Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

CLASSIFICATION OF SPECIALIZED FARMS APPLYING MULTIVARIATE STATISTICAL METHODS

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60460709%3A41110%2F17%3A72069" target="_blank" >RIV/60460709:41110/17:72069 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.11118/actaun201765031007" target="_blank" >http://dx.doi.org/10.11118/actaun201765031007</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.11118/actaun201765031007" target="_blank" >10.11118/actaun201765031007</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    CLASSIFICATION OF SPECIALIZED FARMS APPLYING MULTIVARIATE STATISTICAL METHODS

  • Popis výsledku v původním jazyce

    The paper is aimed at application of advanced multivariate statistical methods when classifying cattle breeding farming enterprises by their economic size. Advantage of the model is its ability to use a few selected indicators compared to the complex methodology of current classification model that requires knowledge of detailed structure of the herd turnover and structure of cultivated crops. Output of the paper is intended to be applied within farm structure research focused on future development of Czech agriculture. As data source, the farming enterprises database for 2014 has been used, from the FADN CZ system. The predictive model proposed exploits knowledge of actual size classes of the farms tested. Outcomes of the linear discriminatory analysis multifactor classification method have supported the chance of filing farming enterprises in the group of Small farms (98 % filed correctly), and the Large and Very Large enterprises (100 % filed correctly). The Medium Size farms have been correctly f

  • Název v anglickém jazyce

    CLASSIFICATION OF SPECIALIZED FARMS APPLYING MULTIVARIATE STATISTICAL METHODS

  • Popis výsledku anglicky

    The paper is aimed at application of advanced multivariate statistical methods when classifying cattle breeding farming enterprises by their economic size. Advantage of the model is its ability to use a few selected indicators compared to the complex methodology of current classification model that requires knowledge of detailed structure of the herd turnover and structure of cultivated crops. Output of the paper is intended to be applied within farm structure research focused on future development of Czech agriculture. As data source, the farming enterprises database for 2014 has been used, from the FADN CZ system. The predictive model proposed exploits knowledge of actual size classes of the farms tested. Outcomes of the linear discriminatory analysis multifactor classification method have supported the chance of filing farming enterprises in the group of Small farms (98 % filed correctly), and the Large and Very Large enterprises (100 % filed correctly). The Medium Size farms have been correctly f

Klasifikace

  • Druh

    J<sub>SC</sub> - Článek v periodiku v databázi SCOPUS

  • CEP obor

  • OECD FORD obor

    10103 - Statistics and probability

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis

  • ISSN

    1211-8516

  • e-ISSN

    2464-4781

  • Svazek periodika

    65

  • Číslo periodika v rámci svazku

    3

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    8

  • Strana od-do

    1007-1014

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus

    2-s2.0-85021791489