MétaCan
Menu
Retour à la cohorte
Enregistrement W2945248997 · doi:10.3390/su11102814

Sustainable Emerging Country Agro-Food Supply Chains: Fresh Vegetable Price Formation Mechanisms in Rural China

2019· article· en· W2945248997 sur OpenAlexaff
Yuliang Cao, Muhammad Mohiuddin

Notice bibliographique

RevueSustainability · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomics of Agriculture and Food Markets
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésBusinessSupply chainSubsistence agricultureAgricultural economicsEconomicsCompetition (biology)AgricultureCommerceIndustrial organizationMarketing

Résumé

récupéré en direct d'OpenAlex

Price formation mechanisms along the supply chain determine the economic viability of effective agro-food supply chains in emerging countries with small-scale subsistence-based agricultural activities. This study offers an analysis of the price formation mechanism along the Chinese fresh vegetable supply chain. It analyzes the features of market transactions in the upstream and downstream greenhouse cucumber supply chain, and presents an elastic model of pricing in the fresh and raw vegetable market in China. Based on the daily procurement price data of 78 cases in Lingyuan (Liaoning Province, China), and the wholesale price of 78 cases in Xinfadi (Beijing, China), the Augmented Dickey Fuller (ADF) unit root test, co-integration test, and Granger test were applied to reveal the relationship between the prices. Findings indicate that the price of fresh and raw vegetables is formed at the wholesale market, where after it cascades from wholesalers to direct buyers (primary merchants) and farmers, and is passed on to retailers and consumers, where the final market price is formed. Farmers exhibit bounded rationality decision-making, that is, they can only passively accept price fluctuations. Buyers (primary merchants, wholesalers’ agents, and retailers) at each level extract fixed rewards, while making no additional contribution to the price fluctuations along the chain. The wholesalers enjoy an oligopolistic competition market and can better take advantage of the asymmetric information to accommodate market demand.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,238
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
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 Opus0,004
Tête enseignante GPT0,179
Écart entre enseignants0,175 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations34
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetEconomics of Agriculture and Food MarketsTravaux en français237 207