MétaCan
Menu
Retour à la cohorte
Enregistrement W2003608996 · doi:10.1111/j.1574-0862.2006.00139.x

The political economy of farmland ownership regulations and land prices

2006· article· en· W2003608996 sur OpenAlexaffabout
Shon Ferguson, Hartley Furtan, Jared G. Carlberg

Notice bibliographique

RevueAgricultural Economics · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Policy
Établissements canadiensUniversity of ManitobaUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésEndogeneityEconomic rentEconomicsInstrumental variableOrdinary least squaresValue (mathematics)AcreAgricultural landVariable (mathematics)Agricultural economicsAgricultureLand tenureEconometricsMicroeconomicsGeographyAgricultural scienceStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract One of the most ubiquitous forms of agricultural regulation is a restriction on farmland ownership. One Canadian example of a farmland ownership restriction is The Saskatchewan Farm Security Act (FSA), passed in 1974. The purpose of this article is to explain, using a political economy framework, why the FSA was implemented and to estimate the effect of the FSA on Saskatchewan farmland values. A Present Value (PV) model is used to estimate the relationship between land values, rents, and the regulation. The Hausman endogeneity test reveals that the regulation variable is endogenous with the land price. The sign of the regulation variable is negative, which fits with the theory, i.e., the more stringent the regulation the lower the land value. We estimate that the regulation lowered Saskatchewan farmland prices by an average of 4 to 34 US$/acre, depending on whether ordinary least squares (OLS) or two‐stage least squares (TSLS) is employed in the estimation, over the period of 1974–2001.

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)0,005
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 enseignants0,089
Score d'incertitude au seuil0,176

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,010
Tête enseignante GPT0,179
Écart entre enseignants0,169 · 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

Citations21
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgricultural EconomicsMême sujetAgricultural Economics and PolicyTravaux en français237 207