THE MEASUREMENT OF INEQUALITY IN CANADIAN AND U.S. AGRICULTURAL INCOME BY COMPONENTS OF NET VALUE ADDED
Notice bibliographique
Résumé
This paper examines changes in net value added generated through Canadian and U.S. farm production, 1970-2000. We consider how the structural changes in Canadian and U.S. agriculture have affected the size and distribution of net value added and its components: rent, capital, labor, and to net farm income. We use the Theil Measure of Inequality (TMI) to compare and explain changes in 1) the between and within-region distribution of net value added, and 2) changes in the distribution of factor shares of net value added in Canada and in the U.S. Results show that in Canada (1960-2000), net value added has become somewhat more equally distributed relative to the number of farms per province, but has varied widely from 1972-1988. Between-region inequality in net value added accounted for from 0.5 to 85.5 percent of this inequality from 1960-2000. In the U.S. (1949-2000), net value added has become more unequally distributed. About half of the variation in net value added in the U.S. is due to between-region variation and about half to within-region variation in net value added. We find that most of the variation in the components of net value added (returns to capital, labor, nonoperator landlords, and to farm operators) in Canada and the United States is due to variations across regions, rather than to variations in the components of net value added themselves. These variations have generally been due to macroeconomic differences in regions, such as shifts in enterprise specialization, urbanization, changes in government programs, and to other structural changes in agriculture.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».