MétaCan
Menu
Retour à la cohorte
Enregistrement W2127203643 · doi:10.7202/602265ar

Inefficacité marshallienne, partage de coûts et modèles contractuels avec marchés manquants

2009· article· fr· W2127203643 sur OpenAlexaffvenue
Chunrong Ai, Jean‐Louis Arcand, François Éthier

Notice bibliographique

RevueL Actualité économique · 2009
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueLand Rights and Reforms
Établissements canadiensUniversité LavalUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

En présence de risque moral, la théorie des contrats prédit que le métayage sera assujetti au problème de l’inefficacité marshallienne , ce qui veut dire que les métayers utiliseront des quantités d’intrants différents sur les terres qu’ils exploitent par opposition aux propriétaires exploitants. Dans cet article, nous examinons cette question à l’aide d’une base de données unique en son genre collectée en 1993 dans le village tunisien d’El Oulja, grâce au financement du programme PARADI. Nous examinons quatre questions jusqu’à présent ignorées par les chercheurs : (1) le partage des coûts entre propriétaires et tenanciers; (2) les intrants en gestion fournis par les propriétaires; (3) la supervision des tenanciers par les propriétaires; (4) l’interaction répétée entre propriétaires et tenanciers. Nous utilisons des méthodes économétriques en panel avec effets fixes et en tobit en utilisant la méthode du trimmed LAD proposée par Honoré (1992). Nos résultats empiriques appuient l’argument selon lequel le risque moral est présent dans les relations contractuelles dans ce village. Par contre, l’importance quantitative des termes des contrats dans la détermination de l’utilisation des intrants, ainsi que de l’output, est relativement limitée. Il s’ensuit que le métayage est probablement choisi pour des raisons autres que le risque moral, telles que le partage du risque ou les coûts de transaction.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,676
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,040
Tête enseignante GPT0,251
Écart entre enseignants0,211 · 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.

Devis d'étudeSans objet
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

Citations4
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueL Actualité économiqueMême sujetLand Rights and ReformsTravaux en français237 207