MétaCan
Menu
Retour à la cohorte
Enregistrement W2257084460 · doi:10.1111/cjag.12057

Revealed Comparative Advantage and Half‐a‐Century Competitiveness of Canadian Agriculture: A Case Study of Wheat, Beef, and Pork Sectors

2014· article· en· W2257084460 sur OpenAlexaffvenueabout
Rakhal Sarker, Shashini Ratnasena

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Trade and Competitiveness
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésAgricultureFood sectorAgricultural economicsNonmarket forcesIndex (typography)BusinessAgricultural scienceEconomicsGeographyMarket economyFactor market

Résumé

récupéré en direct d'OpenAlex

While the competitiveness of the Canadian agri‐food sector attracted significant research attention since the mid 1980s, no study has measured competitiveness using longitudinal data and determined empirically the drivers of competitiveness. This article contributes to the competitiveness literature by measuring the international competitiveness of wheat, beef, and pork sectors in Canada using data from 1961 to 2011 and by determining the drivers of competitiveness. Our results demonstrate that Canada enjoys competitiveness in the wheat sector but not in the beef or pork sectors. Empirical results also suggest that the competitiveness of the Canadian wheat sector can be enhanced if the cost seed in Canada relative to that in the United States is lower. Similarly, if the relative labor cost of meat processing is lower, the competitiveness of both beef and pork sectors in Canada will be enhanced. Exchange rates are important drivers of international competitiveness of beef and pork sectors in Canada. The decoupled farm policies in Canada do not have a significant impact on the competitiveness of wheat and pork sectors in Canada. While our empirical results seem to indicate that major agri‐food policies in Canada may not have delivered the expected benefits, the NRCA index did not allow us to separate the contributions of market and nonmarket failures to competitive performance of Canadian agriculture.Bien que la compétitivité du secteur agroalimentaire canadien ait suscité un vif intérêt de la part des chercheurs depuis le milieu des années 1980, aucune étude ne l'a évaluée à l'aide de données longitudinales et aucune n'en a déterminé de manière empirique les moteurs. Le présent article contribue à la littérature sur la compétitivité en ce sens qu'il présente une évaluation de la compétitivité des secteurs du blé, du bœuf et du porc canadiens sur la scène internationale effectuée à l'aide de données couvrant la période 1961–2011 et en détermine les moteurs. Selon les résultats de notre étude, le Canada jouit d'une compétitivité dans le secteur du blé uniquement. Les résultats empiriques autorisent aussi à penser qu'il serait possible d'accroître la compétitivité du secteur du blé canadien si le coût des semences au Canada était plus faible que celui aux États‐Unis. De façon similaire, une baisse du coût relatif de la main‐d’œuvre dans les usines de transformation de la viande contribuerait à accroître la compétitivité des secteurs du bœuf et du porc canadiens. Les taux de change sont des moteurs importants de la compétitivité des secteurs du bœuf et du porc canadiens sur la scène internationale. Au Canada, les politiques agricoles découplées n'ont pas de répercussions significatives sur la compétitivité des secteurs du blé et du porc canadiens. Bien que les résultats empiriques de notre étude indiquent que les principales politiques agroalimentaires au Canada n'ont peut‐être pas procuré les avantages escomptés, l'indice de l'avantage comparatif révélé normalisé (ACRN) n'a pas permis de distinguer les échecs du marché et ceux de la réglementation quant à la performance de la compétitivité du secteur canadien de l'agriculture.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,044
Score d'incertitude au seuil0,322

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,008
Études des sciences et des technologies0,0050,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,175
Écart entre enseignants0,152 · 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

Citations68
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetGlobal Trade and CompetitivenessTravaux en français237 207