The Ability of a Family Farm to Generate Income from Production Activities According to the Types of Farming in Selected EU Countries

The business environment is constantly changing, and in recent years these changes have been particularly dynamic. Agriculture is especially affected by this intensity of transformation, and the entities operating within it should either respond appropriately or at least be prepared for such responses. One of the elements identified by FAO (2018) that should be taken into account in this changing environment is the level of income and its sources. In assessing the situation of family farms, the attention of researchers often focuses solely on the evaluation of income levels, without further reflection on how this income is generated. This constitutes a certain shortcoming, since the fundamental condition for the existence of an economic entity is its ability to generate profit from its own operational activities (sales), which justifies the legitimacy of maintaining such an enterprise.

A tool that enables the diagnosis of threats to the existence of an economic entity (including farms) arising from reliance on non-operational sources of income – such as excessive dependence on public support – is the operational self-sufficiency index ⁽¹⁾. The consequence of excessive use of and dependence on non-productive income sources may be the risk of withdrawing from food production, which in turn can negatively affect food security, if only because of instability in product supply. Farmers in the EU and beyond receive budgetary support to stabilise their incomes, which, as some authors point out, may result in dependence on external resources, detrimental both to farming families and to society. Kulawik (2019), citing research by Haque et al., indicates that a reduction in direct support does not necessarily lead to a deterioration in the financial and income position of agriculture or to a decline in overall social welfare. From the farm perspective, subsidies were intended to stabilise incomes (Massot, 2021), while research on EU countries between 2004 and 2017 using Granger causality analysis found no causal relationship between income stability and agricultural subsidisation (Konat, 2019). This can be easily explained by the fact that income variability is driven primarily by market conditions and variability in natural factors, whereas subsidies remain relatively constant.

Based on the above, the aim of this article is to examine whether, in countries with different levels of agricultural labour profitability and across various farm types, farmers generate income from production activities at a level sufficient for the farm to continue operating independently of budgetary support – that is, do they achieve operational self-sufficiency. A hypothesis is formulated that operational self-sufficiency is characteristic of those farm types in which budgetary subsidies play only a minor role, regardless of the country in which they operate.

Agriculture is subsidised in the European Union. Annually, the Common Agricultural Policy allocates around EUR 50 billion to the agricultural sector, primarily supporting farmers’ incomes and mitigating the environmental impact of agricultural production (Rizov et al., 2013). The external financing of agriculture is essential in shaping its economic and productive situation (Grzelak, 2012).

The situation of farms is most often assessed through the prism of the income earned from the family farm ⁽²⁾. Researchers dealing with agricultural issues pay attention to the diversity of incomes, their variability, and the factors determining their amount. Public support is an important aspect of farm operation. It is widely acknowledged that agricultural subsidies play an important role in stabilising farm income (Castañeda-Vera & Garrido, 2017; Enjolras et al., 2014; OECD, 2009), as the volatility of subsidies is potentially lower than that of other agricultural incomes (Severini et al., 2016). A study by Stępień et al. (2018) shows that without subsidies, agricultural activity on farms in the EU was unprofitable. On average, in the EU-27, subsidies accounted for between 117% and 563% of income, depending on the economic size of the farm. Only in the EU-15, on large farms, in the EUR 50,000–100,000 and EUR 100,000–500,000 SO groups, did a portion of income come from own production activities. These figures were 4% and 9%, respectively. This means that small, medium, and very large farms were less effective.

Subsidies are, by design, directed toward achieving goals that would not be fully or at all realised without support. Within the CAP, as mentioned, subsidies are intended to ensure high food availability and support farmers’ incomes. However, many studies point to highly diverse assessments of subsidies’ effects, and even advocate moving away from supporting production activity. Subsidies aimed at farm modernisation have led to increases in labour productivity, while those tied to production have limited growth in labour productivity (Garrone et al., 2019; Rizov et al., 2013; Zhu & Lansink, 2010). In most cases, subsidies were also found to play a stabilising role in relation to farmers’ incomes (Czyżewski et al., 2020) and to contribute to higher labour profitability (Baer-Nawrocka, 2013; Czyżewski et al., 2019). No reduction in income polarization was observed (Czyżewski et al., 2020). Thus, subsidies also partly serves a social protection function (Bojnec & Latruffe, 2013; Walls et al., 2018). It should be emphasized, however, that subsidies increase farm competitiveness (Kravčáková-Vozárová & Kotulič, 2025), although many studies have found that farm income growth was achieved only thanks to subsidies, despite a decline in production volume (Szuba & Poczta, 2013). This suggests that farmers may reduce both the scale and intensity of production if their income source is secured through budgetary transfers. Production reduction is further encouraged by redirecting support from production development toward supporting reductions in high-GHG-emission production. Payments are granted for curbing production (Laborde et al., 2021), which makes farmers’ incomes even more dependent on transfers rather than production activity. Moreover, calls are increasingly frequent to restrict subsidies solely to those that reduce agriculture’s environmental pressure. Proposed subsidies include those linked to nature conservation, such as payments for reducing production, particularly livestock farming (Heyl et al., 2022).

Investment subsidies, mainly under Pillar II, encourage investment and partly substitute for agricultural credit (Kata, 2024). Unfortunately, overinvestment often occurs, leading to the conclusion that for subsidies to be effective in fostering productivity growth, they should be directed toward development-oriented investments (Dorward & Morrison, 2015; Kusz et al., 2022).

Subsidies may also slow down farm scale enlargement and lead to inefficient input use (Aubert & Enjolras, 2022), which in turn contributes to excessive environmental pressure (Anderson et al., 2023), as high subsidies discourage land savings (Ewers et al., 2009). In this context, an important question arises: to what extent are farms capable of sustaining production without subsidy support, and does this depend on the type of production and overall agricultural productivity in a given country?

The issue of the operation of entities using subsidies as the main source of profits concerns microfinance entities, and the assessment of operational self-sufficiency (OSS) in microfinance entities, made it possible to recognise whether such an institution has generated sufficient operating income to cover its total expenses, including operating expenses, financial expenses and loan loss provisions. Examination of this indicator makes it possible to determine the extent to which an organisation’s operating activities are self-sufficient. The mechanism of self-sufficiency is important because it allows an organisation to be sustainable and, according to Woolcock, to remain financially viable in the absence of domestic or foreign subsidies (Woolcock, 1999). This mechanism seems to be an important element in the evaluation of the different actors that use subsidies for their functioning (existence). It eems that in EU agriculture, we are not yet at such a stage of threatening the existence of farms, but there is an increasing dependence of the farms on various types of subsidies (grants). The consequence of this can be to undermine financial stability and lead to migration from rural areas. This issue is addressed, for example, by Galluzzo (2018). Thanks to subsidies, as this author believes, the socioeconomic marginalisation of such regions can be reduced.

Across the EU, across a range of farm types, larger farms show greater stability of farm income (Reidsma et al., 2009; El Benini & Finger, 2013; Severini et al., 2016; European Parlament, 2024), as they can achieve greater economies of scale, often have greater opportunities for external finance or greater savings, and therefore may be better able to cope with extreme or adverse farming conditions (Marra & Schurle, 1999; El Benini & Finger, 2013; Kusz et al., 2022). It is also indicated that direct payments made to farmers based on the area cultivated are associated with relatively greater instability of farm income for most farm types (Harkness et al., 2021).

The source of data for the calculations was the FADN database, from which the data necessary to describe the phenomenon of interest for the period 2018–2022 were used. Due to the great diversity of European agriculture, an attempt was made to bridge these differences by using two criteria: the income per work unit index developed by Andrejovska and Glova (2022) and the farm agricultural type ⁽³⁾. Based on the results obtained by the aforementioned authors, our article distinguished two groups of countries. The first includes countries in which the family farm income per AWU reached a value above the average calculated for the entire EU, while group two included those in which the income level was below the EU average. Group 1 included (according to the methodology of Andrejovska and Glova): Belgium, Germany, Denmark, Italy, France, Luxembourg and the Netherlands. Group 2 included: Cyprus, Greece, Croatia, Lithuania, Latvia, Poland, Portugal, Romania and Slovenia. The paper does not include data from all the countries shown by Andrejovska and Glova, because the authors’ aim was to minimise differences between countries, and in the omitted four countries, the area of farms is several times larger than in the surveyed countries, and they rely on hired rather than own labour. The study included eight basic types of agriculture. They were distinguished according to the methodology used in the FADN (Floriańczyk et al., 2025) and are numbered as follows: 1 – field crops, 2 – horticulture, 3 – wine, 4 – permanent crops, 5 – milk, 6 – grazing livestock, 7 – granivores and 8 – mixed.

According to the methodology for calculating family farm income used in the FADN, two sources of its creation can be distinguished: agricultural production and non-productive activities. Budget support and financial costs (the effect of financial activities) were considered the non-productive part of creation. The issue of costs related to acquired external funds, which most often support production activities, requires clarification. The proposed approach does not aim to discourage farmers from using external financing, but rather to assess whether they are able to use these funds in a way that agricultural production activities generate at least a minimal income for the farmer, and subsidies increase this income to a socially acceptable level.

For the study, variables were identified, the explanations of which are summarised in Table 1.

Table 1.

Variable / Zmienna	Definition / Definicja
Y	An indicator of the ability to generate income from productive activities – the operational self-sufficiency ratio (OSS) is the ratio of the value of sales to the value of total farm costs. Sales were calculated as the difference between the value of total production (SE131) and production for domestic consumption (SE260) and the value of internal consumption (SE265). Total costs includes direct costs, economy-wide costs, depreciation and the cost of external factors, excluding the cost of own family labour (OSS) /Miara zdolności tworzenia dochodu z działalności produkcyjnej – współczynnik samowystarczalności operacyjnej (OSS) jest relacją wartości sprzedaży do wartości kosztów całkowitych gospodarstwa rolnego. Sprzedaż została obliczona jako różnica wartości produkcji ogółem (SE131) oraz produkcji na potrzeby domowe (SE260) i wartości spożycia wewnętrznego (SE265). Koszty całkowite obejmują koszty: koszty bezpośrednie, koszty ogólnogospodarcze, amortyzację i koszt czynników zewnętrznych, bez kosztów pracy własnej rodziny (OSS) calculation formula/formula obliczeniowa OSS=SE131−SE260−SE265SE275+SE360+SE365 \[ {\text{calculation}}\,{\text{formula}}/{\text{formula}}\,{\text{obliczeniowa}}\,OSS = \frac{{SE131 - SE260 - SE265}} {{SE275 + SE360 + SE365}} \]
X1	Share of income form agriculture activity (IAA) in the value of family farm income, IAA was calculated according to the formula: IAA = SE131 − SE275 − SE360 − SE370 − SE375 /Udział wartości dochodu z działalności produkcyjnej w wartości dochodu z rodzinnego gospodarstwa rolnego (IAA) został obliczony zgodnie z formułą: IAA = SE131 − SE275 − SE360 − SE370 − SE375
X2	Share of SUB, is the ratio of the value of the balances of operating and investment subsidies and income from the family farm (%SUB) /Udział SUB, stanowi relację wartości sald dopłat do działalności operacyjnej i inwestycyjnej oraz dochodu z rodzinnego gospodarstwa rolnego (%SUB)
X3	Share financial cost (FC), is the absolute value (due to the logarithmisation of the data) of interest costs in relation to the value of income from the family farm (%FC) /Udział kosztów finansowych (FC) jest wartością bezwzględną (ze względu na logarytmowanie danych) kosztów odsetek w relacji do wartości dochodu z rodzinnego gospodarstwa rolnego (%FC)

Source: own study.

Źródło: opracowanie własne.

The panel regression method was chosen because it assesses relationships between variables by combining cross-sectional and time-series data. This means that the assessment is comprehensive. This method combines data collected for multiple observations (e.g., in this study, countries) at several points in time. It allows for analysing relationships between variables, while accounting for changes over time and individual differences.

Data analysis used panel modelling with fixed (FEM) and random (REM, GLS) effect estimators using the Gretl programme. The choice between fixed effect (FEM) and random effect (REM, GLS) models was made after the Hausman test (at p < 0.05). The FEM model is considered more reliable than REM (Hausman, 1978; Hausman & Taylor, 1981). After the Breusch-Pagan test and Hausman test, it was decided to estimate the model using the weighted least squares method (only for type 2, Group 2, this method of estimation could not be used).

The general form of estimation according to the weighted least squares method – WLS can be written using formula (1): (1) wiyi=β0wi+β1(w1x1i)+β2(w2x2i)+…+βk(wkxki)+εi w_i y_i = \beta _0 w_i + \beta _1 \left( {w_1 x_{1i} } \right) + \beta _2 \left( {w_2 x_{2i} } \right) + \ldots + \beta _k \left( {w_k x_{ki} } \right) + \varepsilon _i for i = 1,2,3...n

The weights are determined according to formula (2): (2) w=1σ i2, w = \frac{1}{{\sqrt {\sigma _i^2 } }}, where: σ i2=eln(e i2) \sigma _i^2 = e^{\ln \left( {e_i^2 } \right)} (Borkowski et al., 2003).

For the missing solution, i.e. for type 2 in group 2, the GLS estimation is used. In GLS estimation, individual effects are assumed to be a random variable and are correlated with a pure random error. The pooled random error is characterised by correlation within the same object, while no correlation is assumed for different objects. Such a situation requires the use of a generalised least squares method, whose generalised least structural parameter estimator has the form expressed in Equation 3. (3) β_RE=(X^TΩ^(−1)X)^(−1)X^TΩ^(−1)y \beta \_RE = \left( {X^\^ T\Omega ^\^ \left( { - 1} \right)X} \right)^\^ \left( { - 1} \right)X^\^ T\Omega ^\^ \left( { - 1} \right)y where:

• X – matrix of explanatory variables,

• y – vector of explanatory variables

• Ω – the invertible variance-covariance matrix of the pooled random error (Kufel, 2007).

Typically, panel models face three groups of assumption problems: residual distribution, group heteroskedasticity and serial correlation, including cross-sectional correlation. Due to the presence of the effect of high heteroskedasticity in the variables, this was mitigated by logarithmising the variables, which ultimately resulted in models that will have logarithms of the variables considered. The models will be presented according to Equation 4: (4) LnOSS=β0wi+β1Ln%IAA+β2Ln%SUB+β3Ln%FC+εi (WLS estimation)LnOSS=β0wi+β1Ln%IAA+β2Ln%SUB+β3Ln%FC+εi (estymacja WLS) \begin{gathered} LnOSS = \beta _{0wi} + \beta _1 Ln\% IAA + \beta _2 Ln\% SUB + \beta _3 Ln\% FC + \varepsilon _i \,\,\left( {{\text{WLS}}\,{\text{estimation}}} \right) \hfill \\ LnOSS = \beta _{0wi} + \beta _1 Ln\% IAA + \beta _2 Ln\% SUB + \beta _3 Ln\% FC + \varepsilon _i \,\,\left( {{\text{estymacja}}\,{\text{WLS}}} \right) \hfill \\ \end{gathered}

The conducted research focused on the mechanism of operational self-sufficiency, which was considered important from the point of view of the survival of the farm and the possibility of achieving one of the main goals of agriculture, i.e. ensuring a sufficient quantity of food of appropriate quality, and consequently food security (in addition to such goals as profit or environmental goals). Based on the obtained results, it can be stated that the situation in which the level of operational self-sufficiency measured by the OSS indicator is lower than considered correct, concerned not only farms in countries with low farm incomes (Group 2), but also (even more intensively) farms in countries with high farm incomes (Group 1). This indicates a greater dependence of farms in the latter countries on non-operational sources of income. Significant differences were also observed in operational self-sufficiency between farms belonging to different production types; the situation is the worst in farms with grazing livestock, and the best in types of horticulture and wine farms.

There is a significant difference in the level of farm income between Groups 2 and 1 of countries, which is related to the provision of basic production factors, especially land. Large land resources in farms result in greater support from subsidies, which translates into the structure of income generation. The research showed that the largest share of production activity in the income from a family farm was observed in those farms whose production did not require significant land provision or carried out intensive plant production. Regardless of the level of farm income (established for group of countries as proposed by Andrejovska and Glova [2022]), these were permanent crops, vineyards, vegetable crops and granivorous animals. One can assume that larger farms receive sufficiently high subsidies to generate sufficient income from the family farm. Still, the level of operational self-sufficiency observed in them is relatively lower.

In farms from countries included in Group 1, production activity did not significantly impact the level of operational self-sufficiency. The least self-sufficient types of farming are those of grazing livestock, granivore, and mixed production. It should therefore be concluded that farms engaged in plant production demonstrate the higher ability to generate family farm income. This also means that income from family farms with livestock production is more dependent on subsidies (this applies to both studied groups of countries). This thesis was fully confirmed in the study. The problematic situation in generating income from production activity, as measured using the OSS indicator, was observed for farms of various types of farming in both Group 1 and Group 2 countries, namely Luxembourg, Denmark, Latvia, Slovenia, and Lithuania. On average, farms in these countries are most heavily dependent on subsidies. Therefore, the problem of farm profitability dependence on budget support applies to both countries with higher and lower labour productivity.

Otoczenie gospodarcze nieustannie się zmienia, a w ostatnich latach zmiany te były szczególnie dynamiczne. Rolnictwo jest szczególnie dotknięte intensywnością transformacji, a podmioty w nim działające powinny albo odpowiednio reagować na zmiany, albo przynajmniej być do takich działań przygotowane. Jednym z elementów zidentyfikowanych przez FAO (2018), które należy uwzględnić w tym zmieniającym się otoczeniu, jest poziom dochodów i ich źródła. Oceniając sytuację gospodarstw rodzinnych, badacze często koncentrują się wyłącznie na poziomie dochodów, nie biorąc pod uwagę sposobu ich generowania. Stanowi to lukę, ponieważ podstawowym warunkiem istnienia podmiotu gospodarczego jest jego zdolność do generowania zysku z działalności produkcyjnej (sprzedaży), co uzasadnia zasadność utrzymywania przedsiębiorstwa.

Narzędziem do diagnozowania zagrożeń dla istnienia podmiotu gospodarczego (w tym gospodarstw rolnych) wynikających z uzależnienia od nieoperacyjnych źródeł dochodów – takich jak nadmierna zależność od wsparcia publicznego – jest wskaźnik samowystarczalności operacyjnej ⁽⁴⁾. Konsekwencją nadmiernego uzależnienia od nieprodukcyjnych źródeł dochodów może być ryzyko wycofania się z produkcji żywności, co z kolei może negatywnie wpłynąć na bezpieczeństwo żywnościowe, przede wszystkim z powodu niestabilności dostaw produktów. Rolnicy w UE i poza nią otrzymują wsparcie budżetowe w celu stabilizacji dochodów, co, jak wskazują niektórzy autorzy, może skutkować zależnością od zasobów zewnętrznych, szkodliwą zarówno dla rodzin rolniczych, jak i społeczeństwa. Kulawik (2019), cytując badania Haque̕a i in., wskazuje, że zmniejszenie wsparcia bezpośredniego niekoniecznie prowadzi do pogorszenia sytuacji finansowej i dochodowej rolnictwa lub do spadku ogólnego dobrobytu społecznego. Z perspektywy gospodarstwa rolnego dotacje miały na celu stabilizację dochodów (Massot, 2021). Jednakże badania przeprowadzone w krajach UE w latach 2004–2017, z wykorzystaniem analizy przyczynowości Grangera, nie wykazały związku przyczynowego między stabilnością dochodów a subsydiowaniem rolnictwa (Konat, 2019). Można to łatwo wyjaśnić faktem, że zmienność dochodów jest napędzana przede wszystkim przez warunki rynkowe i zmienność czynników naturalnych, podczas gdy subsydia pozostają względnie stałe.

Biorąc pod uwagę powyższe ustalenia, celem artykułu było rozpoznanie, czy w krajach o różnym poziomie produktywności pracy w rolnictwie i w gospodarstwach o różnych typach rolniczych rolnicy generują dochody z działalności produkcyjnej na poziomie wystarczającym do kontynuowania działalności niezależnie od wsparcia budżetowego – czyli czy osiągają samowystarczalność operacyjną. Postawiono hipotezę, że samowystarczalność operacyjna jest charakterystyczna dla typów rolniczych, w których dotacje budżetowe odgrywają jedynie niewielką rolę, niezależnie od kraju, w którym działają.

Rolnictwo w Unii Europejskiej jest subsydiowane. W ramach wspólnej polityki rolnej (WPR) corocznie przeznacza się na sektor rolny około 50 mld EUR, głównie na wsparcie dochodów rolników i łagodzenie wpływu produkcji rolnej na środowisko (Rizov i in., 2013). Finansowanie zewnętrzne rolnictwa ma obecnie kluczowe znaczenie dla kształtowania jego sytuacji ekonomicznej i produkcyjnej (Grzelak, 2012).

Sytuację gospodarstw rolnych najczęściej ocenia się z perspektywy dochodów uzyskiwanych z rodzinnego gospodarstwa rolnego. ⁽⁵⁾ Badacze zajmujący się problematyką rolnictwa koncentrują się na zróżnicowaniu dochodów, ich zmienności i czynnikach, które determinują ich wysokość. Z badań wynika, że wsparcie publiczne jest kluczowe w działalności produkcyjnej. Powszechnie uznaje się, że dotacje rolne odgrywają ważną rolę w stabilizacji dochodów gospodarstw rolnych (Castañeda- Vera i Garrido, 2017; Enjolras i in., 2014; OECD, 2009), ponieważ zmienność dopłat jest niższa niż zmienność dochodów gospodarstw z innych źródeł (Severini i in., 2016). Badanie S. Stępnia i in. (2018) pokazało, że bez dopłat działalność produkcyjna w gospodarstwach rolnych w UE była nieopłacalna. Średnio w UE-27 dotacje stanowiły od 117% do 563% dochodów gospodarstw rolnych, w zależności od wielkości ekonomicznej gospodarstwa. Jedynie w krajach UE-15, w dużych gospodarstwach rolnych, w grupach o wartości standardowej produkcji 50 000–100 000 i 100 000–500 000 EUR, część dochodów pochodziła z działalności produkcyjnej. Wskaźniki te wynosiły odpowiednio 4% i 9%. Oznacza to, że gospodarstwa małe, średnie i bardzo duże były mniej efektywne i nie uzyskiwały dochodu z działalności produkcyjnej.

Dotacje są z założenia ukierunkowane na osiągnięcie celów, które bez wsparcia nie zostałyby w pełni lub w ogóle zrealizowane. W ramach WPR, jak wspomniano, dotacje mają na celu zapewnienie wysokiej dostępności żywności i wsparcie dochodów rolników. Jednak wiele badań wskazuje na znaczne zróżnicowane skutków dotacji, a w niektórych postuluje się nawet odejście od wspierania działalności produkcyjnej. Jak ustalono, dotacje mające na celu wsparcie modernizacji gospodarstw rolnych doprowadziły do wzrostu wydajności pracy, podczas gdy dotacje związane z produkcją ograniczyły ten wzrost (Garrone i in., 2019; Rizov i in., 2013; Zhu i Lansink, 2010). W większości przypadków stwierdzono również, że dotacje odgrywają stabilizującą rolę w odniesieniu do dochodów rolników (Czyżewski i in., 2020) i przyczyniają się do wyższej rentowności pracy (Baer-Nawrocka, 2013; Czyżewski i in., 2019). Nie zaobserwowano przy tym zmniejszenia polaryzacji dochodów (Czyżewski i in., 2020). Dotacje pełnią zatem również częściowo funkcję ochrony socjalnej (Bojnec i Latruffe, 2013; Walls i in., 2018). Według innych badań, dotacje zwiększają konkurencyjność gospodarstw rolnych, w tym mierzoną poziomem dochodów (Kravčáková-Vozárová i Kotulič, 2025), chociaż w innych analizach wykazano, że wzrost dochodów gospodarstw rolnych został osiągnięty wyłącznie dzięki dotacjom, pomimo spadku wielkości produkcji (Szuba i Poczta, 2013). Sugeruje to, że rolnicy mogą zmniejszać zarówno skalę, jak i intensywność produkcji, jeśli ich dochody są zabezpieczone poprzez transfery budżetowe. Do ograniczenia produkcji zachęca również przekierowanie wsparcia z inwestycji lub rozwoju produkcji na wsparcie ograniczenia produkcji prowadzącej do wysokiej emisji gazów cieplarnianych. Płatności są często przyznawane za ograniczenie produkcji (Laborde i in., 2021), co dodatkowo zwiększa zależność dochodów rolników od transferów, a nie od działalności rolniczej. Ponadto coraz częściej pojawiają się społeczne i polityczne apele o ograniczenie dotacji wyłącznie do takich, które prowadzą do zmniejszenia presji rolnictwa na środowisko. Proponowane dotacje obejmują te związane z ochroną przyrody, takie jak płatności za ograniczenie produkcji, w szczególności hodowli zwierząt (Heyl i in., 2022).

Dotacje inwestycyjne, głównie w ramach filaru II WPR, zachęcają do inwestycji i częściowo zastępują kredyty rolnicze (Kata, 2024). Niestety czasami dochodzi do przeinwestowania, co prowadzi do wniosku, że aby dotacje były skuteczne w pobudzaniu wzrostu wydajności, powinny być kierowane na inwestycje zorientowane na rozwój, a nie tylko na modernizację (Dorward i Morrison, 2015; Kusz i in., 2022).

Dotacje mogą również spowolniać proces powiększania gospodarstw rolnych i prowadzić do nieefektywnego wykorzystania środków produkcji (Aubert i Enjolras, 2022), co z kolei przyczynia się także do nadmiernej presji na środowisko (Anderson i in., 2023), ponieważ wysokie dotacje zniechęcają do stosowania działań ziemiooszczędnych (Ewers i in., 2009). W tym kontekście pojawia się kluczowe pytanie: w jakim stopniu gospodarstwa rolne są w stanie utrzymać produkcję bez wsparcia w postaci dotacji i czy zależy to od typu produkcyjnego gospodarstwa i ogólnej wydajności rolnictwa w danym kraju?

Sprawa funkcjonowania podmiotów wykorzystujących dotacje jako główne źródło zysków dotyczy podmiotów mikrofinansowych, a ocena samowystarczalności operacyjnej (OSS) w podmiotach mikrofinansowych umożliwia rozpoznanie, czy dana instytucja wygenerowała wystarczające przychody operacyjne, aby pokryć swoje całkowite wydatki, w tym koszty operacyjne, koszty finansowe i rezerwy na koszty kredytowe. Na podstawie tego wskaźnika można określić w jakim stopniu działalność operacyjna organizacji jest samowystarczalna. Mechanizm samowystarczalności jest ważny, ponieważ pozwala organizacji na zrównoważony rozwój i według Woolcocka (1999), na utrzymanie rentowności finansowej w przypadku braku dotacji krajowych lub zagranicznych. Mechanizm ten wydaje się być ważnym elementem oceny podmiotów, które wykorzystują dotacje dla utrzymania swojego funkcjonowania (istnienia). Wydaje się, że w rolnictwie UE nie jesteśmy jeszcze na etapie, na którym zagrożone jest istnienie gospodarstw rolnych, ale są one w coraz większym stopniu zależne od różnego rodzaju dotacji (subwencji). Konsekwencjami tego mogą być osłabienie stabilności finansowej gospodarstw i wynikająca z tego migracja z obszarów wiejskich. Kwestia ta została poruszona m.in. przez Galluzzo (2018). Dzięki dotacjom, jak zauważa ten autor, można zmniejszyć marginalizację społeczno-gospodarczą regionów wiejskich.

W całej UE, w przekroju różnych typów gospodarstw rolnych, większe gospodarstwa charakteryzują się większą stabilnością dochodów (Reidsma i in., 2009; El Benini i Finger, 2013; Severini i in., 2016; Parlament Europejski, 2024), gdyż mogą osiągać większe korzyści skali, często mają lepszy dostęp do finansowania zewnętrznego lub większe oszczędności, a tym samym są lepiej przygotowane do radzenia sobie z ekstremalnymi lub niekorzystnymi warunkami prowadzenia działalności produkcyjnej (Marra i Schurle, 1999; El Benini i Finger, 2013; Kusz i in., 2022). Wskazuje się również, że płatności bezpośrednie wypłacane rolnikom na podstawie powierzchni upraw są związane ze stosunkowo większą niestabilnością dochodów gospodarstw rolnych w większości typów rolniczych (Harkness i in., 2021).

Źródłem danych w badaniach była baza danych FADN, z której pobrano dane niezbędne do opisu interesującego nas zjawiska za okres 2018–2022. Ze względu na duże zróżnicowanie rolnictwa europejskiego, podjęto próbę zniwelowania wpływu tych różnic na wyniki poprzez zastosowanie dwóch kryteriów: wskaźnika dochodu na jednostkę pracy opracowanego przez Andrejovską i Glovę (2022) oraz typu rolniczego gospodarstwa ⁽⁶⁾. Na podstawie wyników uzyskanych przez wyżej wymienione autorki, w naszym artykule wyróżniono dwie grupy krajów. Pierwsza obejmuje kraje, w których dochód z rodzinnego gospodarstwa rolnego na AWU osiągnął wartość powyżej średniej obliczonej dla całej UE, natomiast grupa druga obejmuje te, w których poziom dochodów był niższy od średniej UE. Grupa 1 obejmowała (według metodologii Andrejovskiej i Glovy): Belgię, Niemcy, Danię, Włochy, Francję, Luksemburg i Holandię. Grupa 2 obejmowała: Cypr, Grecję, Chorwację, Litwę, Łotwę, Polskę, Portugalię, Rumunię i Słowenię. W artykule nie uwzględniono danych ze wszystkich krajów przedstawionych przez Andrejovską i Glovę, ponieważ celem autorów było zminimalizowanie różnic między krajami. W czterech pominiętych krajach powierzchnia gospodarstw rolnych jest kilkakrotnie większa niż w krajach objętych badaniem i opierają się one na pracy najemnej, a nie własnej. Badaniem objęto osiem podstawowych typów rolniczych. Wyróżniono je zgodnie z metodologią stosowaną w FADN (Floriańczyk i in., 2025) i ponumerowano następująco: 1 – uprawy polowe, 2 – uprawy ogrodnicze, 3 – winnice, 4 – uprawy trwałe, 5 – krowy mleczne, 6 – zwierzęta trawożerne, 7 – zwierzęta ziarnożerne i 8 – mieszane.

Zgodnie z metodologią obliczania dochodu z gospodarstwa rolnego stosowaną w FADN, można wyróżnić dwa źródła jego powstawania: produkcję rolną oraz działalność pozaprodukcyjną. Za pozaprodukcyjną część powstawania uznano wsparcie budżetowe i koszty finansowe (efekt działalności finansowej). Wyjaśnienia wymaga kwestia kosztów związanych z pozyskanymi środkami zewnętrznymi, które często wspierają działalność produkcyjną. Proponowane podejście nie ma na celu zniechęcenia rolników do korzystania z finansowania zewnętrznego, lecz ocenę, czy potrafią oni wykorzystać te środki w sposób, który generuje przynajmniej minimalny dochód dla rolnika z działalności produkcyjnej, a dotacje zwiększają ten dochód do poziomu akceptowalnego społecznie.

W badaniu wykorzystano zmienne objaśnione w tabeli 1.

W realizacji badania wybrano metodę regresji panelowej, ponieważ ocenia ona zależności między zmiennymi poprzez łączenie danych przekrojowych i szeregów czasowych. Oznacza to, że ocena jest kompleksowa i łączy analizę danych zebranych z wielu obserwacji (np. krajów objętych niniejszym badaniem) w kilku punktach czasowych. Pozwala to analizować zależności między zmiennymi, uwzględniając jednocześnie zmiany w czasie i różnice indywidualne.

W analizie danych wykorzystano modelowanie panelowe z estymatorami efektu stałego (FEM) i losowego (REM, GLS) z wykorzystaniem programu Gretl. Wyboru między modelem z efektami stałymi (FEM) a modelem z efektami losowymi (REM, GLS) dokonano na podstawie testu Hausmana (przy p < 0,05). Model FEM jest uważany za bardziej wiarygodny niż model REM (Hausman, 1978; Hausman i Taylor, 1981). Na podstawie testu Breuscha–Pagana i testu Hausmana zdecydowano się na estymację modelu wykorzystującego ważoną metodę najmniejszych kwadratów (tylko dla typu 2, grupy 2, ta metoda estymacji nie mogła być stosowana). Ogólną postać estymacji ważoną metodą najmniejszych kwadratów – WLS można zapisać za pomocą wzoru (1): (1) wiyi=β0wi+β1(w1x1i)+β2(w2x2i)+…+βk(wkxki)+εi w_i y_i = \beta _0 w_i + \beta _1 \left( {w_1 x_{1i} } \right) + \beta _2 \left( {w_2 x_{2i} } \right) + \ldots + \beta _k \left( {w_k x_{ki} } \right) + \varepsilon _i dla i = 1,2,3...n

Wagi są ustalane zgodne z formułą (2): (2) w=1σ i2, w = \frac{1}{{\sqrt {\sigma _i^2 } }}, gdzie: σ i2=eln(e i2) \sigma _i^2 = e^{\ln \left( {e_i^2 } \right)} (Borkowski i in., 2003).

Dla brakującego rozwiązania, to jest dla typu 2 w grupie 2, wykorzystano model GLS. Zakłada się w nim, że efekty indywidualne są zmienną losową i są skorelowane z czystym błędem losowym. Łączny błąd losowy charakteryzuje się korelacją w obrębie tego samego obiektu, podczas gdy dla różnych obiektów nie zakłada się korelacji. Taka sytuacja wymaga zastosowania uogólnionej metody najmniejszych kwadratów, której uogólniony estymator najmniejszego parametru strukturalnego ma postać wyrażoną w równaniu 3. (3) β_RE=(X^TΩ^(−1)X)^(−1)X^TΩ^(−1)y \beta \_RE = \left( {X^\^ T\Omega ^\^ \left( { - 1} \right)X} \right)^\^ \left( { - 1} \right)X^\^ T\Omega ^\^ \left( { - 1} \right)y gdzie:

• X – macierz zmiennych objaśniających,

• y – wektor zmiennych objaśniających,

• Ω – odwracalna macierz wariancji-kowariancji skumulowanego błędu losowego (Kufel, 2007).

Zazwyczaj modele panelowe napotykają trzy grupy problemów z założeniami: rozkład reszt, heteroskedastyczność grupową oraz korelację seryjną, w tym korelację przekrojową. Ze względu na wysoką heteroskedastyczność zmiennych, efekt ten został złagodzony poprzez logarytmowanie zmiennych, co ostatecznie doprowadziło do powstania modeli uwzględniających logarytmy rozważanych zmiennych. Modele zostaną przedstawione zgodnie z zapisem w równaniu 4: (4) LnOSS=β0wi+β1Ln%IAA+β2Ln%SUB+β3Ln%FC+εi (WLS estimation)LnOSS=β0wi+β1Ln%IAA+β2Ln%SUB+β3Ln%FC+εi (estymacja WLS) \begin{gathered} LnOSS = \beta _{0wi} + \beta _1 Ln\% IAA + \beta _2 Ln\% SUB + \beta _3 Ln\% FC + \varepsilon _i \,\,\left( {{\text{WLS}}\,{\text{estimation}}} \right) \hfill \\ LnOSS = \beta _{0wi} + \beta _1 Ln\% IAA + \beta _2 Ln\% SUB + \beta _3 Ln\% FC + \varepsilon _i \,\,\left( {{\text{estymacja}}\,{\text{WLS}}} \right) \hfill \\ \end{gathered}

Przeprowadzone badania koncentrowały się na mechanizmie samowystarczalności operacyjnej, który uznano za istotny z punktu widzenia przetrwania gospodarstwa rolnego, a więc możliwości osiągnięcia jednego z głównych celów przedsiębiorstwa rolniczego i całego rolnictwa, tj. zapewnienia wystarczającej ilości żywności na potrzeby krajowe, a co za tym idzie – bezpieczeństwa żywnościowego (oprócz celów takich jak zysk czy cele środowiskowe). Na podstawie uzyskanych wyników można stwierdzić, że sytuacja, w której poziom samowystarczalności operacyjnej mierzony wskaźnikiem OSS jest niższy od uznawanego za prawidłowy, dotyczyła nie tylko gospodarstw w krajach o niskich dochodach (Grupa 2), ale także, i to jeszcze silniej, gospodarstw w krajach o wysokich dochodach rolniczych (Grupa 1). Wskazuje to na większe uzależnienie gospodarstw w tej ostatniej grupie krajów od pozaoperacyjnych źródeł dochodu, czytaj subsydiów.

Istotne różnice zaobserwowano również w zakresie samowystarczalności operacyjnej między gospodarstwami należącymi do różnych typów produkcyjnych; najgorsza sytuacja występuje w gospodarstwach w typie zwierzęta trawożerne, a najlepsza w gospodarstwach zaliczanych do typów rolniczych uprawy ogrodnicze i winnice.

Istnieje znacząca różnica w poziomie dochodów z gospodarstw rolnych między krajami z Grupy 2 i 1, co jest związane z zapewnieniem podstawowych czynników produkcji, zwłaszcza ziemi. Duże zasoby ziemi w gospodarstwach rolnych skutkują uzyskiwaniem wyższych dopłat, co przekłada się na wyższy udział dochodów ze stabilnych źródeł. Badania wykazały, że największy udział działalności produkcyjnej w dochodach z gospodarstwa rodzinnego zaobserwowano w tych gospodarstwach, których produkcja nie wymagała znacznych zasobów ziemi lub obejmowała intensywną, ziemiooszczędną, produkcję roślinną. Niezależnie od poziomu dochodu z gospodarstwa na osobę (ustalonego dla grup krajów zgodnie z propozycją Andrejovskiej i Glovy [2022]), były to gospodarstwa z typów: uprawy trwałe, winnice, uprawy ogrodnicze i zwierzęta ziarnożerne. Można założyć, że większe gospodarstwa otrzymują wystarczająco wysokie dopłaty, aby generować wymagany przez rodzinę dochód z gospodarstwa rodzinnego. Mimo to, obserwowany w tych gospodarstwach poziom samowystarczalności operacyjnej jest niższy.

W gospodarstwach z krajów z Grupy 1. działalność produkcyjna nie wpływała znacząco na poziom samowystarczalności operacyjnej. Najmniej samowystarczalnymi są tam gospodarstwa z typów rolniczych: zwierzęta trawożerne, zwierzęta ziarnożerne i mieszane. Należy zatem stwierdzić, że gospodarstwa zajmujące się produkcją roślinną wykazują większą zdolność do generowania dochodów z gospodarstwa rodzinnego. Oznacza to jednocześnie, że dochody z gospodarstw rodzinnych z produkcją zwierzęcą są bardziej uzależnione od dopłat i dotyczy to obu badanych grup krajów. Teza ta została w pełni potwierdzona w badaniu.

Trudna sytuacja w generowaniu dochodów z działalności produkcyjnej, mierzona z użyciem wskaźnika OSS, wystąpiła w gospodarstwach w różnychtypach rolniczych zarówno w krajach Grupy 1, jak i Grupy 2, a mianowicie w Luksemburgu, Danii, na Łotwie, w Słowenii i na Litwie. Gospodarstwa rolne w tych krajach są przeciętnie najbardziej uzależnione od dopłat. Należy skonkludować, że problem uzależnienia rentowności gospodarstw rolnych od wsparcia budżetowego nie wynika bezpośrednio z efektywności zasobów w gospodarstwach, ale z zewnętrznych warunków gospodarowania i dotyczy gospodarstw zarówno z krajów o wyższej, jak i niższej wydajności pracy.