MétaCan
Menu
Retour à la cohorte
Enregistrement W4210672782 · doi:10.1111/1477-9552.12479

Climate change adaptation and productive efficiency of subsistence farming: A bias‐corrected panel data stochastic frontier approach

2022· article· en· W4210672782 sur OpenAlexfundno aff
Fissha Asmare, Jūratė Jaraitė, Andrius Kažukauskas

Notice bibliographique

RevueJournal of Agricultural Economics · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésSubsistence agricultureClimate changePanel dataEconomicsStochastic frontier analysisAdaptation (eye)Selection biasProduction–possibility frontierSelection (genetic algorithm)FrontierProduction (economics)Matching (statistics)AgricultureEconometricsNatural resource economicsAgricultural economicsStatisticsGeographyComputer scienceMathematicsMicroeconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Abstract We explore the impact of climate change adaptation on the technical efficiency of Ethiopian farmers using panel data collected from 6820 farm plots. We employ Green's (2010) stochastic frontier approach and propensity score matching to address selection bias. Our results reveal that climate change adaptation improves the efficiency of maize, wheat and barley production. We also show that failure to account for selection bias underestimates the average efficiency level. Our findings imply that the expansion of climate change adaptation at larger scales will provide a double benefit by curbing climate‐related risks and increasing the efficiency of farmers. Moreover, increasing credit access and introducing mechanisms that allow farmers to get enough water during the main growing season will enhance the efficiency of subsistence farmers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,839
Score d'incertitude au seuil0,264

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,194
Tête enseignante GPT0,246
Écart entre enseignants0,053 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural EconomicsMême sujetAgricultural Innovations and PracticesTravaux en français237 207