Üreticilerin yeni tarımsal destekleme modeli farkındalığını etkileyen faktörlerin analizi: Tokat ili Kazova ve Artova bölgesi örneği

Öz

Amaç: Çalışmanın amacı, Tokat ili Kazova ve Artova bölgelerindeki üreticilerin "Tarımsal Üretim Planlaması ve Yeni Destekleme Modeli" hakkında farkındalığını etkileyen faktörleri belirlemektir.

Tasarım/Metodoloji/Yaklaşım: Araştırmanın materyalini, Kasım 2024 tarihinde toplam 233 üreticiyle yüz yüze yapılan anket çalışması sonucu elde edilen veriler oluşturmaktadır. Üreticilerin, üretim planlaması ve destekleme modeli hakkında bilgi sahibi olma durumunu etkileyen faktörlerin tespitinde Binary (İkili) Lojistik Regresyon Modeli kullanılmıştır.

Bulgular: Üreticilerin %80.7’sinin 2025-2027 yıllarını kapsayan yeni destekleme modeli hakkında bilgi sahibi olmadığı belirlenmiştir. Analiz sonuçlarına göre; üreticilerin yer aldığı ilçeler, destekleme geliri, büyükbaş hayvan sayısı ve işletmelerin tarımsal gelir düzeyinin yeni destekleme modeli hakkında bilgi sahibi olma olasılığı üzerinde istatistiksel olarak anlamlı etkisinin bulunduğu saptanmıştır. Üreticilerin önceki yılda daha fazla destekleme gelirine sahip olmalarının yeni destekleme sistemi hakkında bilgi sahibi olma olasılığını artırdığı belirlenmiştir. Yeni destekleme modeli hakkında bilgi sahibi olma durumunun ilçelere göre değiştiği sonucuna varılmıştır. Düşük gelir grubunda yer alan üreticilerin yeni destekleme modeli hakkında bilgi sahibi olma olasılığının yüksek gelir grubundaki üreticilere göre daha düşük olduğu tespit edilmiştir. Ayrıca, büyükbaş hayvan varlığı ile bitkisel üretim desteklerinden haberdar olma durumu arasında negatif ilişki olduğu belirlenmiştir.

Özgünlük/Değer: Bu çalışma, Türkiye’de 2025-2027 yıllarını kapsayan “Tarımsal Üretim Planlaması ve Yeni Destekleme Modeli”nin üretici düzeyindeki ilk yıl yansımalarını inceleyen öncü araştırmalardan biridir. Araştırmada, üretim deseni bakımından farklı özelliklere sahip iki bölgenin karşılaştırmalı olarak incelenmesi, tarımsal üretim planlamasına yönelik farkındalığın bölgesel farklılıklarını ortaya koyması açısından önem taşımaktadır. Elde edilen bulguların, üretim planlamasına yönelik yayım ve bilgilendirme politikalarının bölgesel farklılıklar dikkate alınarak geliştirilmesine katkı sağlayacağı düşünülmektedir.

Anahtar Kelimeler

• Binary lojistik regresyon
• tarımsal üretim planlaması
• Tokat
• yeni destekleme modeli

Destekleyen Kurum

TÜBİTAK 1002-A Hızlı Destek Programı

Proje Numarası

424K144

Etik Beyan

Tokat Gaziosmanpaşa Üniversitesi Sosyal ve Beşerî Birimler Araştırmaları Etik Kurulu'nun 10.10.2024 tarih ve 484533 sayılı toplantısında etik açıdan uygun bulunmuştur.

Teşekkür

Bu çalışma, ilk yazarın Tokat Gaziosmanpaşa Üniversitesi Lisansüstü Eğitim Enstitüsü bünyesinde yürütmekte olduğu doktora tezinden türetilmiştir. Ayrıca 424K144 numaralı proje kapsamında TÜBİTAK 1002-A Hızlı Destek Programı tarafından finanse edilmiştir. Katkılarından dolayı TÜBİTAK’a teşekkür ederiz.

v

Öz

Purpose: The purpose of this study is to identify the factors influencing producers' awareness of the "Agricultural Production Planning and New Support Model" in the Kazova and Artova regions of Tokat Province.

Design/Methodology/Approach: The data for this study were obtained from a face-to-face survey conducted in November 2024 with a total of 233 producers. A binary logistic regression model was used to identify the factors influencing producers' awareness of the Agricultural Production Planning and New Support Model.

Findings: It was found that 80.7% of producers were unaware of the new support model covering the 2025-2027 period. According to the analysis results, it was found that the districts where producers are located, support income, the number of large livestock, and the agricultural income level of the farms have a statistically significant effect on the likelihood of being aware of the new support model. It was determined that producers with higher support income in the previous year were more likely to be aware of the new support system. It was concluded that awareness of the new support model varies by district. It was found that producers in the low-income group were less likely to be aware of the new support model compared to those in the high-income group. Additionally, a negative relationship was identified between the number of cattle and awareness of crop production support programs.

Originality/Value: This study is one of the pioneering research efforts examining the first-year impacts at the producer level of Turkey’s “Agricultural Production Planning and New Support Model” for the years 2025-2027. The comparative analysis of two regions with distinct production patterns is significant in highlighting regional variations in awareness regarding agricultural production planning. It is anticipated that the findings will contribute to the development of extension and information dissemination policies for production planning, taking regional differences into account.

Anahtar Kelimeler

• Binary logistic regression
• agricultural production planning
• Tokat
• new support model

Destekleyen Kurum

TÜBİTAK 1002-A Rapid Support Program

Proje Numarası

424K144

Etik Beyan

This study was approved by the Social and Human Sciences Research Ethics Committee of Tokat Gaziosmanpaşa University at its meeting dated 10.10.2024 and numbered 484533.

Teşekkür

This study is derived from the doctoral thesis being conducted by the first author at the Institute of Graduate Studies of Tokat Gaziosmanpaşa University. Furthermore, it was funded by the TÜBİTAK 1002-A Rapid Support Program under project number 424K144. We would like to thank TÜBİTAK for their contributions.

Kaynakça

1. Alpar, R. (2011), “Uygulamalı Çok Değişkenli İstatistiksel Yöntemler” Detay Yayıncılık, Ankara.
2. Anonim, (2011), Türkiye Tarım Havzaları Üretim ve Destekleme Modeli Tanıtım Toplantısı. www.tugem.gov.tr (Erişim tarihi: 22.02.2024)
3. Anonim, (2023a), Farmland Information Center. USDA Strategic Plan Fiscal Years 2022–2026. https://www.usda.gov/sites/default/files/documents/usda-fy- 2022-2026-strategic-plan.pdf (Erişim tarihi: 23.02.2024)
4. Anonim, (2023b), Le Ministère De L’agriculture Et De L’alimentation. https://portal.cor.europa.eu/divisionpowers/Pages/France-Agriculture.aspx (Erişim tarihi: 25.02.2024)
5. Anonim, (2023c), T.C. Resmî Gazetesi. Tarımsal Üretimin Planlanması Hakkında Yönetmelik. https://www.resmigazete.gov.tr/eskiler/2023/09/20230914-2.htm (Erişim tarihi: 22.02.2024)
6. Anonim, (2024), Dünya’da ve Türkiye’de Tarımsal Üretimin Planlanması Çalışmaları ile 14 Eylül 2023 Tarihli Yönetmelik Üzerine Bir Değerleme. Kamu Araştırmaları Vakfı Tarım ve Gıda Direktörlüğü. (Erişim tarihi: 23.02.2024)
7. Çiçek, A. ve Erkan, O. (1996), “Tarım Ekonomisinde Araştırma ve Örnekleme Yöntemleri”, Gaziosmanpaşa Üniversitesi Ziraat Fakültesi Yayınları, No: 12, Ders Notları Serisi No: 6, Tokat.
8. Çimen, A. O. ve Gülçubuk, B. (2024), “Tarımsal Üretim Planlaması ve Türkiye’deki Hukuki Boyutu”, Tarım Ekonomisi Dergisi, 30(1), 61-68.

9. Eştürk, Ö. ve Ören, M. N. (2014), “Türkiye'de tarım politikaları ve gıda güvencesi”. Yuzuncu Yıl University Journal of Agricultural Sciences, 24(2), s.193-200.
10. Hosmer, D.W., Lemeshow, S. and Sturdivant, R.X. (2013), Applied Logistic Regression (3rd ed.). Wiley.
11. Kaya, M. ve Kalaycı, İ. (2021), “Türkiye’de tarihsel süreçte tarım politikası ve planlama deneyimi”. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 13(2), s.23-34.
12. Kvålseth, T. O. (1985), “Cautionary note about R²”. The American Statistician, 39(4), s.279-285.
13. Menard, S. (2000), “Coefficients of determination for multiple logistic regression analysis”. The American Statistician, 54(1), s. 17-24.
14. Menard, S. (2002), Applied Logistic Regression Analysis. Sage Publications.
15. Miran, B. (2017), İşletmeciler İçin Sayısal Karar Verme Yöntemleri, Lambert Academic Publishing, Almanya.
16. Nagelkerke, N. J. (1991), “A note on a general definition of the coefficient of determination”. Biometrika, 78, s. 691-692.
17. Oğuz, H., Öğüt, H., Gökdoğan, O. (2012), Türkiye Tarım Havzaları Üretim ve Destekleme Modelinin Biyodizel Sektörüne Etkisinin İncelenmesi. Journal of the Institute of Science and Technology, 2 Ek:A(2 Sp:A), 77-84.
18. Rehber, E. ve Tipi, T. (1993), “Tarımsal işletmecilik ve planlama”. Uludağ Üniversitesi Güçlendirme Vakfı Yayın, s.84, 31.
19. Srimaneekarn, N., Hayder, A. M. ve Sastraruji, T. (2022), “Binary response analysis using logistic regression in dentistry”. International Journal of Dentistry, 2301911.
20. Şahin, A., Miran, B., (2010), “Risk koşullarında tarım işletmelerinin planlanması: oyun teorisi yaklaşımı”, Hayvansal Üretim, 51(1), s.31-39.
21. Tan, S., Hasdemir M. ve Everest, B. (2015), “Türkiye’de tarımsal destekleme politikaları agricultural support policies in Turkey”. In International Conference on Eurasian Economies.
22. Thirtle, C., Lin, L., Piesse, J. (2003), “The impact of research-led agricultural productivity growth on poverty reduction in Africa, Asia and Latin America”. World Development, 31(12), s.1959-1975.
23. TÜİK, (2026), Türkiye İstatistik Kurumu. https://biruni.tuik.gov.tr (Erişim tarihi: 24.02.2026)
24. Ulusoy, S. (2003), “AB’ne Adaylık Sürecinde AB ve Türkiye Tarım Politikaları: Öncelikler- Farklılıklar Çelişkiler”. AB Genişleme Sürecinde Türkiye Tarımsal ve Kırsal Politikalar Sempozyumu, TMMOB, Ziraat Mühendisleri Odası Yayını, Ankara.
25. Uzundumlu, A.S. (2012), “Tarım sektörünün ülke ekonomisindeki yeri ve önemi”. Alinteri Journal of Agriculture Science, 22(1), s.34-44.
26. Uzunöz, M. ve Çiçek, A. (2003), “Gelişmişlik açısından farklı iki yöredeki tarım işletmelerinin toplumsal ve tarımsal yapısının üretim sistemleri ve tarımsal gelire etkileri üzerine bir araştırma (Tokat ili Kazova ve Artova bölgesi örneği)”. Journal of Agricultural Faculty of Gaziosmanpaşa University, (1).
27. Wu, X.H. (1997), Reform in China’s Agriculture. Briefing Paper Series No:9. Department Of Foreign Affairs and Trade Australia. https://www.dfat.gov.au/sites/default/files/eaaubp9.pdf