The impact of COVID-19 on farmers' economic income in Hubei Province of China
Notice bibliographique
Résumé
This paper discusses the statistical measurement of the impact of COVID-19 majoremergencies on farmers' economic income in Hubei Province. Hubei Province wasselected as the object of analysis, and five data of total output value of agriculture,forestry, animal husbandry, fishery and per capita disposable income of farmers inHubei Province from the first quarter of 2013 to the second quarter of 2020 werecollected by using the Internet. Since all the collected data were macroeconomic data,these data were taken the logarithm to meet the economic significance.The per capita disposable income of farmers was taken as the response variable, andthe main factors affecting farmers' income were obtained by factor analysis.Livestock husbandry and fishery industries were the main industries in HubeiProvince. Then the score of factor analysis were taken as explained variable toestablish regression model composed of influencing factors. This paper use themultiple linear regression, support vector regression to fitting and forecasting data,ARIMA model of time series analysis, introduced at the same time, through the AICmodel choice, with the first quarter of 2013 to 2019 in the second quarter fittingtraining, backward prediction two quarters, and three or four quarter of 2019compared with the real data, through to the predicted results of the sequence diagramand evaluation index model to compare the mean square error (RMSE).Three models predict per capita disposable income of farmers in the first and secondquarter of 2020. It has been found that performance better ARIMA model in themodel compare is worse than before, and three kinds of predicted values are higherthan the real value of the model, showed the outbreak to the influence of theagricultural economy in hubei province is serious.On this basis, taking into accountthe characteristics of geomorphic climate in Hubei province, the constructivesuggestions are put forward.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».