MétaCan
Menu
Retour à la cohorte
Enregistrement W1713578538 · doi:10.1111/cjag.12077

Scale Economies, Technical Efficiency, and the Sources of Total Factor Productivity Growth of Quebec Dairy Farms

2015· article· en· W1713578538 sur OpenAlexaffvenueabout
Alphonse Singbo, Bruno Larue

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésProductivityEconomies of scaleProduction (economics)Total factor productivityProduction–possibility frontierAgricultural economicsScale (ratio)Returns to scaleEconomicsStochastic frontier analysisPanel dataFrontierBusinessAgricultural scienceEconometricsEnvironmental scienceGeographyEconomic growthMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Canada's average cost for milk production is among the highest in the world. This paper focuses on specific potential causes by estimating economies of scale and technical efficiency for a panel of Quebec dairy farms that spans the 2001–10 period. Additionally, this paper investigates the sources of total factor productivity growth. The stochastic frontier analysis, based on an input‐distance function, is used to estimate returns to scale relationships across dairy farms. The results show that there is significant economies scale to be exploited and that cost of production could also be reduced by improving technical efficiency. Accordingly, the paper indicates that input‐mix effect is the main source of total factor productivity growth. The results have important implications for Canada's supply management policy, and more specifically for the trading of production quota between dairy farmers, as well as for the delivery of targeted extension services.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,156

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,220
Écart entre enseignants0,181 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetEfficiency Analysis Using DEATravaux en français237 207