MétaCan
Menu
Retour à la cohorte
Enregistrement W1987478728 · doi:10.1111/0002-9092.00181

Non‐parametric Productivity Analysis with Undesirable Outputs: An Application to the Canadian Pulp and Paper Industry

2001· article· en· W1987478728 sur OpenAlexaffabout
Atakelty Hailu, Terrence S. Veeman

Notice bibliographique

RevueAmerican Journal of Agricultural Economics · 2001
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésParametric statisticsProductivityParametric modelEconometricsComputer scienceRepresentation (politics)Production (economics)Operations researchIndustrial engineeringEconomicsMathematicsEngineeringStatisticsMicroeconomicsMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract This article extends the Chavas‐Cox approach to non‐parametric analysis by incorporating undesirable outputs to provide a more complete representation of the production technology. Inner and outer non‐parametric technology bounds are constructed. The methods are illustrated with application to time series data for the Canadian pulp and paper industry. Conventional measures that ignore changes in pollutant outputs underestimate true productivity growth. Further, there is a large gap between estimates generated with reference to inner and outer bounds to the technology, suggesting that researchers need to be aware of the limitations of results derived from analyses relying only on DEA methods.

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)0,013
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,544
Score d'incertitude au seuil0,906

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,039
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,026
Tête enseignante GPT0,284
Écart entre enseignants0,258 · 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'étudeSimulation ou modélisation
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

Citations643
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Agricultural EconomicsMême sujetEfficiency Analysis Using DEATravaux en français237 207