中国油料油脂进口依赖性风险分析 及进口多元化策略Import dependence risk analysis and import diversification strategy of China′s oilseed and oil
Notice bibliographique
Résumé
在中美贸易摩擦不断以及俄乌冲突激化的背景下，保障油料油脂进口稳定对中国食用油供给安全有着重要意义。运用进口依赖性风险指标、进口安全度评价模型以及出口产出弹性对中国油料油脂进口进行综合评价，从而对中国油料油脂的进口进行全面分析，为进口多元化寻找可行路径。结果表明：中国油料油脂存在进口依赖风险，棕榈油、大豆、葵花籽油进口安全度最低，风险主要来自印度尼西亚、巴西、乌克兰等国；结合出口产出弹性，提出中国油料油脂进口多元化的可行策略为增加乌克兰、加拿大、巴拉圭的大豆，乌克兰、澳大利亚的油菜籽，印度、阿根廷的花生，俄罗斯的大豆油，哥伦比亚、洪都拉斯、泰国的棕榈油，土耳其的葵花籽油等油料油脂的进口。通过实施油料油脂进口多元化策略，提高国内产量、构建双循环格局及积极引导居民油脂消费结构转型等策略提高中国油料油脂的进口安全水平。Against the background of the continuous trade friction between China and the United States and the intensification of the conflict between Russia and Ukraine, ensuring the stability of oilseed and oil imports is of great significance to the security of China′s edible oil supply. The import dependence index, import safety evaluation model and export output elasticity were used to comprehensively evaluate China′s oilseed and oil imports.Thus, China′s oilseed and oil imports were comprehensively analyzed to seek a feasible path for import diversification.The results showed that China′s oilseed and oil had the risk of import dependence, and the lowest import safety exists among palm oil, soybean and sunflower seed oil, and the risks mainly came from Indonesia, Brazil, Ukraine. Combined with the export output elasticity, a feasible strategy for import diversification was to increase imports of soybean from Ukraine, Canada and Paraguay, rapeseed from Ukraine and Australia, peanut from India and Argentina, soybean oil from Russia, palm oil from Colombia, Honduras and Thailand, sunflower seed oil from Turkey. The level of China′s import security of oilseed and oil could be improved through the implementing the imports diversification strategy of oilseed and oil, increasing domestic production, building a double-cycle pattern and actively guiding the structural transformation of residents′ oil consumption.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».