MétaCan
Menu
Retour à la cohorte
Enregistrement W2806990741 · doi:10.1093/ajae/aay023

A Century of U.S. Farm Productivity Growth: A Surge Then a Slowdown

2018· article· en· W2806990741 sur OpenAlexaboutno aff
Matthew A. Andersen, Julian M. Alston, Philip G. Pardey, Aaron Smith

Notice bibliographique

RevueAmerican Journal of Agricultural Economics · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomics of Agriculture and Food Markets
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of California, DavisCooperative State Research, Education, and Extension ServiceGiannini Foundation of Agricultural EconomicsAgricultural Research ServiceUniversity of WyomingU.S. Department of Agriculture
Mots-clésProductivitySlowdownAgricultural economicsEconomicsQuarter (Canadian coin)Total factor productivityAgricultural productivityAgriculturePopulation growthMultifactor productivityPopulationGeographyDemographyMacroeconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

Abstract U.S. farm productivity growth has direct consequences for sustainably feeding the world's still rapidly growing population, as well as U.S. competitiveness in international markets. Using a newly expanded compilation of multifactor productivity (MFP) estimates and associated partial‐factor productivity (PFP) measures, we examine changes in the pattern of U.S. agricultural productivity growth over the past century and more. Considering the evidence as a whole, we detect sizable and significant slowdowns in the rate of productivity growth in recent decades. U.S. multifactor productivity grew at an annual average rate of just 1.16% per year during 1990–2007 compared with 1.42% per year for the period 1910–2007. U.S. yields of major crops grew at an annual average rate of 1.17% per year for 1990–2009 compared with 1.81% per year for 1936–1990. More subtly, but with potentially profound implications, the relatively high rates of MFP growth during the third quarter of the century are an historical aberration relative to the long‐run trend.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,523
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,009
Tête enseignante GPT0,179
Écart entre enseignants0,170 · 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'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

Citations38
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Agricultural EconomicsMême sujetEconomics of Agriculture and Food MarketsTravaux en français237 207