MétaCan
Menu
Retour à la cohorte
Enregistrement W4386398620 · doi:10.5539/ijef.v15n10p13

An Economic Analysis of Meat Demand in Indonesia

2023· article· en· W4386398620 sur OpenAlexvenueno aff
Junaedi Junaedi, Muhammad Umar Burhan, Multifiah

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood and Agricultural Sciences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAlmost ideal demand systemConsumption (sociology)Descriptive statisticsEconomicsWifeAgricultural economicsProduction (economics)MicroeconomicsStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Meat is one of animal protein source which contains with good nutrition for human life. Consumption of meat is low than consumption of other animal protein sources because of its availability and expensive price. The objective of this study is to analyze of meat consumption pattern and the factors affecting it. The method used was descriptive and econometrics analysis. Specification of model was Quadratic of Almost Ideal Demand System (QUAIDS) and modified with size of household and wife education variable. Data used was the data of national socio-economic survey 2005, 2008, 2011, and 2014. Results of the study found that variation in the amount of meat consumption dependent on income level, price, education of wife, and size of household, also is closely related to the household area. Increasing consumption of meat as a source of animal protein was increase income, price stability, support the availability of meat at the household level, especially for low income also escorted with information about the important role of nutrients.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,374
Score d'incertitude au seuil0,112

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,015
Tête enseignante GPT0,228
Écart entre enseignants0,213 · 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.

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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetFood and Agricultural SciencesTravaux en français237 207