MétaCan
Menu
Retour à la cohorte
Enregistrement W2903180626 · doi:10.1515/jgd-2018-0011

Output Effects of Global Food Commodity Shocks

2018· article· en· W2903180626 sur OpenAlexaff
Bilge Erten, Kerem Tuzcuoglu

Notice bibliographique

RevueJournal of Globalization and Development · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensBank of Canada
Organismes subventionnairesWorld Bank Group
Mots-clésEconomicsFood pricesConsumption (sociology)CommoditySupply shockFood securityFood processingMonetary economicsInternational economicsAgricultureMonetary policy

Résumé

récupéré en direct d'OpenAlex

Abstract The dramatic fluctuations in global food prices over the past two decades have generated significant concern about their destabilizing macroeconomic effects. While the pass-through effects of international food prices on domestic prices have been widely documented, these estimates have not taken into account reverse causality, omitted variable bias, or differences in sources of international food price fluctuations. We use sign restrictions to identify relevant demand and supply shocks that explain the volatility in global food prices. We quantify their dynamic effects on several components of food exporters’ and food importers’ domestic output, including household consumption, government consumption, investment, and net exports. Our findings reveal that identifying the sources of the shocks driving global food prices is crucial to evaluating their domestic effects. Expansions in global economic activity that increase global food prices stimulate the domestic output of both food-importing and food-exporting economies; however, disruptions in global food commodity markets that lead to rising real food prices have large contractionary effects for food importers due to deteriorating trade balances and falling household consumption. We also document that the adverse effects of unfavorable global food shocks on household consumption are greater for food-importing countries with relatively high shares of household food expenditures and large food trade deficits.

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)0,000
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 enseignants0,152
Score d'incertitude au seuil0,320

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,019
Tête enseignante GPT0,230
Écart entre enseignants0,211 · 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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Globalization and DevelopmentMême sujetMarket Dynamics and VolatilityTravaux en français237 207