MétaCan
Menu
Retour à la cohorte
Enregistrement W4226420995 · doi:10.1111/poms.13642

Crop minimum support price versus cost subsidy: Farmer and consumer welfare

2021· article· en· W4226420995 sur OpenAlexaff
Prashant Chintapalli, Christopher S. Tang

Notice bibliographique

RevueProduction and Operations Management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain and Inventory Management
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSubsidyEconomic surplusEconomicsProduction (economics)Agricultural economicsMarket priceYield (engineering)Opportunity costTotal costWelfareBusinessMicroeconomicsMarket economy

Résumé

récupéré en direct d'OpenAlex

Besides using earmark budget to support farmer cost subsidies, governments in many developing countries use minimum support price (MSP) as an alternative subsidy scheme to (i) safeguard farmers' incomes against vagaries in crop price and (ii) ensure sufficient crop production. Among different MSP schemes, we focus on the credit‐based MSP scheme under which a government will not take any possession of a crop; instead, it will credit farmers if the prevailing market price is below the prespecified MSP. In this paper, we consider a market consisting of infinitesimally small, rational, and strategic farmers (with heterogeneous production costs) who face market and yield uncertainties. Our equilibrium analysis reveals that (i) although both cost subsidy and MSP induce more production, cost subsidy leads to a higher crop production than MSP; (ii) MSP improves farmer's and consumer's surpluses; however, cost subsidy improves consumer's surplus but it can decrease farmer's surplus, which is unexpected; (iii) although both programs achieve the same optimal net value (i.e., sum of farmer's and consumer's surpluses minus shortage cost and expenditure), MSP always offers higher farmer's surplus than cost subsidy; and (iv) it is beneficial to invest only in cost subsidy, in both cost subsidy and MSP, and only in MSP, when the budget availability is low, moderate, and high, respectively, so that the net surplus (i.e., sum of farmer's and consumer's surpluses less the shortage cost) is also maximized along with the net value generated being maximized.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,027
Tête enseignante GPT0,245
Écart entre enseignants0,218 · 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

Citations51
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProduction and Operations ManagementMême sujetSupply Chain and Inventory ManagementTravaux en français237 207