteten är i att förändra byggnads-beståndet.

Figur 1. Principskiss över strukturen i SASM inom en av de sex marknadsregionerna.

4.11 Tidsperspektiv

SASM saknar egentligen tidsperspektiv. Processer som normalt tar flera år sker på några minuter när modellen söker ett läge där alla marknader är i jämvikt. Trots det kan ett tidsperspektiv byggas in i beräkningarna. Dynamiken över tid fångas i att utbudet av produktionsfaktorer förändras beroende på vilket tidsperspektiv som används. Om så önskas kan även produktions- tekniken förändras över tid liksom efterfrågan av jordbruksprodukter och priserna på de internationella marknaderna.

En viktig del är byggnadsbeståndet. På riktigt kort sikt betraktas byggnaderna som ett fast antal. De byggnader som finns kan användas, men det går inte att öka animalieproduktionen utöver byggnadernas kapacitet. Lösningarna blir då relativt hårt styrda till det förutbestämda byggnadsbeståndet. På

(25)

riktigt lång sikt kan byggnaderna i stället betraktas som helt flexibla i antal. Utfallet kommer då att helt sakna koppling till den historiska utvecklingen av var olika djur finns. Detta kan vara intressant som ett teoretiskt tanke- experiment, men det saknar empirisk relevans om inte tidsperspektivet är minst 50 år fram i tiden. Då är emellertid den empiriska relevansen av alla andra data mycket låg.

Ofta används ett tidsperspektiv på 10 till 20 år. I detta läge har SASM en funktion som gör att delar av byggnadsbeståndet övergår från att vara fast till att bli rörligt. Delar av det befintliga byggnadsbeståndet kan användas som det är, andra delar av byggnadsbeståndet behöver större eller mindre renoveringar och vissa byggnader måste ersättas med helt nya. Därmed uppstår en dynamik i att animalieproduktionen kan öka eller minska och att den kan förskjutas regionalt till de områden som har bäst ekonomiska förutsättningar.

(26)

5. Data och specifikationer

SASM-2017 har 10 522 ekvationer, 15 461 variabler och 167 120 dataupp-gifter. De flesta indata som används i SASM hämtas från Jordbruksverkets produktionsgrenskalkyler och från officiell statistik. Baserat på detta skapas både regionala produktionsfunktioner och regionala utbudsfunktioner i modellen utan någon förutbestämd funktionsform.

SASM har en grundläggande konstruktion som gör att det är relativt enkelt att lägga till eller ta bort produkter, stöd, produktionsmedel och produk-tionsaktiviteter. Ändringarna genomförs när behov uppstår för att besvara specifika frågeställningar. Det är också relativt enkelt att vid behov eller vid tillgång på förbättrade data ändra produktionskoefficienter, utbuds- och efterfrågefunktioner. Detta gör att den exakta beskrivningen av modellen är en färskvara som bara gäller för en specifik version.

SASM har även genom åren genomgått ett antal större revideringar där även den regionala indelningen har ändrats och där huvuddelen av datainnehållet har bytts ut. Äldre beskrivningar av modellen får därför tolkas med viss för-siktighet. Den ursprungliga versionen SASM-D1 (Apland och Jonasson 1992) hade till exempel 5 marknadsregioner och 12 delregioner. Den nuvarande versionen SASM-2017 har 6 marknadsregioner och 95 delregioner. Den regionala detaljeringsgraden har ökat avsevärt.

Det har också tillkommit ett stort antal nya produkter och produktions- aktiviteter. Den ursprungliga versionen hade 220 ekvationer, 718 variabler och 4 484 datauppgifter. SASM-2017 har 10 522 ekvationer, 15 461 vari-abler och 167 120 datauppgifter. Denna utökning har varit möjlig tack vare nya kraftfullare datorer och förbättrad tillgång på detaljerade data. Behovet av nya funktioner har också uppstått genom att SASM har använts till att besvara frågeställningar av varierande karaktär.

Varje enskild del i SASM är relativt enkel i sin konstruktion. Det som gör modellen komplex är att många delar kopplas till varandra och att föränd-ringar i en del får följdeffekter på många andra ställen.

5.1 Optimeringskriterium

Till skillnad från många andra modeller har SASM vare sig förutbestämd form vare sig på produktionsfunktionen eller på utbudsfunktionen. Funktio-nerna skapas i modellen som oregelbundna multidimensionella samband. De består av linjära segment mellan ett stort antal hörnpunkter.

De enda funktioner som har en förutbestämd form är konsumenternas efterfrågan på jordbruksråvaror och utbudet av de produktionsfaktorer som krävs för produktionen. Båda är linjära och definierade på regional nivå i de 6 marknadsregionerna.

(27)

Det som maximeras i SASM är summan av producent- respektive konsumen-töverskottet. Konsumentöverskottet är skillnaden mellan vad konsumenterna skulle vara beredda att betala för en produkt och vad de verkligen behöver betala. I den enklaste av alla världar finns det bara en produkt, bara en region och ingen internationell handel. En sådan värld är illustrerad i figur 2. Triangeln A motsvarar då konsumentöverskottet.

Producentöverskottet motsvarar vinsten i verksamheten. Det kan beskrivas som skillnaden mellan det pris producenten får och det som produktionen verkligen kostar. I figur 2 motsvarar triangeln B producentöverskottet. Ytan C motsvarar den verkliga kostnaden för att producera mängden Q som säljs till priset P och det inträffar när marknaden är i jämvikt. I detta läge är summan av ytorna A och B maximerad.

Figur 2. Principskiss över optimeringsfunktionen i SASM för en produkt.

Figur 2 är ett sätt att illustrera hur SASM arbetar, figuren är givetvis en förenkling. Den efterfråga som är definierad med en rät linje avser produkter som vete, nötkött eller ost. Det utbud som är definierat med en rät linje avser produktionsfaktorer i form av mark, arbetskraft eller kväve. Däremellan ligger ett stort antal produktionsaktiviteter och förädlingsaktiviteter som omvandlar produktionsmedlen till produkter. Om figur 2 avser en produkt skulle inte utbudet vara en rät linje utan en härled utbudsfunktion som bygger på en produktionsfunktion som genereras i modellen baserat på de produktionskoefficienter som ingår, se 5.2.

(28)

Det som maximeras i SASM är summan av producent- respektive konsumen-töverskottet. Konsumentöverskottet är skillnaden mellan vad konsumenterna skulle vara beredda att betala för en produkt och vad de verkligen behöver betala. I den enklaste av alla världar finns det bara en produkt, bara en region och ingen internationell handel. En sådan värld är illustrerad i figur 2. Triangeln A motsvarar då konsumentöverskottet.

Producentöverskottet motsvarar vinsten i verksamheten. Det kan beskrivas som skillnaden mellan det pris producenten får och det som produktionen verkligen kostar. I figur 2 motsvarar triangeln B producentöverskottet. Ytan C motsvarar den verkliga kostnaden för att producera mängden Q som säljs till priset P och det inträffar när marknaden är i jämvikt. I detta läge är summan av ytorna A och B maximerad.

Figur 2. Principskiss över optimeringsfunktionen i SASM för en produkt.

Figur 2 är ett sätt att illustrera hur SASM arbetar, figuren är givetvis en förenkling. Den efterfråga som är definierad med en rät linje avser produkter som vete, nötkött eller ost. Det utbud som är definierat med en rät linje avser produktionsfaktorer i form av mark, arbetskraft eller kväve. Däremellan ligger ett stort antal produktionsaktiviteter och förädlingsaktiviteter som omvandlar produktionsmedlen till produkter. Om figur 2 avser en produkt skulle inte utbudet vara en rät linje utan en härled utbudsfunktion som bygger på en produktionsfunktion som genereras i modellen baserat på de produktionskoefficienter som ingår, se 5.2.

5.2 Produktionsteknik i jordbruket

Kärnan i SASM är de 95 gårdsmodellerna som beskriver jordbruket i de 95 delregionerna. Gårdsmodellerna kan delas in i växtodling och animalie-produktion och de består i sin tur av ett stort antal animalie-produktionsaktiviteter som representerar enskilda grödor eller djur.

5.2.1 Produktionsfunktion

Sammanräknat för både växtodling och animalieproduktion blir det drygt 100 produktionsaktiviteter i primärledet i varje gårdsmodell. Produktions-aktiviteterna kittas samman med ett antal produktionssamband i form av växtföljdsrestriktioner, växtnäringsbalanser, foderbalanser och livdjursbalanser. Dessa samband gäller i en hel delregion, men de är utformade som om jord-bruket i regionen bestod av ett enda stort jordbruksföretag.

När produktionsaktiviteterna kopplas ihop med restriktionerna bildas asymmetriska multiinput- och multioutput-produktionsfunktioner, en för var och en av de 95 delregionerna. Dessa funktioner, som har mellan 100 och 150 dimensioner, representerar de tekniska och biologiska möjligheterna att bedriva jordbruksproduktion i respektive delregion med hänsyn tagen till markbeskaffenhet och klimat.

De asymmetriska produktionsfunktionerna är hjärtat i SASM. Det är utseendet av dessa som styr vilka möjligheter som finns och i slutänden vad som är mest lönsamt i olika scenarier. Ändå är de svåra att beskriva eftersom de har så många dimensioner. De består dock av ett stort antal hörnpunkter som binds samma av små linjära segment. Om de bara hade tre dimensioner skulle de kunnat beskrivas som ett mindre segment av en diskokula.

5.2.2 Växtodling

Växtodlingsdelen i respektive gårdsmodell består av 32 produktionsakti-viteter. Var och en representerar ett hektar med en specifik gröda. Flertalet av dessa aktiviteter finns dessutom både för konventionell och ekologisk produktion. Vissa grödor finns dock inte i alla regioner. Sockerbetor kan till exempel bara odlas längst ner i södra Sverige.

Grundnivån är att en gröda har en produktionsaktivitet och att den har för regionen genomsnittliga produktionsdata. Tolv olika inköpta produktions- medel finns representerade för växtodlingen. Grödorna kombineras i model-len för att ge högsta möjliga lönsamhet givet att behovet av foder till djuren täcks och att växtföljdsrestriktionerna efterlevs. Allt under begränsningen att det bara finns en begränsad tillgång på areal av olika kvalitet i respektive region. När arealerna av respektive gröda multipliceras med koefficienterna för skörd och insatsförbrukning erhålls utbudet av respektive produkt och efterfrågan på produktionsmedel.

(29)

För flertalet grödor är det tillräckligt detaljerat att använda genomsnittliga data för respektive gröda i regionen. Vall odlas dock på många olika sätt med stora skillnader i intensitet. Detta speglas i SASM genom att det finns nivåer för intensiteten. Det innebär tre olika skördenivåer vilka också kopplas till tre olika nivåer för behovet av växtnäring och andra produktionsmedel. Vallarna har också olika lång liggtid i växtföljderna innan de bryts och ersätts med en annan gröda; tre år, åtta år eller permanent vall. Odlingen av vall optimeras därmed inte bara avseende omfattningen i hektar utan även i intensitet.

5.2.2.1 VÄXTFÖLJDSRESTRIKTIONER

Växtföljdsrestriktionerna är utformade som samband mellan de olika grödorna. I verkligheten handlar det om att det i många fall inte går att odla samma gröda år efter år eftersom det då skulle bli problem med växtföljds-sjukdomar och skadegörare. I SASM ligger förenklade samband där enskilda grödor kopplas till andra grödor på olika sätt. Ambitionen är att ha så få begränsningar som möjligt men i några fall behövs restriktionerna för att inte få orimliga lösningar. Följande växtföljdsrestriktioner är inlagda:

• Vete får högst odlas vart fjärde år

• Höstvete kan bara odlas efter höstraps, foderärt, träda, vallbrott eller efter 80 procent av grödorna i gruppen övriga grödor (i slättbygden i södra Götaland även efter vårkorn)

• Höstråg kan enbart odlas efter vårsäd

• Oljeväxter får högst odlas vart tolfte år (8 procent av brukad areal) • Höstraps kan bara odlas efter vallbrott och träda eller efter 20 procent av

grödorna i gruppen övriga grödor.

• Foderärt/åkerböna för högst odlas vart tionde år (10 procent av brukad areal)

• Potatis får högst odlas vart sjunde år (15 procent av brukad areal) • Sockerbetor får högst odlas vart femte år (20 procent av brukad areal) • Insådd måste ordnas i vårsäd eller utan täckgröda året före ny vall.

I några fall kan restriktionerna tyckas vara onödigt hårda. Oljeväxter kan till exempel odlas oftare än vart tolfte år men eftersom oljeväxterna inte fördelas jämnt på all åker i respektive region får restriktionen göras lite tuffare för att det inte ska bli för tätt på vissa åkrar.

Den ekologiska odlingen ligger separata växtföljder på den areal som är omställd. Växtföljdsrestriktionerna är samma som de som beskrivits ovan för den konventionella odlingen. Växtföljderna blir dock annorlunda på grund av andra lönsamhetsförhållen, större behov av gröngödsling för att täcka behovet av växtnäring, ett större arealbehov för att täcka foderbehovet med mera.

(30)

5.2.3 Animalieproduktion

Animalieproduktionen består av 14 djurslag som bildar produktionsakti-viteter i respektive gårdsmodell. Flertalet av dessa finns dessutom både för konventionell produktion och som ekologisk produktion. Var och en repre-senterar ett djur eller en grupp av djur, till exempel en diko med tillhörande kalvar som föds upp till slakt.

Produktionsaktiviteterna representerar vanligtvis genomsnittliga produktions- data för respektive djur i det aktuella området. Mjölk och nötkött kan dock produceras på många olika sätt förutom konventionellt och ekologiskt. Det finns därför flera olika produktionsaktiviteter för varje djurslag med olika foderstater och olika intensitet i uppfödningen av slaktdjuren.

5.2.4 Teknisk utveckling

Grundläget i SASM är att produktionstekniken speglar ett genomsnitt i respektive region i nuläget. Tekniken förändras ständigt. Produktiviteten ökar genom att det med ny teknik går att producera mer med mindre produktionsmedel. Ny teknik omfattar i detta sammanhang inte bara bättre tekniska lösningar utan även växtförädling, djuravel, bioteknik, nya grödor och allt annat som gör att det går att få en effektivare produktion.

SASM har inte någon funktion som kan förutspå hur snabb den tekniska utvecklingen kan bli. Däremot kan modellen beakta effekterna av en antagen takt i produktivitetsutvecklingen. Den kan också analysera effekten av en förändrad takt i produktivitetsutvecklingen.

Funktionerna för teknisk utveckling innebär att man i respektive scenario anger en förväntad takt per år i produktivitetsutvecklingen räknat antingen per hektar eller per djur för olika produkter och produktionsmedel. Dess-utom anges hur många år fram i tiden som beräkningen avser. SASM räknar därefter om alla produktionskoefficienter från dem som gäller i startläget till dem som förväntas gälla vid den aktuella tidpunkten. Om hektarskörden för en gröda antas öka med 1 procent per år kommer skördenivån att ha stigit med 16 procent för en beräkning som gäller 15 år fram i tiden (1,0115 = 1,16). På motsvarande sätt skulle behovet av en produktionsfaktor, till exempel arbetskraft, minska med 26 procent på 15 år om behovet per hektar eller per djur antas minska med 2 procent per år (0,9815 = 0,74).

Representationen av den tekniska utvecklingen kan användas på flera olika sätt i SASM. Det vanligaste är att skapa ett realistiskt framtidsscenario genom att lägga in en trolig takt för den tekniska utvecklingen. Då kan tak-ten hämtas från prognoser eller trendframskrivningar av den takt som varit. Ett annat sätt används om det är betydelsen av den tekniska utvecklingen som ska studeras. Då skapas flera olika scenarier med olika antaganden om takten i produktivitetsutvecklingen och sedan jämförs utfallet av beräkning-arna.

(31)

SASM kan också användas för att beräkna genomslag och effekter av specifika nya tekniska lösningar eller nya produktionsformer. Det skulle till exempel kunna vara en flerårig spannmålsgröda. Uppsättningen med pro-duktionsaktiviteter med befintlig teknik för odlingen kompletteras då med en eller flera aktiviteter som har produktionsdata för den nya produktionstekni-ken. SASM indikerar sedan vilket genomslag den nya tekniken kan få genom att beräkna i vilken mån den är ekonomiskt intressant för producenterna. SASM beräknar också de effekter den nya tekniken kan tänkas få för utbudet av jordbruksprodukter, behovet av produktionsfaktorer och i förlängningen vilka miljöeffekter den nya tekniken kan ge upphov till.

5.2.5 Datakällor för produktionskoefficienter

Data gällande genomsnittliga regionala produktionsnivåer och genomsnitt-liga regionala behov av produktionsmedel kommer främst från Jordbruks- verkets kalkylsystem (PRG, produktionsgrenskalkyler). Ett undantag är behovet av växtnäring liksom tillgången på växtnäring i stallgödsel. Där hämtas istället data från Jordbruksverkets rekommendationer för gödsling och kalkning (Jordbruksverket 2016b). I några fall saknas användbara data i Jordbruksverkets kalkylsystem. I dessa fall hämtas data främst från bidrags- kalkyler från hushållningssällskapen eller från länsstyrelsen i Västra Götaland. De data som hämtats från Jordbruksverkets kalkylsystem gäller konventionell produktion. Koefficienter för ekologisk produktion har skapats från dessa genom proportionella justeringar av de konventionella uppgifterna. Data om skillnaderna mellan ekologiskt och konventionellt kommer främst från de bidragskalkyler som länsstyrelsen i Västra Götalands län tagit fram. Skördenivå kan då till exempel vara 65 procent av den för konventionell gröda och detta antas gälla i alla regioner. På motsvarande sätt justeras även avkastningen av mjölk och ägg samt behovet av produktionsmedel men här har varje produktionsmedel en unik koefficient.

5.3 Tillgång till produktionsfaktorer

Tillgången till produktionsfaktorer är avgörande för kostnadsläget och för produktionsmöjligheterna i jordbruket. Utbudet av de flesta produktions-faktorer är styrt av givna utbudsfunktioner. I några fall är dock en produk-tionsfaktor till en aktivitet producerad av någon annan aktivitet i SASM. Det kan också handla om en mix; att delar av behovet täcks av utbud från andra aktiviteter och att resten köps in externt. Växtnäringen är ett sådant exempel. Delar av grödornas behov kan täckas av stallgödsel från djurhållningen men när den inte räcker används inköpt mineralgödsel.

SASM har en konstruktion med linjära utbudsfunktioner för de produktions-medel som köps in. Priset kan göras beroende av efterfrågad mängd genom att priset stiger vid högre volymer. Det finns emellertid inga data som beskri-ver vilken lutning linjerna ska ha. Mycket tyder på att de antingen är mycket

(32)

flacka eller mycket branta. Därför används istället antingen ett givet pris eller en given volym för tillgången på olika produktionsmedel.

5.3.1 Tillgång till mark

Utbudet av mark är fast i SASM. Det finns en viss areal inom varje delregion och den marken kan antingen användas eller ligga oanvänd. Marken är uppdelad i åker och betesmarker med flera olika kvaliteter. Åkermarken är dessutom uppdelad efter om den odlas ekologiskt eller konventionellt. Betes-marken är inte uppdelad i konventionell eller ekologisk eftersom även den konventionella betesmarksarealen nyttjas på ett sätt som skulle vara godkänt som ekologiskt om marken certifierades.

Vid kortsiktiga analyser är den omställda arealen fast. Det går inte att odla ekologiskt på mer areal än den som är omställd. Däremot går det utmärkt att använda omställd areal till konventionell odling om det skulle vara mer lön-samt. Det handlar då inte om enstaka grödor utan om hela växtföljder. Vid ett längre tidsperspektiv öppnas även en möjlighet att ställa om mer åker till ekologisk produktion. Kostnaden för omställningen kan styras med en linjär funktion där kostnaden blir högre allteftersom en högre andel av åkermarken ställs om i en region. Data för hur stora kostnaderna egentligen är saknas, så de får bestämmas genom antaganden i respektive scenario.

Marken åsätts inget pris i SASM. Värdet beräknas i stället i modellen. Det fungerar som en jordränta som motsvarar värdet av att kunna odla ett hektar extra av respektive markslag. De data om tillgången på mark av olika slag som används kommer från Jordbruksverket. Det är samma data som används i den officiella statistiken, men med en högre regional upplösning än den som publiceras. Betesmarkernas kvaliteter gällande biologiska värden är också mer detaljerade än de som publiceras i statistiken. Tio olika kvaliteter av betesmarker används med olika kombinationer av avkastningsförmåga och biologiska värden (se vidare 5.7.4).

5.3.2 Tillgång till stallbyggnader

Det byggnadsbestånd som beaktas i SASM är uppbyggt kring stallplatserna för djur. Data hämtas från den officiella statistiken. Antagandet som görs för att omvandla antal djur till stallplatser är att alla djur som finns i djurstatisti-ken har en stallbyggnad och att det inte finns fler stallplatser än så. Eftersom den regionala upplösningen i SASM är högre än i den officiella statistiken används dock data från Jordbruksverket med högre regional nedbrytning än den officiella.

Utbudet av byggnader i SASM beror sedan på tidsperspektivet. På riktigt kort sikt betraktas de som fasta. De byggnader som finns kan användas men det går inte öka animalieproduktionen eftersom det kräver fler byggnader. Det medför heller ingen kostnad att använda de befintliga stallplatserna utöver underhåll och uppvärmning. Funktionen blir därmed likartad den för mark.

(33)

På riktigt lång sikt kan byggnaderna i stället betraktas som helt rörliga. Alla djuraktiviteter som kräver byggnader måste då bära hela kostnaden för nyinvesteringar. Det innebär också att utfallet helt kommer att sakna kopp-ling till den historiska utveckkopp-lingen av var olika djur fanns. Tidsperspektivet är då 50 år eller mer.

Ingen av dessa lösningar är riktigt bra eftersom de anpassningsprocesser som beräknas i övrigt kan ta fem till tio år i verkligheten. Med ett sådant tidsperspektiv kan visa regionala förskjutningar förekomma men det går definitivt inte att starta beräkningen från noll. De företag som har djur idag har mycket bättre förutsättningar att ha djur även om fem eller tio år än ett företag som ska starta helt nytt. De som inte har haft djur tidigare måste både investera i en helt ny djuranläggning och inhämta den kunskap som krävs för den aktuella produktionsgrenen.

Eftersom många analyser görs på medellång sikt (5–20 år) är SASM kon-struerad så att det lätt går att ställa in tidsperspektivet för olika beräkningar. Beroende på det valda tidsperspektivet är större eller mindre delar av det ursprungliga byggnadsbeståndet tillgängligt utan extra kostnader. Delar av byggnadsbeståndet kräver större eller mindre ombyggnader och delar av beståndet är så pass dåligt att det måste utrangerats.

Figur 3 visar hur det idag befintliga byggnadsbeståndet reduceras och kräver större eller mindre investeringar för fortsatt användning med ett tidsperspektiv på 10 år. Hälften av de byggnader som finns i idag antas fortfarande kunna användas om 10 år utan annat än löpande underhåll. De har enbart en fast kostnad och den beaktas inte i SASM eftersom den inte kan påverkas av pro-duktionsbesluten. Ytterligare 40 procent av byggnaderna kan användas men det kräver större eller mindre reparationer eller ombyggnader. Kostnaden för dessa reparationer och ombyggnader är rörlig och beaktas i SASM. Eftersom behovet av åtgärder är allt från ganska enkla reparationen till omfattande ombyggnader ökar kostanden linjärt från noll till kostnaden för nybygge beroende på hur många stallplatser som ska åtgärdas (brant lutande blå linje).

De sämsta 10 procenten av byggnaderna antas vara så dåliga att de utrangeras under tioårsperioden. Ska mer än 90 procent av det nuvarande djurantalet finnas även om tio år krävs därför nyinvesteringar. Det är också möjligt att utöka djurantalet genom mer nyinvesteringar än utrangeringar. Kostnaden för nyinvesteringar är rörlig. Den beaktas i SASM och den antas vara svagt ökande beroende av hur många nya stallplatser som ska byggas (svagt lutande blå linje). Ett tak har satts på maximalt 20 procent fler djur i en enskild region vid ett tidsperspektiv på 10 år, därav den lodräta blå linjen vid 120 procent.

Djurhållningens omfattning beror sedan på den härledda betalningsförmågan för stallplatser i respektive region. På vissa håll går det inte att räkna hem en nyinvestering och då minskar antalet djur där. Samtidigt kan det vara

Figure

Figur 1. Principskiss över strukturen i SASM inom en av de sex marknadsregionerna.
Figur 2. Principskiss över optimeringsfunktionen i SASM för en produkt.
Figur 3.  Principskiss över investeringsfunktionen för stallplatser i SASM vid tidsperspektiv tio år
Figur 4. Principskiss över utbudsfunktionen i SASM.
+7

References

Related documents

Kontroll av kolli och kolliantal skall ske innan chauffören avviker för att kunna reklamera detta till transportör Om godset är skadat eller saknas så måste transportören skriva

Förarassistanspaket 2 (Parkeringsradar bak & fram med backkamera, Touchscreen, dödavinkelvarnare, elinfällbara sidospeglar, dimljus, standard PRO+).. Säkerhetspaket 2

Mobil skjutgrind färdigmonterad på betongfundament, med monterat passersystem, kortläsare och motorer. Finns även med öppning

Inom ramen för sin kontinuerliga strävan att förbättra sina produkter förbehåller sig Peugeot Sverige rätten att när som helst ändra tekniska uppgifter, utrustning, tillval

I propositionen föreslås det därför att övergångsbestämmelserna till lagen (1993:584) om medicintekniska produkter och lagen (2011:791) om ackreditering och teknisk

Kompakt espressomaskin för hemmet med ångmunstycke för skumning av mjölk.. Den tydliga displayen gör det enkelt att hantera maskinen, välj mellan fl era olika språk,

Cement Grey (Solid) Poppy Red (Solid) Mandarin (Solid) North Sea Blue (Solid) Signal Blue (Solid) Saffron Yellow (Solid) Ambient Blue (Metallic) Halo Silver (Metallic) Pearl

Inom ramen för sin kontinuerliga strävan att förbättra sina produkter förbehåller sig Peugeot Sverige rätten att när som helst ändra tekniska uppgifter, utrustning, tillval