Notice bibliographique
Résumé
Purpose The purpose of this paper is to investigate the role of perceived food quality and consumer ethnocentrism and potential trade-offs between these two concepts in Russian consumers’ food purchase decisions after the implementation of the Russian import ban. Design/methodology/approach Survey data were collected via in-person interviews in the City of Perm, which is one of the largest and most industrial cities in Russia. A double-bounded dichotomous-choice contingent valuation model is utilized to estimate willingness to pay (WTP) and to analyze factors that affect consumers’ choice. Findings The results suggest that most respondents do not consider domestically produced cheese as a risky product in terms of food safety but simply of lower quality than imported cheese. However, the average respondent’s WTP discount for domestic cheese compared to imported cheese is 8 percent, which is relatively small. This corresponds to participants’ opinion that buying domestic cheese is the right thing to do since it supports Russian farmers and producers. The results indicate further that with increasing education and income levels, individuals are less likely to prefer domestically produced cheese for either economic or quality reasons. This effect is stronger for the quality preference. Research limitations/implications The results indicate that if the Russian government aims at expanding the domestic food market further, more attention needs to be paid to ensuring the quality of domestic food products in order to increase consumer acceptance and WTP. Originality/value This is the first study providing empirical evidence on Russian consumers’ attitudes and perceptions of domestically vs imported food products after the implementation of the Russian import ban, which can be considered as an external policy shock.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».