MétaCan
Menu
Retour à la cohorte
Enregistrement W1508779177 · doi:10.1111/cjag.12049

Policy or Markets? An Analysis of Price Incentives and Disincentives for Rice and Cotton in Selected African Countries

2014· article· en· W1508779177 sur OpenAlexvenueno aff
Cameron Short, Jesús Barreiro‐Hurlé, Jean Balié

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensnon disponible
Organismes subventionnairesBill and Melinda Gates Foundation
Mots-clésNonmarket forcesIncentiveBusinessAgricultureDeveloping countryCompetition (biology)Market failureAgricultural economicsEconomicsAgricultural policyInternational economicsMarket economyEconomic growthFactor market

Résumé

récupéré en direct d'OpenAlex

African governments have intervened extensively in markets through regulations and other price, trade, or marketing policies to provide price incentives to farmers. Using data from the Monitoring and Analyzing Food and Agricultural Policies program, this paper reports nominal rates of protection (NRPs) for rice and cotton at wholesale and farm level in selected African countries between 2005 and 2010. Rice is an import that has received high levels of border protection by the governments concerned while cotton is a key export crop which has been the focus of direct and indirect public intervention. For both commodities, we provide evidence for both market and nonmarket failures. In the case of rice, these prevent border protection from reaching farmers while raising consumer prices. Cotton ginning and marketing is concentrated in a small number of private sector companies in most countries studied. The farm level NRPs provide evidence of market failure in these countries that may be mitigated by policies that set indicative prices and encourage competition. The NRPs indicate nonmarket failure in the two countries that maintain parastatal monopsonies for cotton.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,828
Score d'incertitude au seuil0,963

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,199
Écart entre enseignants0,181 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetAgricultural Innovations and PracticesTravaux en français237 207