Jensen P. L., Schou J. S. og Ørby, P.V. 2008. Faglig rapport fra DMU nr. 651. 27 s.

 

Sammenfatning

Ekstensivering af driften på landbrugsarealer gennem ændret dyrkningspraksis eller driftsophør, er et væsentligt virkemiddel i natur og landskabspolitikken. Således vil arealekstensivering være relevant i forbindelse med en række natur- og miljøprojekter i det åbne land, bl.a. de fremtidige nationalparker og den eksisterende indsats i regi af Vandmiljøplan III (VMPIII). Arealekstensivering betyder, at de berørte landbrugsarealer dyrkes på en, for miljøet, mere skånsom måde - eksempelvis ved dyrkning uden anvendelse af pesticider eller gødning, eller ved at de helt udtages af den egentlige landbrugsproduktion. Som eksempel kan det nævnes, at der i forbindelse med VMPIII skal udlægges 50.000 ha randzoner, også kaldet bufferzoner, langs danske vandløb, med det formål at reducere fosfortab fra landbruget til vandmiljøet.

 

De arealekstensiverende tiltag, så som randzoner og vådområder, vil oftest betyde en nedgang i dyrkningsværdien på de berørte arealer, hvilket kommer til udtryk ved en nedgang i den budgetøkonomiske jordrente (jordrenten angiver jorden dyrkningsmæssige værdi). Da der er en betydelig variabilitet i jordrenten på forskellige arealer, og dermed jordrentetabet ved arealekstensivering, spiller den konkrete udvælgelse af arealer en væsentlig rolle for de samlede omkostninger, ved eksempelvis udtagning af et bestemt antal hektar landbrugsjord.

 

Formålet med nærværende analyse er, ud fra jordprisobservationer, at estimere en model, der kan kvantificere variationen af jordens værdi mellem forskellige arealtyper.

 

Metode

Idet der forventes at være en sammenhæng mellem jordprisen og jordens dyrkningsmæssige værdi, kan jordpriser benyttes til at kvantificere variationen i jordens værdi mellem forskellige arealtyper. I nærværende analyse er der indsamlet information om jordpriser fra jordhandler gennemført i regi af jordfordelingssager (se databeskrivelse senere), og priserne på de handlede jordlodder forsøges forklaret ud fra variation i jordloddernes karakteristika. Fremgangsmåden er i princippet identisk med opstillingen af en hedonisk prisfunktion. En hedonisk prisfunktion viser sammenhængen mellem den afhængige variable (P), i nærværende studie jordprisen, og en række uafhængige variable (arealstørrelse, afstand til vandløb, arealanvendelse, dyrkningsmæssig værdi, osv.). De uafhængige variable antager kvantitative størrelser og eksemplificeres i nedenstående formel med bogstaverne X,Y og Z. ?1..i er koefficienter (mindste kvadratestimater), mens k er residualleddet.

 

Fælles for de uafhængige variabler er, at de er med til at karakterisere godet, i dette tilfælde jorden. Hvilke karakteristika der skal med som variable i prisfunktionen, er et valg, der er foretaget ud fra tidligere analyser og erfaringer samt tilgængeligheden af data. I nærværende studie blev det valgt at medtage følgende karakteristika i jordprisfunktionen:

 

• Jordbundstype

• Loddernes arealstørrelse

• Afstand til vandløb

• Arealernes terrænhældning

• Paragraf 3 områder

• Den regionale placering

 

Datagrundlaget for analysen er bygget op omkring otte cases, i form af otte såkaldte jordfordelingssager gennemført ved mellemkomst af Fødevareministeriets Jordfordelingskontor i forbindelse med naturgenopretningsprojekter. De otte jordfordelinger er Nørre Å, Omme Å, Odense Å, Vilsted Sø, Bygholm Å, Hvidbjerg Enge, Hesselbjerg Mose og Enghave Å. Udover salgs- og købspriser indeholder jordfordelingsoverenskomsterne information om de solgte arealers størrelse, samt hvilke matrikelnumre arealerne hører ind under. Oplysningerne om arealstørrelser blev benyttet direkte i analysen som uafhængig variabel, mens matrikelnumrene blev benyttet til at stedfæste de handlede arealer. Sammen med ejerlavsnummeret udgør matrikelnummeret en unik nøgle, der i matrikelkortet fra Kort- og Matrikelstyrelsen kan benyttes til at stedfæste de handlede jordlodder. Stedfæstelsen af de handlede arealer i GIS gør det muligt at sammenholde GIS-kort med jordbund, hældning, vandløb m.fl. med matrikelkortet, og på den måde få estimater for de uafhængige variabler.

 

Resultater

Gennemsnitspriserne for case-områderne svinger fra 45.053 kr/ha under Enghave Å jordfordelingen til 81.400 kr/ha i Bygholm Å jordfordelingen med et gennemsnit for samtlige handler på 68.626 kr/ha. Multipel regressionsanalyserne viste, at variablerne ’jordtype’, ’afstand til vandløb’, ’arealstørrelse’ og ’beskyttelsesrestriktioner’ har en signifikant betydning for variation i jordprisen. Det viste sig hensigtsmæssigt at modellere ’jordtype’ og ’beskyttelsesrestriktioner’ som dummyvariabler, mens variablerne ’afstand til vandløb’ samt ’arealstørrelse’ blev modelleret som kontinuerte variabler. Analyserne viste at jordprisen er stigende med stigende arealstørrelse, men også at effekten er aftagende med stigende arealstørrelse. Derudover viste lokale forhold sig at have betydning for jordprisen. Således adskilte fem ud af syv cases sig signifikant fra basecasen Odense Å. Resultaterne af regressionsanalysen er vist i tabel 0.1.

 

Resultater af den multiple regressionsanalyse af jordpriser.

 

 

Variabel		Variabel-type	Estimat	Pr
Residualled	Konstant	Na	75.726	<,0001
Jordbund	Tørv	Dummy	-14.547	0,0007
	Sandjord	Dummy	-12.069	0,0005
Afstand til vandløb	Afstand til vandløb	Kontinuert	8,89	<,0001
Areal	LNAreal	Kontinuert	5.740	<,0001
§3 område	§3 område	Dummy	-16.844	<,0001
Regionale forskelle	Hesselbjerg Mose	Dummy	-17.428	0,0011
	Bygholm Å	Dummy	13.886	0,0031
	Nørre Å	Dummy	-11.649	0,0015
	Vilsted Sø	Dummy	6.919	0,0509
	Enghave Å	Dummy	-22.141	0,0005
	Omme Å	Dummy	1.147	0,8763
	Hvidbjerg Enge	Dummy	-6.082	0,3130
			R2=0,43	pr<0,0001

 

Det viste sig imidlertid, at modellens estimater fordelte sig skævt omkring en 1:1 referencelinje. Således overestimerer modellen lodder med en lav jordpris og underestimerer lodder med en høj jordpris. Årsagen er sandsynligvis, at modellen mangler en eller flere variabler der korrelerer med en eller flere af de, i modellen, angivne variabler. Dvs. at der er en omitted variable bias’ i modellen. Det foreslås her at modellen videreudvikles ved at forsøge at inddrage flere variabler med henblik på at gøre modellen mereoperationel.

 

Hele rapporten i pdf-format (682 kB)