per il territorio rurale
ϭϰͳϭϱ
a cura di ZĂīĂĞůůĂƵĐĂƌŽ
Il valore di mercato dei terreni agricoli
ŝƚĂůŝĂŶŝ͗ůĂƌŝůĞǀĂnjŝŽŶĞϮϬϬϵĂƚƚƌĂǀĞƌƐŽ
ůĞĂnjŝĞŶĚĞĚĞůůĂƌĞƚĞZ/
di Concetta Cardillo, Giuliano Gabrieli, Massimo Gioia e Franco Mari
Le determinanti del valore per i terreni agricoli
Il valore dei terreni agricoli si costi- tuisce di una molteplicità di fattori, spesso di complessa valutazione. Secondo alcune teorie tradizionali, ad esempio, il prezzo dei prodot- ti agricoli rappresenta una delle determinati più significative del prezzo dei terreni. L’aumento dei prezzi agricoli generalmente rende l’attività agricola più remunerativa e quindi influenza il valore del suo- lo coltivabile; la situazione natural- mente varia a seconda della tipolo- gia di coltivazioni o di allevamenti (Moller et al. 2008).
Anche la fertilità del suolo costi- tuisce un fattore importante del suo valore: essa in genere dipende dalla conformazione topografica, dalla granulometria e dalle carat- teristiche fisico-chimiche, dalla potenzialità irrigua. La presenza di un sistema articolato di pianifica- zione territoriale, i relativi vincoli ambientali e di tutela parimen- ti incide significativamente nella formazione del valore. Rivestono, altresì, una notevole importanza le indicazioni generali di politica economico-agraria: fondamentale risulta il sistema di aiuti e contri- buti comunitari a sostegno dell’at-
tività agricola o le misure nazionali di sgravio fiscale e di credito age- volato. Per esempio, l’applicazione della PAC attuale ha introdotto la forma del pagamento unico ope- rando una segmentazione del mer- cato tra terreni eleggibili o meno ai fini dell’aiuto, cioè tra terreni con o senza titoli di aiuto. Infatti, gli agri- coltori in possesso di titoli di paga- mento superiori alle proprie aree eleggibili saranno disposti a pagare prezzi di affitto o di compravendita più alti per i terreni “liberi”, al fine di attivare i loro titoli.
Dall’opinione degli esperti in materia emerge che, paragonato con le al- tre determinanti, l’effetto del paga-
mento unico sembra essere minore
rispetto alla riduzione delle attività del mercato fondiario dovuta ad un aumento dell’incertezza sul futuro della politica agricola che rendono gli agricoltori più cauti e conservatori rispetto all’acquisto di terreni. Anche il capitale sociale riveste un ruolo importante nella determina- zione del valore di un terreno: esso è rappresentato dal complesso del- le relazioni interpersonali informali presenti su un determinato terri- torio: le capacità professionali, i rapporti di fiducia, le filiere, le reti commerciali, ecc.
Altro fattore che influisce sul valore della terra è la struttura della forza lavoro.
Ci sono infine molti aspetti non strettamente legati all’attività agricola che riguardano il mercato immobiliare connesso ad attività industriali e commerciali, agli usi residenziali e ricreativi e alle infra- strutture. Infatti la competizione con le diverse destinazioni urba- nistiche condiziona fortemente il valore dei terreni agricoli. Un cer- to ammontare di terreni conflui- sce ogni anno sul mercato fondia- rio per ragioni fisiologiche come, ad esempio, il pensionamento o la morte dei proprietari, ma solo una piccola parte di questo viene venduta. E poi da sempre la terra rappresenta una riserva di valore e potrebbe verificarsi una domanda addizionale di suoli in periodi di inflazione o di incertezza econo- mica.
Le principali caratteristiche ƐƚĂƚŝƐƚŝĐŚĞĚĞůĐĂŵƉŝŽŶĞZ/
La RICA (Rete d’Informazione Con- tabile Agricola) corrisponde all’in- dagine campionaria che, dal 1965, viene realizzata annualmente dalla Commissione Europea negli Stati membri dell’UE. Rappresenta uno strumento informativo di fonda- mentale importanza per la gestio- ne e lo sviluppo della PAC. A livello nazionale la gestione della RICA è affidata all’INEA che – dall’istitu- zione della Rete – è responsabile della selezione delle aziende e della raccolta dei dati. Fino al 2002, le aziende del campione RICA Italia partecipavano all’indagine volontariamente, mentre dal 2003 le rilevazioni sono realizzate in maniera coordinata con l’indagine sui Risultati Economici delle Aziende agricole (REA) gestita dall’ISTAT, in attuazione del Reg. CE 2236/96. Dal 2003, quindi, la RI- CA Italia è basata su un campione casuale stratificato: le aziende sono scelte in base ad un piano di sele- zione e devono essere rappresen- tative dell’universo delle aziende agricole appartenenti ad un defini- to campo di osservazione secondo
tre caratteri: regione, dimensione economica e ordinamento produt- tivo. Ed un peso individuale è appli- cato ad ogni azienda del campione. Il campo di osservazione dell’in- dagine è basato sul V Censimento generale dell’agricoltura aggiornato con le indagini sulla Struttura e Pro-
duzione delle Aziende agricole (SPA)
realizzate dall’ISTAT con cadenza biennale, con la RICA-REA e con al- tre indagini specifiche realizzate da ISTAT. Le aziende agricole che par- tecipano all’indagine RICA vengono selezionate sulla base di un piano di campionamento redatto in ciascun Paese dell’UE, in modo da garanti- re la rappresentatività dell’insieme delle contabilità aziendali rilevate per il campo di osservazione. Dal 2010 il campione RICA comprende
tutte le aziende dell’universo UE2
con una produzione standard pari ad almeno 4.000 euro. La metodo-
logia impiegata per l’allocazione del campione tra gli strati costituisce in pratica una estensione del metodo di Neyman al caso di più variabili, e adotta poi come metodo di riso- luzione una generalizzazione della proposta di Bethel (Bethel 1989). Definito il numero di aziende da campionare, in ogni singolo strato la selezione delle stesse è di tipo equi-probabilistico e viene effet- tuata in modo casuale. Le variabili strategiche per l’allocazione delle unità campionarie negli strati so- no quelle ritenute di notevole ri- levanza per le analisi economiche agricole. Per ottenere il livello di precisione desiderato per ogni sin- gola variabile strategica, vengono fissati gli errori campionari massi- mi, espressi in termini di percen- tuali dei coefficienti di variazione, dati dal rapporto tra la deviazione standard di strato della variabile e
la stima del totale di strato della va- riabile considerata. La numerosità campionaria e la sua distribuzione tra gli strati si ottiene quindi fissan- do le precisioni desiderate espresse in termini di percentuale di coeffi- cienti di variazione sulle variabili strategiche, sia a livello nazionale che regionale e assicurandosi una numerosità minima di 5 unità per ogni strato. Per quanto concerne le modalità di rilevazione delle infor- mazioni, le aziende del campione al di sopra di una determinata soglia di dimensione economica vengono rilevate ai fini RICA e REA attraverso un apposito software di rilevazione (Continea fino al 2007 e Gaia dal 2008), mentre le aziende al di sot- to di questa soglia vengono rilevate ai soli fini REA, tramite un apposito questionario.
Impostazione metodologica dello studio
La variabile oggetto di studio
Nel nostro caso il valore dei terre- ni agricoli è riferito al valore della
terra nuda3 ed è stimato secondo
il criterio del più probabile valore di mercato. I valori in esame sono solo quelli relativi a terreni di pro- prietà dell’azienda e l’operazione di stima viene eseguita previa ac- curata attribuzione della qualità colturale ai terreni dell’azienda, in modo da definire delle porzioni di questi nell’ambito delle quali si verificano condizioni di omogenei- tà nei confronti delle variabili che influiscono sul valore del terreno stesso.
Introduzione
L’INEA ha recentemente realiz- zato uno studio mirato a verifi- care la rispondenza dei risultati tratti dalla banca dati della rete delle aziende agricole italiane
RICA1 alle quotazioni del mer-
cato fondiario nazionale dei ter- reni. Le informazioni raccolte in quella sede – e precisamente i dati 2009 – sono attualmente al vaglio di una nuova metodologia contabile (GAIA) impiegata in ambito di valutazioni INEA che presuppone anche la ridefini- zione delle zone geografiche di riferimento.
1 La Rete di Informazione Contabile Agrico-
la (RICA) è lo strumento di rilevazione co- munitario finalizzato a conoscere la situa- zione economica dell’agricoltura europea.
3 Si verifica ciò perché i dati RICA sono dati
contabili. I valori dei soprassuoli, quindi, qualora presenti, sono registrati separata- mente per essere sottoposti ad ammorta- mento.
2 Il campo di osservazione UE è costituito
da tutte le aziende operanti nel settore agricolo con almeno un ettaro di superficie agricola utilizzata (SAU) o la cui produzio- ne presenta un valore di almeno 2.500 eu- ro; non rientrano nel campo di osservazio- ne UE le aziende esclusivamente forestali. d >>ϭ͘KZZ/^WKE EdZDZKK>dhZ
Yh>/dK>dhZ>//'/
Macrocolture
YƵĂůŝƚăĐŽůƚƵƌĂůŝĚĞŝƚĞƌƌĞŶŝŝŶ '/ Codice Descrizione Superficie irrigabile Codice Descrizione
1 Seminativo
asciutto 0 01 Seminativo
23 Ortofloricolo 2 Seminativo irriguo 1 01 Seminativo
23 Ortofloricolo
3 Frutteto 06 Frutteto
07 Agrumeto
4 Vigneto 09 Vigneto
5 Oliveto 08 Oliveto
6 Pascolo 03 Prato permanente
04 Pascolo e incolto produttivo
7 Bosco 14 Bosco
Qualità colturali non utilizzate
05 Vivaio 12 Altre colture permanenti 13 Arboricoltura da legno 16 Macchia mediterranea 17 Orto familiare 18 Tare fabbricati 19 Altre tare
Progetti ed attività
Territori n. 7/2012all’identificazione dei riferimenti territoriali nelle zone altimetriche provinciali, definite in base all’al- timetria ISTAT, e all’adozione delle seguenti qualità colturali: semina- tivo asciutto, seminativo irriguo, frutteto, vigneto, oliveto, pascolo e bosco. Da evidenziare che sia i ri- ferimenti territoriali che quelli col- turali presentano il vantaggio, non trascurabile, di essere riconoscibili macroscopicamente.
Nello studio citato in introduzione, i riferimenti territoriali (macroaree) sono stati individuati utilizzando l’altimetria ISTAT definita solo sulla base dell’altitudine dal mare e non anche sulla base della distanza da esso. Ciò, in fase di analisi com- parata dei risultati ottenuti, ha fatto ipotizzare che le differenze riscontrate con i dati di altre fonti fossero da imputare anche alle di- verse definizioni delle macroaree.
Pertanto, si è ritenuto opportuno utilizzare l’altimetria ISTAT definita anche sulla base della distanza dal mare, in modo da ottenere gli stes- si riferimenti territoriali dall’inda-
gine INEA sul Mercato fondiario
e, quindi, poter sviluppare un più appropriato esame comparato dei risultati.
Le qualità colturali dei suoli, inve- ce, sono state ottenute dall’aggre- gazione delle qualità colturali pre-
viste da Gaia come mostrato dalla tabella 1.
Per distinguere la macrocoltura dei seminativi asciutti da quelli irrigui è stata considerata la variabile di- cotomica “superficie irrigabile” che identifica la potenzialità irrigua. Le possibili associazioni tra ma- croarea e macrocoltura rappre- sentano il criterio di post-stratifi- cazione del campo di osservazio- ne dell’analisi.
Selezione ed elaborazione delle informazioni disponibili
In considerazione di alcune pecu- liarità relative alla formazione del campione RICA (sostituzione delle aziende con tasso annuale del 20- 25% circa), per la selezione delle informazioni è stata utilizzata la tecnica del panel anziché quella di eliminazione degli outlier. Inol- tre, in considerazione dei limiti di rappresentatività del campione
RICA per la variabile in esame, il calcolo dei valori medi è stato ef- fettuato a mezzo della media arit- metica semplice anziché di quella ponderata. Nei dettagli, i princi- pali numeri dello studio sono i seguenti. Per l’anno 2009 negli ar- chivi di Gaia sono presenti 49.616 registrazioni relative a terreni aziendali. Tuttavia, considerando solo i terreni che rientrano nella classificazione predisposta, cioè
che afferiscono alle macrocolture selezionate, si ottiene un totale di 35.011 osservazioni. Inoltre, si è scelto di non utilizzare tutte le osservazioni disponibili del cam- pione, ma di utilizzare il panel del campione relativo agli anni 2008 e 2009, ovvero un sottocampio- ne che considera un numero di osservazioni che sono presenti in entrambi gli anni. Un dato che viene confermato in due anni
per il territorio rurale
ϭϲͳϭϳ
a cura di ZĂīĂĞůůĂƵĐĂƌŽ
La scelta dei riferimenti territoriali e colturali
Un passaggio importante è stata la definizione dei riferimenti territo- riali e colturali entro i quali media- re le informazioni disponibili. I cri- teri ispiratori per l’individuazione di questi riferimenti sono stati la robustezza statistica delle informa- zioni da produrre e, al tempo stes- so, la loro fruibilità. Ciò ha portato
Valle D’Aosta Montagna interna 34.510 9 46.422 48 59.557 63 18.168 821 3.010 150 Piemonte Montagna interna 19.760 19 29.444 43 18.749 42 9.083 178 6.924 43
Collina interna 12.566 340 17.257 105 20.954 170 39.987 333 11.153 259 5.501 165
Pianura 21.637 161 28.163 541 32.735 86 73.989 20 24.637 173 14.692 23
Lombardia Montagna interna 69.910 11 29.042 17 34.832 19 23.459 73 23.949 21 Collina interna 45.400 39 57.880 57 57.074 9 68.503 41 37.843 30 13.060 24
Pianura 54.142 80 52.457 585 55.640 11 57.728 6 34.444 68 21.699 37
Trentino Montagna interna 56.464 28 87.676 30 190.427 425 189.166 244 39.800 190 15.268 59 Alto Adige Montagna interna 7.004 100 12.060 100 30.000 248 30.043 92 1.057 157
Veneto Montagna interna 14.636 11 22.643 47 9.086 7
Collina interna 45.085 32 55.691 61 65.145 29 72.245 137 53.435 13 41.322 68 23.264 40
Pianura 41.075 81 46.209 722 60.566 142 52.835 191 57.074 7 47.646 82 24.157 30
Friuli V. Giulia Montagna interna 12.283 45 9.486 10
Collina interna 24.539 182 26.535 50 31.733 100 15.438 83 7.002 87
Collina litoranea 23.437 8 17.159 9 9.292 8
Pianura 27.079 440 26.777 536 31.026 77 33.223 303 20.515 5 16.593 99 9.826 120 Liguria Montagna interna 26.617 14 55.402 62 37.548 12 32.781 35 8.987 28
Montagna litoranea 94.636 5 8.787 6
Collina interna 152.988 30 43.033 6 35.562 41
Collina litoranea 41.626 18 164.166 433 40.797 23 35.535 30 33.296 124 11.323 14
Emilia Romagna Montagna interna 9.568 59 12.070 15 30.400 9 4.018 56 6.399 97
Collina interna 21.100 98 36.920 51 37.341 46 45.621 103 23.275 17 16.660 73 6.003 117 Collina litoranea 37.571 14 59.333 6 37.714 7
Pianura 34.687 166 37.960 372 37.553 280 46.226 245 30.681 110 7.194 47
Toscana Montagna interna 26.020 71 97.048 19 10.232 16 10.123 9 6.867 8 3.135 51 Collina interna 16.188 440 43.949 123 14.020 10 36.596 297 15.089 292 3.473 93 3.660 242
Collina litoranea 15.728 91 22.210 50 16.542 8 17.754 45 12.938 63 3.581 41
Pianura 13.805 52 127.897 64 22.862 16 15.500 27 2.658 8
Marche Montagna interna 10.320 91 16.757 7 2.272 26 2.889 19
Collina interna 13.910 308 12.786 16 20.198 115 16.689 104 4.249 18 6.479 49
Collina litoranea 14.656 382 19.732 52 21.099 50 20.350 190 17.936 213 7.643 7 4.073 13 Umbria Montagna interna 9.140 69 14.222 7 10.712 7 8.568 8 3.777 46 2.614 25
Collina interna 12.448 381 17.296 114 14.637 12 13.411 212 11.421 261 3.764 76 2.911 208
Lazio Montagna interna 14.203 54 16.227 13 12.916 16 4.049 56 3.115 25
Collina interna 14.774 110 17.870 100 20.221 32 17.179 27 15.660 74 5.158 32 3.225 14
Collina litoranea 15.562 12 28.185 40 20.961 18 22.207 13 17.711 18 Pianura 18.590 35 27.505 127 18.398 21 17.805 16 17.277 16
Abruzzo Montagna interna 11.421 127 16.809 147 16.270 7 16.091 27 4.055 55 Collina interna 11.117 96 17.348 22 18.934 42 16.094 87
Collina litoranea 13.074 104 17.917 103 22.861 36 19.940 203 17.431 214 6.443 10
Molise Montagna interna 6.951 235 10.980 7 11.763 37 11.088 69 4.055 59 4.067 68
Collina interna 9.247 182 18.079 25 16.804 11 12.631 31 14.283 110 3.416 6 4.260 40 Collina litoranea 14.090 35 20.131 65 19.473 24 21.847 60 18.779 72 5.596 12 Campania Montagna interna 11.885 96 20.554 20 27.884 30 20.243 27 8.642 30 5.100 9
Collina interna 15.071 76 23.216 75 33.746 28 35.908 58 28.855 89 14.013 13 5.889 14
Collina litoranea 143.652 17 77.524 19 80.000 6 22.825 12
Pianura 159.547 7 108.237 143 49.989 79 41.501 6 Calabria Montagna interna 6.441 14 8.384 14 10.708 22
Montagna litoranea 20.067 15 16.143 14
Collina interna 6.866 35 6.504 16 13.400 5 10.196 70
Collina litoranea 7.710 30 8.777 10 19.585 36 11.400 5 12.913 86 2.023 5
Pianura 6.095 24 9.708 25 18.680 14 12.749 34
Puglia Montagna interna 11.589 48
Collina interna 14.935 144 21.151 13 17.809 52 19.835 24 14.029 90 4.774 28 7.873 23 Collina litoranea 9.394 40 12.938 8 13.495 11 12.350 54 6.585 16 7.100 5 Pianura 14.487 147 17.000 130 21.860 49 19.096 174 13.207 303
Basilicata Montagna interna 5.533 125 13.202 33 20.111 6 9.516 24 8.466 31 3.084 127 5.126 25
Collina interna 10.008 244 13.262 24 17.402 48 16.591 45 12.828 131 2.240 62 4.071 16
Pianura 12.354 20 14.479 63 18.868 140 19.296 23 16.236 61 3.676 9 Sicilia Montagna interna 8.294 74 13.691 22 3.617 56 Collina interna 7.187 137 14.076 47 13.896 28 11.026 85 3.159 45 Collina litoranea 9.151 41 22.841 56 17.243 32 15.560 11 11.295 41 3.315 45
Pianura 8.130 10 23.577 25 19.837 38 13.798 61 11.230 40
Sardegna Montagna interna 4.875 23 3.253 34
Collina interna 6.515 127 12.024 30 19.500 14 11.796 20 10.676 42 3.785 112
Collina litoranea 7.591 35 13.796 27 15.800 5 11.778 9 10.667 12 3.336 33 Pianura 8.849 70 13.173 110 20.482 23 13.757 15 11.400 19 3.955 27
Fonte: Banca dati Rica 2009
d >>Ϯ;ƐĞŐƵĞͿ seminativo
asciutto
seminativo
irriguo frutteto vigneto oliveto pascolo bosco
Regione Zona altimetrica Valore n Valore n Valore n Valore n Valore n Valore n Valore n
d >>Ϯ͘/s>KZ/ /^hK>/ />EhD ZK/K^^ Zs/KE/W ZZ '/KE KE>d/D dZ/; hZK ddZKͿ seminativo
asciutto
seminativo
irriguo frutteto vigneto oliveto pascolo bosco
Progetti ed attività
Territori n. 7/2012consecutivi, infatti, dà maggiori garanzie sulla sua correttezza. In questo modo si ottiene un panel composto da 29.205 osservazioni comuni ad entrambi i campioni. Infine, sono stati considerati solo gli strati che contengono osserva- zioni relative ad almeno 5 aziende diverse, ottenendo un campione finale di 27.468 osservazioni per un totale di 9.994 aziende e 863 strati (incroci tra macroaree e ma- crocolture).
Risultati dello studio
La stima dei valori medi dei suoli per tipologia colturale (incluso il bosco) e zona geografica utilizza i dati dei valori dei terreni presenti nell’archivio Gaia 2009. Siccome, non è possibile adottare nessun metodo di riporto all’universo dei dati, l’unica indicazione di “atten- dibilità” della stima è data dalla numerosità delle osservazioni im- piegate per la stima stessa. Infatti, sebbene il campione RICA sia un campione casuale basato su un di- segno campionario che consente il calcolo dei pesi da assegnare ad ogni azienda per l’estensione delle informazioni raccolte all’universo delle aziende del campo di osser- vazione, questi pesi non possono
essere qui utilizzati per due motivi: l’unità statistica dell’indagine RI- CA è l’azienda e non la tipologia di suolo e la tipologia e il valore dei suoli non costituiscono delle varia- bili strategiche del disegno campio- nario. Per questo motivo, affianco alla colonna del valore è riportato anche il numero di osservazioni utilizzate per la stima. Questa in- formazione consente di valutare la affidabilità della stima, più alto è il numero di osservazioni e maggiore è la probabilità che il valore stimato sia aderente a quello reale (è stato deciso di non mostrare il valore del- le medie quando queste sono cal- colate a partire da meno di cinque aziende).
Nella tabella 2 a sono riportati i valori per regione e zona altime-
trica. Il valore dei suoli varia all’in- terno di ogni regione a seconda della zona altimetrica del comu- ne in cui si trova il centro azien- dale che dispone del terreno. Di seguito si riportano i principali risultati per circoscrizione.
Italia settentrionale
I valori più elevati si registrano per il vigneto e il frutteto, con valori medi ad ettaro davvero consistenti per il Trentino, intor- no ai 190 mila euro, che variano da 50 a 70 mila euro per la Val- le d’Aosta, il Piemonte, il Veneto, l’Emilia-Romagna e la Lombardia (in quest’ultima regione, però, i seminativi hanno valori superiori al vigneto e al frutteto) e un po’ meno, circa 30 mila euro, per l’Al-
to Adige e il Friuli-Venezia Giulia (in quest’ultima regione i semina- tivi hanno valori simili al vigneto e al frutteto). In Liguria, invece, i valori più elevati sono quelli del seminativo irriguo, che vale intor- no ai 150 mila euro ad ettaro nelle zone di collina e tra i 50 e i 90 mila euro nelle zone di montagna.
Italia centrale
I valori più elevati si registrano per il seminativo irriguo che in Tosca- na è stimato tra i 100 e i 120 mila euro ad ettaro. Seguono il frutte- to e il vigneto, con valori compresi tra 20 e 40 mila euro ad ettaro per la Toscana e il Lazio, e 15-20 mila euro per le Marche e l’Umbria.
Italia meridionale e insulare
Anche in questo caso i valori più elevati sono registrati per il se- minativo irriguo, il frutteto e il vigneto. I valori variano dai 15 ai 20 mila euro ad ettaro, fatta ec- cezione per la Campania che pre- senta valori di 100-150 mila euro ad ettaro per i seminativi e tra i 50 e gli 80 mila euro per il vigneto e il frutteto.
L’esame comparato dei risultati dello studio
Come già accennato, l’esame com- parato tra i risultati dello studio e i valori dei terreni agricoli prodotti dall’INEA con l’indagine sul mer- cato fondiario è stato condotto esattamente con le stesse moda- lità già utilizzate nello studio re- lativo al 2007. Più precisamente, le fasi nelle quali l’analisi è stata sviluppata sono le seguenti: ͻĂďďŝŶĂŵĞŶƚŽƚƌĂŝǀĂůŽƌŝĚĞŝƚĞƌ-
reni afferenti alle due serie di dati;
ͻĐĂůĐŽůŽĚĞůůĞĚŝĨĨĞƌĞŶnjĞƚƌĂŽŐŶŝ coppia di dati;
ͻ ĐůĂƐƐŝĨŝĐĂnjŝŽŶĞ ĚĞůůĞ ĚŝĨĨĞƌĞŶnjĞ in classi di variazioni assolute e variazioni percentuali e esame delle stesse.
Differenziandosi le due serie di dati solo per i riferimenti colturali,
per realizzare l’abbinamento è sta- to sufficiente appaiare ai seminativi irrigui della RICA i seminativi tout
court dell’indagine sul Mercato
Fondiario. La tabella 3 rappresenta sinteticamente le modalità di que- sto abbinamento.
Da notare, per inciso, che l’impo- stazione metodologica dello stu- dio porta alla definizione di 2.072 combinazioni tra zone altimetriche provinciali (n. 296) e macrocolture (n.7). L’indagine INEA sul mercato fondiario esercita su queste com- binazioni una copertura pari al
67%4. La copertura esercitata dalle
informazioni RICA, invece, è gene- ralmente più bassa e normalmente
pari al 41%5. Come visto nel prece-
dente studio, però, qualora venga- no prese in considerazione solo le combinazioni significative (quelle nelle quali la SAU della coltura in- cide almeno per il 10% sulla SAU della macroarea), il grado di coper- tura esercitato dalle informazioni prodotte dalla RICA sale a oltre il 60% del totale.
Effettuato l’appaiamento dei valori come sopra precisato, le differenze scaturite da ciascuna coppia di que- sti sono state classificate in quattro classi di variazione in valore asso- luto (< 5.000, tra 5.000 e 25.000,
tra 25.000 e 50.000, > 50.000) e in quattro classi di variazione percen- tuale (< 5, tra 5 e 25, tra 25 e 50, > 50). La tabella 4 mostra le frequen- ze delle differenze in esame per classe di variazione, comparandole anche con quelle ottenute dallo studio relativo al 2007. Si può notare, prima di tutto, che il numero complessivo di osserva-
zioni6 passa dalle 802 del 2007 alle
774 del 2009. Stante lo stesso cam- pione RICA, la variazione in esame è da ascrivere a una modificazione metodologica tesa all’ottenimento d’informazioni statisticamente più “robuste” e consistente nel con- siderare solo le informazioni pro- venienti da un numero minimo di informazioni pari a cinque aziende
e non a cinque terreni. Quanto alla modificazione dei ri- sultati dello studio ascrivibile alla nuova metodologia, l’esame delle variazioni percentuali deducibili dalla tabella denota, seppure in misura non eccezionale, uno spo- stamento delle differenze verso le classi di minore ampiezza. Rispet- to al 2007, infatti, la seconda clas- se verticale (variazioni comprese tra il 5 e il 25%), passa dal 30 al 35% delle frequenze e la seconda classe orizzontale (variazioni com- prese tra 5.000 e 25.000 euro), passa dal 38 al 43%, contenendo in realtà anche un 2% delle fre- quenze che gli arrivano dalla clas- se sovrastante.
ŝďůŝŽŐƌĂĨŝĂ
Ballin M. (cur.), 2004, Indagine sui Risultati
Economici delle Aziende Agricole RICA- REA, Anni 2002-2003-2004, Istruzioni per la rilevazione delle variabili REA, ISTAT,
Roma.
Bethel J., 1989, Sample allocation in multi-
variate survey, «Survey Methodology»,
15, 1.
Ciaian P., Kancs D., Swinnen J., 2008, Study
on the functioning of Land Markets in the EU Member States under the influence of measures applied under the Common Agricultural Policy, Centre for European
Policy Studies (CEPS), Brussels.
per il territorio rurale
ϭϴͳϭϵ
a cura di ZĂīĂĞůůĂƵĐĂƌŽ d >>ϰ͘/&& Z E dZs>KZ/Z/ s>KZ//E'/E D&͕ W Z>^^//sZ//KE/W Z Edh>/ >^^//sZ//KE/ /Es>KZ ^^K>hdK Classi di variazioni in