Tarımsal Destekler Nasıl Analiz Edilir?; Matematiksel Programlama

Tarımsal desteklerin etkisinin incelenmesinde kullanılan yaklaşımlardan bir diğeri de matematiksel programlamadır. En basit şekliyle doğrusal programlama olarak bilinen ve özellikle yöneylem çalışmalarında sıklıkla kullanılan bir yaklaşım işin temelini oluşturmaktadır. Doğrusal programlama konusu tarım dışında da sıklıkla kullanıldığı için çok kolay kaynak bulunabilmektedir. Emre Alper Yıldırım hoca şurada çok güzel bir ders veriyor bu yöneylem, optimizasyon ve modelleme ile ilgili;  IE-202 Introduction to Modeling and Optimization Türkçe kitap olarak da oldukça popüler şu kitap mevcut; Yöneylem Araştırması.

Konuyu basitleştirerek anlatmaya başlayalım. Örneğin bizim bir karar birimimiz var. Örnek olarak tarımsal üreticiyi ele alabiliriz. Tarımsal üreticinin çeşitli amaçları var. Rasyonel hareket eden üreticinin tarımsal üretimden kâr elde etmek amaçladığını varsayalım. Üretici ürettiği ürünleri satarak bir gelir elde etmek istiyor. Bu gelirini de mümkün olduğu kadar artırmayı amaçlıyor. Böylelikle elimizde kâr maksimizasyonunu amaçlayan bir üretici oluyor. Üretici üretimi gerçekleştirebilmesi için çeşitli davranışlarda bulunması gerekiyor. Tarlasını sürmesi, gübre atması, hasat etmesi vb. Bu davranışları gerçekleştirebilmesi için de yeterli düzeyde iş gücü, geliri vb. koşullara sahip olması gerekiyor. Yani üretici kârını maksimize ederken çeşitli kısıtlar altında çalışıyor. Matematiksel programlama yaklaşımı da işte tam burada devreye giriyor. Elimizdeki üreticinin koşullarını dikkate alarak bir işletme modeli kuruyoruz. Bu işletme modelinde kârını maksimize etmek isteyen üreticinin 1 dekar ürün yetiştirebilmesi için gerekli iş gücü, makine vb. kısıtları model içerisinde belirtiyoruz. Ardından amaç fonksiyonu yapısı ve belirtilen kısıtlar dikkate alınarak uygun matematiksel programlama yöntemi ile (doğrusal, doğrusal olmayan, tamsayı vs.) modeli çözüyoruz. Model içerisinde tabi ki sadece teknik kısıtlar yer almamaktadır. Örneğin üretim desteğinin getirisi ve bu desteği alma koşulları da model içerisine eklenmektedir. Model tamamlandıktan sonra dikkat edilmesi gereken önemli konulardan birisi kalibrasyon denilen konudur. En basit anlatımla, model tamamlandıktan sonra üreticinin 100 dekar mısır yetiştirmesi gerektiği gibi bir sonuç çıkar. Elimizdeki gerçek veride üretici kaç dekar mısır yetiştirmektedir ve bu değer model sonucuyla ne kadar uygundur bu durumun kontrol edilmesidir, kalibrasyon. Burada istediğimiz modelin gerçek değerlere (ekim alanı, girdi kullanımı vd) mümkün olduğu kadar yakın olmasıdır. Kalibrasyon işlemi de kontrol edildikten sonra, modelde ki kısıtlar ve destekler istenilen şekilde değiştirilerek simülasyon yapılır. Örneğin ilk modelde destekler 100 TL ise, destekler %50 artırılır ve model yeniden çalıştırılır ve bu durumda üreticinin hangi ürünleri ne kadar yetiştireceği şeklinde politika simülasyonu gerçekleştirilir.

Her ne kadar burada anlatımı oldukça basitleştirilerek verilmeye çalışılsa da, uygulaması pek kolay değildir. Birinci konu kalibrasyon ile ilgilidir. Matematiksel programlama da yeterli verinin, risk konusunun vb. koşulların dikkate alınamaması model sonuçları ile gerçek üretici davranışı arasında önemli düzeyde farklılaşma yaratmaktadır. Üzerinden gelmenin yolları daha fazla ikincil veri ile desteklemek, üreticinin risk tutumunu dikkate almak vb. yaklaşımlardır. Bir diğer kalibrasyon yaklaşımı ise modelin gerçek üretim değerlerini vermeye zorlandığı pozitif matematiksel programlama yaklaşımıdır.

Matematiksel programlama çeşitli programlar vasıtasıyla gerçekleştirilebilmektedir. Özellikle GAMS bu alanda kullanılan önemli programlar arasında yer almaktadır.

Kısaca değinmek istediğim konulardan birisi de işletme düzeyinde matematiksel programlamanın desteklerin analizi konusunda Türkiye’de uygulanmasıdır. Konu ayrıntısına girildiğinde karşımıza çıkan ilk kısıtlar veri ile ilgili olanlardır. Birincil verilerin toplanması (girdi gereklilikleri, üretici varlıkları vb.) önemli düzeyde zaman almaktadır. Ayrıca yöntemlerin uygulanmasına bağlı (özellikle pozitif matematiksel programlama da) önemli düzeyde ikincil verilere (örneğin arz esneklikleri) ihtiyaç duyulmaktadır. Bu gibi durumlar maalesef konuyu Türkiye özelinde daha da zorlaştırmaktadır.

Son olarak yapılan bir kaç çalışma örneği verip bitirelim;

Bu yazı Araştırma Teknikleri kategorisine gönderilmiş. Kalıcı bağlantıyı yer imlerinize ekleyin.

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir