Environnement économique et investissement agricole : effet de la gestion de l'offre
Bibliographic record
Abstract
La gestion de l'offre (GO) dans le secteur agricole crée un environnement relativement stabilisé pour les producteurs puisque ce mode de régulation du marché égalise l'offre agricole avec la demande au niveau canadien, fixe les prix payés à la production en fonction des coûts de production et contrôle les importations. L'investissement pour sa part est reconnu par les économistes comme étant un facteur très important pour la croissance économique, la productivité et l'efficience des marchés. Le lien entre GO et investissement suscite depuis longtemps un débat entre experts. Cependant, aucune analyse scientifique ne s'est, à notre connaissance spécifiquement penchée sur ce lien dans les années récentes. Cette étude a pour objectif d'ajouter des éléments tangibles à ce débat en analysant le lien qui existe entre les secteurs sous GO (lait, œuf, poulet), les secteurs qui ne sont pas sous GO (porc, bœuf, céréales et oléagineux), et l'investissement. Pour ce faire, nous avons adopté une approche de recherche mixte basée sur l'exploitation de données secondaires et la collecte des données primaires grâce à un sondage en ligne auprès des conseillers en gestion et en financement. Les résultats de notre étude montrent que les producteurs sous GO investissent généralement plus et dans des actifs différents des producteurs sans GO. Ils investiraient notamment dans des investissements « offensifs » tels que la technologie, l'achat des terres, la construction des bâtiments, la modernisation des équipements, la machinerie et les équipements neufs. Les producteurs sans GO pour leur part investiraient dans des investissements plutôt « défensifs » tels que les investissements de remplacement et les investissements pour mise aux normes. Un autre résultat de cette étude est que selon notre enquête auprès des conseillers, les facteurs liés à l'environnement économique qui influenceraient les investissements agricoles sont par ordre décroissant : la stabilité des revenus, la stabilité des prix, les opportunités d'investissement, la disponibilité des actifs, la marge bénéficiaire. Les producteurs sous GO évolueraient dans un environnement qui stabiliserait les prix et les revenus, ce qui crée une marge bénéficiaire plus élevée et favoriserait les investissements. Elle offrirait également des garanties aux institutions financières et augmente la capacité de remboursement de l'exploitation. Ces résultats permettent d'avancer que l'environnement économique (avec ou sans GO) dans lequel les exploitations agricoles évoluent influencerait leurs types d'investissements.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".