Structural Equation Modeling Applied to Socioeconomic Indicators in the Production of Sugarcane, in the State of Goiás
Notice bibliographique
Résumé
Agribusiness has played a strategic role for Brazil's development with the challenge of sustainable agriculture. It is proposed to determine, through Structural Equation Modeling (SEM), the validity and effects of the relationships between socioeconomic factors of the sugarcane production system in Quirinópolis, providing subsidies to the decision-making process of agricultural establishments. The research methodological approach was quantitative, applying techniques of normality statistics, hypothesis and multivariate analysis without statistical significance (P <0,05). A path diagram model was developed that presented structural quality adjustment and its validated explanatory equations, obtaining relevant R2. The results demonstrate that the Equation 1 (IBCcane = 0.02Rcane - 0.75ICcane – 0.46ISVO + 0.35ISPS + error) is explained in 73.7% of its variance (R2), in the Equation 2 (ICcane = 0.59ISVO – 0.45ISPS + 0.35SizeEstablis + error) successor vocation affects 42% on production costs and in the Equation 3 (Rcane = -0.40 AgroDistance – 0.16ISPS + error) the distance between farm and agribusiness influences 72% on the proposed revenue mix. The SEM analysis verified that social factors influence the economic factors that compose the sugarcane production system studied. The path diagram proved that the influence track relative to the costs in the proposed model is more representative than revenue for the economic results of rural sugarcane establishments.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».