An Econometric Analysis of the Citrus Producers’ Production and Selling Decisions in Cukurova Region

Abstract

Purpose: In this study face to face survey method used to gather primary data about producers’ decisions on production and selling process of citrus. Steps are defined as selection of species and rootstock, decision of fertilizer type and amount of fertilizer, pesticide, irrigation systems, tilling, pruning, selling type and seller. Farmers were asked to answer what affects their decisions during the processes indicated above.

Design/Methodology/Approach: With the help of 5 point Likert Scale scores collected. Two steps selected for econometric model estimation which are tilling and selling type decision. For tilling, binary regression analysis and for selling type decision multinomial logit analysis were used.

Findings: As a result if education level increases 1 year possibility of tilling will decrease. According to this result we can say that education level and usage of herbicide increase together. The result of multinomial of regression analysis is that increase of education level and land size affect selling type decision. An increase of the education level and land size get producers to prefer both types of selling.

Originality/Value: This study investigates what affects producers decision during the production and selling process of citrus.

Keywords

• Citrus,
• Regression Analysis,
• Cukurova,

Çukurova Bölgesinde Turunçgil Üreticilerinin Üretim Süreçlerindeki Kararlarının Ekonometrik Analizi

Abstract

Amaç: Bu çalışmanın amacı, yüz yüze anket yöntemi ile görüşme yapılan üreticilerin turunçgil üretim ve satış süreçleri ile ilgili güncel uygulamalarında aldıkları kararlara etki eden faktörlerin tespit edilmesidir. Bu süreçler: tür ve anaç seçimi, gübre çeşidi, miktar kararı, gübre markası kararı ve ilaçta orijinal/muadil kararı, bitki koruma programı kararı, sulama sistemi kararı, toprak işleme kararı, budama kararı, satış türü kararı, satış yapılacak tüccar kararı olarak belirlenmiştir.

Tasarım/Metodoloji/Yaklaşım: Bu çalışmada model tahminlemesi için iki durumlu ve çok durumlu lojistik regresyon modeli kullanılmıştır.

Bulgular: İki durumlu lojistik regresyon modeline göre eğitim seviyesinin 1 yıl artmasının üreticilerin ot mücadelesi için ilaç kullanım olasılıklarını arttırdığı sonucu ortaya çıkmıştır ve bu önemli bir bulgu olarak görülmektedir. Üreticilerin geçmiş tecrübeleri ve ürün bedelinin ödenmesinde yaşadıkları problemler çoğu zaman satış türü seçimlerinde özgür karar almalarının önünde engel olmaktadır. Ancak gene de eğitim ve arazi büyüklüğü değişkenleri üreticilerin satış türü kararı üzerinde etkili bulunmuştur. Bu durumda, arazi büyüklüğü ve eğitim arttıkça üreticilerin ürünlerini bölgede hakim olan götürü usülü satış ve kilogram usulü satış türlerinden her ikisinde (kendileri için daha kazançlı olduğunu söyledikleri bir satış türünde) satma olasılıkları artmaktadır.

Özgünlük/Değer: Bu çalışma turunçgil üreticilerin üretim süreçlerinde aldıkları kararları etkileyen faktörleri bulmayı amaçlayarak bunu ekonometrik yöntemlerle sayısallaştırmaya çalışmıştır.

Keywords

• turunçgil
• regresyon analizi
• çukurova

References

1. AKİB. (2019). Yaş Meyve Sebze Sektörü Türkiye Geneli Değerlendirme Raporu. 2019, from http://www.akib.org.tr/files/downloads/ArastirmaRaporlari/YSM/Ocak%202019%20YMS%20%C4%B0hracat%20De%C4%9 Ferlendirme%20Raporu2.pdf
2. Aksoy, M. A., & Beghin, J. C. (2004). Global agricultural trade and developing countries: The World Bank.
3. Atlı, H. F. (2016). Hatay İli Dörtyol İlçesinde Turunçgil Üretim ve Pazarlaması. (Yüksek Lisans Tezi), Kahramanmaraş Sütçü İmam Üniversitesi Kahramanmaraş.
4. Becg, C. B., & Gray, R. (1984). Calculation of polychotomous logistic regression parameters using individualized regressions. Biometrika, 71(1), 11-18.
5. Begg, D., Fischer, S., & Dornbusch, R. (1994). Economics. England: McGraw-Hill Publishing.
6. Cramer, J. S. (2003). Logit models from economics and other fields: Cambridge University Press.
7. Duyum, S. (2017). Turkey Citrus Annual Report 2017 (U. F. A. Service, Trans.). In E. Leonardi (Ed.), GAIN Report.
8. Garson, G. D. (2014). Logistic regression: Binary and multinomial. Asheboro, NC.

9. Gujarati, D. N. (2011). Econometrics by example. (Print ed.). Houndmills, Basingstoke, Hampshire New York: PALGRAVE MACMILLAN.
10. Hosmer, D. W., & Lemeshow, S. (2000). Applied logistic regression (Print ed.). New York: Wiley.
11. ITC. (2019). Trade Map. 2019, from https://www.trademap.org/Country_SelProduct_TS.aspx?nvpm=1%7c%7c%7c%7c%7c0805%7c%7c% 7c4%7c1%7c1%7c2%7c2%7c1%7c2%7c1%7c1
12. Long, J. S. (1997). Regression models for categorical and limited dependent variables (7): Thousand Oaks: Sage Publications.
13. Long, S. J., Long, J. S., & Freese, J. (2006). Regression models for categorical dependent variables using Stata: Stata press.
14. Miran, B. (2002). Temel İstatistik. İzmir: Ege Üniversitesi Basımevi.
15. Newbold, P., Carlson, W. L., & Thorne, B. (2013). Statistics for business and economics: Pearson Boston, MA.
16. Oral, A. M. (2014). Türkiye'de Portakal Pazarlaması Etkinlik Analizi. (Doktora Tezi), Çukurova Üniversitesi Fen Bilimleri Enstitüsü, Adana.
17. Öztürk, M., Ergun, M. E., Erkal, S., Peziklioğlu, F., Uçar, M. (2004). Yaş Meyve Sebze İhracatçı Firmalarının Yapısı, Sorunları Ve Çözüm Önerileri. Paper presented at the Türkiye VI. Tarım Ekonomisi Kongresi, Tokat.
18. Peng, C.-Y. J., Lee, K. L., & Ingersoll, G. M. (2002). An introduction to logistic regression analysis and reporting. The journal of educational research, 96(1), 3-14.
19. TDK. (2019). Güncel Türkçe Sözlük. Retrieved 01.01.2019, 2019, from http://tdk.gov.tr/index.php?option=com_gts&arama=gts&guid=TDK.GTS.5c9be64d3af7f4.81725699
20. Wooldridge, J. M. (2015). Introductory Econometrics: A Modern Approach: Nelson Education.
21. Yeşiloğlu, T., Yılmaz, B., İncesu, M., & Çimen, B. (2018). The Turkish Citrus Industry. Paper presented. International Horticultural Congress, İstanbul. http://www.ihc2018.org/files/downloads/Vol57-No4.pdf