Latent Class Modelling for a Robust Assessment of Productivity: Application to French Grazing Livestock Farms Modélisation des classes latentes pour une évaluation robuste de la productivité : Application aux exploitations françaises d'élevage herbager En Fr

Fiche du document

Date

2021

Type de document
Périmètre
Langue
Identifiants
Relations

Ce document est lié à :
info:eu-repo/semantics/altIdentifier/doi/10.1111/1477-9552.12422

Ce document est lié à :
info:eu-repo/grantAgreement//770747/EU/Low-Input Farming and Territories/Lift

Collection

Archives ouvertes

Licences

http://creativecommons.org/licenses/by-nc-nd/ , info:eu-repo/semantics/OpenAccess




Citer ce document

K Hervé Hervé Dakpo et al., « Modélisation des classes latentes pour une évaluation robuste de la productivité : Application aux exploitations françaises d'élevage herbager », HAL-SHS : économie et finance, ID : 10.1111/1477-9552.12422


Métriques


Partage / Export

Résumé En Fr

Our objective is to extend the latent class stochastic frontier (LCSFM) model to compute productivity change, using the robust transitive productivity Fare-Primont index. The application is to three types of grazing livestock farms in France over the period 2002-2016. The LCSFM identified two classes of farms, intensive farms and extensive farms. Results indicate that productivity change and its components show only small differences between the LCSFM and the pooled model that does not account for heterogeneity. Differences across classes exist, but depend on farm type.

Notre objectif est d'étendre le modèle de frontière stochastique à classe de latence (LCSFM) pour calculer le changement de productivité, en utilisant l'indice de productivité transitif robuste de Fare-Primont. L'application porte sur trois types d'exploitations d'élevage herbivore en France sur la période 2002-2016. Le LCSFM a identifié deux classes d'exploitations, les exploitations intensives et les exploitations extensives. Les résultats indiquent que la variation de la productivité et ses composantes ne présentent que de faibles différences entre le LCSFM et le modèle groupé qui ne tient pas compte de l'hétérogénéité. Les différences entre les classes existent, mais dépendent du type d'exploitation.

document thumbnail

Par les mêmes auteurs

Sur les mêmes sujets

Sur les mêmes disciplines

Exporter en