Resource Use Efficiency of Tea Production in Vietnam: Using Translog SFA Model
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
As one of the most important economic activities to small households of Vietnam, tea production is hindered by low productivity, rising of production costs, and bad agriculture practices. To sustain tea production, the near-term strategy is to improve the efficiency of resource utilization. To our knowledge, this article is the first study to evaluate the tea production’s resource use efficiency and to identify the factors affecting it in Vietnam. The data was collected from 243 randomly selected tea farmers in the Northern mountainous region of Vietnam. The study first applied a translog stochastic production frontier model and technical efficiency (TE) technique to estimate resources use efficiency, and then used a Tobit model to identify the factors affecting these efficiencies among tea farms. Based on the mean sum of output elasticity with respect to inputs (0.323), we found that increasing the utilization of resources in the study site was inappropriate. The study also revealed that the average input-oriented TE of tea farms was lower than that of output-oriented TE, 82.21% versus 92.29%, suggesting that the farmers had more ability to reduce resource use than to increase current output level. The results showed that the tea farmers could use resources more efficiently by reducing 17.79% of the current application level without compromising the output. The study also indicates that concerted efforts from government to increase farmers’ accessing extension service, widening soil and water conservation practice, and spreading farmers’ awareness on water scarcity is the key to improve farmers’ resource use efficiency.
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 | 0,013 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,003 |
| 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