The Multifunctional Farm Household Enterprise: Using Farm Microdata to Assess the Rural Economy Impacts Generated by Farmer-Operated Off-Farm Businesses
Notice bibliographique
Résumé
Rural development specialists working with agricultural statistics confront the tension between collecting data for the purposes of measuring farm sector performance versus that of assessing farm household well-being. While it is recognized that the activities of the farm enterprise and farm household generate a broad spectrum of market relationships in their local economies, most agricultural data collection systems focus primarily on commodity production and just the basics of farm household structure. The survey instrument that embraces the dual mission of collecting data on the farming enterprise and on farm households can allow specialists to study a broader complement of farm-rural economy linkages. In this case study, we exploit microdata on farm household activities drawn from U.S. and Canadian national agricultural surveys to shed light on the impact of farmers who simultaneously operate off-farm businesses on their local communities – a farm/rural interface often overlooked by agricultural economists and rural development specialists alike. Given the sufficiently detailed data on these farmer-operated off-farm businesses, we are able to use the input/output modeling toolkit to recover estimates of nonfarm value added, sales, and employment generated by them. With respect to the rural economy, we find that the share of a rural county’s employed nonfarm labor force linked to these off-farm businesses increases the further they are located from the urban core. Thus, the business acumen of these farm portfolio entrepreneurs is an even more valued intangible asset for communities in more remote rural areas. Hence, instead of depending on the local communities’ resilience for their household well-being, they contribute to it.
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 | 0,002 | 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 | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».