What's in a Name? The Impact of Fair Trade Claims on Product Price
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».