ELINTARVIKKEIDEN MATERIAALIPANOSTEN JA

TEKNILLINEN KORKEAKOULU Elektroniikan, tietoliikenteen ja automaation tiedekunta Matematiikan ja systeemianalyysin laitos Tommi Kauppinen ELINTARVIKKEIDEN MATERIAALIPANOSTEN JA RAVINTOARVOJEN TEHOKKUUSANALYYSI Diplomi insinöörin tutkintoa varten tarkastettavaksi jätetty diplomityö Helsinki, 28.4.2008 Valvoja Professori Ahti Salo Ohjaaja MMM Michael Lettenmeier

TEKNILLINEN KORKEAKOULU Elektroniikan, tietoliikenteen ja automaation tiedekunta DIPLOMITYÖN TIIVISTELMÄ Tekijä Tommi Kauppinen Päivämäärä 28.4.2008 Sivumäärä 6+76 Työn nimi Elintarvikkeiden materiaalipanosten ja ravintoarvojen tehokkuusanalyysi Professuuri Sovellettu matematiikka Valvoja Prof. Ahti Salo Ohjaaja MMM Michael Lettenmeier Koodi Mat 2 Työssä tarkastellaan Data Envelopment Analysis (DEA) menetelmän sopivuutta sellaisen kuluttajaindikaattorin muotoilemiseen, joka yhdistää elintarvikkeiden tuotannon ympäristövaikutukset muuhun tuotetietoon. Lisäksi työssä arvioidaan DEA menetelmän soveltuvuutta välineeksi, jolla julkishallinto ja elintarvikealan yritykset voivat ottaa elintarvikkeiden tuotannon ympäristövaikutukset huomioon. Elintarvikkeiden arviointi pyritään pitämään kaikissa näissä tapauksissa yksinkertaisena mutta luotettavana. Rakennetut DEA mallit on esitetty sellaisella tarkkuudella, että työn pohjalta elintarvikkeiden arviointiin tarkoitettu palvelu voidaan toteuttaa esimerkiksi Internetissä. Diplomityössä tutkitaan tarkemmin kolmea DEA mallia. Näistä BCC (Banker Charnes Cooper) DEA malli tarjoaa väljän indikaattorin elintarvikkeiden arvioimiseksi. CCR (Charnes Cooper Rhodes) DEA malli tarkentaa arvioinnissa käytettyä indikaattoria. CCR AR (Charnes Cooper Rhodes Assurance Region) DEA malli on tarkin tarkasteltavaksi valituista indikaattoreista. Näitä kolmea erityyppistä DEA mallia tutkitaan 24 suomalaisesta elintarvikeryhmästä muodostetun materiaalipanos, kuluttajahinta ja ravintoarvoaineiston avulla. Materiaalipanoksia mitataan Material Input per Service unit (MIPS) menetelmällä. Saatuja tuloksia verrataan aikaisempaan elintarvikkeiden ympäristövaikutuksia kartoittavaan tutkimukseen. Diplomityön tulokset viittaavat siihen, että DEA mallien avulla elintarvikkeita koskeva tuotetieto voidaan tiivistää kuluttajaindikaattoriksi myös ympäristövaikutukset huomioiden. Työssä havaitaan, että uskottavien tulosten muodostamiseksi elintarvikkeiden tuotetiedon arvioinnissa on kiinnitettävä huomiota sekä mallinnuksessa käytettyjen muuttujien että käytetyn DEA mallin valintaan. Avainsanat: Päätöksentekoanalyysi, lineaarinen optimointi, Data Envelopment Analysis, materiaalipanos, ympäristöindikaattori, tehokkuusluku, ravintoarvo ii

HELSINKI UNIVERSITY OF TECHNOLOGY Faculty of Electronics, Communications and Automation ABSTRACT OF THE MASTER S THESIS Author Tommi Kauppinen Date 28.4.2008 Number of pages 6+76 Title of the Thesis Efficiency Analysis of Material Input and Nutritional Values of Foodstuffs Professorship Applied Mathematics Supervisor Professor Ahti Salo Instructor M. Sc. (Agr. & For.) Michael Lettenmeier Code Mat 2 The Thesis seeks to develop Data Envelopment Analysis (DEA) as a tool for consumers to evaluate the different foodstuffs' sustainability. In addition, the possibilities of using DEA as a basis for the evaluation of the foodstuff sustainability on governmental and enterprenual level are studied. In all these contexts, the evaluation should be practical but reliable. We also presume that measures can be compiled by a (e.g. web based) service provider with a reasonable effort. We suggest three different DEA models to be further developed for the operational use. The BCC (Banker Charnes Cooper) model allows a loose measure of foodstuffs performance. The CCR (Charnes Cooper Rhodes) model gives a stricter limit for acceptable performance. The CCR AR (Charnes Cooper Rhodes Assurance Region) model further restricts the definition of acceptable performance. These three models are tested with data by using the Material Input Per Service unit (MIPS) measurements and consumer prices of 24 Finnish foodstuff groups as inputs and their nutritional values as outputs. The results are compared with a previous study on foodstuff sustainability conducted in Finland. They suggest that the DEA models can provide valid indications about the sustainability of different foodstuffs. As a conclusion, the DEA method is found appropriate for foodstuff sustainability evaluation. However, a well founded choice of the input and output variables, as well as the choice of the DEA model, too, is crucial. Keywords: Decision Analysis, Linear optimisation, Data Envelopment Analysis, Material input, Environmental indicators, Efficiency score, Nutritional value iii

Esipuhe Työ on toteutettu osana Ympäristöministeriön ympäristöklusterin KotiMIPS tutkimusprojektia, sen rahoittamana. Tutkimusprojektissa mukana olleista haluan erityisesti kiittää Michael Lettenmeieria ja Satu Lähteenojaa täsmällisestä ja ystävällisestä tutkimusprojektin koordinoimisesta. Lisäksi haluan kiittää tutkimusprojektissa lopputyötään tehneitä Petro Tammista ja Sini Veuroa vertaistuesta materiaalipanosaineiston koostamisessa. Teknillisen Korkeakoulun Systeemianalyysin laboratorion professori Ahti Saloa kiitän työn kannustavasta valvomisesta. Lisäksi haluan kiittää tutkija Anna Kuokkasta hänen kommenteistaan työn esitysasun hiomiseksi. Työn on saatavissa pdf muodossa Systeemianalyysin laboratorion www sivuilta osoitteesta http://www.sal.hut.fi/publications/. Tommi Kauppinen Helsinki, 28. Huhtikuuta 2008 iv

Sisällysluettelo JOHDANTO... 7 2 MATERIAALIPANOKSET JA RAVINTOARVOT TEHOKKUUSANALYYSISSÄ... 12 2.1 Kulutus ja ympäristö... 13 2.2 Kuluttajan ostopäätös... 17 2.3 Päätöksenteossa käyttökelpoinen informaatio... 18 2.4 Materiaalipanosaineisto... 21 2.5 Muu työssä käytetty aineisto... 23 3 DEA MENETELMÄ... 26 3.1 Vaihtoehtoisten DEA mallien esittely... 28 3.2 CCR malli... 33 3.3 BCC malli... 36 3.4 CCR AR malli... 37 3.5 Esiteltyjen DEA mallien vahvuudet ja heikkoudet... 39 4 TEHOKKUUSLUVUT JA NIIDEN TULKINTA... 41 4.1 Dominanssimatriisi... 46 4.2 TMR aineisto, dominanssimatriisi ja DEA mallit... 50 v

5 MATERIAALIPANOSTEN MALLINTAMINEN LINEAARISELLA OHJELMOINNILLA... 57 5.1 LP ruokavalio eli terveellisten ruokavalioiden ääripäät... 58 5.2 Makutottumusten mallintamisesta... 60 6 JOHTOPÄÄTÖKSET... 63 6.1 DEA mallien tarjoamien tulosten vahvuudet ja heikkoudet... 66 6.2 Tulosten hyödyntäminen... 68 6.3 Mahdollisia aiheita jatkotutkimukselle... 70 LÄHTEET... 72 vi

Luku 1 Johdanto Tuotantojärjestelmän ylläpitäminen voi olla taloudellisesti kannattavaa, vaikka se käyttäisi ylen määrin materiaalia ja energiaa (Hoffrén 2001). Vastaavasti kuluttajan tekemät ostopäätökset voivat olla hänelle taloudellisesti kannattavia, vaikka niiden ohjausvaikutus tuotantojärjestelmään on hänen preferenssiensä suhteen suboptimaalinen. Eräs kuluttajan mahdollisista preferensseistä on huomioida ostopäätösten vaikutus tuotantojärjestelmän ympäristövaikutuksiin. Kuluttajan ohjausvaikutusta tuotantojärjestelmään voidaan kehittää. Tähän liittyen ympäristötekijöihin liittyvän tuotetiedon ristiriidatonta ja selkeää esittämistä, ja vastaavasti sen käyttöönottoa on mahdollista edistää. Tuotetieto voidaan pyrkiä esittämään muodossa, joka palvelee mahdollisimman täsmällisesti kuluttajan intressejä (esim. Nissinen et al. 2006). Tässä voidaan käyttää suurimmille tuotannonaloille räätälöityjä mittaristoja, jotka tiivistävät oleellisen informaation mahdollisimman selkeästi. Yleisesti tällaisina mittareina on pidetty eri tuotteille myönnettäviä ympäristömerkintöjä, mutta ajan myötä niiden käytössä on todettu ongelmia tarjolla olevien tuotteiden kirjoa arvioitaessa (esim. Pirilä & Ranne 1998). Siksi tuotetiedon tiivistäminen tulee entistä tärkeämmäksi. 7

Tuotannon ympäristövaikutusten esittämiseksi on kehitetty useita menetelmiä. Näistä nykyisellään huomattavimpia ovat elinkaarianalyysi (LCA, Life Cycle Analysis, esim. Tonteri & Kuuva 1995), ekologinen jalanjälki (Global Footprint Network 2005) ja materiaalivirtojen tutkimus (MFA, Material Flow Accounting, Adriaanse et al. 1997), sekä viimeksi mainittuun liittyen MIPS tutkimus (Material Input per Service Unit, Schmidt Bleek et al. 1998). Sekä MIPS että MFA pyrkivät mittaamaan tuotantojärjestelmän toimintaa sen käyttämien materiaalipanosten suhteen. Tehokkuus materiaalipanosten suhteen johtaa tuotantojärjestelmän dematerialisaatioon, eli yksikkömäärän tuotannon yhteydessä käytettyjen materiaalien ja/tai jätteiden syntymisen absoluuttiseen tai suhteelliseen vähenemiseen (Cleveland & Ruth 1999:16). Tässä yhteydessä on huomionarvoista, etteivät mainitut ympäristövaikutusten mitat ole yhteismitallisia. Elinkaarianalyysi keskittyy tärkeiksi luokiteltuihin ympäristöpäästötyyppeihin ja mittaa ympäristövaikutuksia näissä luokissa, ekologinen jalanjälki puolestaan mittaa kulutuksen vaatimia maahehtaareja, kun taas MIPS ja MFA tuottavat informaatiota tuotannon kokonaismateriaalipanoksista painoyksiköinä. Erilaisia matemaattisia menetelmiä voidaan kuitenkin käyttää ympäristövaikutusmittojen sisältämän informaation tiivistämiseksi. Eräs eniten materiaalipanoksia käyttävistä tuotannonaloista Suomessa on elintarviketeollisuus, sillä elintarvikkeiden kulutus muodostaa tonnimäärällisesti 25 32% Suomen materiaalien kokonaiskäytöstä (Mäenpää et al. 2000). Jos kuluttaja kiinnostuu omien ostopäätöstensä vaikutuksesta ympäristöön, niin ravinnon suhteen tehdyt päätökset ovat perusteltu alue pyrkiä tekemään yhä informoidumpia valintoja. Tiivistettyä tuotetietoa ja kulutuksen ympäristövaikutuksia voidaan hyödyntää myös muussa elintarvikkeita koskevassa päätöksenteossa. Tässä työssä käytetään termiä elintarvikepuolen toimijat, kun viitataan sekä elintarviketuotannon ohjauskeinoista päättävään julkishallintoon että elintarvikeketjun yritysten ja suurkeittiöiden liiketoiminnan suunnittelijoihin. Tässä työssä tarkastellaan Data Envelopment Analysis (DEA) menetelmän käyttömahdollisuuksia elintarvikkeiden tuotetiedon tiivistämiseksi. Menetelmällisesti DEA on panosten ja tuotosten kuvaukseen perustuva malli. 8

Tällaisilla malleilla voidaan pyrkiä tuomaan ulkoistetut kustannukset takaisin taloudelliseen analyysiin sekä tekemään taloudellisen toiminnan ympäristöseuraukset näkyviksi ja päätöksenteon alaisiksi (Luhmann 2004:105). DEA menetelmän vahvuudet suhteessa muihin panos tuotos analyyseihin voi kiteyttää seuraavasti: kyseisellä menetelmällä voidaan tuottaa jokaiselle elintarvikkeelle tehokkuusluku, johon voidaan tutkittujen elintarvikkeiden otosjoukon kasvaessa tiivistää yhä useampien muuttujien sisältämää informaatiota. DEA menetelmän tarjoama tehokkuusluku antaa kuluttajalle tai elintarvikepuolen toimijalle mahdollisuuden vertailla erilaisten tuotteiden ominaisuuksia olettaen, että luvun avulla pystytään tiivistämään tuotteita koskevaan päätöksentekoon vaikuttava informaatio. Tässä työssä perehdytään kuluttajan ostopäätökseen vaikuttaviin tekijöihin, joiden avulla pyritään rakentamaan kuluttajaindikaattori. Työssä tarkastellaan myös DEA menetelmän käyttöä päätöksenteon apuvälineenä, jonka avulla elintarvikepuolen toimija voi arvioida elintarviketuotannon tehokkuutta. Elintarvikkeiden kulutuksen vaikuttimet ovat monisyiset, mikä heijastuu kuluttajaindikaattorille asetettuihin vaatimuksiin. Työssä käytetyssä aineistossa pyritään huomioimaan oleelliset kuluttajien ostopäätöksiin vaikuttavat tekijät. Kuitenkin jotkin ostopäätöksien vaikuttimista ovat helpommin mitattavissa kuin toiset. Ensimmäiseksi elintarvikkeet tyydyttävät loppukäyttäjän ravinnontarvetta, joten vaikuttaa luontevalta ottaa ravintoarvot mukaan tarkasteluun. Toisaalta loppukäyttäjän makutottumukset ovat tärkeitä vaikuttimia päätöksenteossa. Myös ruoan hinta ja valmistusaika voi vaikuttaa ostopäätökseen, samoin kuin eettiset näkemykset tai uskonnollinen vakaumus. Tässä työssä pyritään kehittämään menetelmä, jolla voidaan päätöksenteossa huomioida kuluttajia ja elintarvikepuolen toimijoita kiinnostavat ympäristönäkökohdat. Elintarvikkeiden ostopäätökseen vaikuttavista tekijöistä tärkeimpinä pidetään niiden kuluttajahintoja, materiaalipanoksia, ravintoarvoja ja elinkaarianalyysin mukaisia ympäristövaikutuksia. Elintarvikkeiden tehokkuutta arvioidaan näiden tekijöiden pohjalta sekä DEA menetelmän että lineaariseen ohjelmointiin (linear programming) perustuvan 9

LP ruokavalion avulla. Molempien menetelmien käyttö perustuu suositeltuihin ravintoarvoihin. LP ruokavalion yhteydessä tarkastellaan lisäksi mahdollisuuksia erilaisten henkilöiden makutottumusten huomioimiseen. DEA menetelmän tarjoamia tuloksia arvioidaan sekä aineistoon kuuluville elintarvikkeille muodostetun dominanssimatriisin, kokonaismateriaalintarpeen että LP ruokavalion avulla. Esitetyt tutkimuskysymykset ovat: u u u u u u Onko materiaalipanosten ja ravintoarvojen käyttö perusteltua arvioitaessa elintarvikkeiden tehokkuutta yksittäisen kuluttajan näkökulmasta? Entä elintarvikepuolen toimijoiden näkökulmasta? Millaiset DEA mallit soveltuvat käytetylle aineistolle parhaiten? Missä määrin mallinnuksessa saadut tehokkuusluvut ottavat huomioon elintarvikkeiden kokonaismateriaalintarpeen? Entä niiden ravintoarvot? Ovatko lineaarisen optimoinnin avulla saadut tulokset optimaalisesta elintarvikkeiden käytöstä samansuuntaisia kuin DEA mallien antamat tulokset elintarvikkeiden tehokkuudelle? Missä määrin työssä käytettyjen DEA mallien käyttökelpoisuus elintarvikkeita koskevassa päätöksenteossa voidaan yleistää käytetyn aineiston erikoistapauksesta yleiseen tapaukseen? Voidaanko DEA menetelmällä tuottaa kuluttajaindikaattori kuluttajan ostopäätöksen tueksi? Entä päätöksenteon apuväline elintarvikepuolen toimijoille? Luvussa 2 esitetään perusteluja materiaalipanosten käytölle ympäristöindikaattorina. Lisäksi perehdytään ravintoarvojen ja kuluttajahintojen huomioimiselle elintarvikkeita koskevassa päätöksenteossa. Luvussa tarkastellaan myös, missä määrin elintarvikepuolen toimijat voivat hyödyntää kuluttajien näkökulmasta muodostettua aineistoa. Erityisesti pyritään perustelemaan, millä tapaa kuluttajat ja elintarvikepuolen toimijat voivat hyödyntää tässä työssä saatuja tuloksia. Lisäksi Luvussa 2 esitellään työssä käytetty aineisto: materiaalipanosaineisto integroidaan muuhun tuotetietoon, eli elintarvikkeiden ravintoarvoihin ja niiden hintaan. 10

Luvussa 3 esitellään DEA menetelmä ja matemaattiset DEA mallit. Luvussa tarkastellaan erityyppisiä DEA malleja ja niiden soveltuvuutta käytetylle aineistolle. Lisäksi tarkastellaan aikaisempaa elintarvikkeet ja DEA mallinnuksen yhdistävää tutkimusta. Luvussa esitellään tarkemmin Charnes Cooper Rhodes (CCR), Banker Charnes Cooper (BCC) ja CCR Assurance Region (CCR AR) DEA mallit ja perustellaan niiden käyttö tutkitulle aineistolle. Luvussa 4 esitellään tulokset 18 eri DEA mallista ja esitetään niiden validointiin soveltuvaa jatkoanalyysiä. Eri DEA mallien tarjoamien tulosten vaihtelua tarkastellaan dominanssimatriisin avulla. Lisäksi tarkastellaan korrelaatiota tehokkuuslukujen ja kokonaismateriaalintarpeen välillä. Luvussa 5 tutkitaan DEA mallinnuksesta poikkeavan lineaarisen ohjelmoinnin avulla saatuja ratkaisuja optimaaliselle ruokavaliolle, eli LP ruokavaliolle. Luvussa tarkastellaan myös erilaisia mahdollisuuksia sisällyttää erilaisia makutottumuksia lineaarisiin ohjelmointimalleihin. Luvussa 6 pohditaan tuloksia ja tarkastellaan, miten käyttökelpoisesti DEA mallit yhdistävät panos ja tuotosmuuttujainformaation yhdeksi tehokkuusluvuksi. Työn tulokset antavat aineksia ekologisten mittojen ja taloudellisen analyysin suhteita tarkastelevalle keskustelulle. Työssä esitetään tehokkuusluku, joka voidaan ottaa mukaan päätöksentekoon taloudellisten tunnuslukujen rinnalle elintarvikkeita tarkasteltaessa. Laajemmassa mittakaavassa työ voi antaa työkaluja ekosysteemin ja teollisten järjestelmien käsitteiden (ks. esim. Korhonen 2000) tuomiseksi lähemmäs toisiaan. 11

Luku 2 Materiaalipanokset ja ravintoarvot tehokkuusanalyysissä Seuraavassa esitetään perusteluja elintarvikkeiden materiaalipanosten ja ravintoarvojen käytölle, kun pyritään tutkimaan elintarvikkeiden tehokkuutta. Tehokkuutta merkitään yleisesti (esim. Cooper et al. 2006:1) suhdelukuna syntyvien tuotosten ja aiheutuvien panostusten välillä kuten seuraavassa. tuotos. panos Esimerkkeinä voidaan mainita esimerkiksi hinta yksikköä kohti, tuotto yksikköä kohti ja tyytyväisyys yksikköä kohti. Tehokkuuden määritelmästä johtuen sitä elintarvikkeille mitattaessa on syytä arvioida, mitkä ovat kuluttajan kannalta ne panostukset ja tuotokset, jotka vaikuttavat elintarvikkeen tehokkuuteen ostopäätöksen yhteydessä. Toisin sanoen tarkastellaan, millaisia taloudellisia panostuksia kuluttajalta vaaditaan elintarvikkeen hankkimiseksi ja mitä hän vastaavasti elintarvikkeesta saa. Toisaalta taloudellisen järjestelmän ulkopuolisista tekijöistä on tässä kiinnitetty huomiota ympäristöön. Kuten kuluttajalta, myös ympäristöltä vaaditaan tietty (materiaali)panos tuotteen valmistamiseksi ja ympäristöön kohdistuu kuluttajan ostopäätöksen seurauksena joitakin vaikutuksia. Näkökulma ympäristön tilassa tapahtuville positiivisille ja 12

negatiivisille vaikutuksille kiinnitetään tässä skenaario käsitteen (Hukkinen 2006) avulla (ks. alla). Ympäristön ja toimijan yhteistyö ostopäätöksessä voidaan esittää kuten kuvassa 1. Kuva 1. Toimijan elintarvikkeen ostopäätökseen liittyvät tekijät. Hinta ja materiaalipanos on kuvattu panoksina; ympäristövaikutukset, ravitsemus ja maku tuotoksina. Tavanomaisesti kuluttajien ajatellaan toimivan kuvassa 1 esitetyllä horisontaalisella akselilla. Myös vertikaaliakseli voi vaikuttaa ostopäätökseen. Vertikaaliakselin muuttujat voidaan myös eri keinoin huomioida horisontaaliakselilla. Miten tämä tulisi tehdä, on erittäin monimutkainen kysymys, josta käydään keskustelua (esim. Lawn et al. 2006). Kuvassa 1 elintarvikkeiden hankintapäätöksiin vaikuttavat ympäristövaikutukset, materiaalipanokset, hinta, ravitsemus ja maku. Muitakin tekijöitä voitaisiin huomioida, kuten ruoan valmistuksen vaatima aika tai uskonnolliset näkökulmat. Seuraavaksi esitetään näkökohtia kuvassa 1 nimettyjen tekijöiden sisällyttämisestä tähän työhön. 2.1 Ostopäätös ja ympäristö Tässä työssä ympäristölle ostopäätöksestä aiheutuvia vaikutuksia tarkastellaan skenaario käsitteen näkökulmasta. Hukkinen (2003, 2004, 2006) on tutkinut käsitettä ympäristöindikaattorien yhteydessä. Lähtökohtana on, että ympäristöindikaattorit olettavat aina ympäristön tilalle skenaarion, johon 13

indikaattorin avulla pyritään, tai jota pyritään välttämään. Ympäristöindikaattorien yhteydessä on siis syytä kysyä, mitä tulee tapahtumaan jos indikaattorin tarjoamaa informaatiota ei sisällytetä päätöksentekoprosessiin (Hukkinen 2006), jolloin ympäristöindikaattorin olettamaan skenaarioon viitataan deskriptiivisesti. Toisaalta voidaan preskriptiivisesti kysyä, mitä ympäristöindikaattorin huomioimisen seurauksena tulisi tapahtua. Ympäristöindikaattorin käyttämiseksi tulisi voida vastata molempiin kysymyksiin, sekä arvioida nimenomaisen indikaattorin käytännöllisyyttä eri skenaarioita punnittaessa. Kuvan 1 termi ympäristövaikutukset on epämääräinen suhteessa skenaarioajatteluun: ympäristövaikutuksia tulee tarkentaa kunkin tavoitellun skenaarion mukaan. Jos pyritään vähentämään kasvihuonepäästöjä (deskriptiivisenä skenaariona maapallon keskilämpötilan nousu), tuotteiden tuotannon yhteydessä leviävien kasvihuonepartikkelien kuten hiilidioksidin ja metaanin huomiointi on tärkeää. Toisaalta, jos pyritään estämään vesistöjen rehevöitymistä, tulee huomioida erityisesti ravinteiden kulkeutuminen vesistöihin. Perinteisesti ympäristön tilaa tutkittaessa on kiinnitetty huomiota sellaisiin aineisiin, jotka ovat suoraan haitallisia ympäristölle ja/tai ihmisille. Esimerkiksi ilman saastuminen, allergiat, melu, kemikaalit, UV säteily ja hormonaaliset haitta aineet ovat kaikki ympäristön muutosten aiheuttamia haittavaikutuksia ihmiselle. Jokaiselle haitta aineelle on määriteltävissä skenaario, johon pyritään (haitta aineen minimaalinen leviäminen) ja jota pyritään välttämään (ihmiselle ja/tai ympäristölle aiheutuva haitta). Toisaalta voidaan huomata myös erilaisten ympäristövaikutusten moninaisuus. Voidaan myös olettaa, että eri intressiryhmillä on eriävät näkemykset kunkin haitta aineen päästöjen vakavuudesta. Wuppertal instituutti (WI, Wuppertal Institute for Climate, Environment and Energy) Saksassa on pyrkinyt esittelemään tuotannon materiaalipanokset ympäristöindikaattorina, joka pystyy yhdistämään ympäristövaikutusten eriävät skenaariot saman käsitteen alle. Suurten taloudellisten yksikköjen materiaalipanoksia käsittelevän materiaalivirtatarkastelun (MFA, Adriaanse et al. 1997) lisäksi voidaan tarkastella myös tuotekohtaisia materiaalipanoksia, jolloin puhutaan MIPS menetelmästä (Schmidt Bleek et al. 1998). Molempiin menetelmiin liittyvä deskriptiivinen skenaario, jota siis pyritään välttämään, on maapallon 14

luonnonvarojen kiihtyvä niukentuminen. Luonnonvarojen niukentuminen voi johtaa nykyisen taloudellisen kasvun asteittaiseen vaikeutumiseen ja paikallisen ja globaalin sosiaalisen eriarvoisuuden lisääntymiseen (Meadows et al. 1972). Toisaalta preskriptiivisenä skenaariona, johon pääsy edellyttää tehokkuutta materiaalipanosten suhteen, esitetään tuotantojärjestelmän vähittäinen dematerialisaatio, eli yksikkömäärän tuotannon yhteydessä käytettyjen materiaalien ja/tai jätteiden syntymisen absoluuttinen tai suhteellinen väheneminen (Cleveland & Ruth 1999:16). Materiaalipanosten, eli käytettyjen ainemäärien yhteispainon, käyttö ympäristöindikaattorina on ongelmallista, jos materiaalipanosten lähteet ovat hyvin erilaisia (esim. Ayres 2000). Esimerkiksi kevyiden mutta myrkyllisten aineiden käyttöä ei tulisi suosia raskaiden mutta vaarattomien kustannuksella. Toisaalta tuotannon keskittymistä suuriin yksiköihin, mikä vähentää materiaalipanoksia tuoteyksikköä kohti, ei aina voida luokitella kestäväksi (Aro Heinilä 2002:74). Vuorovaikutus eri tuotantoketjun tekijöiden välillä on kompleksista, ja indikaattorin tulosten tulkinta vaatii kriittisyyttä: pelkkä tuotannon dematerialisaatio ei suinkaan ole tavoiteltavaa. Suuria materiaalivirtoja tarkasteltaessa tulokset voidaan kuitenkin nähdä suuntaa antavina myös kestävän kehityksen 1 näkökulmasta. Voidaan myös toivoa, että tulevaisuudessa pystytään kehittämään indikaattori, joka paremmin ottaa huomioon materiaalipanosten tarkastelun heikkoudet. Elintarviketuotannon osalta materiaalipanokset toimivat paremmin ympäristöindikaattorina (esim. materiaalien ympäristövaikutukset) kuin esimerkiksi kulutuselektroniikassa. Tuotannossa ympäristölle haitallisia aineita ovat erilaiset viljelyksessä käytetyt torjunta aineet sekä ruoan teollisen jatkojalostamisen yhteydessä tarvitut puhdistusaineet. Ihmisille haitallisten aineiden käyttö on ymmärrettävistä syistä vähäistä. Kuitenkin torjunta aineita ja puhdistusaineita käytetään painossa mitattuna vähän muihin panoksiin verrattuna, jolloin niiden vaikutus materiaalipanoksiin on pieni aineiden myrkyllisyydestä huolimatta. Toinen 1 Kestävän kehityksen käsite on peräisin YK:n ympäristön ja kehityksen maailmankomission raportista vuodelta 1987. Siinä kestäväksi kehitykseksi määriteltiin kehitys, joka tähtää nykyisten tarpeiden tyydyttämiseen vaarantamatta tulevien sukupolvien mahdollisuuksia tyydyttää omia tarpeitaan. Kestävä kehitys sisältää taloudellisen, sosiaalisen ja ympäristöllisen ulottuvuuden (Allenby 1999:17). 15

puute materiaalipanoksissa on niiden aiheuttama ohjausvaikutus elintarviketeollisuudelle: materiaalipanokset pienenevät, jos elintarvikkeiden tuotannon osaprosessit sijoitetaan mahdollisimman suuriin yksiköihin. Tässä voidaan huomata, että suurten yksikköjen käyttö on ristiriidassa yleensä elintarvikkeisiin liitettyjen muiden arvojen, kuten eläinten luonnollisten kasvuolojen ja hyvinvoinnin kanssa. Jos elintarvikkeiden yhteydessä hyväksytään nämä materiaalipanosten käyttöön liittyvän preskriptiivisen skenaarion piirteet, voidaan materiaalipanoksia käyttää ympäristöindikaattorina dematerialisaation edistämiseksi. MIPS menetelmä perustuu koko elinkaaren aikaisen materiaalipanoksen (MI, Material Input) mittaamiselle palvelusuoritetta (S, Service Unit) kohti (Schmidt Bleek 2002:114). Materiaalipanokset MI jaetaan viiteen eri materiaaliluokkaan: abioottiset (elottomat), bioottiset (elolliset), vesi, ilma ja eroosio (lisätietoja, ks. Kauppinen et al. 2008). Näihin luokkiin jaotellaan palvelusuoritteen tuottamiseksi käytetyt kaikki ainekset, kuten kuljetuksissa käytetty diesel, peltojen kalkitus ja rakennusainekset. Kun kaikki käytetyt ainekset on määritetty tiettyä painoyksikköä (esim. kilogramma) kohti, lasketaan ne jokaisen materiaaliluokan sisällä yhteen. Palvelusuoritteen S määrittely riippuu tutkimuskohteesta, mutta se voidaan sitoa esimerkiksi yksittäisiin ostosvaihtoehtoihin. Lopulliset MIPS arvot muodostuvat tällöin annetulle tuotteelle, kun jokaisen materiaaliluokan lukuarvo jaetaan saatujen palvelusuoritteiden lukumäärällä. Eli MI MIPS =, (1) S missä MI on eri materiaaliluokkien muodostama 1 5 vektori, ja suoritettu jakolasku on alkioittainen jakolasku, palvelusuoritteen S ollessa skalaari. Tässä työssä käytetyssä aineistossa palvelusuorite S on kilogrammaa annettua elintarviketta (Kauppinen et al. 2008). Materiaalipanosten lisäksi voidaan tutkia erilaisten elintarvikkeiden ympäristövaikutuksia. Tässä työssä käytetään materiaalipanoksia ympäristövaikutusten kuvaamiseen, eikä ympäristövaikutusten tarkempaa erittelyä tehdä. Rajaus on tehty käytännön syistä. Materiaalipanokset ja ympäristövaikutukset tunnetaan vasta rajoitetulle määrälle elintarvikkeita, jolloin käytetty 16

DEA menetelmä soveltuu vain rajoitetulle määrälle muuttujia. Työtä varten kerätty aineisto on suurin yhtenäinen elintarvikkeiden ympäristövaikutuksia käsittävä aineisto Suomessa. Seuraavissa luvuissa esitellään kuitenkin mahdollisuuksia huomioida DEA menetelmällä myös elinkaarianalyysin (LCA) standardin mukaisia ympäristövaikutuksia, kun tarkempi aineisto on saatavilla. 2.2 Kuluttajan ostopäätös Eri kuluttajien tarpeet ovat hyvin erilaista. Tässä oletetaan, että tottumukset ovat tärkein vaikuttava tekijä kuluttajan elintarvikkeen ostopäätöksessä. Tottumuksia voidaan eritellä pidemmälle. Ne voivat muuttua esimerkiksi hintojen muuttuessa, jos tottumus elintarvikkeen ostopäätökseen on muodostunut sen suhteellisen edullisuuden takia. Elintarvikkeiden ravintoarvot vaikuttavat kuluttajan valintoihin. Yksittäisen kuluttajan päätöksiin vaikuttavat myös erilaiset subjektiiviset mieltymykset, kuten makutottumukset, eettiset näkemykset tai jopa uskonnollinen vakaumus. Millä tavoin elintarvikkeiden hankintaa tulisi lähestyä, jotta erilaisten kuluttajien näkökulmat tulisivat huomioiduiksi? Puhuttaessa kuluttajan ostopäätöksestä voidaan nojautua päätöksenteonteoriaan (decision analysis, Keeney & Raiffa 1976). Tällöin päätöksentekijän subjektiivista hyötyä pyritään tulkitsemaan kvantitatiivisen informaation kautta, antamalla kuluttajan mieltymyksiä vastaavat painokertoimet käytetyille arviointikriteereille. Lähestyttäessä päätöksentekoa tällä tavoin, joudutaan samalla toteamaan, että kaikki päätöksenteolle relevantti informaatio ei ole ilmaistavissa kvantitatiivisesti (sama, 1976:12). Toisaalta, jotta päätöksenteko vastaisi sille asetettuja odotuksia, on hyvä tuntea sellainen informaatio, joka on määrällisesti ilmaistavissa. Tarkasteltaessa näitä kahta näkökulmaa, keskeiseksi kysymykseksi nousee: mikä on kvantifioitavissa? Tämän työn yhteydessä voidaan sama kysymys ilmaista seuraavassa muodossa: millainen informaatio elintarvikkeiden ostopäätökseen liittyvän päätöksenteon yhteydessä on kvantifioitavissa? Kuluttajien ostopäätökseen vaikuttavista tekijöistä on julkisesti saatavilla eri elintarvikkeiden kuluttajahinta aineistoa sekä eri elintarvikkeiden ravintoarvoaineistoa. Yllä käydyn keskustelun perusteella on luontevaa sisällyttää 17

nämä muuttujat malliin. Hinta nähdään tällöin panosmuuttujana kun taas ravintoarvot voidaan nähdä tuotosmuuttujina. Kuluttajien mieltymyksistä ja tottumuksista käytettävissä on vain vähän aineistoa. Tällaisen aineiston tuottamiseen voidaan pyrkiä esimerkiksi kyselytutkimusten avulla, ja erilaisia tapoja huomioida saatu aineisto kuluttajan ostopäätöksen yhteydessä käsitellään Luvussa 5.2. Yleisellä tasolla käytettävissä on vain materiaalipanos, ympäristövaikutus, kuluttajahinta ja ravintoarvoaineistoja eri elintarvikkeille. Tarkastellaan seuraavaksi, millaista hyötyä tällaisen informaation käytöstä voi olla eri toimijoiden näkökulmasta. 2.3 Päätöksenteossa käyttökelpoinen informaatio Seuraavassa tarkastellaan, millainen informaatio on käyttökelpoista kuluttajien ja elintarvikepuolen toimijoiden päätöksenteolle. Jaetaan tarkastelua varten elintarvikepuolen toimijat neljään tämän työn kannalta tärkeimpään ryhmään. Lisäksi tarkastellaan kaikkien toimijoiden päätöksentekoa elintarvikkeiden tuotannon ja kulutuksen tehostamisen näkökulmasta. 1. Maa ja metsätalousministeriö 2. Vastuullinen kuntayhtymä 3. Elintarvikevalmistaja 4. Suurkeittiö 5. Yksittäinen kuluttaja Yksi Maa ja metsätalousministeriön tavoitteista on edistää elintarvikkeiden tuotantoa siten, että se olisi mahdollisimman houkuttelevaa yritystoimintaa Suomessa, eli mahdollisimman kannattavaa. Tässä yhteydessä se voi pyrkiä kehittämään päämäärää edistäviä ohjauskeinoja. Tällaisia tuloksia voidaan odottaa esimerkiksi tukemalla ympäristövaikutukset huomioivaa elintarvikkeiden kulutusta: Suomessa tuotettujen elintarvikkeiden materiaalipanokset ja ympäristövaikutukset ovat yleensä pienempiä kuin ulkomailla tuotettujen (Lähteenoja et al. 2006), jolloin suomalainen elintarviketeollisuus on ulkomaista paremmin kestävän kehityksen mukainen. Tukemalla elintarviketuotannon kestävää kehitystä Maa ja metsätalousministeriö tukee myös suomalaista maataloutta. 18

Tärkeää informaatiota ohjauskeinojen suunnittelussa ovat kustannukset ja vastaavat muutokset elintarviketeollisuuden kannattavuudessa. Esimerkiksi tietyn raaka aineen hinnannousu johtaa sen kysynnän pienenemiseen: samanaikaisesti toisen raaka aineen kysyntä voi nousta, johtaen vastaavasti muutoksiin elintarvikeketjussa. Tällaiset aineistot ovat kuitenkin sidoksissa yksittäisiin päätöksenteon elementteihin, eikä niitä tässä käsitellä. Maku ja kuluttajahintaaineistot ovat ohjauskeinoja suunnitellessa vaikeita hyödyntää, koska ne valtion tasolla perustuvat usean henkilön aggregaattiin, eli pohjimmiltaan valintojen todennäköisyysjakauman teoriaan (esim. Hauser 1978). Ympäristövaikutuksia voi olla vaikea mitata koko valtakunnan tasolla, vaikkakin aiheesta on tekeillä lupaavia tutkimusprojekteja (esim. ENVIMAT 2008, ilmestyy). Toisaalta materiaalipanosaineiston avulla on mahdollista kehittää ohjauskeinoja, jotka edistävät kestävää kehitystä (Hoffrén 2001). Lisäksi tällaiset ohjauskeinot ovat yhä paremmin perusteltavissa, jos niillä on samalla positiivinen vaikutus kansanterveyteen. Tällä tavoin myös ravintoaineaineiston käyttö elintarviketuotannon tarkastelussa voi olla käyttökelpoista ohjauskeinoja kehitettäessä. Vastuullinen kuntayhtymä voi tukea alueellaan tapahtuvaa elintarviketuotantoa, jolloin se voi Maa ja metsätalousministeriön tavoin tukea lähiruokaa tukemalla kestävää kehitystä. Myös maulle ja hinnalle sekä toisaalta materiaalipanoksille ja ravintoarvoille pätevät samat havainnot kuin ministeriön tapauksessa. Toisin kuin valtakunnan tasolla, ovat kuntayhtymän alueella mitattavat elintarviketuotannon ympäristövaikutukset täsmennettyjä, ja ne voidaan näin ollen ottaa aineistossa erityishuomion kohteeksi. Yksityisten elintarvikepuolen toimijoiden osalta kuluttajien asema korostuu päätöksenteossa. Elintarvikkeiden valmistajille tärkeää informaatiota on kuluttajien ostostottumusten seuraaminen, sekä eri toimintatapojen kannattavuus. Näihin tekijöihin ei tässä työssä perehdytä. Sen sijaan tarkastellaan tilannetta, jossa elintarvikemarkkinoilla vallitsee täydellinen kilpailu tarjottujen tuotteiden suhteen, eli elintarvikevalmistajien sisäänostohinnat on minimoitu ja vastaavasti elintarvikkeiden jatkomyynnin hinnat maksimoitu. Tällöin ympäristöystävällisiä 19

tuotteita tarjoamalla voidaan saavuttaa suhteellinen kilpailuetu muihin elintarvikevalmistajiin nähden. Kestävän kehityksen mukaista elintarviketuotantoa suunnitellessa ja markkinoitaessa voidaan ottaa huomioon myös terveysvaikutukset ravintoaineaineiston muodossa. Ympäristöystävällisyyden kehittämiseksi voidaan käyttää sekä materiaalipanosaineistoa että tuotteiden elinkaarianalyysin mukaisia ympäristövaikutuksia. Suurkeittiöt hyödyntävät hyvin samankaltaista informaatiota kuin elintarvikevalmistajat. Kilpailuedun saavuttamiseksi suurkeittiö voi esitellä kuluttajalle suunnatun ympäristövaikutus ja terveys indikaattorin, joka voi tarjota suurkeittiölle tai useita suurkeittiöitä omistavalle yritykselle kilpailuedun muihin suurkeittiöihin nähden. Yksittäisen kuluttajan toiminta riippuu useista tekijöistä, kuten henkilökohtaisesta mausta. Tällaisten vaikutusten huomioimiseksi kuluttajien mieltymyksiä voidaan kartoittaa henkilökohtaisella kyselytutkimuksella. Näin myös yksittäiselle kuluttajalle voidaan tarjota hänen ostopäätöksiään kehittävää informaatiota. Maun lisäksi huomioon otettavia tekijöitä voivat olla ostosten hinta, niiden ravintoarvot, materiaalipanokset ja ympäristövaikutukset. Sopivasti painotettuna eri muuttujien huomiointi voi auttaa yksittäistä kuluttajaa ostopäätöksiin, jotka tarkemmin vastaavat hänen henkilökohtaisia tarpeitaan. Taulukko 1. Käytetyn aineiston käyttökelpoisuus kuluttajille ja elintarvikepuolen toimijoille. Toimijataho Elintarvikkeita tai elintarvikeryhmiä koskeva Päätöksenteon aineisto konteksti Kuluttajahinta Materiaalipanos Ravintoarvot Maa ja metsät. min. ohjauskeinot x x kuntayhtymä paikallisen tukeminen x x elintarvikevalmistaja kilpailustrategia x x x suurkeittiö kilpailustrategia x x kuluttaja ostopäätös x x x Taulukkoon 1 on koottu kuluttajien ja elintarvikepuolen toimijoiden mahdollisuudet hyödyntää työssä käytettyä aineistoa. Elintarvikepuolen toimijoiden on syytä harkita myös muiden tekijöiden (esim. tehtyjen toimenpiteiden kustannusten) sisällyttämistä aineistoon, mutta se sisältää kuluttajien ostopäätöksen julkiset kvantitatiiviset 20

kriteerit. Kaikkien tarkasteltujen eri toimijatahojen näkökulmasta sekä materiaalipanos että ravintoaineaineisto tarjoaa päätöksenteossa relevanttia informaatiota. DEA mallinnuksen avulla tätä informaatiota pyritään edelleen jalostamaan yksittäiseksi tehokkuusluvuksi. Kuten kohta havaitaan, DEA mallinnuksen avulla voidaan yhdistää jonkin toimijatahon erityisintressejä samaan mallirakenteeseen em. muuttujien kanssa. Tästä käytetään esimerkkinä kuluttajalle muotoiltua kuluttajahinta aineistoa eri elintarvikkeille. 2.4 Materiaalipanosaineisto Työssä käytetään aikaisemmin kerättyä materiaalipanosaineistoa Suomessa tuotettujen elintarvikkeiden MIPS arvoista. Tässä esitellään materiaalipanosaineiston keräämisen pääpiirteet. Tarkemmat tiedot materiaalipanosaineiston koostamisesta on esitetty raportissa Kauppinen et al. (2008). Materiaalipanosaineistossa mukana olevat elintarvikkeet on pyritty valitsemaan siten, että ne kattaisivat mahdollisimman suuren osan Suomessa tuotetuista elintarvikkeista. Erilaiset viilit, jogurtit ja muut erikoisemmat maitotuotteet on kuitenkin jätetty aineiston ulkopuolelle. Erilaiset riisit ja pastat eivät myöskään sisälly materiaalipanosaineistoon. Nämä rajaukset on raportissa tehty käytettävissä olevien resurssien takia. Aiemmin laajaa materiaalipanoksiin perustuvaa tutkimusta Suomessa tuotetuista elintarvikkeista ei ole tehty. Raportissa Kauppinen et al. (2008) on kiinnitetty huomiota materiaalipanosten vertailukelpoisuuteen keskenään käyttämällä kaikille elintarvikkeille samaa systeemirajausta. Tämä mahdollistaa eri elintarvikkeiden materiaalipanosten vertailun. Wuppertal instituutti valmistelee kattavaa esitystä elintarvikkeiden tuotannosta Saksassa. Instituutin alustavia tuloksia on hyödynnetty raportin bioottisia lukuarvoja koostaessa ja saatuja tuloksia varmennettaessa. Myös aikaisempia suomalaisia materiaalipanostutkimuksia on hyödynnetty mahdollisuuksien mukaan. Suomessa on tehty hyvin vähän elintarvikkeiden materiaalipanosten tutkimusta. Raportissa Kauppinen et al. (2008) materiaalipanosarvot on koostettu pääosin Suomessa tehdyistä materiaalivirta ja elinkaarianalyyseissä käytetyistä tiedoista 21

(esim. Grönroos & Voutilainen 2001, Grönroos & Nikander 2002, Grönroos & Silvenius 2003). Nämä lähteet ovat suurimmaksi osaksi Suomen ympäristökeskuksen ja Maa ja elintarviketalouden tutkimuskeskuksen julkaisuja. Elintarvikkeiden jatkojalostuksessa on myös soveltuvin osin käytetty tanskalaisia arvoja tuotantolaitosten sähkön, lämmön ja materian kulutukselle erilaisissa tuotantoprosesseissa (Nielsen et al. 2003). Taulukossa 2 on esitetty materiaalipanosaineistosta saadut päätulokset. Esitettyjä arvoja käytetään Luvun 4 DEA malleissa panoksina. Taulukossa esitetyt Total Material Requirement (TMR) luvut viittaavat kokonaismateriaalin tarpeeseen. TMR luku voidaan ratkaista tunnetuista MIPS arvoista seuaavasti. TMR [kg/kg] = abioottinen [kg/kg] + bioottinen [kg/kg] + eroosio [kg/kg]. Taulukko 2. Eri elintarvikeryhmien keskimääräinen materiaalipanos toimijalle tarjottaessa. TMR luku MIPS arvot Tuoteryhmä TMR abioottinen bioottinen vesi ilma eroosio (kg/kg) (kg/kg) (kg/kg) (kg/kg) (kg/kg) (kg/kg) maito 4,4 1,1 3,0 31 0,1 0,3 voi 38 9,8 25 210 0,7 2,6 levitteet, soijaöljy 29 7,6 19 160 0,7 2,0 levitteet, rypsiöljy 30 8,3 20 170 0,6 2,2 juusto 43 11 29 260 1,1 3,0 naudanliha 46 12 31 440 1,0 3,2 sianliha 21 8,3 10 240 1,9 2,8 kirjolohen liha 7,6 2,8 4,7 270 0,8 0,2 broilerin liha 13 7,0 4,6 230 1,5 1,2 kananmunat 11 5,7 4,0 140 1,0 1,1 soija 3,0 1,3 1,4 160 0,9 0,4 olut 1,9 1,5 0,3 280 0,5 0,1 ruokaperuna 2,0 0,3 1,7 52 0,0 0,1 sokeri 5,1 3,1 1,6 24 0,8 0,4 vehnäleipä 2,7 1,1 1,3 20 0,1 0,3 ruisleipä 2,8 1,6 0,8 110 0,2 0,3 sekaleipä 2,7 1,3 1,1 100 0,2 0,3 ohraleipä 2,9 1,1 1,4 21 0,1 0,4 tomaatti 9,4 8,0 1,4 790 4,5 0,0 kurkku (keskiarvo) 8,4 7,0 1,4 570 4,1 0,0 kurkku (ympärivuotinen) 15 14 1,4 2500 7,0 0,0 omena 2,0 0,7 1,0 6,8 0,0 0,3 lakka 3,0 2,0 1,0 17 0,2 0,0 mansikka 2,8 1,1 1,0 18 0,2 0,6 22

2.5 Muu työssä käytetty aineisto Materiaalipanoaineiston lisäksi työssä hyödynnetään aineistoja elintarvikkeiden kuluttajahinnoista ja niiden ravintoarvoista. Taulukossa 2 on esitetty materiaalipanosinformaatio panoksina DEA mallinnusta varten. Vastaavasti taulukossa 3 on esitetty ravintoarvoinformaatio tuotoksina. Lisäksi tarkastellaan taulukossa 3 esitettyjen kuluttajahintojen lisäämistä panoksena käytettyihin DEA malleihin. Kuluttajahintoihin viitataan myös myöhemmin, makutottumusten mallintamisen yhteydessä. Taulukossa 3 esitetyt arvot kuluttajahinnoille ovat elintarvikkeiden vuoden 2005 keskihintoja (Tilastokeskus 2005). Tähdellä merkityt hintatiedot ovat kuitenkin arvioita yhden merkitsevän luvun tarkkuudella. Ravintoarvoaineisto eri elintarvikkeille on kerätty Suomen kansanterveyslaitoksen tietokannasta (Kansanterveyslaitos 2008). Elintarvikkeille on käytetty tietokannasta sellaisia ravintoarvoja, joiden oletetaan olevan lähimpänä Suomen keskiarvoa. Kuten taulukosta 3 voidaan havaita, ravintoarvoja on ryhmitelty saman otsikon alle: esimerkiksi vitamiineja ei sisällytetty tähän työhön itsenäisinä, vaan kaikista ao. elintarvikkeen vitamiineista on laskettu aggregaatti. Näin on tehty, koska DEA mallinnukseen voidaan sisällyttää vain rajallinen määrä informaatiota annetulle elintarvikkeiden lukumäärälle. Yleistyksiä laadittaessa on hyödynnetty kullekin elintarvikkeelle tunnetut ravintoarvot kokonaisuudessaan. Tästä tehtiin kaksi poikkeusta. Ensiksi kivennäis ja hivenaineiden kokonaismäärässä ei ole huomioitu suolaa eikä natriumia. Toiseksi tyydyttyneet rasvat on rajattu tarkastelun ulkopuolelle. Näitä ravintoarvoja tarvitaan vain vähän, eikä niiden saaminen ole yleensä vaikeaa. DEA mallien muodostamisessa käytettiin eri elintarvikkeiden ravintoarvojen lisäksi päivittäisiä ravintoarvosuosituksia. Ravintoarvosuosituksista muodostetut rajoitteet voidaan nähdä hyvin yleisinä muotoiluina sopivista määristä eri ravintoaineita: samoin kuin vitamiinit on yhdistetty summaamalla yhdeksi sarakkeeksi taulukossa 23

3, samoin myös eri vitamiinien saantisuositukset on yhdistetty summaamalla. Tässä esitetyt luvut on koostettu lähteistä Suomen ruokatieto Oy (2007), Valtion ravitsemusneuvottelukunta (1998) ja Männistö et al. (2002). Hinta Taulukko 3. Käytetyt ravintoarvot ja keskihinnat. Ravintoarvot Tuoteryhmä kuluttaja energia hiili proteiini rasva mineraalit vitamiinit hinta hydraatti (tyydytty ja kivenmättömät) näisaineet ( /kg) (kj/kg) (g/kg) (g/kg) (g/kg) (g/kg) (g/kg) maito 0,73 1580 51 38 2 4425 24 voi 4,88 30350 4 12 220 789 28 levitteet, soijaöljy 2,90 26020 2 5 468 217 132 levitteet, rypsiöljy 2,90 26020 2 5 468 217 132 juusto 7,67 14640 3 250 74 14450 83 naudanliha 9,92 6390 0 193 23 5228 93 sianliha 10,64 9140 0 183 87 4572 81 kirjolohen liha 8,29 4500 0 109 42 5434 94 broilerin liha 10,47 7340 0 175 69 3507 123 kananmunat 2,45 5970 3 125 45 4140 70 soija 3* 14420 257 581 3 37342 158 olut 3* 1780 41 4 0 762 9 ruokaperuna 0,60 2640 132 16 2 4894 95 sokeri 1,05 16980 999 0 0 28 0 vehnäleipä 3,00 10570 490 73 46 2127 50 ruisleipä 3,18 8580 407 67 5 7662 34 sekaleipä 3,06 9913 463 71 32 3954 45 ohraleipä 3,06 8200 387 56 9 4063 46 tomaatti 3,14 840 35 6 2 3405 200 kurkku (ka) 3,14 400 14 6 2 3184 92 kurkku (ympäriv.) 3,14 400 14 6 2 3184 92 omena 2* 1330 71 2 2 1102 125 lakka 10* 1750 78 14 3 2523 1 040 mansikka 5* 1800 84 5 2 2566 613 * Esitetty kuluttajahinta on arvio. Rajoitteet on määritelty rakentamalla sopiva ravintoannos 66 88 kilogrammaa painavalle, 19 30 vuotiaalle miehelle. Erilaisissa ihmisryhmissä ravintoarvosuositusten esittämien ravintoarvomäärien suhteelliset osuudet eivät vaihtele merkittävästi (esim. Männistö et al. 2002). Siksi tässä oletetaan, että käytettyjen rajoitteiden avulla muodostetut suhdeluvut eri ravintoarvojen välillä ovat 24

sovellettavissa kaikkiin täysi ikäisiin suomalaisiin, joilla ei ole erityistä sairautta, fysiologista poikkeustilaa tai muuta ruoka ainerajoitetta. Taulukko 4. Käytetyt ravintoarvojen suositusmäärät. Ravintoarvo Minimiarvo Maksimiarvo energia, laskennallinen 9400 kj 13600 kj hiilihydraatti, imeytyvä 330g 440 g proteiini 52,8 g 70,4 g rasva, moni ja kertatyydyttymättömät 55 g 80 g kivennäis ja hivenaineet, yhteensä ilman suolaa 3850 g 5770 g ja natriumia vitamiinit, yhteensä 88 g 224 g Kun ravintoarvojen suositusmäärät tunnetaan, niitä voidaan hyödyntää eri elintarvikkeiden terveellisyyden arvioinnissa. Työssä ratkaistaan suhdeluvut ravintoarvojen suositusmäärien välillä käyttäen hyväksi tunnettua vaihteluväliä (taulukko 4). Suhdeluvut eri ravintoarvojen a ja b välillä ratkaistaan seuraavasti. a min a min = b max b, (2) a max a max = b min b missä ravintoarvojen a ja b minimi ja maksimi saadaan taulukosta 4. Saatuja arvoja eri ravintoarvojen suhdeluvun minimille ja maksimille käytetään rajoitteena CCR AR DEA malleissa. 25

Luku 3 DEA menetelmä Data Envelopment Analysis (DEA) on ei parametrinen menetelmä päätöksentekoyksiköiden (Decision Making Unit) tehokkuuden mittaamiseksi. Tyypillisesti DEA menetelmää käytetään yritysten tai julkispalvelujen, kuten sairaanhoidon arvioimiseen. DEA menetelmän juuret voidaan jäljittää 1950 luvulle. Farrell (1957) loi DEA menetelmälle perustukset ratkaistessaan lineaarisen optimointiongelman (Linear Programming, LP) panos tuotos aineistolle yritysten tuotannosta niiden teknisen tehokkuuden (technical efficiency) arvioimiseksi. Tekninen tehokkuus viittaa sellaiselle aineistolle DEA menetelmällä saatuihin tehokkuuslukuihin, jossa tuotannon kustannustietoja ei ole käytettävissä tai niitä ei huomioida. Vastaavasti taloudellinen tehokkuus (economic efficiency) viittaa sellaisiin DEA menetelmällä saatuihin tehokkuuslukuihin, joissa kustannukset on huomioitu panosaineistossa. Voi olla myös kiinnostavaa huomata, että Farrellin käyttämä teknisen tehokkuuden käsite on yhtenevä Shepardin (1953) esittämän etäisyysfunktion käsitteen kanssa. DEA menetelmän suosio kasvoi koko 1900 luvun loppupuoliskon ajan. Ensimmäinen operaatiotutkimuksen alalla julkaistu artikkeli on vuodelta 1978 (Charnes et al.). Tässä ja seuraavassa artikkelissaan Charnes, Cooper ja Rhodes (1979) esittivät nykyisen DEA menetelmän perusmallin, CCR DEA mallin. CCR mallin voi määritellä mittaavan tehokkuutta suhteella tuotosten ja panosten 26

painotettujen summien välillä. Lisäksi CCR mallissa tehokkuusluvut normeerataan välille [0,1], mikä on useimpien DEA mallien perusominaisuus. Poikkeuksena voidaan mainita esimerkiksi 1990 luvulta lähtien kehitetyt DEA mallit supertehokkuuden (super efficiency) mittaamiseksi. CCR mallin jälkeen seuraava tärkeä askel DEA menetelmän kehityksessä otettiin Bankerin, Charnesin ja Cooperin toimesta vuonna 1984. He esittelivät BCC mallin, jossa päätöksentekoyksiköiden muodostama konkaavi pinta määrittelee tehokkuusrintaman, CCR mallin esittämän vakioskaalatuotto (constant returns to scale) oletuksen sijaan (Banker et al. 1984). DEA menetelmään perustuvia artikkeleja oli vuoteen 2004 mennessä julkaistu noin 3000 kappaletta (Ray 2004). Onkin selvää, että DEA menetelmä on vähitellen yleisesti hyväksytty perinteisten regressiomallien rinnalle tehokkuuden mittaamisessa. Myös erilaisten DEA menetelmän mahdollistamien mallien lukumäärä on kasvanut. Esimerkiksi Cooper et al. (2006) esittelee laskutavasta riippuen 20 50 erilaista mallia. DEA menetelmän rönsyilevä kehitys asettaa sen käytölle uusia haasteita annettuun ongelmaan parhaiten soveltuvan mallin löytämiseksi. Seuraavassa käydään läpi käsillä olevan ongelman erityispiirteitä. Pyrkimyksenä on muodostaa selkeä käsitys siitä, millä tavoin DEA menetelmää on mahdollisuus hyödyntää elintarvikkeiden materiaalipanosten ja ravintoarvojen tapauksessa. DEA mallinnusta käytetään yleensä erilaisten yritysten sisäiseen tehokkuusvertailuun, jolloin päätöksentekoyksiköt ovat yritysten sisäisiä yksiköitä. Esimerkiksi Sarkis ja Talluri (2004) esittelevät DEA mallinnuksen juuri tästä näkökulmasta. Myös Suomessa DEA menetelmän käyttöä firmojen sisäisessä tehokkuusvertailussa on tutkittu (Kortelainen & Kuosmanen 2004). DEA menetelmälle on kehitetty myös muita sovelluksia. (Färe et al. 2004) ovat arvioineet eri OECD maiden ympäristön tilaa siten, että päätöksentekoyksikköinä toimivat OECD maat. (Zhang & Xue 2005) ovat pyrkineet kehittämään kiinalaista maissin viljelyä käyttäen eri maatiloja päätöksentekoyksiköinä. Hollannissa eri kotitalouksien ekotehokkuutta on taas tutkittu käyttäen kotitalouksia päätöksentekoyksiköinä (Roskilde 2007). 27

DEA mallinnuksta on sovellettu elintarvikkeisiin varsin vähän. (Barros & Alves 2003) on tutkinut eri hypermarket päivittäistavarakauppaketjujen toimintaa. Satunnaisia tutkimuksia löytyy myös muualta (esim. tavallisten ja luomumaatilojen vertailu Kreikassa, Dimara et al. (2003), tai maatilojen vertailu Etiopiassa, Suleiman (1995)). Näissä lähteissä ei kuitenkaan aseteta päätöksentekoyksiköiksi elintarvikkeita. Tässä suhteessa tämä työ soveltaa menetelmää uudenlaiselle aineistolle, koska tehokkuusluvut kuvaavat eri elintarvikkeiden tehokkuutta ympäristön ja ravitsemuksen kannalta. 3.1 Vaihtoehtoisten DEA mallien esittely DEA mallit voidaan jakaa panosorientoituneisiin ja tuotosorientoituneisiin malleihin (esim. Syrjänen 1998, Cooper et al. 2006). Panosorientoitunut DEA malli keskittyy minimoimaan panoksia pitäen saadut tuotokset tietyllä tasolla. Tuotosorientoitunut DEA malli taas maksimoi saatuja tuotoksia, säilyttäen käytettyjen panosten tason havaintojen määräämän ylärajan puitteissa. Ravintoaineiden määrälle voidaan määrätä selkeästi yläraja, jonka jälkeen saadut ravintoaineet eivät enää tarjoa käyttäjälleen lisätuottoa: päinvastoin ne voivat olla jopa haitallisina (Valtion ravitsemusneuvottelukunta 2005:7). Koska tuotosorientoituneet DEA mallit eivät tarjoa tässä suhteessa mielekästä kontekstia tehokkuusluvuille, työssä tarkastellaan vain panosorientoituneita DEA malleja. Keskeinen kysymys työn kannalta on, millaisten panosorientoituneiden mallien käyttöä tulisi harkita. Tätä kysymystä voidaan punnita tarkastelemalla erilaisten tehokkuusrintamien vaikutusta tehokkuuslukujen muodostumiseen. DEA mallin perusidea on muodostaa päätöksentekoyksiköistä tehokkuusrintama siten, että jokaisen yksikön tehokkuus määräytyy sen suhteellisesta etäisyydestä tehokkuusrintamaan. Tehokkuusrintama määräytyy eri DEA malleissa eri tavoin. Yhden tuotoksen ja yhden panoksen tapauksessa DEA mallien tehokkuusrintamia voidaan esitellä graafisesti. Kuvassa 2 on esitetty kaksi yleisintä DEA mallinnuksessa käytettyä tehokkuusrintamatyyppiä. Vakioskaalatuottooletusta käyttävien DEA mallien tehokkuusrintamaa merkitään kuvassa 2 lyhenteellä VST, kun taas muuttuvan skaalatuoton oletuksen tehokkuusrintamaa 28

merkitään lyhenteellä MST. Lisäksi kuvassa 2 on merkitty panos ja tuotosorientoituneiden mallien tehokkuuslukujen laskemisessa käytetyt janat. Kuva 2. Tehokkuusrintamat yhden panoksen ja tuotoksen tapauksessa (ks. myös Syrjänen 1998:28). Kuvasta 2 voidaan nimetä seuraavat tehokkuusluvut. I. II. III. P'' T =, P T '' E VST B = VST EB on päätöksentekoyksikön B tehokkuusluku vakioskaalatuotolla. Vakioskaalatuotolla päätöksentekoyksikön tehokkuusluku on siis orientaatiosta riippumaton. E MST P B P' =, P MST P E B on päätöksentekoyksikön B tehokkuusluku muuttuvalla skaalatuotolla, kun tarkastellaan panosorientoitunutta tehokkuuslukua. E MST T B = T T ', MST T E B on päätöksentekoyksikön B tehokkuusluku muuttuvalla skaalatuotolla, kun tarkastellaan tuotosorientoitunutta tehokkuuslukua. MST ja VST tehokkuusrintamat voivat molemmat olla tilanteesta riippuen käyttökelpoisia tehokkuusmittoja. Molempien tehokkuusluvuille pätee, että tietyn päätöksentekoyksikön tehokkuus määräytyy suhteessa toisiin päätöksentekoyksiköihin. Tässä mielessä kyse on suhteellisesta tehokkuudesta. Voidaan myös huomata, että MST tehokkuusrintamaa käytettäessä miltei aina 29