Study on factors affecting corn yield based on the Cobb-Douglas production function

Zhang, Qichen; Dong, Weihong; Wen, Chuanlei; Li, Tong

doi:10.1016/j.agwat.2019.105869

Cited by 32 publications

(24 citation statements)

References 20 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Hutami et al (2016) [21] in their research in Wonogiri regency in Province of Yogyakarta, found individually, the factors significantly influenced corn production were land area, number of seeds, manure, and Urea fertilizer. Zang et al (2020) [22] in Daqing City,China found that factors affected the production of corn were the amounts of pesticide applications, planting area, amounts of chemical fertilizer applications, and effective precipitation. Tefaye and Beshir (2014) in Illuababora zone in Ethiopia from they result reserach, revealed that area allocated under maize and chemical fertilizers were appeared to be significantly influencing maize production at 1 percent probability level [23].…”

Section: Factors That Influence Corn Productionmentioning

confidence: 99%

Analysis of factors that influence production and cost of corn in Banten province

et al. 2021

View full text Add to dashboard Cite

Banten Province on the 2019 year has to harvest area of corn was 66,356 ha with 331,865.38 tons production and the highest production in Pandeglang Regency. The purpose of this study was: 1) Knowing the pattern of corn farming in Banten Province, 2) Knowing the factors of production that affect corn production. 3) Knowing the cost factors that affect the cost of corn production. The analytical method used multiple linear analysis of the Cobb Douglas production and cost function. The results of the study were: 1) The planting pattern of corn was corn-corn - fallow. Dominant varieties were NK-212 (75.8%), Bima (12.1%) and BISI-18 (12.1%). Average productivity in RS 2018/2019 was 3.44 tons of dry shelled ha-1. The B/C ratio is 0.7, it’s mean financially not profitable.2) Factors that significantly affect corn production were: number of seeds, amount of manure, and number of tractors rent, and variety dummy. A cumulative elasticity value of 1.0 means corn farming was efficient. 3) Factors that significantly influence the cost of production were liquid herbicide prices and human labor costs. Increasing corn productivity still needs to be done with the use of proportional farming inputs.

show abstract

Section: Factors That Influence Corn Productionmentioning

confidence: 99%

Analysis of factors that influence production and cost of corn in Banten province

et al. 2021

View full text Add to dashboard Cite

show abstract

“…Consider the use of iterative algorithms to solve inverse problems while minimizing the sum of squares of argument changes. The dependence of production volume on production factors (labor and capital costs) is described by the Cobb-Douglas function [21]:…”

Section: Results Of Solving Inverse Problems Using Iterative Algorithmsmentioning

confidence: 99%

Development of iterative algorithms for solving the inverse problem using inverse calculations

Gribanova

2020

EEJET

View full text Add to dashboard Cite

Запропоновано ітераційні алгоритми розв'язання зворотної задачі, представленої у вигляді задачі квадратичного програмування, розроблені шляхом модифікації алгоритмів, заснованих на механізмі зворотних обчислень. Ітераційні алгоритми полягають у послідовній зміні значень аргументів за допомогою ітераційних формул до досягнення функцією величини, найбільш відповідної обмеженню. При цьому розглянуто два варіанти вирішення задачі: шляхом визначення найкоротшої відстані до лінії заданого рівня, що визначається обмеженням, і шляхом руху вздовж градієнта. Даний підхід також був адаптований для вирішення оптимізаційних завдань нелінійного програмування більш загального вигляду. Розглянуто вирішення чотирьох завдань: формування випуску продукції та складських витрат, оптимізація портфеля цінних паперів та складських витрат при заданому обсязі закупівель. Показано, що одержувані при використанні ітераційний алгоритмів рішення узгоджуються з результатом використання класичних методів (множників Лагранжа, штрафів), стандартної функції математичного пакету MathCad. При цьому найбільша ступінь відповідності була отримана за допомогою методу на основі побудови лінії рівня, метод на основі руху вздовж градієнта є більш універсальним. Перевагою алгоритмів є більш проста комп'ютерна реалізація ітераційних формул, можливість отримати рішення за менший час в порівнянні з відомими методами (наприклад, методом штрафів, що вимагає багаторазової оптимізації модифікованої функції зі зміною штрафного параметра). Алгоритми можуть бути також використані для вирішення інших завдань нелінійного програмування представленого виду. Стаття може бути корисна для фахівців, які здійснюють вирішення завдань в області економіки, а також розробку програмних систем підтримки прийняття рішень Ключові слова: зворотні обчислення, оптимізація функції, нелінійне програмування, градієнтний метод, зворотна задача

show abstract

“…In 2020, Zhang et al used remote-sensing technology to obtain precipitation information and used C-D function to estimate the corn production in Daqing City, Heilongjiang Province, China. Among them, although the OEC of each input factor was positive, the regression results of chemical fertilizers, pesticides, planting area, and precipitation had small t-test values, which cannot pass the significance level test [15]. In the same year, Li et al introduced environmental factors into the growth rate of agricultural total factor, and constructed data envelopment analysis model with slackbased measure super-efficiency to evaluate the impact of agricultural environmental total factor productivity on urban-rural income gap in 30 provinces of China from 2001 to 2017.…”

Section: Introductionmentioning

confidence: 98%

A Method for Estimating Output Elasticity of Input Factors in Cobb-Douglas Production Function and Measuring Agricultural Technological Progress

et al. 2021

View full text Add to dashboard Cite

When using the Cobb-Douglas (C-D) production function to measure the contribution rate of agricultural technological progress (ATP), it is necessary to estimate the output elasticity coefficient (OEC) of each input factor in C-D production function. For this purpose, it is usually necessary to take logarithm at both sides of C-D production function and convert it into a linear function, and then use regression analysis method to estimate the OECs of input factors. However, there are some problems in this method remains unsolved: first, the OECs estimated by taking logarithm of C-D production function are not the optimal estimation of the original C-D production function; second, the regression results sometimes fail to pass statistical test; third, some OECs cannot be guaranteed to be non-negative. Aiming at resolving these problems, a method for estimating OECs in C-D production function based on the Hybrid Improved Bat Optimization Algorithm (HIBA) was proposed. This method solves the problems existing in the OEC estimation methods in the existing literatures. To verify the effectiveness of the proposed method in this study, the OECs of input factors in China' Sichuan Province from 1996 to 2018 was estimated. The estimation results show that, compared with other estimation methods in the existing literatures, the proposed method can not only guarantee that it is the optimal estimation of the OECs in the original C-D production function, but also ensure that the OECs are non-negative and with high precision and good fitting effect. Finally, based on the estimation results, this study measured and analyzed the contribution rate of agricultural input factors and ATP of Sichuan Province and puts forward corresponding suggestions for the agricultural development in this region. INDEX TERMS Cobb-Douglas production function, output elasticity, contribution rate of agricultural technological progress, hybrid improved bat optimization algorithmThis work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.

show abstract

Study on factors affecting corn yield based on the Cobb-Douglas production function

Cited by 32 publications

References 20 publications

Analysis of factors that influence production and cost of corn in Banten province

Analysis of factors that influence production and cost of corn in Banten province

Development of iterative algorithms for solving the inverse problem using inverse calculations

A Method for Estimating Output Elasticity of Input Factors in Cobb-Douglas Production Function and Measuring Agricultural Technological Progress

Contact Info

Product

Resources

About