Statistische relaties met kernkwaliteiten

2.4.1 Bepaling van kernkwaliteit per bedrijf

De relaties tussen veranderingen in bedrijfskenmerken en veranderingen in kernkwaliteiten kunnen in dit onderzoek niet direct onderzocht worden (zie de paragrafen 2.1 en 2.2). Relaties tussen bedrijfskenmerken en de gemeten kernkwaliteiten in 2005 geven echter wel een beeld over mogelijke (statistische) afhankelijkheden. Met andere woorden, wanneer een bedrijfskenmerk x een sterk verband (positief of negatief) heeft met een kernkwaliteit y dan zal een verwachte verandering in dit bedrijfskenmerk x in de toekomst een verandering hebben op de aanwezige kernkwaliteit y. Om dergelijke statistische relaties te onderzoeken zijn de gemeten kernkwaliteiten, zoals besproken in paragraaf 2.1, gekoppeld aan de bedrijfskenmerken van 2005 uit de landbouwtelling.

Voor de analyse zijn een viertal kernkwaliteiten onderzocht: • Kleinschaligheid

• Openheid • Groen karakter • Strokenverkaveling.

De gemeten kernkwaliteiten in 2005 zijn omgezet in landsdekkende binaire kaarten met aan- (1) of afwezigheid (0) van een kernkwaliteit (zie paragraaf 2.2.4). Voor elke kavel uit de BRP- kaart van 2005 is deze waarde per kernkwaliteit bepaald. Omdat de Landbouwtellingen gebaseerd zijn op bedrijven en niet op kavels of percelen, is vervolgens per bedrijf een gemiddelde waarde voor elke kernkwaliteit berekend. Deze gemiddelde waarde is berekend als het bedrijfsoppervlak met de aanwezigheid van een kernkwaliteit. Met andere woorden, elk bedrijf in Nederland (zowel binnen als buiten de Nationale Landschappen) krijgt een gemiddelde waarde voor een kernkwaliteit, waarbij deze waarde het procentuele bedrijfsareaal met een kernkwaliteit weergeeft. Hierbij ligt de waarde tussen 0% waarbij het gehele bedrijfsoppervlak buiten een kernkwaliteit ligt en 100% waarbij het gehele bedrijfsoppervlak in een kernkwaliteit ligt. De relatie tussen bedrijfskenmerken en kernkwaliteiten doet dus een uitspraak over het percentage bedrijfsoppervlak met een kernkwaliteit. De analyse doet geen uitspraak over de intensiteit van deze kernkwaliteit. Dit betekent dat de relaties uitspraken doen over de omvang van een kernkwaliteit in een Nationaal Landschap en niet over bijvoorbeeld een af- of toename in de mate van kleinschaligheid, openheid, groen karakter of strokenverkaveling.

2.4.2 Regressiemodel

Conceptueel model

Om de relaties tussen bedrijfskenmerken en kernkwaliteiten te bepalen, is eerst een conceptueel model gemaakt van de te verwachten causale relaties tussen landbouwkundig handelen en kernkwaliteiten. Dit conceptuele model is kwalitatief en kan als werkhypothese beschouwd worden. In dit model zijn de te verwachten handelingen opgenomen die niet als zodanig gemeten worden. Voorbeelden zijn opruimen van perceelgrenzen, egalisatie etc. Deze handelingen zijn vervolgens vertaald naar mogelijke bedrijfskenmerken. Zo kan bijvoorbeeld het aantal tractoren een maat zijn voor egalisatie. Op basis van dit conceptuele model is een regressiemodel ontwikkeld waarbij de beschikbare bedrijfskenmerken als onafhankelijke variabelen zijn beschouwd. Voor de analysen zijn in de dataset eerst alle overige (type 4) bedrijven verwijderd. Dit type bevat intensieve veehouderij en glastuinbouw die niet als grondgebonden landbouw wordt beschouwd. Vanuit een statistische overweging is het niet mogelijk een regressiemodel te toetsen op dezelfde data die gebruikt zijn om het model te genereren. De data zijn namelijk afhankelijk. Om deze afhankelijkheid op te heffen is de volledige dataset met bedrijfskenmerken uit 2005 gerandomiseerd, op een wijze dat elk bedrijfsnummer een random getal kreeg toegewezen. Vervolgens is de dataset in twee delen opgeknipt. Het eerste deel van de dataset is gebruikt om de regressievergelijkingen te genereren. Populatiegemiddelden van de verschillende variabelen in de regressiemodellen zijn vervolgens uit het tweede deel van de dataset gehaald. Met deze procedure is de invoer van gegevens voor het regressiemodel en de constructie van het model statistisch onafhankelijk. Hiërarchisch model

Voor het ontwerp van een regressiemodel werd verwacht dat een beperkt aantal bedrijfskenmerken een directe relatie met kernkwaliteiten hebben. Naar verwachting hebben een aantal andere bedrijfskenmerken echter een indirecte relatie met een kernkwaliteit, doordat deze bedrijfskenmerken via andere kenmerken een kernkwaliteit beïnvloeden. Met andere woorden, er wordt een getrapte of hiërarchische regressiemodel verwacht. In een regressiemodel zijn de effecten van alle onafhankelijke variabelen (in dit geval de bedrijfskenmerken) additief. Het volledige model bestaat dus uit het optellen van verschillende onafhankelijke variabelen. Indirecte effecten zijn echter niet direct inpasbaar in een multiple regressiemodel. Om indirecte effecten op te nemen, moeten zogenaamde moderator variabelen worden gedefinieerd (Voeten en Van den Bercken, 2003 en 2004). Een moderator variabele is een nieuw gecreëerde variabele uit een onafhankelijke regressie. Zo kan als

voorbeeld bedrijfskenmerk x bedrijfskenmerk y beïnvloeden waarbij het laatste kenmerk y de uiteindelijke kernkwaliteit beïnvloed. Bij het ontwerp van het conceptuele model werd verwacht dat bijvoorbeeld het bedrijfsoppervlak het perceeloppervlak beïnvloedt en deze laatste variabele een kernkwaliteit. De berekende moderator variabele van perceeloppervlak (welke nu een functie is geworden van bijvoorbeeld bedrijfsoppervlak) wordt vervolgens als nieuwe variabele in het regressiemodel gezet.

Voor elke kernkwaliteit kan een regressiemodel opgesteld worden met de volgende structuur: Y = ß1x1 + ß 2x2 +…+ ß nxn + C + ε

Waarbij:

Y = percentage bedrijfsoppervlak met kernkwaliteit y

x1 – xn = waarde van bedrijfskenmerk of moderator variabele x tot bedrijfskenmerk n

ß 1 – ß n = coëfficiënten van bedrijfskenmerk of moderator variabele x tot bedrijfskenmerk n

C = snijpunt regressielijn met x-as (constante) ε = onverklaarde variatie

Voor het opstellen van een regressiemodel voor elke kernkwaliteit wordt verondersteld dat de ingevoerde bedrijfskenmerken een “minimaal” statistisch - causaal verband weergeeft. Dit betekent dat het model niet, zoals veel multiple regressiemodellen doen, de maximale variatie moet verklaren met een minimale set aan variabelen. Omdat bij het ontwerp van het model al gekozen is voor een beperkte set aan variabelen en moderatorvariabelen zijn al deze variabelen direct in het model geplaatst met de “enter” procedure in SPSS. Met andere woorden, alle vooraf gekozen bedrijfskenmerken bepalen het regressiemodel.

Alle continue variabelen, met uitzondering van het agrarisch grondgebruik (akkerbouw, gras, maïs, boomteelt en glas) en grondsoort zijn lognormaal (Ln) getransformeerd voorafgaand aan de regressies.