RT Journal Article
T1 Meta-regression Analysis of Technical (In)Efficiency in Agriculture: a Regional Approach
T2 Метарегрессионный анализ технической производительности в сельском хозяйстве: региональный подход
A1 Santos, Micael Queiroga dos
A1 Marta-Costa, A.A
A1 Rodríguez González, Xosé Antón
K1 Agriculture
K1 Technical efficiency
K1 Farms inefficiency
K1 Meta-regression
K1 Parametric and non-parametric methods
K1 Regional analysis
K1 сельское хозяйство
K1 производительность
K1 неэффективность хозяйств
K1 метарегрессия
K1 параметрические и непараметрические методы
K1 региональный анализ
AB 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.
AB 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 обратнаяситуация. В статье представлены методологии, направленные на достижение надежных результатов, а также учитывающие региональные характеристики сельских хозяйств, которые могут быть применены в будущих исследованиях.
PB Institute of Economics of the Ural Branch of RAS (https://uiec.ru/), Ekaterinburg, Russian Federation
SN 2411-1406
YR 2021
FD 2021
LK https://hdl.handle.net/10347/41642
UL https://hdl.handle.net/10347/41642
LA eng
NO M. Q. d., Marta-Costa, A. A. & Rodríguez, X. A. (2021). Meta-regression analysis of technical (in)efficiency in agriculture: a regional approach. Экономика региона, 17(3), 917-928. https://doi.org/10.17059/EKON.REG.2021-3-14
DS Minerva
RD 4 may 2026