MétaCan
Menu
Retour à la cohorte
Enregistrement W4283317344 · doi:10.1111/cjag.12314

An economic analysis of production efficiency: Evidence from Irish farms

2022· article· en· W4283317344 sur OpenAlexvenueno aff
Jean‐Paul Chavas, Doris Läpple, Bradford L. Barham, Emma Dillon

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAllocative efficiencySubsidyEconomicsProduction (economics)Panel dataAgricultural policyCensored regression modelShadow priceAgricultureEconomies of scopeAgricultural economicsSample (material)Scale (ratio)Economies of scalePublic economicsEconometricsRegression analysisMicroeconomicsMarket economyGeographyStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract The objective of this paper is to investigate the economics of production efficiency of dairy farms, with a specific focus on the role of agricultural policy. Our analysis is based on a representative sample of Irish dairy farms, ranging from 2000 to 2018, which includes a period of major change in EU dairy policy. Based on a multi‐input multi‐output production system, we first estimate technical, allocative, scale and scope efficiencies. We find significant heterogeneity in technical and allocative efficiencies, which change over time. We also calculate shadow prices of milk quota, which suggest that milk quotas restricted many farmers and limited their ability to produce milk. Finally, we explore determinants of technical, allocative, scale and overall inefficiencies using random panel‐data censored regression. We find that subsidies are positively associated with farm efficiency, but the effects vary over distinct quota abolition periods. Overall, our empirical findings indicate that agricultural policy had important effects on the managerial effectiveness of 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,071
Tête enseignante GPT0,266
Écart entre enseignants0,195 · 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 source (Gemma direct ou Codex distillé), 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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetEfficiency Analysis Using DEATravaux en français237 207