MétaCan
Menu
Retour à la cohorte
Enregistrement W2078367998 · doi:10.5539/ass.v8n12p28

The Efficiency for the Three Industries of Provinces in China, Considering the Effects of Carbon Emission: An Application of the Parallel DEA Model

2012· article· en· W2078367998 sur OpenAlexvenueno aff
Feng Feng, Jinlai Wang

Notice bibliographique

RevueAsian Social Science · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueRegional Economic and Spatial Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChinaProduction efficiencyProduction (economics)Carbon fibersPrimary sector of the economySecondary sector of the economyIndustry of ChinaAgricultural economicsBusinessTertiary sector of the economyEnvironmental scienceEnvironmental economicsNatural resource economicsEconomicsEconomyGeographyMathematicsEngineeringMicroeconomics

Résumé

récupéré en direct d'OpenAlex

In this paper, a parallel DEA model was established and applied to evaluate the production performance of 29 provinces from China in 2009, considering the effects of CO2 emission. Meanwhile, a CCR DEA model was also used to evaluate the efficiencies for each industry, respectively. Our calculated results reveal that: a) the production efficiency for each province is relevant to the economic development level; b) the efficiencies are of great differences between regions, i.e., the eastern coastal area is more highly efficiency than the western interior area significantly; c) the efficiency of the primary industry are higher than those of the secondary industry and tertiary industry in average, and the score for tertiary industry efficiency is of the least influences of regions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,622
Score d'incertitude au seuil0,377

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,236
Écart entre enseignants0,214 · 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 tête enseignante, 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetRegional Economic and Spatial AnalysisTravaux en français237 207