Rural Household Food Consumption in Bengkulu, Indonesia: Estimating a Demand System Based on SUSENAS Microdata
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The paper aims to estimate the food demand of rural households in Bengkulu Province, Indonesia, using the Quadratic Almost Ideal Demand System (QUAIDS) and microdata from the SUSENAS. We aggregate food into five groups: staple food, animal food, vegetables & fruits, prepared food, and other food. The results show that demand for animal food is the most sensitive to food expenditure, whereas the demand for staple food is the most expenditure-inelastic. Staple food, animal food, vegetables & fruits, and other food are substitutes for each other. On the other hand, prepared food and staple food complement each other. Other food is the easiest to be substituted, and staple food is the most difficult to be substituted. The demographic variables, as well as prices and expenditures, impact household demand. For example, as family size increases, the demand for staple food increases, while the demand for animal food, vegetables & fruits decreases. The number of children under five years old has a positive impact on animal food demand but a negative impact on staple food and other food demand. Staple farmer households have a higher need for staple food than non-agricultural households. Due to being unmarried, divorced or bereaved, single households have a lower demand for staple food but a higher demand for prepared food. We mainly imply that the food price stabilization policy should emphasize animal food, especially beef and poultry, without increasing prices.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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