Factors on Spatial Heterogeneity of the Grain Production Capacity in the Major Grain Sales Area in Southeast China: Evidence from 530 Counties in Guangdong Province
Notice bibliographique
Résumé
Grain security is an essential issue for countries across the world. China has witnessed over the last decades not only a rapid growth in the volume of the grain production, but also a divergence in its geographical distributions. Existing studies on the influencing factors of grain production have overlooked thus spatial heterogeneity. This paper investigates the factors that cause the geographical heterogeneity in grain output levels in Guangdong province of China, in terms of land, labor and capital. To address the spatial attenuation effect of the influencing factors, we use the Geographically Weighted Regression (GWR) on samples of different spatial ranges, which include a total of 530 southern counties from 2015 to 2017. The results show that (a) the effect of land endowment on grain output vary across the east and the west, and between coastal and inland areas; (b) the effect of labor endowment on grain output are inconsistent in the sign and magnitude of the estimates across counties; (c) the effect of agricultural capital on grain production shows heterogeneity spatially (across the east and the west) and economically (across developed and less developed regions). We then analyze the potential mechanism behind this spatial heterogeneity, as well as its policy implications.
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 | 0,000 | 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 | 0,000 | 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 ».