Energy productivity and greenhouse gas emission intensity in Dutch dairy farms: A Hicks–Moorsteen by‐production approach under non‐convexity and convexity with equivalence results
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
Abstract The agricultural sector is currently confronted with the challenge to reduce greenhouse gas (GHG) emissions, whilst maintaining or increasing production. Energy‐saving technologies are often proposed as a partial solution, but the evidence on their ability to reduce GHG emissions remains mixed. Production economics provides methodological tools to analyse the nexus of agricultural production, energy use and GHG emissions. Convexity is predominantly maintained in agricultural production economics, despite various theoretical and empirical reasons to question it. Employing non‐convex and convex frontier frameworks, this contribution evaluates energy productivity change (the ratio of aggregate output change to energy use change) and GHG emission intensity change (the ratio of GHG emission change to polluting input change) using Hicks‐Moorsteen productivity formulations. We consider GHG emissions as by‐products of the production process by using a multi‐equation model. Given our empirical specification, non‐convex and convex Hicks‐Moorsteen indices can coincide under certain circumstances, which leads to a series of theoretical equivalence results. The empirical application focuses on 1,510 observations of Dutch dairy farms for the period of 2010–2019. The results show a positive association between energy productivity change and GHG emission intensity change, which calls into question the potential of on‐farm, energy‐efficiency‐increasing measures to reduce GHG emission intensity.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle