A Decomposed Negative Binomial Model of Structural Change: A Theoretical and Empirical Application to U.S. Agriculture
Notice bibliographique
Résumé
We developed a single‐equation decomposed negative binomial regression model (NBRM) of the U.S. farm sector to simultaneously evaluate structural changes in the U.S. agricultural sector and the strength of several economic forces that influenced the changes in farm structure during the 1960–96 period. We found all these forces reinforced economic incentives to increase the size and decrease the number of small farms. Only agricultural programs and machinery prices countered these forces. Nous avons élaboré un modèle de régression binomiale négative (NBRM) décomposéàéquation unique pour le secteur agricole des États‐Unis afin d'évaluer simultanément les changements structurels de ce secteur ainsi que la puissance de plusieurs forces économiques qui ont influencé les changements de structure des exploitations agricoles au cours de la période 1960–96 . Nous avons conclu que toutes ces forces ont renforcé les stimulants économiques en faveur d'une augmentation de la taille des exploitations et d'une diminution du nombre de petites exploitations. Seuls les programmes agricoles et le prix de la machinerie ont contrecarré ces forces .
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».