MétaCan
Menu
← Retour à la cohorte
Enregistrement W3125087187

The Growth of Poor Children in China 1991-2000: Why Food Subsidies May Matter

2007· preprint· en· W3125087187 sur OpenAlexaff
Lars Osberg, Jiaping Shao, Kuan Xu

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2007
Typepreprint
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPovertyCouponQuantile regressionSubsidyChinaConsumption (sociology)EconomicsDistribution (mathematics)Food securityDemographic economicsGeographyDemographyEconomic growthAgricultureSociologyEconometrics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Between 1991 and 2000, both average incomes and income inequality grew rapidly in China. Although the average measurable health status of Chinese children also improved dramatically, changes in average health status may mask differential impacts within the distribution of health status. Using the China Health and Nutrition Survey1 (CHNS) data for 1991, 1993, 1997 and 2000 on 4,400 households in 9 provinces, this paper examines the height-for-age of Chinese children aged 2 to 13, with particular emphasis on the growth of children living in poor households. It uses mean regression and quantile regression models to isolate the dynamic impact of poverty status and food coupon use on child height-for-age. Our principal findings are: (1) controlling for standard variables (e.g., parents’ weight, height and education) poverty is correlated with slower growth in height between 1997 and 2000 but not earlier; (2) in 2000, poverty primarily reduces the likelihood of strong growth in height- for-age; (3) food coupon use in earlier periods increases growth in height-for-age. The disappearance in the 1990s of subsidized food coupons in China has increased the importance of money income poverty in enabling consumption of basic foods by poor families. The general moral is the crucial social protection role that subsidized food programs can potentially play in maintaining the health of poor children.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,260
Score d'incertitude au seuil0,516

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,298
Écart entre enseignants0,278 · 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

Citations6
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetChild Nutrition and Water Access→Travaux en français237 207→