Research on Agricultural Logistics Efficiency Based on DEA and Tobit Regression Models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle