What's in a Name? The Impact of Fair Trade Claims on Product Price
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Agribusinesses use credence claims reporting the sustainability of products and supply chains. One example, fair trade, relies on a diverse set of third party standards and certification organizations. Food marketing data are used to compare products launched between 1999 and 2013 in the coffee, tea, and chocolate categories. Out of 3,257 observations making a reference to fair trade, 2,745 were certified. The other items follow certain fair trade practices or support fair trade. Many products claim both fair trade and organic (congruent claim). Fairtrade Labeling Organizations – International (FLO‐I) certifiers dominate, but Fair Trade USA (breaking from FLO‐I in 2012) is important. A double hurdle hedonic regression model explores the relationship between claims and suggested retail price in the United States, Canada, and European Union over two periods (1999–2011 and 2012–2013). Two models are run, one aggregating non‐FLO‐I members and one accounting for each individual certifier. The models (first hurdle) are not able to identify factors explaining which products are certified. Results suggest (second hurdle) that after controlling for congruent claims, having a fair trade claim certified by certain third parties significantly raises the price (above an uncertified product). In particular FLO‐I certification leads to a higher price in all models in both periods. Conversely, there is a range of premia for non‐FLO‐I certifiers, not all statistically significant. Implications for stakeholders are advanced. [EconLit citations: D40, L15, L66].
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle