MétaCan
Menu
Retour à la cohorte
Enregistrement W4416407766 · doi:10.1111/1467-8489.70061

Willingness‐to‐Pay for Safe Vegetables: A Comparative Analysis Between Wet Market and Supermarket Shoppers in Urban Cambodia

2025· article· en· W4416407766 sur OpenAlexaff
Mercy Mwambi, Pepijn Schreinemachers, Naphtal Habiyaremye, Lyda Hok, Uon Bonnarith, Paul Ebner

Notice bibliographique

RevueAustralian Journal of Agricultural and Resource Economics · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueOrganic Food and Agriculture
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesAustralian Centre for International Agricultural ResearchPurdue UniversityUnited States Agency for International Development
Mots-clésWillingness to payCertificationPrice premiumPurchasingAgricultureFood safetyOrganic certificationEmerging markets

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Consumers in low‐ and middle‐income countries are increasingly worried about food safety, but markets for safe produce remain underdeveloped and do not offer farmers a premium price. This study used the Becker–DeGroot–Marschak experimental auction design to identify the market for safe vegetables by assessing consumers' willingness to pay for both internationally and locally certified vegetables. The study involved 585 shoppers at wet markets and supermarkets in Phnom Penh, Cambodia. The factors influencing willingness to pay were analysed using Pooled Ordinary Least Squares. Compared to uncertified vegetables, shoppers were willing to pay 100% more for those certified as United States Department of Agriculture Organic and 55% more for those certified under Cambodian Global Agricultural Practices. Providing information about both types of certification increased shoppers' willingness to pay for certified vegetables, with a greater increase for the international label than the local one. For the local label, information only increased willingness to pay among supermarket shoppers, not wet market shoppers. Our findings highlight the importance of age and income in shaping consumers' willingness to pay for safe produce. We offer recommendations to improve food purchasing choices in low‐income countries, emphasising the need for food safety information that is tailored to different populations.

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 enseignants0,032
Score d'incertitude au seuil0,337

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 GPT0,222
Écart entre enseignants0,207 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Agricultural and Resource EconomicsMême sujetOrganic Food and AgricultureTravaux en français237 207