MétaCan
Menu
Retour à la cohorte
Enregistrement W3121914796

MARKET DYNAMICS ASSOCIATED WITH A BEEFPACKING PLANT CLOSING AND A PORKPACKING PLANT OPENING

2003· preprint· en· W3121914796 sur OpenAlexaboutno aff
Jonathan T. Hornung, Clement E. Ward

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2003
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomics of Agriculture and Food Markets
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClosing (real estate)Agricultural economicsEconomicsAgricultural scienceBusinessEnvironmental scienceFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Previous research has estimated price effects of meat packing plant closings and openings. However, none have been done for plants opening or closing during the last 20 years ago when concentration in meatpacking increased rapidly. Plant openings and closings affect industry slaughtering capacity. Many analysts contribute the lack of processing capacity to handle the large supply of hogs in 1998 a major factor why spot market hog prices plummeted to unprecedented lows. Just eight months after the capacity constraint in slaughter hogs, Maple Leaf Foods opened a hog processing plant in Brandon, Manitoba. A second but opposite event occurred in the beef industry in an area of concentrated cattle feeding and meatpacking. On Christmas day, 2000, the ConAgra fed cattle processing plant was damaged by fire in Garden City, Kansas. The objective of this research is to determine the market effects of a plant opening in the porkpacking industry and a plant closing in the beef packing industry. Regression models were estimated to compare reported weekly average prices in the market where the plant opened or closed with comparable prices for benchmark markets before and after the plant opening or closing. Regression models followed previous research but explained relatively little of the variation in price ratios between the affected market area and comparison markets. Small price effects were found in some cases but with little consistency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,031
Tête enseignante GPT0,246
Écart entre enseignants0,214 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetEconomics of Agriculture and Food MarketsTravaux en français237 207