AN ASSESSMENT OF THE IMPACT OF UNDESIRABLE OUTPUTS ON THE PRODUCTIVITY OF UNITED STATES MOTOR CARRIERS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The U.S. economy depends heavily on the trucking industry as it moves 70% of the entire nation's freight. With the inclusion of $295 billion in truck trade with Canada and $195.6 billion in truck trade with Mexico in 2007, it is apparent that any disruption in truck traffic will lead to rapid economic instability (ATA Releases: American Trucking Trends 2008 - 2009, 2008). Yet, the critical nature of the trucking industry comes at a societal price. Indeed, undesirable outputs, e.g., truck crashes and associated injuries and fatalities, have very significant economic and human consequences. This dissertation uses Data Envelopment Analysis (DEA) to investigate the impact of undesirable outputs on the productivity of the motor carrier industry during the years 1999-2003. Previous DEA studies at the firm level have focused on the relationship between inputs and desirable outputs. The proposed approach in this dissertation simultaneously considers both the positive and negative outputs. This dissertation addresses two key problems with the DEA analysis technique previously identified by Yang and Pollit (2009): i.e., failure to take into consideration undesirable outputs and the failure to assess the impact of exogenous variables on the DEA scores of individual firms. As a result, this study will provide a new perspective into the productivity of U.S. motor carriers by incorporating both of these considerations into a more comprehensive DEA analysis. It will also provide opportunities to evaluate how individual firms might change their mix of inputs in order to simultaneously maximize desirable outputs and minimize undesirable ones.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle