Influencing Factors of Shellfish Consumption at the National Level
Notice bibliographique
Résumé
Shellfish is among the most widely consumed seafood products, providing essential nutritional benefits and playing a potential role in mitigating climate change. This study analyzes trends and factors influencing per capita shellfish consumption in the ten largest shellfish-producing countries from 1976 to 2022, using apparent consumption data and a fixed-effects panel model. The analysis explores the relationship between shellfish consumption and key economic and demographic factors, including per capita GDP, Engel’s coefficient, and the availability of substitute seafood products. Additionally, trade openness, population aging, and the greenhouse effect are incorporated as control variables. The findings reveal the following: (1) Global shellfish consumption has experienced moderate growth, primarily driven by China, Chile, and South Korea, whereas demand has declined in Japan, the U.S., and Spain. Consumption remained stable in New Zealand and Canada but fluctuated significantly in Peru. (2) The regression results indicate that per capita GDP and greenhouse gas emissions have a positive impact on per capita shellfish consumption, while Engel’s coefficient, the shellfish substitute index, fisheries trade openness, and an aging population are negatively correlated, with all relationships significant at the 1% level. (3) Robustness and heterogeneity results indicate that European and North American markets face saturation and stabilization challenges, while the greatest growth potential lies in developing countries, particularly in the Asia-Pacific region, including China. To promote shellfish consumption and address regional supply imbalances, the study recommends enhancing international trade, fostering economic development, and capitalizing on the low-carbon advantages of shellfish aquaculture. Furthermore, investments in product innovation and cold chain logistics are essential for improving global resource allocation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,000 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».