A Stochastic Frontier Model to Assess Agricultural Eco-efficiency of European Countries in 1990–2019
Notice bibliographique
Résumé
This paper aims at assessing agricultural eco-efficiency of 40 European countries, including non-European Union and ex-USSR ones, in the period 1990–2019 (30 years). A stochastic frontier model with a panel translog specification is employed to allow technology to change in time and across countries, and both output elasticities and returns to scale to vary with input levels and time. Our study is original compared to existing ones in the literature because it considers the almost totality of European countries and focuses on a long and recent period. As such, it is able to draw an exhaustive and updatedpictureofagriculturaleco-efficiencyinEuropethatfillsbothtemporalandspatialinformationgapsleftbyexisting studies. In our results, countries with a definitely increasing eco-efficiency in the period 1990–2019 are Albania, Croatia, Iceland, Lithuania, North Macedonia, Portugal and Ukraine, while countries with a definitely decreasing eco-efficiency are Cyprus, Czechia, France, Greece, Hungary, Malta, Romania and Slovakia. All other countries have an approximately constant eco-efficiency in the period 1990–2019, ranging, in average, between 0.93 and 0.95, with the exception of two groups of countries: (i) Denmark, Italy, Serbia-Montenegro, Slovenia and Switzerland, which show a decline of eco-efficiency in recent years; (ii) Ireland and Latvia, which exhibit an upward inversion of the trend in the penultimate decade. These two groups of countries should be monitored in the near future to better establish whether the decline or the increase in eco-efficiency is temporary or permanent. Our study also provides, for the first time, evidence on agricultural eco-efficiency in non-European Union transition economies, specifically it emphasizes the promising performance of Albania, North Macedonia and Ukraine.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».