MétaCan
Menu
Retour à la cohorte
Enregistrement W1570306828 · doi:10.1111/cjag.12037

Regional‐Level Analysis of Oligopsony Power in the Ukrainian Dairy Industry

2014· article· en· W1570306828 sur OpenAlexvenueno aff
Oleksandr Perekhozhuk, Thomas Glauben, Ramona Teuber, Michael Grings

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomics of Agriculture and Food Markets
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDairy industryProcurementRaw milkUkrainianBusinessProduct (mathematics)Raw materialProduction (economics)EconomicsInternational tradeAgricultural economicsIndustrial organizationMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Transition was characterized by massive structural changes in most economic sectors in Ukraine. This is especially true for the dairy sector. Several countervailing developments took place under transition that affected the dairy industry. Interregional trade became feasible, the importance of milk delivered by households increased significantly, and most dairies became investor‐owned companies. The latter point and the fact that the Antimonopoly Committee of Ukraine detected several price cartels in the industry lead us to offer that after transition, dairies were able to exercise oligopsony power toward dairy producers at the regional level. This paper estimates market structure models for raw milk in Ukraine using a translog production function for the processing sector at the national and regional level. The results suggest the existence of oligopsony power in three of 25 administrative regions in Ukraine, coupled with a potential deviation of procurement prices for raw milk from the value marginal product of raw milk ranging from 24.6% to 49.4%.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,075
Score d'incertitude au seuil0,150

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,043
Tête enseignante GPT0,176
Écart entre enseignants0,134 · 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 source (Gemma direct ou Codex distillé), 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

Citations25
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetEconomics of Agriculture and Food MarketsTravaux en français237 207