MétaCan
Menu
Retour à la cohorte
Enregistrement W2894848357 · doi:10.5539/jas.v10n11p581

Analysis of Egg Price Fluctuation and Cause

2018· article· en· W2894848357 sur OpenAlexvenueno aff
Wu Yuhuan, Fu Qin

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomics of Agriculture and Food Markets
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProfit (economics)EconomicsFellPrice levelAgricultural economicsMonetary economicsBiologyMicroeconomics

Résumé

récupéré en direct d'OpenAlex

In 2017, egg price in China has experienced a lot of ups and downs, which has had a significant impact on the laying hen farmers and the enterprises and related enterprises. In the first half of 2017, egg price fell, which has dropped to a minimum of 4.02 yuan/kg, while the profits of egg producers were impaired and the profit of egg processing enterprises declined. Starting in July, egg price recovered, breaking a price of 5 yuan/kg. Egg price rose sharply in August, reaching an average of 8.53 yuan/kg. In October, egg price began to fall, with a price of 7 yuan/kg. In November, egg price began to rise, rising to 8 yuan/kg. The sudden drop of egg price greatly affects the income and culture psychology of laying hen farmers, and influences the development of the egg industry. This study is aimed at egg price and egg price fluctuations in 2017, and get two conclusions: From January to July, due to the amount of laying hens breeding, breeding cost, information technology and the government’s environmental protection policy and terminal weak consumer spending, egg price fell sharply; egg price rebounded in August and December, and the highest price was in September and gradually steadied. At the same time, this paper analyzes the causes of egg price fluctuation from two aspects of supply and demand, and puts forward some suggestions on how to deal with the price fluctuations from the two aspects of enterprise and laying hen breeding farmers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,377
Score d'incertitude au seuil0,227

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,222
Écart entre enseignants0,204 · 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 tête enseignante, 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetEconomics of Agriculture and Food MarketsTravaux en français237 207