Heterogeneous Demand for Food Diversity: A Quantile Regression Analysis
Notice bibliographique
Résumé
Poverty and inequality studies frequently use the quantile regression approach to provide results on the impact of determinants at different points of the distribution of a dependent variable. To innovate diversity research this paper uses quantile regressions to identify determinants at different points of the food diversity distribution. Regional and household level differences in demand for food diversity are analysed based on a pooled sample of Canadian data of the Family Food Expenditure Surveys of Statistics Canada. Simple OLS regressions show that the determinants of Canadian diversity demand are similar to those of other developed countries. However, with quantile regressions significantly different effects of independent variables on diversity across quantiles are observed. In most cases, low diversified households, especially those in the lower 10% quantile of the distribution, are much more affected by key determinants such as household size, (real) income and age than higher-diversified households. Results further reveal that the demand for food diversity is not stable over time but is lower in 1996 and 2001 than in 1984. The diversity decline over time is higher for households in the middle quantiles compared to the moderate decline for households located at the ends of the diversity distribution. In Armuts- und Ungleichheitsstudien sind Quantil-Regressionen eine häufig angewandte Methode um den Einfluss von Determinanten an verschiedenen Punkten der Verteilung einer abhängigen Variablen zu identifizieren. Um die bestehende Lebensmittelvielfaltsliteratur zu erweitern, werden in diesem Beitrag Quantil-Regressionen dafür genutzt, Nachfragedeterminanten an verschiedenen Stellen der Lebensmittelvielfaltsverteilung zu bestimmen. Dabei werden sowohl regionale als auch weitere haushaltsspezifische Unterschiede in der Nachfrage basierend auf einem gepoolten kanadischen Datensatz identifiziert. Ergebnisse einfacher Regressionen bestätigen, dass die Nachfrage nach Lebensmittelvielfalt in Kanada von ähnlichen Determinanten bestimmt ist wie in anderen Ländern. Die Quantil-Regressionen zeigen allerdings, dass je nach Quantil signifikant unterschiedliche Einflüsse auf die Vielfaltsnachfrage vorliegen. In den meisten Fällen sind die Haushalte mit der geringsten Vielfaltsnachfrage, insbesondere solche im unteren 10%-Quantil, am stärksten beeinflusst durch Schlüsselgrößen wie Haushaltsgröße, (Real)einkommen und Alter als Haushalte mit einer höheren Nachfrage nach Vielfalt. Die Ergebnisse zeigen auch, dass die Vielfaltnachfrage über die Zeit nicht konstant ist, sondern 1996 und 2001 niedriger ist als 1984. Der Rückgang in der Vielfaltsnachfrage über die Zeit ist größer bei Haushalten in den mittleren Quantilen im Vergleich Haushalten an den Enden der Vielfaltsverteilung.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».