MétaCan
Menu
Retour à la cohorte
Enregistrement W1572332380

Efficiency losses in milk marketing boards - the importance of exports

2005· preprint· en· W1572332380 sur OpenAlexaboutno aff
Rolf Jens Brunstad, Ivar Gaasland, Erling Vårdal

Notice bibliographique

RevueDuo Research Archive (University of Oslo) · 2005
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProfitability indexDeregulationPrice discriminationBusinessEconomic surplusValue (mathematics)Competition (biology)EconomicsWelfareMarket economyMarketing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A milk marketing board (MMB) is a legislatively specified compulsory marketing institution, and a common way to regulate markets for dairy products. MMBs are based on price discrimination. As price discrimination leads to unequal profitability between products, receipts from sales are pooled and farmers receive a single price adjusted for composition and quality. It is well documented that price discrimination through MMBs incurs an efficiency loss to the society. Earlier contributions, Ippolito and Masson (1978) and Serck-Hansen (1979), point out that a particularly high loss is incurred if export of dairy products is included in the MMB. It proves difficult to find examples where this is the case. MMB countries are either large with a low export share in dairy products (USA and Japan), have economies of scale (Australia) or exports are excluded from the MMB arrangement (Canada). However, we find Norway to be a good example. Using a numerical model of the Norwegian agricultural sector we show that substantial efficiency gain may be achieved by deregulating the dairy sector, mainly due to the elimination of exports. It is estimated that a transition to cost based pricing may increase the economic surplus by NOK 1.5 billion, which is 26% of the production value. This computed gain from deregulation is far larger than for the other MMB-countries.

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)0,002
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 enseignants0,442
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
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 Opus0,038
Tête enseignante GPT0,262
Écart entre enseignants0,224 · 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

Citations5
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDuo Research Archive (University of Oslo)Même sujetAgricultural Economics and PolicyTravaux en français237 207