MétaCan
Menu
Retour à la cohorte
Enregistrement W2213762862 · doi:10.1111/cjag.12097

A Variable Cost Function for Corn Ethanol Plants in the Midwest

2015· article· en· W2213762862 sur OpenAlexvenueno aff
Juan Sesmero, Richard K. Perrin, Lilyan E. Fulginiti

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensnon disponible
Organismes subventionnairesAgricultural Research Service
Mots-clésVariable costEconomicsVariable (mathematics)Production (economics)Ethanol fuelGallon (US)Agricultural scienceProduct (mathematics)MicroeconomicsWelfare economicsEconometricsAgricultural economicsMathematicsBiofuelEnvironmental scienceBiotechnologyBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

This study estimates a variable cost function for corn ethanol plants, using data from a unique survey of Midwest plants. The objective is to better understand the effect of prices and scale of production on Marshallian shutdown price, input choice, and by‐product choice. We estimate a novel specification of a cost function capable of accommodating two distinctive features of ethanol plants’ technology: (1) the production process results in by‐products that can be sold in different forms in response to price signals, and (2) decisions on the mix of by‐products may be subject to constraints, such as thin livestock markets or imperfect price foresight. This cost function is estimated by nonlinear seemingly unrelated regression with correlated random effects. Constant returns to variable inputs, homotheticity, and proportionality of by‐products to ethanol production, assumptions held in previous studies, are strongly rejected by our analysis. Increases in ethanol production require less than proportional increases in corn and other variable inputs when the increases are achieved through increased capacity utilization as opposed to capacity expansion. Moreover, the reduction in input requirements per gallon, reduces both cost and greenhouse gas emissions per gallon. Constraints in by‐product marketing decisions seem to slightly increase Marshallian shutdown price. Dans la présente étude, nous estimons une fonction de coût variable à l'aide des données tirées d'une enquête réalisée auprès des usines de production d’éthanol de maïs dans le Midwest. L'objectif de notre étude vise à mieux comprendre l'effet des prix et de l’échelle de production sur le seuil de rentabilité selon Marshall, le choix des intrants et le choix des sous‐produits. Nous estimons une fonction de coût spécifiée pour tenir compte de deux éléments distinctifs de la technologie des usines de production d’éthanol : 1) le processus de production génère des sous‐produits qui peuvent être vendus sous diverses formes en réaction aux signaux de prix; 2) les décisions concernant l’éventail de sous‐produits peuvent être confrontées à des contraintes telles que des marchés du bétail restreints ou des prévisions imparfaites concernant les prix. Cette fonction de coût est estimée à l'aide d'une régression non linéaire sans corrélation apparente avec effets aléatoires corrélés. Certaines hypothèses émises dans des études antérieures, telles que les rendements constants des intrants variables, l'homothéticité et la proportionnalité des sous‐produits de la production d’éthanol, sont nettement rejetées par notre étude. L'augmentation de la production d’éthanol nécessite des augmentations inférieures aux augmentations proportionnelles de maïs et autres intrants variables lorsque l'augmentation découle d'un accroissement de la capacité de production comparativement à une expansion de capacité. De plus, la diminution des intrants nécessaires à la production d'un gallon d’éthanol réduit à la fois le coût et les émissions de gaz à effet de serre par gallon. Les contraintes auxquelles sont confrontées les décisions de commercialisation des sous‐produits semblent augmenter légèrement le seuil de rentabilité selon Marshall.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,870
Score d'incertitude au seuil0,259

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,133
Tête enseignante GPT0,178
Écart entre enseignants0,045 · 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

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetEconomic and Environmental ValuationTravaux en français237 207