An Economic Analysis of the Returns to Canadian Swine Research: 1974–97
Notice bibliographique
Résumé
This paper reports a new set of estimates of the returns to swine research in Canada. These estimates are obtained using Agriculture and Agri‐Food Canada's Canadian Regional Agricultural Model (CRAM). Positive Mathematical Programming is incorporated into the model for use in this study. The CRAM allows the effects of supply shifts from technological change in the hog industry to interact with product and factor market conditions in the rest of Canadian agriculture. Extensive sensitivity analysis is conducted to examine the robustness of the return estimates under variations in some of the key assumptions employed in the analysis. The costs of public and private sector swine research are estimated. Public sector research costs are inclusive of the marginal excess burden of taxation. Overall, the estimated benefits from Canadian swine research are high relative to the estimated costs for the time period considered. Previous estimates of the returns to Canadian swine research were obtained by Huot et al. (1989) with a partial equilibrium model that did not allow for intra‐sectoral resource use adjustments. The estimated returns obtained in the present study are generally higher than those obtained by Huot et al. For example, the estimates obtained from the direct application of the econometrically estimated supply function in this study gave an internal rate of return of about 124% and a benefit‐cost ratio of 22.4 to 1. Huot et al reported comparable estimates of about 43% for the internal rate of return and 6–7 to 1 for the benefit‐cost ratio. The differences in returns are not solely attributable to the use of a multi‐market versus a single‐market partial equilibrium approach. There are also differences in the estimates of the marginal excess burden of taxation between the two studies. L'analyse que void présente une nouvelle série d'estimations quant au rendement de la recherche porcine au Canada. Ces estimations dérivent du Modèle d'analyse régionale de l'agriculture du Canada (MARAC) du ministère canadien de l'Agriculture et de l'Agroalimentaire. Aux fins de la présente étude, on avait intégré au modèle une programmation mathématique positive. Le MARAC autorise l'interaction entre les retombées d'une modification de l'offre attribuable au virage technologique de l'industrie porcine et les conditions du marché des produits et des facteurs dans le reste de l'agriculture canadienne. Les auteurs ont effectué une analyse de sensibilité poussée en vue d'établir la robustesse de leurs estimations quand variaient quelques‐unes des principales hypotheses de l'analyse. On a estimé le coût de la recherche sur les pores poursuivie par les secteurs public et privé. Dans le secteur public, le coût de la recherche incluait une charge fiscale légérement excessive. Dans l'ensemble, la recherche sur les porcs entreprise au Canada a rapporté beaucoup comparativement à ce qu'elle a coûté pendant la période à l'étude. Les estimations antérieures, établies par Huot et ses collaborateurs (1989), venaient d'un modèle àéquilibre partiel ne permettant aucun ajustement pour l'utilisation intra‐sectorielle des ressources. Les revenus estimés ici sont généralement plus élevés que ceux de Huot et de ses collaborateurs. Ainsi, une application directe de l'offre estimée par des méthodes économétriques à l'analyse donne un taux de rendement interne d'environ 124 % et un indice de rentabilité de 22,4 pour 1. À titre de comparaison, Huot et ses collaborateurs rapportent des résultats d'environ 43 % pour le taux de rendement interne et de 6 à 7 pour 1 en ce qui concerne l'indice de rentabilité. Pareil écart ne résulte pas uniquement du choix d'un modèle àéquilibre partiel reposant sur plusieurs marchés au lieu d'un seul; on relève aussi des variations dans l'estimation du léger excès de la charge fiscale entre les deux études.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».