MétaCan
Menu
Retour à la cohorte
Enregistrement W2087944907 · doi:10.5539/sar.v2n1p44

Lumbering Activities and Market Equilibrium Analysis of Timber Industry in South Western Nigeria

2012· article· en· W2087944907 sur OpenAlexvenueno aff
Kassim Adekunle Akanni

Notice bibliographique

RevueSustainable Agriculture Research · 2012
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProduction (economics)Wood industryProfit (economics)TruckAgricultural economicsMarket shareAgricultural sciencePrice elasticity of demandSupply and demandEconomicsBusinessEconomyNatural resource economicsEnvironmental scienceForestryEngineeringFinanceMicroeconomicsGeography

Résumé

récupéré en direct d'OpenAlex

<p>The local lumbers, without restraints, are continually exploiting the Nigerian forests. This trend causes a massive reduction in the economic, recreational, water purification and other benefits derivable from the forest and forest products. The overall implication of this is that there is a shortfall in the market supply of wood and wood products in South Western Nigeria. This situation poses some challenges to the government, private operators and other stakeholders in timber industry. This study therefore, investigated the implications of the activities of the lumbers and the market equilibrium structure of wood industry in the region. Both the stochastic production frontier and market equilibrium analyses were done. Fuel, credit and trucks’ carrying capacities significantly determined the quantity of output of the lumbers. The estimates of the sigma square, d<sup>2 </sup>(0.3811) and gamma, g, (0.9001) were positively significant at 1% level. The log likelihood function was large (24.6672) indicating a good fit. Estimated demand elasticity indicated that N1.00 increase in market price produced 14.14 %, 52.73% and 55.12% decrease in the quantities demanded for 2x3x12, 3x4x12 and 2x6x12 wood sizes. To further increase the output level of wood products in the region therefore, it is necessary to stabilize fuel prices and make the product available to the lumbers at the required time and quantities.</p>

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)0,015
score de la tête « metaresearch » (Gemma)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,132
Score d'incertitude au seuil0,680

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,014
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,070
Tête enseignante GPT0,406
Écart entre enseignants0,337 · 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 revueSustainable Agriculture ResearchMême sujetEfficiency Analysis Using DEATravaux en français237 207