Meta-regression Analysis of Technical (In)Efficiency in Agriculture: a Regional Approach

Abstract

While scientific studies have not reached a consensus on the methodology for examining Technical Efficiency (or Inefficiency), the influence of regions appears to be important for efficiency scores. Therefore, this research aims to investigate the empirical procedures for the achievement of more robust results in the analysis of productive efficiency, as well as to evaluate the effect of the location of farms on such efficiency. The goal was to check whether the most developed regions are the most efficient. Meta-regression analysis provides an adequate method for an accurate assessment of both situations. This technique was applied based on a database of 166 observations on the agricultural sector from countries around the world, published in the period 2010–2017. The criteria used for the database collection and for the conceived model were not previously used and, thereby, enrich the discussion on the topic. The procedure aims to check the variation in the Mean of Technical Inefficiency and conduct an analysis using Quasi-Maximum Likelihood Estimation. The regressions showed that the Mean of Technical Inefficiency could be mainly explained by data, variables, employed empirical models and the region of study. The studies that focus on farms of developed countries present the lowest Mean of Technical Inefficiency, while studies for developing or low-income countries exhibit the opposite. Therefore, for future research on productive analysis, we suggest empirical procedures aimed at achieving robust results that take into account specific regional characteristics of farms.

Несмотря на то, что исследователи не достигли консенсуса касательно методологии изучения производительности, показатели эффективности в значительной мере зависят от регионов. В данной статье изучены эмпирические методики для достижения надежных результатов в анализе производственной эффективности, а также влияние расположения ферм на производительность. Цель работы — проверить, зависит ли производительность от развитости региона. Для точной оценки данных был применен метарегрессионный анализ на основе опубликованных в 2010–2017 гг. 166 наблюдений в области сельского хозяйства разных стран мира. Новизна исследования состоит в том, что критерии, разработанные для создания базы данных и реализации модели, не использовались ранее. Были проверены вариации среднего значения производительности, а также проведен анализ с использованием оценки квазимаксимального правдоподобия. Регрессии показали, что среднее значение производительности можно объяснить используемыми данными, переменными, эмпирическими моделями и регионом исследования. Проанализированные работы показали, что сельскохозяйственные фермы в развитых странах демонстрируют самый высокий средний показатель производительности, в то время как в развивающихся странах и странах с низким уровнем дохода наблюдается обратная ситуация. В статье представлены методологии, направленные на достижение надежных результатов, а также учитывающие региональные характеристики сельских хозяйств, которые могут быть применены в будущих исследованиях.