Research on Agricultural Logistics Efficiency Based on DEA and Tobit Regression Models
Notice bibliographique
Résumé
As the link between production and consumption, urban and rural areas, industry and agriculture, agricultural logistics plays a vital role in optimizing the rural industrial structure and developing the rural economy. However, the efficiency of agricultural logistics has been less studied. This paper launched a study on the evaluation of agricultural logistics performance based on DEA model, constructed an input-output index system, collected and collated data on relevant indicators of agricultural logistics in 30 provinces and municipalities (excluding Tibet) in 2018 and 2019, and applied DEAP2.1 software to evaluate the efficiency, and the research results showed that 7 provinces and municipalities showed strong agricultural logistics efficiency in 2018, 5 provinces and municipalities have efficiencies between 0.8 and 1, and 18 provinces and municipalities have efficiencies below 0.8. In 2019, 7 provinces and municipalities showed strong agricultural logistics efficiency, 6 provinces and municipalities had efficiency between 0.8 and 1, and 17 provinces and municipalities had efficiency below 0.8. Based on this, a regression analysis study was conducted on the influencing factors affecting agricultural logistics efficiency through the Tobit model, and the study concluded that the level of rural goods turnover, the level of agricultural logistics operation, the level of education of the labor force is the main factor affecting the efficiency of agricultural logistics, while the regional living standard and the level of construction of transport facilities have shown a significant uncorrelated.
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 | 0,015 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,009 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».