MétaCan
Menu
Retour à la cohorte
Enregistrement W2187720948

Does the US Biofuel Mandate Increase Poverty in India

2012· article· en· W2187720948 sur OpenAlexaff
Ujjayant Chakravorty, Marie‐Hélène Hubert, Beyza Ural Marchand

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomics of Agriculture and Food Markets
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMandateEconomicsAgricultural economicsPovertyFood pricesConsumption (sociology)WelfareAgricultureFood securityEconomic growthMarket economyGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In recent years, many countries have adopted aggressive policies that promote biofuels as a substitute for gasoline in transportation. For instance, 40 % of US grain is now used in transportation. This share is expected to rise significantly under the current Renewable Fuels Mandate. In this paper, we focus on the effect of the US mandate on poverty in India. First, we use a model with endogenous land use to estimate the effect of the mandate on the world price of selected food commodities, namely rice, wheat, sugar and meat and dairy, which provide almost 70 % of food calories in India, and fuel for transportation. We obtain world price increases of the order of 10 % for most of these commodities. Next we estimate their price pass-through to the Indian domestic market. Finally, using household data on Indian food consumption, wages and income, we estimate the effect on welfare. We account for the positive effects of food price increases through wages and income. We show that the net impact on welfare is negative and regressive, i.e., the policy affects the poorest the most. The current mandate may create about 35 million new poor in India alone. With imperfect pass-through of world prices food markets, this number declines to 14 million. The main implication is that even if biofuel policies lead to only a modest increase in food prices, they may cause a significant increase in poverty in developing 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 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)0,003
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 enseignants0,046
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,010
Tête enseignante GPT0,183
Écart entre enseignants0,173 · 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEconomics of Agriculture and Food MarketsTravaux en français237 207