Impact of implementation of high-standard farmland construction policy on food production resilience: evidence from China
Notice bibliographique
Résumé
Purpose The High-Standard Farmland Construction (HSFC) Policy, implemented by the Chinese Government in 2011, is a key initiative aimed at improving farmland quality and ensuring food security. However, does the construction of high-standard farmland (HSF) comprehensively safeguard food security? This paper systematically aims to evaluate the impact of the HSFC policy on food production. Design/methodology/approach Continuous difference-in-differences (DID) method is used in this study. 2011 marked a key turning point for the nationwide implementation of the HSFC policy. Given that the construction of HSF is a gradual process, with significant variation in the timing and extent of construction across regions, the traditional DID model does not accurately capture the impact of HSF construction on food production resilience. Therefore, this paper employs a continuous DID method to estimate the effects of HSF construction on food production resilience. Findings The implementation of the HSFC policy has significantly enhanced food production resilience. Heterogeneity analysis reveals that the policy has notably improved food production resilience in western regions and non-major grain-producing areas. Additionally, mechanism tests show that the policy affects food production resilience through two channels: increasing land transfer rates and raising agricultural loan balances. Originality/value This paper further enriches the body of research on the impact of the HSFC policy on food security. We suggest that the government could continue to promote the construction of HSF, effectively supervise and manage the construction process, ensure adequate funding and safeguard food security.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».