Getting Rich and Eating Out: Consumption of Food Away from Home in Urban China
Notice bibliographique
Résumé
The overall goal of this study is to better understand food‐away‐from‐home (FAFH) consumption in urban China. We use national statistical sources and our own data to examine the trends in FAFH during the late reform period and to analyze the determinants of FAFH demand, examining how different groups of consumers have participated in this new area of consumption. Besides the normal Tobit model for total food expenditure away from home, a system of multivariate Tobit equations was estimated simultaneously for three categories of foods consumed outside of the home. The results show that the rapid increase of FAFH demand, a rise that is fueled by higher incomes, is changing consumption patterns in China's post‐reform urban economy. We also use our findings to illustrate how omission of accounting for FAFH trends by China's official statisticians has affected the reported trends in national meat supply and demand statistics. La présente étude visait à mieux comprendre le phénomène de la consommation de repas à l'extérieur en Chine urbaine. Nous avons utilisé des données de sources nationales et nos propres données pour étudier le phénomène au cours de la dernière réforme et pour analyser les déterminants de la demande de repas à l'extérieur en examinant la participation de divers groupes de consommateurs à ce nouveau créneau. Outre le modèle Tobit simple pour évaluer les dépenses totales de repas à l'extérieur, nous avons estimé simultanément un système d'équations Tobit à plusieurs variables pour trois catégories d'aliments consommés à l'extérieur du foyer. Les résultats ont montré que la croissance rapide de la demande de repas à l'extérieur, alimentée par une hausse des revenus, est en train de modifier les habitudes de consommation dans l'économie urbaine de la Chine post‐réformiste. Nous avons également utilisé nos résultats pour illustrer de quelle façon le fait que les statisticiens officiels de la Chine ne tiennent pas compte des tendances de consommation de repas à l'extérieur a une influence sur l'évaluation des tendances dans les données nationales de l'offre et de la demande de viande.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».