MétaCan
Menu
Retour à la cohorte
Enregistrement W2034872593 · doi:10.5539/sar.v1n2p141

Simulating the Impact of Exogenous Food Price Shock on Agriculture and the Poor in Nigeria: Results from a Computable General Equilibrium Model

2012· article· en· W2034872593 sur OpenAlexvenueno aff
Nkang Nkang, B. T. Omonona, Suleiman Yusuf, O. Timothy Oni

Notice bibliographique

RevueSustainable Agriculture Research · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensnon disponible
Organismes subventionnairesWilliam and Flora Hewlett Foundation
Mots-clésComputable general equilibriumSocial accounting matrixShock (circulatory)EconomicsPovertyAgricultureFood pricesWelfareGeneral equilibrium theoryFood securityFood policyAgricultural economicsMacroeconomicsEconomic growthGeographyMarket economy

Résumé

récupéré en direct d'OpenAlex

Motivated by the recent global economic crisis, this paper simulated the impact of a rise in the price of imported food on agriculture and household poverty in Nigeria using a computable general equilibrium (CGE) model and the Foster, Greer and Thorbecke (FGT) class of decomposable poverty measures on the 2006 social accounting matrix (SAM) of Nigeria and the updated 2004 Nigeria Living Standards Survey (NLSS) data. Results show that a rise in import price of food increased domestic output of food, but reduced the domestic supply of other agricultural commodities as well as food and other agricultural composites. Furthermore, a rise in the import price of food increased poverty nationally and among all household groups, with rural-north households being the least affected by the shock, while their rural-south counterparts were the most affected. A major policy implication drawn from this paper is that high import prices in import competing sectors like agriculture tend to favour the sector but exacerbate poverty in households. Thus, efforts geared at addressing the impact of this shock should strive to balance welfare and efficiency issues.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,149

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,049
Tête enseignante GPT0,360
Écart entre enseignants0,310 · 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'étudeSimulation ou modélisation
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

Citations6
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetIncome, Poverty, and InequalityTravaux en français237 207