Author/Authors :
Zare Mehrjerdi، M. R. نويسنده Dep.of Agricultural Economics, Faculty of Agriculture, Shahid Bahonar University of Kerman, Kerman, Iran , , Ziaabadi، M. نويسنده Dep.of Agricultural Economics, Faculty of Agriculture, Shahid Bahonar University of Kerman, Kerman, Iran , , Ayatollahi Mehrgardi، A. نويسنده Department of Animal Science, Faculty of Agriculture, Shahid Bahonar University of Kerman, Kerman, Iran , , Dayani، O. نويسنده ,
Abstract :
جهت محاسبه بهره وري جزيي و بهره وري كل عوامل توليد در مرغداري هاي گوشتي استان يزد، 72 واحد توليدي بر اساس روش نمونه گيري تصادفي ساده انتخاب و آمار و اطلاعات آن ها براي يك دوره توليد در شش ماه دوم سال 1392 جمع آوري شده است. براي اندازه گيري بهره وري، تابع توليد كاب داگلاس با استفاده از روش هاي رگرسيون و رگرسيون فازي برآورد گرديد. نيروي كار و انرژي، تاثير مثبت معني دار بر توليد گوشت مرغ در دوره مورد بررسي داشته اند و نهاده دان با داشتن بالاترين ضريب (71/0 در رگرسيون كلاسيك و 58/0 در رگرسيون فازي) موثرترين عامل توليد بوده است. سرانجام بهره وري جزيي نهاده ها و كل عوامل توليد با استفاده از روش هاي رگرسيون كلاسيك و فازي محاسبه گرديد كه بهره وري كل عوامل توليد در روش رگرسيون كلاسيك 90/1 و در روش رگرسيون فازي با (h=0.1) فاصله اطمينان 90 درصد در كران بالا و پايين به ترتيب 86/2 و 37/1 به دست آمده است.
Abstract :
To calculate partial and total productivity of production factors in broiler farms in Yazd province, 72 manufacturing units were selected based on simple random sampling method and their information and statistics were collected for one production period in the second half of 2013. To measure productivity, the Cobb-Douglas production function was estimated using classic and fuzzy regression methods. Workforce and energy had significant positive effects on broiler meat production. Feed had the highest coefficient (0.71 in the classic regression and 0.58 in fuzzy regression) and was the most effective production factor. Partial productivity of all variables and total production factors were also calculated. Productivity of total production factors was 1.90 in classic regression; concerning fuzzy regression with confidence interval of 90%, upper and lower bounds were 2.86 and 1.37 respectively.
