Количественная оценка эффективности европейского сельского хозяйства с помощью Новой европейской модели устойчивости

Цель исследования — оценить эффективность устойчивого сельского хозяйства в Европе с помощью новой модели сельскохозяйственной устойчивости, восполнив значительный пробел, выявленный в литературе: отсутствие системной рамочной структуры, интегрирующей экономическое, экологическое измерения и измерение ресурсоэффективности использования сельскохозяйственных ресурсов в контексте Общей сельскохозяйственной политики ЕС и Европейского зеленого курса.

В исследовании разрабатываются четыре синтетических индикатора: ISPAS (Индекс устойчивой сельскохозяйственной продуктивности), IREA (Индекс сокращения выбросов в сельском хозяйстве), ISAC (Индекс комплексной устойчивости сельского хозяйства) и IESA (Индекс эффективности использования сельскохозяйственных земель), каждый из которых отражает дополнительные аспекты эффективности устойчивого сельского хозяйства. Методология основана на эконометрической линейной модели и динамической модели Арелляно–Бонда, что позволяет анализировать временные взаимосвязи между синтетическими индикаторами и показателями устойчивости сельского хозяйства, учитывая эффекты инерции и структурную динамику европейского аграрного сектора. Моделирование предоставляет надежный подход для выявления взаимозависимостей между сокращением сельскохозяйственных выбросов, интеграцией принципов устойчивости и эффективностью землепользования. Результаты исследования указывают на высокое качество измерений при применении этой интегрированной рамочной структуры, выделяя значимые взаимосвязи между сокращением выбросов, интеграцией экономического и экологического измерений и оптимизацией использования сельскохозяйственных земель. Анализ также дает ценные рекомендации для политики, предлагая конкретные направления адаптации европейской сельскохозяйственной политики к структурным особенностям государств-членов. Интегрируя динамичную методологическую рамочную структуру и инновационные синтетические индикаторы, данное исследование способствует всестороннему пониманию эффективности сельскохозяйственной устойчивости и предоставляет практический инструмент для обоснования устойчивой сельскохозяйственной политики в Европейском Союзе.

Сельское хозяйство является одним из важнейших глобальных экономических и социальных секторов, играя фундаментальную роль не только в обеспечении продовольственной безопасности, но и в поддержании экологического баланса и развитии сельских сообществ. Европейский Союз (ЕС) находится на критическом этапе, отмеченном сложными вызовами, такими как изменение климата, деградация природных ресурсов, рост мирового населения и требования по снижению негативного воздействия на окружающую среду. Эти вызовы побудили политиков продвигать стратегический подход к трансформации европейского сельского хозяйства, учитывающий принципы устойчивого развития и цели Зеленого курса. Целью этого стратегического документа является направление государств-членов к климатической нейтральности к 2050 году за счет сокращения выбросов, сохранения ресурсов и продвижения устойчивых методов ведения сельского хозяйства. В этом контексте эффективность европейского сельского хозяйства больше не может оцениваться исключительно с точки зрения традиционных экономических показателей, но требует многомерного подхода, интегрирующего экономические, экологические и социальные измерения устойчивости. Фермеры и политики сталкиваются с настоятельной необходимостью внедрять инновационные практики, которые максимизируют производительность ресурсоэффективным способом и снижают воздействие на окружающую среду. По этой причине существует насущная потребность в разработке инструментов оценки, которые дают четкую картину эффективности европейского сельского хозяйства и позволяют формулировать последовательные стратегии, адаптированные к сегодняшним экономическим и экологическим реалиям. Европейское сельское хозяйство переживает период значительных изменений, обусловленных требованиями новой политики ЕС, способствующей экологическому переходу. Европейский Зеленый пакт [1] устанавливает амбициозные цели по сокращению выбросов парниковых газов на 55% к 2030 году и достижению климатической нейтральности к 2050 году. Сельское хозяйство играет центральную роль в этом переходе, на его долю приходится около 10% выбросов парниковых газов в ЕС. Сельское хозяйство также непосредственно подвержено воздействиям изменения климата, таким как экстремальные явления, потеря биоразнообразия и деградация почв. Политика ЕС, такая как Стратегия «от фермы до вилки» и Стратегия в области биоразнообразия, способствует переходу к ресурсоэффективному и органическому сельскому хозяйству. Однако реализация этой политики ставит несколько задач, включая структурные диспропорции между развитыми и развивающимися экономиками ЕС; неравный доступ к инновационным технологиям и финансовым ресурсам для инвестиций; сопротивление изменениям среди фермеров и медленное внедрение органических практик; фрагментация сельскохозяйственных земель и снижение доходов фермерских хозяйств в некоторых регионах. Эти задачи подчеркивают необходимость тщательной оценки эффективности европейского сельского хозяйства, выявления передового опыта, выделения существующих пробелов и предоставления конкретных рекомендаций для эффективной политики.

Основная цель этого исследования — разработать европейскую модель устойчивости для количественной оценки эффективности европейского сельского хозяйства в контексте новых экономических и экологических вызовов (с двух точек зрения — линейной и динамической). Предлагаемые модели используют синтетические композитные индикаторы, которые интегрируют экономическое, экологическое и ресурсоэффективное измерения, обеспечивая всестороннюю и сравнительную оценку устойчивости сельского хозяйства на уровне государств-членов ЕС.

Для достижения поставленной цели исследование преследует следующие конкретные задачи:

О1. Определить и разработать набор синтетических индикаторов, охватывающих соответствующие аспекты устойчивости сельского хозяйства. К ним относятся ISPAS (Индекс устойчивых сельскохозяйственных показателей); IREA (Индекс сокращенных сельскохозяйственных выбросов); ISAC (Индекс комбинированной сельскохозяйственной устойчивости); и IESA (Индекс эффективности использования сельскохозяйственных площадей);

О2. Оценить эффективность устойчивого сельского хозяйства на уровне государств-членов ЕС, используя тщательную методологию, основанную на эконометрических моделях и тестах валидации;

О3. Выявить структурные различия между государствами-членами и детерминанты устойчивых показателей, с акцентом на финансовые ресурсы, реализованную политику и структурные характеристики сельского хозяйства;

О4. Сформулировать рекомендации по политике для улучшения эффективности устойчивого сельского хозяйства, учитывая цели Зеленого курса и сокращая разрыв между развитыми и развивающимися экономиками.

Исследование вносит значительный вклад в литературу. Это исследование восполняет важный пробел, устраняя отсутствие единого методологического подхода, способного уловить динамические взаимосвязи между экономическим, экологическим и ресурсоэффективным измерениями с течением времени. По сравнению с другими исследованиями [2,3,4], которые анализируют устойчивость сельского хозяйства с национальной точки зрения, описывая глобальную структуру значительного неравенства в методах и стратегиях, принятых для достижения оптимального уровня устойчивого развития в сельском хозяйстве, это исследование подчеркивает необходимость внутринациональных исследований устойчивого развития, подчеркнутую принятием Европейским Союзом Общей сельскохозяйственной политики и Зеленого пакта. В то время как существующая литература предлагает фрагментарные анализы, сосредоточенные на изолированных аспектах устойчивости, это исследование вводит динамическую модель (динамическую панельную модель Арелляно-Бонда) для изучения временной персистентности индикаторов устойчивости сельского хозяйства и их долгосрочного воздействия на секторальные показатели.

К основным новым элементам относятся следующие: интеграция синтетических индикаторов для оценки устойчивости сельского хозяйства, сочетающая экономическое, экологическое и ресурсоэффективное измерения. Этот подход дает целостную картину эффективности европейского сельского хозяйства. Сравнительный анализ между государствами-членами ЕС, выделяющий структурные различия и выявляющий факторы, способствующие устойчивым показателям, и существующие пробелы. Принятие интегрированной перспективы, которая отражает роль сельскохозяйственной политики, инвестиций и внедрения современных технологий в достижении целей устойчивости.

С этими элементами предлагаемое исследование выходит за рамки традиционных подходов, которые сосредоточены только на изолированных экономических или экологических индикаторах, предоставляя инновационную методологию для оценки эффективности сельского хозяйства в текущем контексте экологического перехода.

Эта статья вносит вклад в литературу путем разработки новой аналитической структуры и предложения европейской модели устойчивости, применимой для оценки сельского хозяйства на уровне государств-членов ЕС. Это исследование дает конкретные ответы на потребность в методологических инструментах для улавливания сложности современного сельского хозяйства в контексте экономических, технологических и экологических изменений. Ключевые вклады включают следующее: расширение теоретической основы устойчивости сельского хозяйства за счет интеграции инновационных синтетических индикаторов, отражающих общие показатели сектора; надежные эмпирические применения, основанные на тщательном эконометрическом анализе, валидирующие релевантность детерминант устойчивых показателей; а также выявление территориальных и структурных диспропорций в эффективности сельского хозяйства, предоставление сравнительной перспективы по государствам-членам ЕС, тем самым способствуя целям Зеленого курса.

Статья продолжается обзором литературы, который определяет существующие подходы к устойчивости сельского хозяйства, представлением методологии исследования, где описаны предлагаемые индикаторы и использованные эконометрические методы, и представлением результатов и обсуждения, которые представляют эмпирический анализ и интерпретацию основных результатов. Выводы и рекомендации обобщают результаты исследования и предоставляют направления для будущих исследований.

Вслед за ускоренным экологическим переходом и все более строгими требованиями Европейского Зеленого пакта [1] европейское сельское хозяйство становится приоритетной областью для реализации устойчивой политики. В этом отношении литература значительно эволюционировала, исследуя множество перспектив устойчивости сельского хозяйства, с особым акцентом на интеграцию экономических, экологических и социальных измерений. Недавние исследования подчеркивают необходимость надежных моделей для оценки эффективности сельского хозяйства, способных уловить сложность структурных преобразований и влияние экологической политики, реализуемой на региональном и национальном уровнях [5,6].

Обзор литературы сосредоточен на четырех основных направлениях: концептуализация устойчивости сельского хозяйства и ее роли в европейской политике, использование синтетических индикаторов для измерения эффективности сельского хозяйства, анализ влияния сельскохозяйственной политики на устойчивость и выделение региональных диспропорций и задач, связанных с экологическим переходом. Также рассматриваются недавние вклады инновационных технологий, таких как искусственный интеллект, в улучшение анализа устойчивости сельского хозяйства.

Устойчивость сельского хозяйства не может быть сведена к одному измерению, но требует гармоничного взаимодействия между экономическими, экологическими и социальными компонентами для обеспечения справедливого и устойчивого развития в долгосрочной перспективе. Литература подчеркивает, что интегрированные и целостные подходы являются ключом к пониманию динамики современных сельскохозяйственных систем. Недавние исследования [7,8,9] подчеркивают необходимость моделей, отражающих сложные взаимозависимости между этими измерениями. Эти исследования подчеркивают важность доступных и безопасных подходов к устойчивому сельскохозяйственному производству, с особым акцентом на баланс между экономической эффективностью, экологической ответственностью и социальной стабильностью. Это видение полностью согласуется с европейскими целями, изложенными в Европейском Зеленом пакте [1] и Стратегии «от фермы до вилки» [10]. Недавние исследования также выделяют ключевую роль инновационных технологий и оптимизированных методов ведения сельского хозяйства в сокращении сельскохозяйственных выбросов и повышении эффективности использования природных ресурсов. Цифровые технологии, интеллектуальные системы мониторинга и методы точного земледелия определяются как ключевые драйверы для ускорения перехода к более устойчивым методам ведения сельского хозяйства [11,12]. В этом контексте литература указывает, что оценки эффективности устойчивого сельского хозяйства должны проводиться с помощью многомерных методологических структур [13]. Эти структуры должны быть способны улавливать не только статическую эффективность, но и ее персистентность и эволюцию во времени динамичным и адаптивным способом. Это исследование отвечает этой потребности, разрабатывая динамическую эконометрическую модель для исследования временных взаимосвязей между основными факторами устойчивости сельского хозяйства и общей эффективностью сектора.

Интеграция синтетических индикаторов, таких как ISPAS, IREA, ISAC и IESA, дает значительное преимущество в этом процессе, поскольку позволяет количественно оценивать сложные взаимосвязи и облегчает интерпретацию результатов последовательным и политически релевантным образом. Таким образом, это исследование соответствует современной литературе и вносит оригинальный вклад, интегрируя динамичный и многомерный подход к оценке устойчивости европейского сельского хозяйства.

2.1. Устойчивость сельского хозяйства в европейском контексте

Устойчивость сельского хозяйства находится в центре политики Европейского Союза и рассматривается с множества точек зрения в литературе. Эта концепция интегрирует экономические, экологические и социальные измерения с целью создания устойчивой сельскохозяйственной системы, способной реагировать на текущие вызовы, такие как изменение климата, деградация природных ресурсов и рост мирового населения. Согласно исследованиям экспертов [14,15,16], устойчивость сельского хозяйства подразумевает балансирование экономических и экологических требований за счет сокращения выбросов парниковых газов (ПГ) и повышения эффективности использования природных ресурсов. Этот подход подтверждается другими исследованиями [8,17,18], которые подчеркивают, что устойчивость должна оцениваться не только с точки зрения воздействия на окружающую среду, но и с точки зрения ее способности генерировать экономические и социальные выгоды для сельских сообществ.

Стратегии Европейского Союза [10,19] способствуют интеграции практик органического сельского хозяйства в рамках обязательств по достижению климатической нейтральности к 2050 году. Согласно отчету Европейской комиссии о будущем европейского сельского хозяйства [20], реализация этих стратегий требует массовых инвестиций в сельскохозяйственную инфраструктуру и зеленые технологии, а также финансовой поддержки фермеров. Кроме того, другие исследования [21,22,23] считают, что государственная политика, такая как Общая сельскохозяйственная политика (ОСП), играет фундаментальную роль в поддержке перехода к устойчивости, но диспропорции между государствами-членами влияют на единообразное внедрение этих мер.

Технологии играют ключевую роль в модернизации европейского сельского хозяйства. Например, системы точного земледелия, представленные в различных исследованиях [24,25,26], оптимизируют использование ресурсов и снижают воздействие на окружающую среду за счет использования дронов, почвенных датчиков и систем интеллектуального орошения. Эти решения помогают сократить сельскохозяйственные выбросы и повысить производительность, как подчеркивается в отчете ФАО [27], который утверждает, что внедрение передовых технологий может сократить глобальные выбросы ПГ от сельского хозяйства до 20%.

С социальной точки зрения устойчивое сельское хозяйство оказывает прямое влияние на сельские сообщества. Исследование авторов Томар, Шарма и Кумар [28] (2023), и авторов Гамаге и др. [29] показывает, что продвижение практик органического земледелия способствует созданию рабочих мест, тем самым улучшая качество жизни в сельских районах. С другой стороны, исследование авторов Сауд и др. [30] показывает, что переход к устойчивости может усилить неравенство между государствами-членами, особенно между развитыми и развивающимися экономиками, из-за неравного доступа к финансовым и технологическим ресурсам.

Несмотря на прогресс, внедрение устойчивого сельского хозяйства сталкивается со множеством задач. Согласно Мэтьюз, Фиш и Цанопулос [31], фрагментация сельскохозяйственных угодий и сопротивление фермеров изменениям остаются основными препятствиями для внедрения органических практик. Авторы также Мемо и Пеньковски [32] показали в исследовании, что недостаточно развитая сельская инфраструктура в некоторых государствах-членах, таких как Болгария и Румыния, ограничивает внедрение современных технологий и устойчивых решений.

Обзор литературы показывает необходимость интегрированного подхода для продвижения устойчивости сельского хозяйства, включая эффективную государственную политику, адекватную финансовую поддержку и инновационные технологии. В то же время будущие исследования должны изучить использование методов искусственного интеллекта и больших данных для оптимизации эффективности устойчивого сельского хозяйства и выявления решений, адаптированных для регионов.

2.2. Синтетические индикаторы устойчивости

Использование синтетических индикаторов является инновационной и растущей тенденцией в литературе для количественной оценки эффективности устойчивого сельского хозяйства интегрированным и сопоставимым образом. Эти индикаторы, построенные путем объединения экономических, экологических и ресурсоэффективных переменных, позволяют проводить целостную оценку эффективности сельскохозяйственного сектора, выделяя региональные различия и выявляя детерминанты устойчивости.

Роль синтетических индикаторов в оценке устойчивости

Синтетические индикаторы, такие как предложенные в различных исследованиях [33,34,35], облегчают многомерный анализ устойчивости сельского хозяйства, предоставляя всестороннюю картину сельскохозяйственных воздействий. Например, Индекс устойчивых сельскохозяйственных показателей (ISPAS) интегрирует данные об экономической производительности и воздействии на окружающую среду, оценивая баланс между ними, в то время как Индекс сокращенных выбросов от сельского хозяйства (IREA) измеряет прогресс в сокращении выбросов загрязняющих веществ от сельского хозяйства. Эти индикаторы таким образом не только измеряют эффективность сельского хозяйства, но и выделяют пробелы между развитыми и развивающимися экономиками. В Европейском Союзе использование синтетических индикаторов оказалось необходимым для мониторинга прогресса в достижении целей Европейского Зеленого пакта, и они внесли вклад в формулирование государственной политики, лучше адаптированной к местным реалиям, основанной на надежных данных и сравнительном анализе.

Разработка синтетических индикаторов требует тщательной методологии, включая сбор данных, нормализацию и взвешивание. Например, различные исследования [36,37,38] предлагают использование эконометрического анализа и методов искусственного интеллекта для повышения точности сельскохозяйственных индикаторов. В этом контексте ISPAS и IREA строятся путем объединения экономических переменных, таких как валовая добавленная стоимость в сельском хозяйстве, и экологических переменных, таких как выбросы парниковых газов и использование сельскохозяйственных земель. Эти индикаторы таким образом предоставляют прочную основу для оценки устойчивых сельскохозяйственных показателей.

Синтетические индикаторы не только облегчают анализ эффективности, но и значительно влияют на принятие политических решений. Хотя сводные индикаторы являются ценными инструментами, они сталкиваются с определенными задачами, так как сбор соответствующих данных может быть затруднен в развивающихся экономиках из-за ограниченной инфраструктуры и отсутствия централизованных систем отчетности [39,40]. Кроме того, взвешивание переменных, используемых для построения индикаторов, может вносить субъективность, влияя таким образом на окончательные результаты. Чтобы преодолеть эти ограничения, недавние исследования рекомендуют использование передовых технологий, таких как искусственный интеллект, для обеспечения объективности и точности оценок [26,41].

Использование синтетических индикаторов является необходимым инструментом для оценки и продвижения устойчивости сельского хозяйства, предоставляя четкую перспективу прогресса и задач сельскохозяйственного сектора в контексте зеленых амбиций Европы.

2.3. Европейская сельскохозяйственная политика и переход к устойчивости

Европейская сельскохозяйственная политика является фундаментальной для достижения целей устойчивости, направленных на сокращение негативного воздействия на окружающую среду, поддержание экономической конкурентоспособности сельскохозяйственного сектора и содействие сбалансированному развитию сельских районов. Общая сельскохозяйственная политика (ОСП), основной инструмент Европейского Союза для поддержки сельского хозяйства, постоянно развивалась, чтобы интегрировать экологические приоритеты, такие как сокращение выбросов парниковых газов и сохранение биоразнообразия, становясь ключевым элементом перехода к устойчивой сельскохозяйственной модели.

Согласно исследованиям экспертов [42,43,44], ОСП предоставляет надежную структуру для поддержки устойчивого сельского хозяйства, но ее эффективность зависит от способности государств-членов внедрять структурные реформы, адаптированные к местным задачам. Необходимые реформы включают борьбу с деградацией почв, эффективное управление водными ресурсами и защиту экосистем. Страны с развитой экономикой, такие как Германия и Франция, продемонстрировали свою способность получать доступ и эффективно использовать финансирование, доступное через такие инициативы, как Зеленый курс, поддерживая переход к более экологичным методам ведения сельского хозяйства [45,46]. Эти страны интегрировали инновационные технологии и образовательные программы для фермеров в национальные стратегии, таким образом укрепляя устойчивость сельскохозяйственного сектора.

В отличие от этого, развивающиеся экономики Восточной Европы, такие как Румыния и Болгария, сталкиваются с задачами в доступе к фондам и внедрении необходимых реформ. Согласно различным исследованиям [47,48], эти страны страдают от значительных недостатков в сельской инфраструктуре и отсутствия административных ресурсов для эффективного управления сельскохозяйственной политикой. Этот разрыв приводит к неравномерному внедрению реформ, влияя на переход на региональном уровне.

Финансовая поддержка через ОСП и другие программы ЕС, такие как Европейский фонд развития сельских районов (EAFRD), особенно важна для поддержки перехода к практикам органического сельского хозяйства. Согласно анализу различных исследований [49,50,51], Эти фонды способствовали внедрению точного земледелия, которое включает такие технологии, как дроны, почвенные датчики и системы интеллектуального орошения, оптимизируя использование ресурсов и снижая воздействие на окружающую среду. Страны с развитой экономикой показали, что инвестиции в инновационные технологии приводят к значительным выгодам, таким как сокращение использования пестицидов и повышение производительности. Исследование Бочана [52] показало, что внедрение цифрового земледелия и искусственного интеллекта в сельскохозяйственный процесс привело к значительному повышению эффективности в таких странах, как Нидерланды и Дания.

Однако эти выгоды распределены неравномерно. В развивающихся экономиках доступ фермеров к финансированию ограничен, а программы образования и обучения недостаточно развиты. Например, в Румынии и Болгарии административные и бюрократические трудности препятствуют абсорбции фондов ЕС. Отсутствие адекватной инфраструктуры и нежелание фермеров к технологическим изменениям усугубляют эти проблемы, замедляя переход к устойчивости.

Чтобы повысить эффективность финансовой поддержки, Европейскому Союзу необходимо адаптировать распределение фондов к региональным потребностям и поддерживать развивающиеся экономики в преодолении административных барьеров. Интеграция цифровых технологий и искусственного интеллекта в процессы управления фондами и обучения фермеров может ускорить внедрение зеленых практик. Недавние исследования также рекомендуют создание совместных платформ между государствами-членами для обмена передовым опытом и внедрения решений, адаптированных для местных условий.

ОСП и другая европейская сельскохозяйственная политика являются ключевыми для достижения целей устойчивости. Однако региональные диспропорции и административные барьеры требуют более адаптированных решений, основанных на инновациях, усиленной финансовой поддержке и сотрудничестве между государствами-членами и ЕС.

2.4. Региональные диспропорции и текущие задачи

Региональные диспропорции во внедрении и реализации устойчивых практик представляют собой серьезную задачу для Европейского Союза, влияя на справедливость и эффективность экологических мер в сельском хозяйстве. Эти диспропорции, обусловленные экономическими, инфраструктурными и административными факторами, являются предметом многих научных дискуссий, выделяющих значительные разрывы между развитыми и развивающимися экономиками.

Различные специализированные исследования [53,54] показали, что страны Центральной и Восточной Европы, такие как Румыния, Болгария и Венгрия, сталкиваются с серьезными трудностями во внедрении устойчивых сельскохозяйственных практик. Эти развивающиеся экономики ограничены недостаточными финансовыми ресурсами, слаборазвитой сельскохозяйственной инфраструктурой и слабыми административными возможностями. Например, некоторые исследования [55,56,57] показали, что отсутствие доступа к современным технологиям и цифровым сетям значительно снижает эффективность сельскохозяйственных процессов, влияя на внедрение устойчивых практик. Низкий уровень экологического образования среди фермеров также способствует сопротивлению изменениям, расширяя существующие разрывы.

В отличие от этого, развитые экономики, такие как Германия, Нидерланды и Франция, продемонстрировали заметный прогресс в интеграции устойчивости в сельскохозяйственный сектор, мобилизуя существенные ресурсы для исследований и разработок, внедряя передовую сельскохозяйственную политику и инвестируя в инновационные технологии. Например, Германия использовала фонды ОСП для поддержки экологического перехода, внедряя решения точного земледелия и передовые системы орошения, которые сокращают потребление воды и выбросы парниковых газов [58].

Факторы, объясняющие эти диспропорции, включают различия в административных возможностях и доступе к финансам, при этом развитые экономики пользуются хорошо развитыми институтами, способными привлекать и управлять фондами ЕС для сельского хозяйства, в то время как развивающиеся экономики сталкиваются с чрезмерной бюрократией и нехваткой квалифицированного персонала. Кроме того, недостаточно развитая сельская инфраструктура в Восточной Европе ограничила развертывание современных технологических решений и доступ фермеров к мировым рынкам.

Даже в развитых экономиках достижение целей устойчивости подвержено влиянию общих задач, таких как изменение климата, которое влияет на сельскохозяйственное производство во всем мире [56]. Эти задачи подчеркивают важность более тесного сотрудничества между государствами-членами для преодоления разрывов и укрепления устойчивости. Передача технологий и ноу-хау от развитых к развивающимся экономикам может внести значительный вклад в сокращение этих диспропорций.

Чтобы эффективно решить эти проблемы, Европейский Союз должен активизировать свои усилия по поддержке стран с развивающейся экономикой, создать специальные программы финансовой и технической поддержки для облегчения доступа фермеров к передовым технологиям и развить сельскую инфраструктуру. Также, программы непрерывного обучения для фермеров, сосредоточенные на преимуществах экологически безопасных практик, могли бы снизить сопротивление изменениям и улучшить уровень внедрения устойчивых решений.

Региональные диспропорции между государствами-членами ЕС представляют собой значительную задачу для достижения устойчивого сельскохозяйственного сектора на европейском уровне. В то время как развитые экономики продемонстрировали превосходные показатели благодаря развитым ресурсам и возможностям, развивающиеся экономики продолжают сталкиваться с серьезными задачами. Сокращение этих диспропорций требует согласованного подхода, основанного на сотрудничестве, передаче знаний и целевой финансовой поддержке, обеспечивая таким образом справедливый и эффективный экологический переход для ЕС.

Устойчивое сельское хозяйство является центральным столпом политики Европейского Союза, выделяя необходимость справедливых и эффективных решений для облегчения перехода к климатической нейтральности и решения множества задач сельскохозяйственного сектора. Обзор литературы выделяет пробелы во внедрении текущих стратегий и обосновывает важность разработки интегрированной европейской модели устойчивости. Такой целостный и хорошо обоснованный подход является основой для формулирования инновационных и применимых решений, поддерживая достижение амбициозных целей климатической нейтральности и обеспечивая устойчивое будущее для европейского сельского хозяйства.

Статья построена на тщательной методологии, интегрирующей методы нормализации данных, расчет композитных индикаторов и применение передовых статистических тестов для анализа эффективности устойчивого сельского хозяйства в европейских странах в контексте целей Зеленого курса. Этот подход привел к надежным выводам, релевантным для понимания динамики сельского хозяйства в Европейском Союзе.

3.1. Сбор и обработка данных

Данные, использованные в исследовании, были взяты из официальных источников, а именно платформы Eurostat, европейской сельскохозяйственной статистики за период 2012–2022 гг., которые включали такие переменные, как EAA — экономические счета для сельского хозяйства — значения в текущих ценах (миллион евро) [59]; GVAA — валовая добавленная стоимость сельскохозяйственной отрасли (миллион евро) [60]; GGEA — выбросы парниковых газов от сельского хозяйства (процент) [61]; NGGE — чистые выбросы парниковых газов (индекс, 1990 = 100) [62]; AmEA — выбросы аммиака от сельского хозяйства (тонна) [63]; AUOF — площадь под органическим земледелием (процент от общей используемой сельскохозяйственной площади) [64]; и UAA — общая используемая сельскохозяйственная площадь (1000 га) [65].

Логарифмирование переменных, используемых в построении синтетических индикаторов, является обоснованным методологическим выбором в контексте анализа показателей устойчивости сельского хозяйства. Во-первых, используемые данные получены из официальных источников, таких как Eurostat, и переменные-компоненты индикаторов включают разнородные единицы измерения, такие как миллионы евро для Экономических сельскохозяйственных счетов (EAA), проценты для Выбросов парниковых газов (GGEA) или площади, выраженные в гектарах (UAA). Это разнообразие размерностей создает трудности при прямом сравнении переменных, и применение логарифмического преобразования позволяет привести их к общей шкале, облегчая таким образом интерпретацию результатов и анализ взаимосвязей между переменными. Во-вторых, логарифмирование уменьшает эффект выбросов и стабилизирует дисперсию данных, что является важным свойством в эконометрике, особенно в динамических моделях, таких как Арелляно-Бонд. Это важно в контексте, когда распределение переменных может показывать значительные асимметрии или непропорциональные значения в разных странах. Таким образом, логарифмическое преобразование обеспечивает распределение, близкое к нормальному, и улучшает надежность оценок. Кроме того, в контексте нашего исследования синтетические индикаторы ISPAS, IREA, ISAC и IESA построены на основе мультипликативных взаимосвязей между переменными-компонентами. Логарифмическая регрессия поэтому обоснована с математической точки зрения, поскольку их преобразование в аддитивную форму упрощает интерпретацию коэффициентов в модели.

3.2. Создание композитных индикаторов

Для оценки различных измерений устойчивости сельского хозяйства были определены и рассчитаны четыре композитных индикатора:

ISPAS (Индекс устойчивых сельскохозяйственных показателей), который отражает баланс между экономической эффективностью и воздействием на окружающую среду (более высокие значения индекса отражают надежную экономическую эффективность сельского хозяйства с низким воздействием на окружающую среду). Компоненты: экономические счета для сельского хозяйства (EAA); валовая добавленная стоимость сельскохозяйственной отрасли (GVAA); и выбросы парниковых газов от сельского хозяйства (GGEA). Формула индекса представлена в Уравнении (1):

IREA (Индекс сокращенных сельскохозяйственных выбросов), который указывает на эффективность в сокращении сельскохозяйственного загрязнения (более низкие значения индекса отражают эффективное сокращение выбросов загрязняющих веществ от сельского хозяйства). Компоненты: выбросы аммиака (AmEA); и чистые выбросы парниковых газов (NGGE). Формула индекса показана в Уравнении (2):

ISAC (Индекс комбинированной сельскохозяйственной устойчивости), который интегрирует экономическую, экологическую эффективность и эффективность исследований (более высокие значения индекса отражают устойчивый экономический рост с высокой долей органического земледелия и низкими выбросами). Компоненты: валовая добавленная стоимость (GVAA); площадь под органическим земледелием (AUOF); и выбросы аммиака (AmEA). Формула индекса показана в Уравнении (3):

IESA (Индекс эффективности использования сельскохозяйственных площадей), который оптимизирует использование площадей для экономической эффективности и устойчивости (увеличивающиеся значения индекса отражают эффективное использование сельскохозяйственных площадей для экономического производства). Компоненты: используемая сельскохозяйственная площадь (UAA); валовая добавленная стоимость (GVAA); и площадь под органическим земледелием (AUOF). Формула индекса показана в Уравнении (4):

Формулы, используемые для каждого индикатора, сочетают соответствующие переменные через логарифм, включая инвертированные компоненты для отражения негативного воздействия на окружающую среду. Этот процесс обеспечивает целостную оценку сельскохозяйственной эффективности в контексте устойчивости.

3.3. Статистический анализ

Для валидации взаимосвязей и сравнения между странами был применен ряд статистических методов: тесты взаимозависимости для обеспечения надежности используемых моделей, множественные регрессии для определения влияния каждого индикатора на общую эффективность, подтверждая статистически значимыми значениями взаимосвязи между независимыми переменными и эффективностью устойчивого сельского хозяйства. Корреляции между переменными были проанализированы для исключения мультиколлинеарности и значения Фактора инфляции дисперсии (VIF), которые указали на отсутствие значительного перекрытия между предсказаниями переменных.

3.4. Концептуализация эконометрической модели устойчивости сельского хозяйства

Модель, используемая в анализе устойчивости сельского хозяйства (ASM), представляет собой соответствующий методологический подход для оценки эффективности единиц принятия решений (ЕС27, кроме Мальты и Люксембурга) в контексте, навязанном необходимостью декарбонизации сельскохозяйственного сектора. Схема исследования показана на Рисунке 1. В этой схеме также выделен динамический компонент, который будет протестирован с помощью динамической модели Арелляно-Бонда.

Рисунок 1. Логическая схема исследования (единица i во время t). Серая зона = динамические компоненты (время t, t − 1, t − 2) Источник подготовлен авторами.

Гипотезы, которые будут проверяться в ходе моделирования (см. Рисунок 1), следующие:

Гипотеза 1 (H1). Сокращение сельскохозяйственных выбросов (IREA) оказывает положительное, но незначительно значимое влияние на эффективность устойчивости сельского хозяйства (ISPAS).

Текущий контекст европейского сельского хозяйства отмечен строгими требованиями Европейского Зеленого пакта и целями Стратегии «от фермы до вилки», которые требуют сокращения сельскохозяйственных выбросов, эффективного использования сельскохозяйственных земель и интеграции экономических и экологических измерений в последовательную структуру. Предположение проистекает из неоспоримого факта: сельское хозяйство ответственно за около 10% выбросов парниковых газов Европейского Союза, и политика по их сокращению стала стратегическим приоритетом [66,67]. В этом смысле предыдущие исследования [68,69,70] предполагали, что влияние сокращенных выбросов на устойчивость сельского хозяйства часто положительно, но незначительно, из-за сложности сельскохозяйственных процессов и структурной инерции в секторе.

Гипотеза 2 (H2). Индекс комбинированной сельскохозяйственной устойчивости (ISAC) оказывает значительное положительное влияние на эффективность устойчивости сельского хозяйства (ISPAS).

Гипотеза 2 основана на обоснованном теоретическом понимании того, как экономическая эффективность, сокращенное воздействие на окружающую среду и внедрение устойчивых сельскохозяйственных практик взаимосвязаны для определения эффективности устойчивости. Литература [71,72,73] подчеркивает, что интеграция этих трех измерений является ключом к достижению целей устойчивости.

Гипотеза 3 (H3). Эффективность использования сельскохозяйственных площадей (IESA) оказывает положительное и значимое влияние на эффективность устойчивости сельского хозяйства (ISPAS).

Эта гипотеза основана на очевидной необходимости оптимизации использования сельскохозяйственных ресурсов в контексте растущего давления на доступные земли и растущего спроса на устойчивое сельскохозяйственное производство. Предыдущие исследования показали, что эффективность использования сельскохозяйственных земель является основным детерминантом эффективности устойчивости сельского хозяйства [74,75,76], и гипотеза H3 была сформулирована, чтобы проверить эту взаимосвязь в рамках тщательной методологической структуры.

Три сформулированные гипотезы таким образом отражают интегрированный и теоретически хорошо обоснованный подход к ключевым факторам, влияющим на эффективность устойчивости сельского хозяйства в текущем европейском контексте. Эти гипотезы не только отвечают на конкретные вызовы, выявленные на политическом и экономическом уровне, но также предоставляют надежную аналитическую структуру для исследования сложных взаимосвязей между сокращением выбросов, интеграцией экономических и экологических измерений и эффективностью использования сельскохозяйственных земель. Исследование таким образом направлено на значительный вклад в понимание механизмов, лежащих в основе перехода к более устойчивому, справедливому и устойчивому европейскому сельскому хозяйству.

3.4.1. Концептуализация линейной эконометрической модели устойчивости сельского хозяйства

Применяя модель множественной линейной регрессии к индикаторам устойчивости сельского хозяйства (ISPAS, IREA, ISAC и IESA), мы смогли сосредоточиться на корреляционных взаимосвязях между индикаторами, состоящими из эффективности и устойчивости европейского сельского хозяйства. В модели объясняющие переменные — IREA (сокращение выбросов), ISAC (комбинированная устойчивость) и IESA (эффективность сельскохозяйственных земель) оцениваются, чтобы понять их влияние на ISPAS (Индекс устойчивых сельскохозяйственных показателей). ASM таким образом позволяет точный анализ того, как эффективность использования земель, сокращение выбросов и интеграция экономической и экологической устойчивости влияют на сельскохозяйственную эффективность. Модель предоставляет надежную и объективную оценку детерминант устойчивости сельского хозяйства, предоставляя соответствующую поддержку для реализации политики Зеленого курса в европейском сельском хозяйстве. Уравнение модели может быть определено следующим образом:

где

• (ISPAS_{it}\): зависимая переменная (Индекс устойчивых сельскохозяйственных показателей);

• (IREA_{it}, ISAC_{it}, IESA_{it}\): независимые переменные;

• (\epsilon_i\): остаточная ошибка.

3.4.2. Концептуализация динамической панельной модели Арелляно-Бонда устойчивости сельского хозяйства

Модель оценки динамической панели Арелляно-Бонда анализирует взаимосвязи в панельных наборах данных, где запаздывающие зависимые переменные включены как регрессоры. Устойчивость сельскохозяйственной эффективности анализируется в разных регионах (DMU-ЕС27, кроме Мальты и Люксембурга) за период 2012–2022 гг., используя композитные индикаторы (ISPAS, IREA, ISAC и IESA), полученные из экономических и экологических метрик. Эта методология ценна для оценки устойчивости сельского хозяйства, поскольку учитывает ненаблюдаемую неоднородность, эндогенность и динамические взаимосвязи с течением времени. Уравнение модели может быть определено следующим образом:

где

• log(ISPAS)_{it} — зависимая переменная (для единицы i во время t);

• L_{it-1} — первый лаг ISPAS;

• L_{it-2} — второй лаг ISPAS;

•  log(IREA_{it}, logISAC_{it}, logIESA_{it} — независимые объясняющие переменные;

• varepsilon_{it}, — термин ошибки;

• beta_0\, — константа.

Оценщик Арелляно-Бонда использует Обобщенный метод моментов (GMM) для решения проблем эндогенности. Запаздывающие уровни зависимой переменной используются как инструменты для запаздывающих разностей, чтобы устранить смещения из-за эндогенности.

4. Результаты

Значения Фактора инфляции дисперсии (VIF) указали на отсутствие значительного перекрытия между предсказаниями переменных (Таблица 1).

Таблица 1. Фактор инфляции дисперсии.

Согласно данным в Таблице 1, значения VIF для всех переменных значительно ниже критического порога 10, указывая на отсутствие мультиколлинеарности в модели. Независимые переменные (IESA, IREA и ISAC) подходят для использования в регрессионной модели, и их коэффициенты могут интерпретироваться с уверенностью.

Таблица 2 представляет коэффициенты корреляции между переменными, используемыми в статистическом анализе: ISPAS, IREA, ISAC и IESA.

Согласно данным в Таблице 2, все выявленные корреляции статистически значимы с высоким уровнем достоверности (p < 0.01 для большинства взаимосвязей). Переменные показывают релевантные взаимосвязи, но с разным влиянием на устойчивые сельскохозяйственные показатели.

4.1. Результаты линейной эконометрической модели устойчивости сельского хозяйства

После проведения общих статистических тестов было показано, что для предложенной модели зависимая переменная ISPAS объясняла 92.31% дисперсии независимых переменных IREA, ISAC и IESA. Значение Root MSE = 0.10984 указывает, что регрессионная модель очень точна в оценке устойчивой эффективности сельского хозяйства (ISPAS). Средние ошибки малы, и предсказания очень близки к истинным значениям, что усиливает надежность и валидность моделей.

При анализе взаимосвязи между индикаторами устойчивости сельского хозяйства и общей сельскохозяйственной эффективностью регрессионная модель (Таблица 3) тщательно подтверждает валидность предложенных гипотез.

Таблица 3. Результаты регрессии.

Полученные результаты демонстрируют различное влияние каждого индикатора на ISPAS (Индекс устойчивых сельскохозяйственных показателей), предоставляя четкую картину факторов, влияющих на устойчивость сельского хозяйства.

Первая гипотеза о том, что IREA (Индекс сокращенных сельскохозяйственных выбросов) оказывает положительное, значимое влияние на устойчивую эффективность сельского хозяйства, частично подтверждается. Оцененный коэффициент для IREA имеет положительное значение 0.920, указывая на благоприятную взаимосвязь между сокращением сельскохозяйственных выбросов и эффективностью устойчивости. Статистическая значимость высока, с p-значением < 0.001, предполагая, что эффект достаточно силен. Это значительное положительное влияние предполагает, что политика и вмешательства, направленные на сокращение сельскохозяйственных выбросов, оказали значительное влияние на эффективность устойчивости.

Вторая гипотеза о том, что ISAC (Индекс комбинированной сельскохозяйственной устойчивости) оказывает положительное и значимое влияние на устойчивую сельскохозяйственную эффективность, полностью подтверждается результатами. Коэффициент ISAC составляет 1.908, демонстрируя существенный вклад в рост ISPAS. Более того, статистическая значимость на чрезвычайно высоком уровне (p-значение < 0.001) подтверждает надежность взаимосвязи между двумя переменными. Этот результат подчеркивает, что интегрированный подход, сочетающий экономическую эффективность, экологическую устойчивость и сельскохозяйственную эффективность, необходим для улучшения эффективности устойчивости сельского хозяйства. Центральная роль ISAC подчеркивает важность хорошо скоординированной политики, способной гармонизировать экономические и экологические требования.

Третья гипотеза, которая утверждает, что IESA оказывает положительное и значимое влияние на ISPAS, также подтверждается результатами модели. Оцененный коэффициент для IESA, со значением 0.991, положителен и значим (p < 0.001), демонстрируя существенное влияние на устойчивую сельскохозяйственную эффективность. Это показывает, что оптимизация использования сельскохозяйственных земель является ключевым детерминантом общей эффективности устойчивости сельского хозяйства. Эта взаимосвязь предполагает, что эффективность в управлении сельскохозяйственными землями, через современные технологии и устойчивые практики, играет значительную роль в достижении целей Зеленого курса и является стратегическим направлением для будущего европейского сельского хозяйства.

Это подтверждается демонстрацией рабочих гипотез о том, что как ISAC, IREA, так и IESA оказывают значительное и положительное влияние на устойчивую эффективность сельского хозяйства, выделяя центральную роль эффективности сельскохозяйственных земель и интегрированной устойчивости, одновременно с внедрением соответствующих мер по сокращению сельскохозяйственных выбросов как ключевого детерминанта устойчивости. Результаты подчеркивают важность сбалансированного и интегрированного подхода, где экономическая, экологическая и политика использования ресурсов согласованы для улучшения устойчивой сельскохозяйственной эффективности на уровне ЕС.

Полная модель предоставляет надежную и надежную оценку взаимосвязей между индикаторами устойчивости сельского хозяйства и общей сельскохозяйственной эффективностью. ISAC и IESA являются ключевыми драйверами для достижения целей устойчивости, в то время как IREA предполагает возможности для приближения к целям Зеленого курса через сельскохозяйственную политику, ориентированную на сокращение выбросов. Валидация модели эконометрическими тестами подтверждает последовательность оценок, и результаты предоставляют четкие направления для политических вмешательств и стратегий для развития устойчивого сельского хозяйства на европейском уровне.

4.2. Результаты динамической панельной модели Арелляно-Бонда устойчивости сельского хозяйства

Динамическая панельная модель Арелляно-Бонда эффективно захватывает взаимодействие между экономической эффективностью, воздействием на окружающую среду и эффективностью в устойчивости сельского хозяйства. Результаты динамической панельной модели Арелляно-Бонда предоставляют сложную перспективу детерминант устойчивости сельского хозяйства, используя логарифмические данные для уменьшения дисперсии и облегчения интерпретации эластичностей.

Тест Вальда, со значением 5660.47 и связанной вероятностью 0.0000 (Таблица 4), указывает, что объясняющие переменные, включенные в модель, значимы в целом и надежно объясняют вариацию устойчивой эффективности сельского хозяйства (ISPAS). Эта глобальная валидация подчеркивает пригодность модели для анализа динамических взаимосвязей среди рассматриваемых индикаторов.

Среднее зависимой переменной ISPAS составляет 3.591, со стандартным отклонением 0.572, предполагая умеренную дисперсию значений вокруг среднего. Эта относительная стабильность зависимой переменной указывает, что различия между анализируемыми государствами-членами ЕС присутствуют, но не экстремальны. Модель использует адекватное количество инструментов (48), и GMM эффективно корректирует эндогенность.

Таблица 4. Результаты динамической панельной модели Арелляно-Бонда, одношаговый метод.

Согласно Таблице 4, оцененные коэффициенты для лагов зависимой переменной ISPAS (L1 и L2) положительны и значимы. Первый лаг (0.193, p = 0.000) предполагает, что прошлая эффективность в устойчивости сельского хозяйства оказывает положительное и персистентное влияние на текущую эффективность. Эта взаимосвязь подтверждает наличие эффектов инерции в эволюции устойчивости сельского хозяйства. Второй лаг (0.094, p = 0.000) указывает на аналогичный эффект, но меньшей интенсивности, предполагая, что влияние исторической эффективности уменьшается в более длительный срок, но остается значимым.

Коэффициент, связанный с индикатором IREA (0.126, p = 0.000), показывает, что сокращение сельскохозяйственных выбросов оказывает положительный эффект на устойчивую эффективность. Однако относительно небольшая величина коэффициента указывает на незначительное влияние по сравнению с другими индикаторами. Эта взаимосвязь валидирует гипотезу H1 о том, что сокращение выбросов способствует положительно, но более скромно, устойчивости сельского хозяйства.

Коэффициент ISAC (1.513, p = 0.000) значителен и имеет наибольшую величину среди объясняющих переменных. Этот результат указывает, что интеграция экономических, экологических измерений и устойчивых сельскохозяйственных практик необходима для эффективности устойчивости сельского хозяйства. Сила этой взаимосвязи валидирует гипотезу H2 и предполагает, что сельскохозяйственная политика должна одновременно нацеливаться на эти три измерения для достижения надежных результатов.

IESA (1.578, p = 0.000) также демонстрирует высокий и значимый коэффициент, указывая на сильную взаимосвязь между эффективностью использования земель и эффективностью устойчивости сельского хозяйства. Эта взаимосвязь предполагает, что оптимальное управление сельскохозяйственными землями по отношению к экономической эффективности и экологическим практикам является ключевым фактором в улучшении устойчивости. Таким образом, гипотеза H3 валидирована, и результаты подчеркивают важность оптимизации использования сельскохозяйственных земель.

Константа модели (−0.924, p = 0.002) отрицательна и значима, предполагая, что при отсутствии положительных вкладов от объясняющих переменных устойчивость сельского хозяйства могла бы быть отрицательно затронута структурными или контекстуальными факторами, которые не захвачены напрямую моделью и которые требуют дополнительных корректировок Общей сельскохозяйственной политики. Эти факторы включают социальные факторы, такие как благосостояние фермеров и социальная справедливость, которые не включены в структуру индикаторов.

Динамическая модель Арелляно-Бонда предоставляет сильные доказательства для валидации рабочих гипотез. Сокращение сельскохозяйственных выбросов (IREA) способствует положительно, но незначительно, эффективности устойчивости сельского хозяйства. Интеграция экономических, экологических и технологических измерений через ISAC имеет наибольшее влияние, за которой следует эффективность использования сельскохозяйственных земель (IESA). Персистентность исторической эффективности подчеркивает важность долгосрочной устойчивой сельскохозяйственной политики. Эти результаты предполагают, что будущие стратегии должны сосредоточиться на интегрированном подходе, сочетающем сокращение загрязнения, эффективное использование земель и устойчивое экономическое развитие для поддержки эффективности устойчивости сельского хозяйства.

Интерпретация описательной статистики за период 2012–2022 гг., направленная на анализ внедрения Зеленого курса в сельскохозяйственном секторе государств-членов ЕС (за исключением Люксембурга и Мальты), выявляет значительные различия между анализируемыми странами. Этот анализ основан на четырех композитных индикаторах, обобщающих экономическую эффективность, экологическую устойчивость и эффективность инвестиций (Таблица 5).

Таблица 5. Описательная статистика.

Индекс устойчивых сельскохозяйственных показателей (ISPAS) отражает способность стран балансировать сельскохозяйственную экономическую эффективность с воздействием на окружающую среду. Среднее значение индекса 3.58 предполагает, что в целом обследованные страны поддерживают умеренный баланс между этими целями. Низкая дисперсия значений, со стандартным отклонением 0.57, указывает на умеренную вариацию между государствами. Экстремальные значения, с минимумом 2.49 и максимумом 4.65, показывают, что некоторые страны показывают значительно лучшие результаты во внедрении этого баланса, в то время как другие испытывают трудности в сокращении своего воздействия на окружающую среду. Медианный процентиль 3.57 подтверждает, что половина стран достигла этого порога, указывая на умеренную конвергенцию в устойчивых сельскохозяйственных показателях.

Индекс сокращенных сельскохозяйственных выбросов (IREA) предоставляет представление об усилиях государств по сокращению сельскохозяйственного загрязнения, с акцентом на выбросы аммиака и парниковых газов. Среднее значение IREA 7.07 указывает на умеренное сокращение загрязняющих выбросов в сельском хозяйстве. Дисперсия значений, со стандартным отклонением 0.51, отражает умеренные вариации между странами. Минимум 6.11 предполагает, что некоторые государства добились значительного прогресса в сокращении выбросов, в то время как другие государства все еще имеют высокие выбросы, со значениями, близкими к максимуму 8.01. Эти данные показывают, что хотя есть общие улучшения, внедрение мер по сокращению выбросов не является единообразным.

Индекс комбинированной сельскохозяйственной устойчивости (ISAC) является общим индикатором устойчивой эффективности, включая экономику, экологию и исследования. Среднее значение 0.89 и низкое стандартное отклонение 0.07 предполагают большую конвергенцию среди анализируемых стран во внедрении устойчивого сельскохозяйственного развития. Экстремальные значения также умерены, с минимумом 0.65 и максимумом 1.06, указывая, что большинство стран попадают в аналогичный диапазон с точки зрения общей устойчивости.

Индекс эффективности использования сельскохозяйственных площадей (IESA) измеряет использование сельскохозяйственных площадей по отношению к экономической эффективности и устойчивости. Среднее значение 0.78 и максимум 1.08 указывают, что некоторые страны эффективно оптимизируют свои сельскохозяйственные земли, приводя к заметной экономической эффективности. В отличие от этого, минимум 0.51 указывает, что некоторые страны менее эффективно используют доступные сельскохозяйственные земли.

Данные были проанализированы с помощью тестов ранжирования (Краскела-Уоллиса и К-средних), результаты способствовали проектированию 5 кластеров эффективности, как представлено в Таблице 6.

Таблица 6. Результаты тестов ранжирования.

Анализ Таблицы 6, в которой ранжирование Краскела-Уоллиса коррелирует с кластеризацией К-средних, предоставляет представление о различиях в устойчивых сельскохозяйственных показателях государств-членов ЕС. Метод ранжирования, используемый в тесте, выделяет относительную вариабельность между странами согласно анализируемым индикаторам, и кластеризация позволяет идентифицировать различные паттерны в сельскохозяйственной политике и практиках. Схема представления кластеров представлена на Рисунке 2 ниже.

Рисунок 2. Схема представления кластеров.

Согласно Рисунку 2, Кластер 1 включает такие страны, как Бельгия, Дания, Австрия, Португалия, Финляндия, Греция и Чешская Республика. Эти страны, со средним ISPAS 3.56, отражают сбалансированную сельскохозяйственную эффективность, поддерживаемую умеренно высокими значениями ISAC (0.94). В тесте Краскела-Уоллиса Бельгия имеет средний ранг 156.73, указывая на промежуточную позицию, и Португалия, с 154.18, подтверждает эту конвергенцию. Эти страны внедрили государственную политику, направленную на сокращение сельскохозяйственных выбросов, поддержанную значительными инвестициями в исследования и разработки. Однако они не достигают интенсивной экономической эффективности некоторых стран в других кластерах, сосредотачиваясь скорее на устойчивости и сельскохозяйственной эффективности.

Кластер 2 состоит из таких стран, как Эстония, Латвия, Литва, Словения, Словакия и Латвия. Эти страны имеют более низкий средний ISPAS (2.93). Внутри этого кластера Эстония имеет очень низкий средний ранг 14.82, указывая на более скромный вклад в ISPAS. Государственная политика в этом кластере благоприятствовала органическому земледелию и эффективному использованию сельскохозяйственных земель, но общий уровень устойчивости (ISAC 0.88) предполагает неполный переход к низкоэмиссионной сельскохозяйственной модели.

Кластер 3 состоит из таких стран, как Германия, Франция, Италия и Испания, Польша, выделяется своим очень высоким ISPAS (4.45) и высокими уровнями сельскохозяйственных выбросов (IREA 7.79). В тесте Краскела-Уоллиса Германия и Франция занимают одни из самых высоких рангов, с 246.36 и 259.73 соответственно. Это отражает тот факт, что, несмотря на лидерство в сельскохозяйственной производительности, эти страны испытывают трудности в сокращении выбросов. Их политика была сосредоточена больше на максимизации производства для внутренних и внешних рынков, с ограниченными инвестициями в экологический переход.

Кластер 4 включает такие страны, как Венгрия, Болгария, Румыния и Хорватия, выделяется самым низким ISPAS (2.77). Болгария имеет низкий средний ранг (99.09) в тесте Краскела-Уоллиса, указывая на более низкую эффективность в общей устойчивости, в то время как Румыния, с рангом 203.64, предполагает более промежуточную позицию. Государственная политика этих стран отдавала приоритет экономическим доходам, но предприняла недостаточные шаги в сокращении сельскохозяйственных выбросов, что помещает их в уязвимую позицию в переходе к устойчивости.

Кластер 5 включает такие страны, как Швеция, Кипр, Ирландия и Нидерланды. Они выделяются средним ISPAS 3.69 и балансом между выбросами и эффективностью органического земледелия (IREA 7.28). В тесте Краскела-Уоллиса Кипр имеет низкий ранг (10.73), указывая на меньший вклад в ISPAS, в то время как Нидерланды, с рангом 224.91, показывают намного более сильную эффективность. Эти страны приняли интегрированную политику, сосредоточенную на оптимизации сельскохозяйственных площадей и сокращении выбросов, поддержанную современной инфраструктурой и государственной поддержкой устойчивого сельского хозяйства.

Тесты значимости (Краскела-Уоллиса H, асимптотический тест значимости и тест Монте-Карло) представлены в Таблице 7.

Таблица 7. Результаты тестов значимости.

Результаты теста Краскела-Уоллиса, представленные в таблице, подтверждают существование статистически значимых различий между группами DMU для всех анализируемых индикаторов (ISPAS, IREA, ISAC и IESA). Тест Краскела-Уоллиса H возвращает высокие значения для каждого индикатора, от 214.056 (для ISAC) до 270.279 (для IREA). Это предполагает неравномерное распределение эффективности DMU для всех индикаторов. Асимптотическая значимость (Asymp. Sig.) и значимость Монте-Карло (Sig.) равны 0.000, указывая, что результаты высоко статистически значимы на уровне достоверности 99%. Высокая статистическая значимость валидирует надежность используемой методологии и выделяет четкие вариации в эффективности среди анализируемых групп.

Медианный тест, примененный к индикаторам устойчивой эффективности (ISPAS, IEAE, IREA, IREA, IVAE, ISAC и IESA), показывает значительные расхождения между анализируемыми странами. Эти вариации являются не только результатом различных сельскохозяйственных стратегий, но отражают различные уровни экономического развития и абсорбционной способности фондов Зеленого курса.

Таблица 8 представляет результаты медианного теста, примененного к индикаторам эффективности ISPAS, IREA, ISAC и IESA для каждой из 25 Единиц принятия решений (DMU), представленных государствами-членами Европейского Союза. Цель этого теста — идентифицировать те страны, которые показывают эффективность выше медианы (значения, отмеченные зеленым), и те, которые показывают эффективность ниже медианы (значения, отмеченные красным) для каждого из четырех сводных индикаторов.

Таблица 8. Результаты медианного теста, примененного к индикаторам эффективности.

Анализ данных в Таблице 8 выделяет устойчивость сельскохозяйственной эффективности (ISPAS) в таких странах, как Германия, Греция, Испания, Франция, Италия, Венгрия, Нидерланды, Австрия, Польша и Румыния, которые выделяются как превзошедшие с высоким числом единиц выше медианы. Германия, высокоиндустриализированная экономика, получила выгоду от существенных ассигнований Зеленого курса для сельского хозяйства, направленных на устойчивые практики и модернизацию сектора. Государства с развивающейся экономикой, такие как Венгрия, Польша и Румыния, хотя и развивающиеся экономики, продемонстрировали эффективное использование фондов ЕС для сельского хозяйства, особенно для развития сельской инфраструктуры и технологизации.

В отличие от этого, Эстония, Словения и Словакия показывают эффективность ниже среднего. Эстония, с небольшой аграрной экономикой и ограниченными фондами для экологического перехода, испытывает трудности во внедрении устойчивых стратегий. Италия и Бельгия, с развитой экономикой, были затруднены фрагментированной структурой сельскохозяйственного сектора и задержками в абсорбции фондов.

Эффективность таких экономик, как Эстония, Хорватия, Кипр, Латвия, Литва, Латвия, Литва, Словения, Словакия и Финляндия, которые имеют значения ниже среднего для индикатора ISPAS, отражает комбинацию структурных, экономических и политических ограничений. Во-первых, малый размер сельскохозяйственного сектора в этих странах играет ключевую роль. В Эстонии, Латвии и Литве, экономиках с преимущественно промышленной и цифровой ориентацией, сельское хозяйство имеет периферийную долю в ВВП и существует ограниченное инвестирование, направленное в этот сектор. Аналогично, Кипр и Словения сталкиваются с географическими задачами, такими как ограниченное пространство или засушливые земли, которые влияют на сельскохозяйственную производительность и ограничивают внедрение устойчивых практик.

Фрагментация сельскохозяйственных земель является другим определяющим фактором в Словакии, Латвии, Литве и Хорватии. Эта ситуация, унаследованная от постсоветского периода или являющаяся результатом экономической реструктуризации, снижает эффективность ферм и препятствует инвестициям в современные технологии. Ограниченный доступ к фондам Зеленого курса и низкая абсорбционная способность также способствуют низкой эффективности. Словакия и Хорватия испытывали трудности во внедрении сельскохозяйственных проектов, в то время как Эстония и Латвия, затрудненные недостаточно развитой сельской инфраструктурой, сталкивались с препятствиями во внедрении зеленых инициатив.

Другой релевантный аспект — низкий уровень инвестиций в НИОКР в сельское хозяйство. Кипр, Литва и Латвия выделяют ограниченные ресурсы на эту область, и внедрение зеленых технологий, таких как точное земледелие, происходит более медленными темпами по сравнению со странами Западной Европы. Параллельно, традиционное сельское хозяйство преобладает в Словении, Хорватии и Литве, где низкая механизация и устаревшие технологии приводят к низкой производительности и неэффективному использованию ресурсов.

Неблагоприятные природные и климатические условия представляют дополнительную задачу для североевропейских стран, таких как Эстония, Финляндия и Латвия. Холодный климат, короткие вегетационные периоды и плохое качество почвы ограничивают диверсификацию культур и, таким образом, устойчивую эффективность сельского хозяйства. Это усугубляется несогласованной или локально непригодной сельскохозяйственной политикой, как видно в Кипре и Словакии, где внедрение зеленых стратегий фрагментировано. Даже Финляндия, страна с высоким уровнем развития, показывает экономическую ориентацию, которая снижает важность сельского хозяйства и сосредотачивается на других секторах с более значительным экономическим вкладом.

Результаты ниже медианы для индикатора ISPAS в этих странах являются следствием взаимодействия структурных факторов, таких как малый размер и фрагментация сельскохозяйственного сектора, ограничения в абсорбции фондов Зеленого курса, недостаточные инвестиции в исследования и неблагоприятные природные условия. Без вмешательств, специфичных для экономики, таких как технологическое обновление, консолидация сельскохозяйственных земель и оптимизация стратегий абсорбции фондов, эти страны будут продолжать значительно отставать от эффективных экономик Европы.

Чтобы улучшить эффективность устойчивого сельского хозяйства в таких экономиках, как Эстония, Хорватия, Кипр, Латвия, Литва, Латвия, Литва, Словения, Словакия и Финляндия, необходим интегрированный подход, адаптированный к специфическому контексту каждой страны. Решения должны быть направлены на модернизацию сельскохозяйственного сектора, увеличение ресурсоэффективности и лучшую абсорбцию фондов Зеленого курса. Внедрение технологий точного земледелия и цифровых решений необходимо для увеличения производительности и снижения воздействия на окружающую среду. Инвестиции в дроны, почвенные датчики, системы интеллектуального орошения и программное обеспечение для управления фермами могут оптимизировать использование природных ресурсов и снизить операционные затраты.

Чрезмерная фрагментация сельскохозяйственных земель в таких странах, как Латвия, Литва и Словакия, требует политики консолидации ферм. Создание национальных схем для поощрения сотрудничества между мелкими фермерами или даже слияния земель может привести к более крупным, эффективным и конкурентоспособным фермам.

Такие страны, как Кипр, Литва и Хорватия, должны отдавать приоритет прикладным сельскохозяйственным исследованиям, ориентированным на разработку устойчивых решений, адаптированных к местным условиям. Инвестиции в разработку климатоустойчивых сортов, техник управления почвами и эффективных методов сокращения сельскохозяйственных выбросов необходимы.

В случае северных стран, таких как Эстония и Финляндия, где климат ограничивает разнообразие культур, важно адаптировать сельскохозяйственное производство путем выращивания холодостойких культур и развития комплементарных отраслей, таких как нишевое земледелие (например, ягоды, лекарственные растения).

Экономики Германии, Ирландии, Испании, Франции, Италии, Германии, Италии, Венгрии, Нидерландов, Австрии, Польши, Румынии и Нидерландов находятся выше среднего для индикатора IREA из-за комбинации структурных, политических и экономических факторов, отражающих их обязательства по сокращению сельскохозяйственных выбросов. Германия, Франция и Нидерланды внедрили амбициозную политику в соответствии с целями Зеленого курса, направленную на сокращение выбросов парниковых газов и аммиака, используя передовые технологии и строгие правила управления навозом и удобрениями. Эти вмешательства были поддержаны существенными субсидиями для фермеров, которые внедряют зеленые решения, что привело к значительному уменьшению сельскохозяйственных выбросов.

Другой ключевой фактор, объясняющий эту эффективность, — массивные инвестиции в современные сельскохозяйственные технологии, такие как системы точного земледелия и оборудование для улавливания и сокращения аммиака, которые были успешно развернуты в таких странах, как Германия, Нидерланды и Австрия. Эти технологии оптимизируют использование ресурсов и снижают воздействие сельского хозяйства на окружающую среду, даже в высокоиндустриализированных сельскохозяйственных секторах.

В то же время такие страны, как Испания, Польша и Румыния, которые полагаются на традиционные методы ведения сельского хозяйства, смогли достичь высоких значений индикатора IREA благодаря простым экологическим вмешательствам, таким как севооборот и использование естественных лугов, которые генерируют низкие выбросы. Более того, существенная финансовая поддержка от фондов ЕС для экологического перехода способствовала значительной эффективности таких экономик, как Венгрия, Польша и Румыния, где фермеры были поддержаны во внедрении устойчивых методов ведения сельского хозяйства.

Ирландия и Италия также продемонстрировали увеличенную эффективность в использовании сельскохозяйственных ресурсов путем оптимизации использования воды и энергии и введения эффективных севооборотов. Кроме того, Германия, Франция и Нидерланды выделяются своими значительными инвестициями в исследования и разработки, направленные на выявление инновационных решений для сокращения выбросов, таких как разработка более устойчивых сортов культур и технологий сокращения метана для животноводства. Эти усилия подчеркивают высокую способность адаптироваться к современным экологическим требованиям и твердое соответствие целям Зеленого курса, что оправдывает высокие значения индикатора IREA для этих экономик.

Значения ниже среднего индикатора IREA для развивающихся европейских экономик (Болгария, Эстония, Хорватия, Кипр, Латвия, Литва, Литва, Словения и Словакия) отражают взаимодействие между структурными ограничениями в сельском хозяйстве, ограниченными инвестициями в технологии и исследования, низким приоритетом сокращения выбросов в национальных стратегиях и экономическими и природными задачами, специфичными для страны. Чтобы улучшить эти результаты, необходим интегрированный подход, который сочетает инвестиции в современную сельскохозяйственную инфраструктуру, продвижение более строгой политики и поддержку перехода к озеленению через лучшее использование фондов ЕС.

Экономики Греции, Испании, Италии, Италии, Австрии и Швеции показывают значения выше среднего для индикатора ISAC (Индекс комбинированной сельскохозяйственной устойчивости) в медианном тесте из-за отчетливого набора структурных, экономических и политических факторов, которые поддерживают эффективную интеграцию экономических, экологических и технологических измерений сельского хозяйства. ISAC измеряет общую устойчивость сельского хозяйства, сочетая экономическую эффективность, долю органического земледелия и низкие сельскохозяйственные выбросы, и результаты этих стран отражают баланс между этими компонентами.

В случае Греции, Испании и Италии высокая эффективность может быть объяснена значительной долей органического земледелия в их сельскохозяйственной структуре, поддержанной благоприятными природными условиями и политикой, ориентированной на устойчивость. Эти страны инвестировали в продвижение органического земледелия как решение для диверсификации сельской экономики и ответ на растущий спрос на органические продукты на внутренних и международных рынках. Обширные регионы органических культур и внедрение традиционных методов ведения сельского хозяйства с низким воздействием на окружающую среду способствовали высоким баллам ISAC.

Австрия выделяется как европейский лидер в органическом земледелии, с высоким процентом своих сельскохозяйственных площадей, используемых таким образом, в сочетании с последовательной политикой по сокращению выбросов и поддержке фермеров. Эта эффективность является результатом стратегической приверженности австрийского правительства интегрировать цели устойчивости во все аспекты сельскохозяйственной политики. Инвестиции в исследования и разработки, вместе со строгими правилами использования ресурсов и управления воздействием сельского хозяйства на окружающую среду, позволили Австрии достичь оптимального баланса между сельскохозяйственным производством и защитой окружающей среды.

В Швеции высокая эффективность для ISAC отражает сильный акцент на устойчивости сельского хозяйства через технологические инновации и строгие правила. Шведское сельское хозяйство выигрывает от интеграции зеленых технологий, таких как точное земледелие и передовые решения по управлению выбросами, особенно в животноводческом секторе. Швеция также способствует эффективному использованию природных ресурсов и интегрированному управлению сельскохозяйственными землями, что способствует высоким значениям ISAC.

Эти страны успешно интегрировали экономические, экологические и технологические измерения сельского хозяйства, с сельскохозяйственной структурой, хорошо адаптированной к требованиям Зеленого курса.

Экономики Болгарии, Ирландии, Кипра, Венгрии, Польши и Кипра показывают значения ниже среднего для индикатора ISAC (Индекс комбинированной сельскохозяйственной устойчивости) в медианном тесте, отражая значительные задачи, с которыми сталкиваются эти страны в интеграции экономической, экологической и технологической устойчивости в сельскохозяйственном секторе. Результаты ниже среднего указывают на недостатки в достижении баланса между экономической эффективностью сельского хозяйства, долей органического земледелия и низкими уровнями сельскохозяйственных выбросов.

Центральный фактор, объясняющий эти результаты, — низкая доля органического земледелия в сельскохозяйственной структуре этих стран. В Болгарии, Кипре и Польше, в частности, сельскохозяйственные площади, используемые для практик органического земледелия, ограничены, и переход к органическому земледелию происходит медленными темпами из-за экономических ограничений и недостаточно развитой инфраструктуры. Государственная поддержка расширения органического земледелия также остается низкой, препятствуя фермерам внедрять устойчивые решения.

В случае Ирландии и Венгрии низкая эффективность может быть приписана высоким уровням сельскохозяйственных выбросов, особенно от интенсивного животноводческого сектора. Ирландия, например, имеет сильно ориентированную на животноводство сельскохозяйственную промышленность со значительными выбросами метана и аммиака. Национальная политика по сокращению выбросов еще не была внедрена достаточно эффективно, чтобы компенсировать воздействие этого сектора, что способствует низким баллам ISAC. Венгрия, хотя и пользуется финансовой поддержкой ЕС, испытывает трудности в сокращении сельскохозяйственного загрязнения из-за отсутствия строгих правил и медленного внедрения современных технологий.

Другой релевантный вопрос — высокая зависимость от традиционного сельского хозяйства и приоритет экономического производства над экологической устойчивостью. Польша и Болгария, например, полагаются на традиционные и объемно-ориентированные модели земледелия, что создает конфликт между экономической эффективностью и экологическими целями. На Кипре природные ограничения, такие как нехватка воды и засушливые земли, ограничивают возможности для расширения устойчивого сельского хозяйства, способствуя низкой эффективности ISAC.

Эффективность выше среднего для индикатора IESA (в Бельгии, Германии, Испании, Франции, Италии, Нидерландах, Польше и Румынии обусловлена комбинацией передовых технологий, оптимизированных методов ведения сельского хозяйства, стратегического использования природных земель и последовательной сельскохозяйственной политики. Эти страны демонстрируют высокую способность адаптировать сельское хозяйство к требованиям Зеленого курса и использовать доступные ресурсы для максимизации эффективности сельскохозяйственных площадей, обеспечивая при этом экономическую и экологическую устойчивость.

Анализ показывает, что европейская сельскохозяйственная политика является важным строительным блоком для достижения целей устойчивости, направленных на сокращение негативного воздействия на окружающую среду, поддержание экономической конкурентоспособности сельскохозяйственного сектора и содействие сбалансированному развитию сельских районов. Общая сельскохозяйственная политика (ОСП) постоянно развивалась, интегрируя экологические приоритеты, такие как сокращение выбросов парниковых газов и сохранение биоразнообразия, становясь центральным элементом в переходе к устойчивой сельскохозяйственной модели. В этом контексте структурный анализ различий между государствами-членами выделил, что успешное внедрение этой политики значительно зависит от способности каждого государства-члена осуществлять структурные реформы, адаптированные к местным задачам.

Страны с развитой экономикой продемонстрировали превосходящую способность абсорбировать и эффективно использовать доступные фонды через такие инициативы, как Зеленый курс, таким образом усиливая переход к более зеленым методам ведения сельского хозяйства. Они интегрировали инновационные технологии и программы образования фермеров в национальные стратегии, достигая заметных результатов в сокращении использования пестицидов и увеличении производительности через современные методы ведения сельского хозяйства.

Развивающиеся экономики, с другой стороны, сталкиваются с трудностями в доступе к фондам ЕС и внедрении необходимых реформ, затронутые структурными ограничениями, недостаточно развитой сельской инфраструктурой и ограниченными административными ресурсами.

Чтобы сократить эти региональные диспропорции и увеличить эффективность сельскохозяйственной политики ЕС, необходимо, чтобы Европейский Союз адаптировал распределение фондов к специфическим потребностям каждого региона. Интеграция цифровых технологий и искусственного интеллекта в процессы управления фондами и в обучение фермеров является практическим решением для ускорения внедрения зеленых практик и оптимизации доступных ресурсов. Кроме того, создание совместных платформ между государствами-членами для обмена передовым опытом и внедрения решений, адаптированных для местных условий, может помочь преодолеть существующие разрывы.

Другой ключевой вопрос — гибкость сельскохозяйственной политики для реагирования на структурные различия между развитыми и развивающимися экономиками. Реформы должны решать деградацию почв, эффективное управление водными ресурсами и защиту экосистем. В этом отношении разработка образовательных программ для фермеров и поддержка мелких ферм адаптированными финансовыми инструментами могут быть конкретными шагами к устойчивому и справедливому сельскому хозяйству.

Мы ценим, что европейская сельскохозяйственная политика предоставляет прочную структуру для достижения целей устойчивости, но ее успех зависит от эффективного внедрения на национальном и региональном уровнях. Адаптируя вмешательства к специфическим для страны задачам и способствуя технологическим инновациям и трансграничному сотрудничеству, сельскохозяйственная политика может стать мощным драйвером перехода к более устойчивому и устойчивому европейскому сельскохозяйственному сектору.

Результаты исследования показывают значительные различия в эффективности устойчивости сельского хозяйства между государствами-членами ЕС, подтверждая выводы других недавних исследований по устойчивости сельского хозяйства [77,78,79]. Анализ Краскела-Уоллиса и динамическая модель Арелляно-Бонда предоставили прочное представление о структуре различий между развитыми и развивающимися экономиками, предполагая, что эффективность устойчивости в основном находится под влиянием интеграции сельскохозяйственной политики, инвестиций в современные технологии и административной способности каждой страны.

Исследование подтверждает наблюдения из недавних исследований экспертов [54,79,80,81] о влиянии структурных и административных различий на эффективность устойчивого сельского хозяйства, особенно в контексте развивающихся экономик. Аналогично, другие исследования [52,82,83] подчеркивают важность цифровых технологий и интеллектуального мониторинга для ускорения перехода к устойчивым методам ведения сельского хозяйства, выводы также отражены в этом исследовании.

Однако настоящее исследование вносит значительный вклад, интегрируя динамическую модель (Арелляно-Бонд), которая позволяет уловить эффекты инерции и временные взаимосвязи между индикаторами устойчивости. Этот аспект был менее рассмотрен в предыдущей литературе, которая преимущественно сосредотачивалась на статических или сравнительных перекрестных анализах.

Исследование идентифицировало пять кластеров устойчивой сельскохозяйственной эффективности с использованием анализа К-средних, консолидируя результаты других исследований [84,85,86]. Государства-члены Западной Европы (Германия, Франция и Нидерланды) показали превосходящую эффективность благодаря эффективному внедрению зеленой сельскохозяйственной политики и устойчивым инвестициям в передовые сельскохозяйственные технологии. В отличие от этого, восточноевропейские страны (Румыния, Болгария и Польша) испытывали трудности в доступе к фондам и внедрении политики сокращения выбросов.

Анализ кластеров показывает, что страны Западной Европы выигрывают от прочной сельскохозяйственной инфраструктуры и четко определенной политики, в то время как восточноевропейские страны сталкиваются с административными и финансовыми барьерами во внедрении современных технологий и реализации стратегий устойчивости.

Интегрированный подход четырех синтетических индикаторов (ISPAS, IREA, ISAC и IESA) является инновационным вкладом, тогда как литература часто рассматривала эти измерения отдельно [34,74]. В частности, значительный положительный коэффициент, связанный с индикатором ISAC (1.513, p < 0.01), подтверждает гипотезу, что интеграция экономических и экологических измерений необходима для эффективности устойчивости сельского хозяйства.

Модель Арелляно-Бонда предоставляет детальный анализ временных взаимосвязей между экономической эффективностью, эффективностью использования сельскохозяйственных земель и сокращением сельскохозяйственных выбросов, предоставляя динамичную перспективу механизмов, которые определяют устойчивость.

Для того чтобы улучшить эффективность устойчивости сельского хозяйства, необходим интегрированный подход, включающий инвестиции в передовые сельскохозяйственные технологии, усиление сельской инфраструктуры и корректировку государственной политики к экономическим и социальным особенностям каждого государства-члена.

Это исследование устанавливает прочную основу для анализа эффективности европейского сельского хозяйства в контексте экологического перехода, продвигаемого Европейским Зеленым пактом. Предлагаемое исследование вносит значительный вклад в литературу, разрабатывая инновационную модель устойчивости, применимую на уровне государств-членов ЕС. Интегрируя синтетические индикаторы и используя тщательные эконометрические методы, исследование предоставляет надежный инструмент для оценки эффективности устойчивого сельского хозяйства и формулирования эффективной политики, способной обеспечить справедливый и устойчивый переход для европейского сельского хозяйства.

Исследование выявило структурные различия в устойчивой сельскохозяйственной эффективности между государствами-членами ЕС. Результаты эконометрической модели выделили эффективность устойчивости сельского хозяйства (которая значительно варьируется между государствами-членами); важность ISAC и IESA в определении общей эффективности; и потенциальное влияние устойчивости сокращения сельскохозяйственных выбросов (IREA).

Таким образом, анализ продемонстрировал значительные расхождения в сельскохозяйственной эффективности между развитыми и развивающимися экономиками. Такие страны, как Германия, Франция, Нидерланды и Австрия, выделяются с последовательно положительными значениями для всех индикаторов устойчивости, благодаря эффективной интеграции современных технологий, зеленой сельскохозяйственной политики и инвестиций в исследования. В отличие от этого, восточноевропейские страны, такие как Болгария, Румыния и Польша, испытывают трудности в достижении устойчивой эффективности из-за структурных ограничений и ограниченных финансовых ресурсов.

Результаты регрессии указывают, что Индекс комбинированной сельскохозяйственной устойчивости (ISAC) и Индекс эффективности использования земельных площадей (IESA) оказывают положительное и значимое влияние на устойчивую эффективность (ISPAS). ISAC подчеркивает центральную роль интеграции экономических и экологических измерений, в то время как IESA подчеркивает важность оптимизации использования сельскохозяйственных ресурсов через эффективные практики и современные технологии. В то же время, Индекс сокращения сельскохозяйственных выбросов (IREA) способствует положительно эффективности устойчивости сельского хозяйства, его значимость указывает на необходимость дальнейших мер для повышения эффективности политики сокращения выбросов. Этот вывод предполагает, что текущие усилия по сокращению загрязняющего воздействия сельского хозяйства еще не находятся на максимальной эффективности и имеют высокий потенциальный эффект на улучшение устойчивости европейского сельскохозяйственного сектора.

Страны, которые смогли эффективно использовать фонды ЕС для перехода к озеленению, достигли превосходящих результатов с точки зрения устойчивости сельского хозяйства. Хорошо внедренная сельскохозяйственная политика, такая как поддержка органического земледелия и инвестиции в зеленую инфраструктуру, были ключевыми факторами в положительной эффективности.

Рекомендации, разработанные в исследовании, направлены на улучшение устойчивой эффективности путем стимулирования органического земледелия, увеличения абсорбции фондов ЕС и развертывания инновационных технологий. Эта политика согласована с целями Зеленого курса и направлена на сокращение разрыва между развитыми и развивающимися экономиками. Результаты предоставляют обоснованную теоретическую структуру с непосредственными практическими последствиями для гармонизации сельскохозяйственной политики и продвижения зеленого перехода.

Структура индикаторов разработана на основе специфического контекста Европейского Союза, и ее применимость к другим регионам или странам может быть ограничена. Корректировки и модификации были бы необходимы для учета региональных различий при применении этой структуры в других контекстах.

Ограничения исследования — это ограниченное временное измерение и использование предположения линейности между переменными. Регрессионная модель предполагает линейную взаимосвязь между объясняющими индикаторами (IREA, ISAC и IESA) и эффективностью устойчивости сельского хозяйства (ISPAS). Взаимосвязи могут быть нелинейными или могут проявлять пороговые эффекты, особенно в контексте структурных различий между развитыми и развивающимися экономиками. Это упрощение может ограничивать способность модели улавливать сложность сельскохозяйственных явлений.

В будущем мы нацелены развивать это исследование как путем дополнения ограниченного временного набора данных для расширения корреляционного анализа и улучшения предложенной модели устойчивости, так и путем использования методов машинного обучения и искусственного интеллекта. Таким образом, мы нацелены дополнить традиционные методы регрессии современными методами машинного обучения (Random Forest, версия 4.7-1.2 2022, XGBoost, версия 2.1.3 2024) для исследования сложных взаимосвязей между переменными и выявления скрытых паттернов в данных для более точных предсказаний сельскохозяйственной эффективности в различных будущих сценариях.

Мы ценим, что существуют ограничения, связанные с использованием равных весов, и считаем, что включение PCA в дополнительный анализ могло бы улучшить исследование, особенно на этапе валидации структуры синтетических индикаторов и проверки надежности выявленных взаимосвязей. Будущее направление исследований будет применять комбинацию PCA для взвешивания и К-средних для кластеризации, чтобы обеспечить как методологическую надежность, так и ясность интерпретации результатов.

Как показано при детализации результатов динамической модели, устойчивость сельского хозяйства могла бы быть отрицательно затронута структурными или контекстуальными факторами, которые не захвачены напрямую моделью. Будущие исследования могли бы рассмотреть более всестороннюю систему индикаторов, которая включает эти социальные аспекты для предоставления более целостной оценки устойчивого сельского хозяйства.

Реальность сельскохозяйственных систем часто характеризуется нелинейными взаимосвязями, пороговыми эффектами и динамическими взаимозависимостями, которые не могут быть полностью захвачены традиционными линейными эконометрическими методами. Существуют критические точки в динамике сельскохозяйственных выбросов или эффективности использования земель, за которыми предельные эффекты политики становятся значительно разными. Таким образом, интеграция нелинейных подходов, таких как модели пороговой регрессии или регрессии с плавным переходом, могла бы обеспечить лучшее улавливание этой сложной динамики и идентификацию областей оптимального политического вмешательства.

Что касается применения методов искусственного интеллекта (ИИ), мы видим их как направление для продвижения анализа и решения текущих ограничений. Алгоритмы, такие как искусственные нейронные сети, деревья решений или машины опорных векторов, могут моделировать намного более сложные взаимосвязи между переменными без априорного предположения жесткой функциональной структуры. Использование нейронных сетей могло бы позволить обнаружение скрытых паттернов в данных и улучшить предсказание синтетических индикаторов устойчивости сельского хозяйства на основе расширенных временных рядов и наборов данных с более тонкой гранулярностью.

Дополнительно, методы машинного обучения могут помочь оптимизировать веса для переменных-компонентов индикаторов, предоставляя более гибкую альтернативу назначению равных весов или даже использованию анализа главных компонент (PCA). Алгоритмы, такие как Random Forests или Gradient Boosting Machines, могут предоставить ценную информацию об относительной важности каждой переменной в определении устойчивой эффективности сельского хозяйства.

Интеграция ИИ в наш будущий анализ могла бы следовать двум основным направлениям. Во-первых, с использованием предсказательных моделей на основе ИИ для идентификации будущих трендов и критических точек в эффективности устойчивости сельского хозяйства. Используя алгоритмы обучения без учителя, такие как кластеризация на основе алгоритмов, подобных DBSCAN (Плотностная пространственная кластеризация приложений с шумом), могут быть идентифицированы более детализированные группировки и типологии анализируемых единиц принятия решений.

С точки зрения реализации этих направлений, первым шагом будет расширение базы данных для включения более длинных временных рядов и дополнительных переменных для эффективного обучения алгоритмов машинного обучения. Впоследствии линейные и нелинейные модели могли бы систематически сравниваться для идентификации наиболее подходящего подхода для каждого анализируемого индикатора или измерения.

1.    European Commission a European Green Deal. Available online: https://commission.europa.eu/strategy-and-policy/priorities-2019-2024/european-green-deal_en (accessed on 3 December 2024).

2.    Bergez, J.-E.; Béthinger, A.; Bockstaller, C.; Cederberg, C.; Ceschia, E.; Guilpart, N.; Lange, S.; Müller, F.; Reidsma, P.; Riviere, C.; et al. Integrating Agri-Environmental Indicators, Ecosystem Services Assessment, Life Cycle Assessment and Yield Gap Analysis to Assess the Environmental Sustainability of Agriculture. Ecol. Indic. 2022, 141, 109107. [Google Scholar] [CrossRef]

3.    Pandey, S.C.; Modi, P.; Pereira, V.; Fosso Wamba, S. Empowering Small Farmers for Sustainable Agriculture: A Human Resource Approach to SDG-Driven Training and Innovation. Int. J. Manpow. 2024. [Google Scholar] [CrossRef]

4.    Streimikis, J.; Balezentis, T. Agricultural Sustainability Assessment Framework Integrating Sustainable Development Goals and Interlinked Priorities of Environmental, Climate and Agriculture Policies. Sustain. Dev. 2020, 28, 1702–1712. [Google Scholar] [CrossRef]

5.    Shang, L.; Wang, J.; Schäfer, D.; Heckelei, T.; Gall, J.; Appel, F.; Storm, H. Surrogate Modelling of a Detailed Farm-Level Model Using Deep Learning. J. Agric. Econ. 2024, 75, 235–260. [Google Scholar] [CrossRef]

6.    Reidsma, P.; Accatino, F.; Appel, F.; Gavrilescu, C.; Krupin, V.; Manevska Tasevska, G.; Meuwissen, M.P.M.; Peneva, M.; Severini, S.; Soriano, B.; et al. Alternative Systems and Strategies to Improve Future Sustainability and Resilience of Farming Systems across Europe: From Adaptation to Transformation. Land Use Policy 2023, 134, 106881. [Google Scholar] [CrossRef]

7.    Chomać-Pierzecka, E. Pharmaceutical Companies in the Light of the Idea of Sustainable Development—An Analysis of Selected Aspects of Sustainable Management. Sustainability 2023, 15, 8889. [Google Scholar] [CrossRef]

8.    Hariram, N.P.; Mekha, K.B.; Suganthan, V.; Sudhakar, K. Sustainalism: An Integrated Socio-Economic-Environmental Model to Address Sustainable Development and Sustainability. Sustainability 2023, 15, 10682. [Google Scholar] [CrossRef]

9.    Robinson, G.M. Global Sustainable Agriculture and Land Management Systems. Geogr. Sustain. 2024, 5, 637–646. [Google Scholar] [CrossRef]

10. European Commission Farm to Fork Strategy. Available online: https://food.ec.europa.eu/horizontal-topics/farm-fork-strategy_en (accessed on 4 December 2024).

11. Karunathilake, E.M.B.M.; Le, A.T.; Heo, S.; Chung, Y.S.; Mansoor, S. The Path to Smart Farming: Innovations and Opportunities in Precision Agriculture. Agriculture 2023, 13, 1539. [Google Scholar] [CrossRef]

12. Balyan, S.; Jangir, H.; Tripathi, S.N.; Tripathi, A.; Jhang, T.; Pandey, P. Seeding a Sustainable Future: Navigating the Digital Horizon of Smart Agriculture. Sustainability 2024, 16, 475. [Google Scholar] [CrossRef]

13. Darmaun, M.; Chevallier, T.; Hossard, L.; Lairez, J.; Scopel, E.; Chotte, J.-L.; Lambert-Derkimba, A.; de Tourdonnet, S. Multidimensional and Multiscale Assessment of Agroecological Transitions. A Review. Int. J. Agric. Sustain. 2023, 21, 2193028. [Google Scholar] [CrossRef]

14. Maraveas, C.; Karavas, C.-S.; Loukatos, D.; Bartzanas, T.; Arvanitis, K.G.; Symeonaki, E. Agricultural Greenhouses: Resource Management Technologies and Perspectives for Zero Greenhouse Gas Emissions. Agriculture 2023, 13, 1464. [Google Scholar] [CrossRef]

15. Bhatti, U.A.; Bhatti, M.A.; Tang, H.; Syam, M.S.; Awwad, E.M.; Sharaf, M.; Ghadi, Y.Y. Global Production Patterns: Understanding the Relationship between Greenhouse Gas Emissions, Agriculture Greening and Climate Variability. Environ. Res. 2024, 245, 118049. [Google Scholar] [CrossRef] [PubMed]

16. Feng, T.; Xiong, R.; Huan, P. Productive Use of Natural Resources in Agriculture: The Main Policy Lessons. Resour. Policy 2023, 85, 103793. [Google Scholar] [CrossRef]

17. Nelson, K.S.; Nguyen, T.D.; Francois, J.R.; Ojha, S. Rural Sustainability Methods, Drivers, and Outcomes: A Systematic Review. Sustain. Dev. 2023, 31, 1226–1249. [Google Scholar] [CrossRef]

18. Stanciu, S.; Virlanuta, F.O.; Dinu, V.; Zungun, D.; Antohi, V.M. The Perception of the Social Economy by Agricultural Producers in the North-East Development Region of Romania. Transform. Bus. Econ. 2019, 18, 879–899. [Google Scholar]

19. European Commission Biodiversity Strategy for 2030. Available online: https://environment.ec.europa.eu/strategy/biodiversity-strategy-2030_en (accessed on 4 December 2024).

20. European Commission Main Initiatives: Strategic Dialogue on the Future of EU Agriculture. Available online: https://agriculture.ec.europa.eu/common-agricultural-policy/cap-overview/main-initiatives-strategic-dialogue-future-eu-agriculture_en (accessed on 3 December 2024).

21. OECD. Policies for the Future of Farming and Food in the European Union; OECD: Paris, France, 2023. [Google Scholar]

22. Manta, A.G.; Doran, N.M.; Bădîrcea, R.M.; Badareu, G.; Gherțescu, C.; Lăpădat, C.V. Does Common Agricultural Policy Influence Regional Disparities and Environmental Sustainability in European Union Countries? Agriculture 2024, 14, 2242. [Google Scholar] [CrossRef]

23. European Commission. The Common Agricultural Policy at a Glance. Available online: https://agriculture.ec.europa.eu/common-agricultural-policy/cap-overview/cap-glance_en (accessed on 3 December 2024).

24. Kumar, V.; Sharma, K.V.; Kedam, N.; Patel, A.; Kate, T.R.; Rathnayake, U. A Comprehensive Review on Smart and Sustainable Agriculture Using IoT Technologies. Smart Agric. Technol. 2024, 8, 100487. [Google Scholar] [CrossRef]

25. Godavari, H.; Vidya Madhuri, E.; Tulasi, B.; Manoj, M.S.; Manideep, S.; Keerthika, N.; Paschapur, A.U. Precision Farming Solutions: Integrating Technology for Sustainable Pest Management. J. Adv. Biol. Biotechnol. 2024, 27, 33–54. [Google Scholar] [CrossRef]

26. Padhiary, M.; Saha, D.; Kumar, R.; Sethi, L.N.; Kumar, A. Enhancing Precision Agriculture: A Comprehensive Review of Machine Learning and AI Vision Applications in All-Terrain Vehicle for Farm Automation. Smart Agric. Technol. 2024, 8, 100483. [Google Scholar] [CrossRef]

27. FAO. The State of Food and Agriculture 2023—Revealing the True Cost of Food to Transform Agrifood Systems. Available online: https://www.fao.org/agrifood-economics/publications/detail/en/c/1661488/?utm_source=chatgpt.com (accessed on 3 December 2024).

28. Tomar, S.; Sharma, N.; Kumar, R. Effect of Organic Food Production and Consumption on the Affective and Cognitive Well-Being of Farmers: Analysis Using Prism of NVivo, Etic and Emic Approach. Environ. Dev. Sustain. 2024, 26, 11027–11048. [Google Scholar] [CrossRef]

29. Gamage, A.; Gangahagedara, R.; Gamage, J.; Jayasinghe, N.; Kodikara, N.; Suraweera, P.; Merah, O. Role of Organic Farming for Achieving Sustainability in Agriculture. Farming Syst. 2023, 1, 100005. [Google Scholar] [CrossRef]

30. Saud, S.; Haseeb, A.; Haider Zaidi, S.A.; Khan, I.; Li, H. Moving towards Green Growth? Harnessing Natural Resources and Economic Complexity for Sustainable Development through the Lens of the N-Shaped EKC Framework for the European Union. Resour. Policy 2024, 91, 104804. [Google Scholar] [CrossRef]

31. Matthews, P.G.; Fish, R.D.; Tzanopoulos, J. Overcoming Barriers to Agri-Environmental Management at Landscape Scale: Balancing Farmer Coordination and Collaboration with the Aid of Facilitators and Pioneers. J. Environ. Manag. 2024, 369, 122278. [Google Scholar] [CrossRef] [PubMed]

32. Memo, U.; Pieńkowski, D. Sustainable rural development indicators in Bulgaria, Germany, Poland, Romania and the Netherlands: A Review of Data. Front. Environ. Sci. 2023, 11, 1323688. [Google Scholar] [CrossRef]

33. Orou Sannou, R.; Kirschke, S.; Günther, E. Integrating the Social Perspective into the Sustainability Assessment of Agri-Food Systems: A Review of Indicators. Sustain. Prod. Consum. 2023, 39, 175–190. [Google Scholar] [CrossRef]

34. Amaruzaman, S.; Bardsley, D.K.; Stringer, R. Analysing Agricultural Policy Outcomes in the Uplands of Indonesia: A Multi-Dimensional Sustainability Assessment. Sustain. Dev. 2023, 31, 1937–1950. [Google Scholar] [CrossRef]

35. Sass, K.S.; Konak, A.; Batalini de Macedo, M.; Benso, M.R.; Shrimpton, E.; Balta-Ozkan, N.; Sarmah, T.; Mendiondo, E.M.; Jesus da Silva, G.; Câmara da Silva, P.G.; et al. Enhancing Drought Resilience and Vulnerability Assessment in Small Farms: A Global Expert Survey on Multidimensional Indicators. Int. J. Disaster Risk Reduct. 2024, 110, 104616. [Google Scholar] [CrossRef]

36. Espinel, R.; Herrera-Franco, G.; Rivadeneira García, J.L.; Escandón-Panchana, P. Artificial Intelligence in Agricultural Mapping: A Review. Agriculture 2024, 14, 1071. [Google Scholar] [CrossRef]

37. Mana, A.A.; Allouhi, A.; Hamrani, A.; Rehman, S.; el Jamaoui, I.; Jayachandran, K. Sustainable AI-Based Production Agriculture: Exploring AI Applications and Implications in Agricultural Practices. Smart Agric. Technol. 2024, 7, 100416. [Google Scholar] [CrossRef]

38. Sarku, R.; Clemen, U.A.; Clemen, T. The Application of Artificial Intelligence Models for Food Security: A Review. Agriculture 2023, 13, 2037. [Google Scholar] [CrossRef]

39. Egala, S.B.; Amoah, J.; Bashiru Jibril, A.; Opoku, R.; Bruce, E. Digital Transformation in an Emerging Economy: Exploring Organizational Drivers. Cogent Soc. Sci. 2024, 10, 2302217. [Google Scholar] [CrossRef]

40. Delechat, C.C.; Melina, G.; Newiak, M.; Papageorgiou, C.; Wang, K.; Spatafora, N. Economic Diversification in Developing Countries—Lessons from Country Experiences with Broad-Based and Industrial Policies. Dep. Pap. 2024, A001. [Google Scholar] [CrossRef]

41. Memarian, B.; Doleck, T. A Review of Assessment for Learning with Artificial Intelligence. Comput. Hum. Behav. Artif. Hum. 2024, 2, 100040. [Google Scholar] [CrossRef]

42. Doukas, Y.E.; Salvati, L.; Vardopoulos, I. Unraveling the European Agricultural Policy Sustainable Development Trajectory. Land 2023, 12, 1749. [Google Scholar] [CrossRef]

43. Cuadros-Casanova, I.; Cristiano, A.; Biancolini, D.; Cimatti, M.; Sessa, A.A.; Mendez Angarita, V.Y.; Dragonetti, C.; Pacifici, M.; Rondinini, C.; Di Marco, M. Opportunities and Challenges for Common Agricultural Policy Reform to Support the European Green Deal. Conserv. Biol. 2023, 37, e14052. [Google Scholar] [CrossRef] [PubMed]

44. European Commission. The Common Agricultural Policy: 2023-27. Available online: https://agriculture.ec.europa.eu/common-agricultural-policy/cap-overview/cap-2023-27_en (accessed on 3 December 2024).

45. Wang, D.; Dong, L.; Mei, J. An Advanced Review of Climate Change Mitigation Policies in Germany, France, and the Netherlands. Environ. Res. Lett. 2023, 18, 103001. [Google Scholar] [CrossRef]

46. Geels, F.W.; Pereira, G.I.; Pinkse, J. Moving beyond Opportunity Narratives in COVID-19 Green Recoveries: A Comparative Analysis of Public Investment Plans in France, Germany, and the United Kingdom. Energy Res. Soc. Sci. 2022, 84, 102368. [Google Scholar] [CrossRef]

47. Borisov, P.; Petrov, K.; Tsonkov, N. Integration Perspectives for Improving Regional Policy in Rural Areas of Bulgaria. Agric. Resour. Econ. Int. Sci. E-J. 2024, 10, 260–283. [Google Scholar] [CrossRef]

48. Feurich, M.; Kourilova, J.; Pelucha, M.; Kasabov, E. Bridging the Urban-Rural Digital Divide: Taxonomy of the Best Practice and Critical Reflection of the EU Countries’ Approach. Eur. Plan. Stud. 2024, 32, 483–505. [Google Scholar] [CrossRef]

49. European Commission. Common Agricultural Policy Funds. Available online: https://agriculture.ec.europa.eu/common-agricultural-policy/financing-cap/cap-funds_en (accessed on 3 December 2024).

50. European Commission. Rural Development. Available online: https://agriculture.ec.europa.eu/common-agricultural-policy/rural-development_en (accessed on 3 December 2024).

51. Masi, M.; De Rosa, M.; Vecchio, Y.; Bartoli, L.; Adinolfi, F. The Long Way to Innovation Adoption: Insights from Precision Agriculture. Agric. Food Econ. 2022, 10, 27. [Google Scholar] [CrossRef]

52. Bocean, C.G. A Cross-Sectional Analysis of the Relationship between Digital Technology Use and Agricultural Productivity in EU Countries. Agriculture 2024, 14, 519. [Google Scholar] [CrossRef]

53. Shvets, N.; Shevtsova, H.; Pidorycheva, I.; Prokopenko, O.; Maslosh, O. Sustainable Development of Agriculture Based on the Smart Specialisation Approach: Cases of the Central and Eastern European Countries. Agric. Resour. Econ. Int. Sci. E-J. 2023, 9, 260–282. [Google Scholar] [CrossRef]

54. Hurduzeu, G.; Pânzaru, R.L.; Medelete, D.M.; Ciobanu, A.; Enea, C. The Development of Sustainable Agriculture in EU Countries and the Potential Achievement of Sustainable Development Goals Specific Targets (SDG 2). Sustainability 2022, 14, 15798. [Google Scholar] [CrossRef]

55. Giua, C.; Materia, V.C.; Camanzi, L. Smart Farming Technologies Adoption: Which Factors Play a Role in the Digital Transition? Technol. Soc. 2022, 68, 101869. [Google Scholar] [CrossRef]

56. MacPherson, J.; Voglhuber-Slavinsky, A.; Olbrisch, M.; Schöbel, P.; Dönitz, E.; Mouratiadou, I.; Helming, K. Future Agricultural Systems and the Role of Digitalization for Achieving Sustainability Goals: A Review. Agron. Sustain. Dev. 2022, 42, 70. [Google Scholar] [CrossRef] [PubMed]

57. Costa, F.; Frecassetti, S.; Rossini, M.; Portioli-Staudacher, A. Industry 4.0 Digital Technologies Enhancing Sustainability: Applications and Barriers from the Agricultural Industry in an Emerging Economy. J. Clean. Prod. 2023, 408, 137208. [Google Scholar] [CrossRef]

58. Geppert, F.; Krachunova, T.; Bellingrath-Kimura, S.D. Digital and Smart Technologies in Agriculture in Germany: Identification of Key Recommendations for Sustainability Actions; Expertenkommission Forschung und Innovation (EFI): Berlin, Germany, 2024. [Google Scholar]

59. Eurostat Economic Accounts for Agriculture—Values at Current Prices. Available online: https://ec.europa.eu/eurostat/databrowser/view/AACT_EAA01/default/table?lang=en (accessed on 5 December 2024).

60. Eurostat Gross Value Added of the Agricultural Industry—Basic and Producer Prices. Available online: https://ec.europa.eu/eurostat/databrowser/view/tag00056/default/table?lang=en (accessed on 5 December 2024).

61. Eurostat Greenhouse Gas Emissions from Agriculture. Available online: https://ec.europa.eu/eurostat/databrowser/view/tai08/default/table?lang=en (accessed on 5 December 2024).

62. Eurostat Net Greenhouse Gas Emissions. Available online: https://ec.europa.eu/eurostat/databrowser/view/sdg_13_10/default/table?lang=en (accessed on 5 December 2024).

63. Eurostat Ammonia Emissions from Agriculture. 2024. Available online: https://ec.europa.eu/eurostat/databrowser/view/sdg_02_60/default/table?lang=en&category=sdg.sdg_02 (accessed on 5 December 2024).

64. Eurostat Area Under Organic Farming. Available online: https://ec.europa.eu/eurostat/databrowser/view/sdg_02_40/default/table?lang=en (accessed on 5 December 2024).

65. Eurostat Utilised Agricultural Area by Categories. Available online: https://ec.europa.eu/eurostat/databrowser/view/tag00025/default/table?lang=en (accessed on 5 December 2024).

66. European Commission. Climate Action. Available online: https://climate.ec.europa.eu/news-your-voice/news/looking-how-mitigate-emissions-agriculture-2023-11-13_en (accessed on 5 December 2024).

67. Luo, B.; Rauf, A.; Osei-Kusi, F.; Sundas, R.; Mehmood, R. Exploring the Impacts of Agricultural Emissions from Natural Gas on Ecological Footprint. Ecol. Process. 2024, 13, 83. [Google Scholar] [CrossRef]

68. Burland, A.; von Cossel, M. Towards Managing Biodiversity of European Marginal Agricultural Land for Biodiversity-Friendly Biomass Production. Agronomy 2023, 13, 1651. [Google Scholar] [CrossRef]

69. Kreft, C.; Finger, R.; Huber, R. Action-versus Results-Based Policy Designs for Agricultural Climate Change Mitigation. Appl. Econ. Perspect. Policy 2024, 46, 1010–1037. [Google Scholar] [CrossRef]

70. Khanna, M.; Chen, L.; Basso, B.; Cai, X.; Field, J.L.; Guan, K.; Jiang, C.; Lark, T.J.; Richard, T.L.; Spawn-Lee, S.A.; et al. Redefining Marginal Land for Bioenergy Crop Production. GCB Bioenergy 2021, 13, 1590–1609. [Google Scholar] [CrossRef]

71. Rosli, M.N.; Abdul Mutalib, M.; Shamsuddin, A.S.; Lani, M.; Ariati, I.; Tang, S. Navigating the Environmental, Economic and Social Impacts of Sustainable Agriculture and Food Systems: A Review. Front. Agric. Sci. Eng. 2024, 11, 652–673. [Google Scholar] [CrossRef]

72. Rizzo, G.; Migliore, G.; Schifani, G.; Vecchio, R. Key Factors Influencing Farmers’ Adoption of Sustainable Innovations: A Systematic Literature Review and Research Agenda. Org. Agric. 2024, 14, 57–84. [Google Scholar] [CrossRef]

73. Fusco, G.; Campobasso, F.; Laureti, L.; Frittelli, M.; Valente, D.; Petrosillo, I. The Environmental Impact of Agriculture: An Instrument to Support Public Policy. Ecol. Indic. 2023, 147, 109961. [Google Scholar] [CrossRef]

74. Viana, C.M.; Freire, D.; Abrantes, P.; Rocha, J.; Pereira, P. Agricultural Land Systems Importance for Supporting Food Security and Sustainable Development Goals: A Systematic Review. Sci. Total Environ. 2022, 806, 150718. [Google Scholar] [CrossRef]

75. Ma, Y.; Zheng, M.; Zheng, X.; Huang, Y.; Feng, X.; Wang, X.; Liu, J.; Lv, Y.; Liu, W. Land Use Efficiency Assessment under Sustainable Development Goals: A Systematic Review. Land 2023, 12, 894. [Google Scholar] [CrossRef]

76. Hasler, B.; Termansen, M.; Nielsen, H.Ø.; Daugbjerg, C.; Wunder, S.; Latacz-Lohmann, U. European Agri-Environmental Policy: Evolution, Effectiveness, and Challenges. Rev. Environ. Econ. Policy 2022, 16, 105–125. [Google Scholar] [CrossRef]

77. Nowak, A.; Różańska-Boczula, M. A Comparative View of the Level of Agricultural Sustainability—The Case of European Union Member States. Sustain. Dev. 2024, 32, 2638–2652. [Google Scholar] [CrossRef]

78. European Commission. EU Agricultural Outlook for Markets, 2023–2035. Available online: https://agriculture.ec.europa.eu/system/files/2024-01/agricultural-outlook-2023-report_en_0.pdf (accessed on 3 December 2024).

79. Castillo-Díaz, F.J.; Belmonte-Ureña, L.J.; López-Serrano, M.J.; Camacho-Ferre, F. Assessment of the Sustainability of the European Agri-Food Sector in the Context of the Circular Economy. Sustain. Prod. Consum. 2023, 40, 398–411. [Google Scholar] [CrossRef]

80. Peng, B.; Melnikiene, R.; Balezentis, T.; Agnusdei, G.P. Structural Dynamics and Sustainability in the Agricultural Sector: The Case of the European Union. Agric. Food Econ. 2024, 12, 31. [Google Scholar] [CrossRef]

81. European Commission. Strategic Dialogue on the Future of EU Agriculture. Available online: https://agriculture.ec.europa.eu/document/download/171329ff-0f50-4fa5-946f-aea11032172e_en?filename=strategic-dialogue-report-2024_en.pdf (accessed on 3 December 2024).

82. Abbate, S.; Centobelli, P.; Cerchione, R. The Digital and Sustainable Transition of the Agri-Food Sector. Technol. Forecast. Soc. Change 2023, 187, 122222. [Google Scholar] [CrossRef]

83. Metta, M.; Ciliberti, S.; Obi, C.; Bartolini, F.; Klerkx, L.; Brunori, G. An Integrated Socio-Cyber-Physical System Framework to Assess Responsible Digitalisation in Agriculture: A First Application with Living Labs in Europe. Agric. Syst. 2022, 203, 103533. [Google Scholar] [CrossRef]

84. Herman, E. Sustainable Agriculture and Its Impact on the Rural Development in EU Countries: A Multivariate Analysis. Land 2024, 13, 947. [Google Scholar] [CrossRef]

85. Huseynov, R.; Aliyeva, N.; Bezpalov, V.; Syromyatnikov, D. Cluster Analysis as a Tool for Improving the Performance of Agricultural Enterprises in the Agro-Industrial Sector. Environ. Dev. Sustain. 2024, 26, 4119–4132. [Google Scholar] [CrossRef]

86. Di Vita, G.; Zanchini, R.; De Cianni, R.; Pippinato, L.; Mancuso, T.; Brun, F. Sustainable Livestock Farming in the European Union: A Study on Beef Farms in NUTS 2 Regions. Sustainability 2024, 16, 1098. [Google Scholar] [CrossRef]

Georgescu P-L, Barbuta-Misu N, Zlati ML, Fortea C, Antohi VM. Quantifying the Performance of European Agriculture Through the New European Sustainability Model. Agriculture. 2025; 15(2):210. https://doi.org/10.3390/agriculture15020210

Перевод статьи «Quantifying the Performance of European Agriculture Through the New European Sustainability Model» авторов Georgescu P-L, Barbuta-Misu N, Zlati ML, Fortea C, Antohi VM., оригинал доступен по ссылке. Лицензия: CC BY. Изменения: переведено на русский язык