Kausaalimalli viljapellon tuottavuudelle

Maanviljelyssä päätöksenteko on oleellinen osa liiketoimintaa. Päätöksiä tehdään muun muassa kylvöön, kasvinsuojeluun ja sadonkorjuuseen liittyvistä asioista. Näillä voidaan vaikuttaa tulevan sadon määrään ja laatuun sekä kustannuksiin. Tekemällä hyviä valintoja saadaan laadukas sato mahdollisimman...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Pohjonen, Timo
Muut tekijät: Matemaattis-luonnontieteellinen tiedekunta, Faculty of Sciences, Matematiikan ja tilastotieteen laitos, Department of Mathematics and Statistics, Jyväskylän yliopisto, University of Jyväskylä
Aineistotyyppi: Pro gradu
Kieli:fin
Julkaistu: 2022
Aiheet:
Linkit: https://jyx.jyu.fi/handle/123456789/81604
Kuvaus
Yhteenveto:Maanviljelyssä päätöksenteko on oleellinen osa liiketoimintaa. Päätöksiä tehdään muun muassa kylvöön, kasvinsuojeluun ja sadonkorjuuseen liittyvistä asioista. Näillä voidaan vaikuttaa tulevan sadon määrään ja laatuun sekä kustannuksiin. Tekemällä hyviä valintoja saadaan laadukas sato mahdollisimman pienin kustannuksin. Päätöksenteossa otetaan huomioon sekä taustatekijöitä että aiemmin tehtyjä päätöksiä, minkä seurauksena voidaankin ajatella, että näiden välillä on kausaalisuhde. Tässä tutkielmassa tarkastellaan maanviljelyn tuottavuutta ja keskitytään kevätviljoihin. Tutkimusmenetelmänä käytetään kausaalimallinnusta ja tuottavuutta mitataan saadun sadon laadun ja määrän sekä kustannuksien avulla. Varsinainen kausaaligraafi muodostetaan kasvinviljelyn asiantuntijan avulla käyttäen menettelytapana haastattelututkimusta. Kausaalimallin avulla voidaan tehdä identifioituvuustarkasteluja kiinnostuksen kohteena oleville kausaalivaikutuksille, joita taas voitaisiin edelleen hyödyntää kausaalivaikutusten estimoinnissa. Saatujen tulosten perusteella kausaalimallinnuksen hyödyntäminen maanviljelyn tuottavuuden arvioinnissa on mahdollista. Jokaisen päätösmuuttujan vaikutus saatuun satoon ja kustannuksiin saatiin identifioitua vähintäänkin ottamalla useampi muuttuja mukaan interventioon. Tutkielman jatkon kannalta seuraavat askeleet olisivat aineiston kerääminen ja kausaalivaikutusten estimointi.