تعیین کارایی مزارع گندم آبی در شهرستان نیشابور تحت شرایط عدم حتمیت
- سال انتشار: 1395
- محل انتشار: فصلنامه اقتصاد و توسعه کشاورزی، دوره: 30، شماره: 2
- کد COI اختصاصی: JR_JEAD-30-2_007
- زبان مقاله: فارسی
- تعداد مشاهده: 446
نویسندگان
دانشجوی دکتری گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه زابل
استادیار گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه زابل
چکیده
یکی از فروض در الگو های تحلیل پوششی داده ها (DEA) برای برآورد کارایی واحدهای تصمیم گیرنده این است که داده های ورودی و خروجی الگو بطور کامل شناخته شده و معین بوده که در عمل این فرضی دور از ذهن است. در بسیاری از کاربردهای واقعی، نهاده ها و ستاده ها اغلب غیردقیق هستند. در مطالعه حاضر به تعیین کارایی مزارع نمونه گندم آبی در شهرستان نیشابور با استفاده از تکنیک تحلیل پوششی داده ها با پارامترهای کنترل کننده میزان محافظه کاری (RDEA) پرداخته شد. این روش بر پایه رویکرد بهینه سازی قوی Bertsimas و Sim است و به دنبال بهینه سازی یک الگوی DEA تحت شرایط عدم قطعیت است. نتایج نشان داد که میانگین کارآیی فنی خالص در تمام سطوح احتمال انحراف هر محدودیت از کران خود بالاتر از میانگین کارآیی فنی بوده که نشان دهنده قابلیت و مهارت زیاد کشاورزان مزارع نمونه در شهرستان نیشابور در تولید گندم است. در هر دو الگوی DEA و RDEA بیشترین میزان اختلاف بین میانگین مقدار مصرف مطلوب و مقدار مصرف واقعی نهاده ها مربوط به دو نهاده آفت کش و سطح زیرکشت است. بر این اساس، برگزاری کلاس های ترویجی آموزش کشاورزان با هدف استفاده بهینه از زمین های کشاورزی موجود با همکاری کشاورزان کاملا کارا توصیه می گردد. استفاده از نتایج الگوی RDEA برای انجام مراحل اصلاح سازی رفتار غیر بهینه کشاورزان ناکارا در منطقه مورد مطالعه بعلت انعطاف پذیری بسیار زیاد آن در مقابل داده های غیردقیق (براساس نتایج شبیه سازی مونت کارلو) توصیه می شود.کلیدواژه ها
تحلیل پوششی داده ها، شبیه سازی مونت کارلو، عدم حتمیت، نیشابورمقالات مرتبط جدید
- A Comprehensive Review of The Challenges Facing the Use of Nanoparticles in The Treatment of Parasitic Infections
- مروری بر لیشمانیوز از اپیدمیولوژی تا روش های تشخیصی نوین
- مروری بر روشهای خشک کردن گیاهان باتاکید بر خشک کردن پاششی
- بهبود فرایندهای تشخیصی و پیشگیری سرطان حیوانات با هوش مصنوعی و فناوری های نوین: پیشرفت ها، چالش ها و چشم انداز آینده
- Integrated Interdisciplinary One Health Surveillance Systems for Early Detection of Disease Spillovers: Pandemic Preparedness and Outbreak Investigation
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.