Scaling Agricultural Policy Interventions
农业政策干预的规模化效应AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确提到用定量模型结合实验估计参数与行政微观数据，属于结构估计；同时以实验因果识别为基础，并讨论福利收益在最贫困家庭中的分布变化，故也涉及因果推断与分布效应。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
农业政策干预的规模化效应
- 研究问题
- 摘要关注小规模实验测得的农业政策效应在政策大规模推广后是否仍然成立，尤其是当一般均衡效应出现时，干预的平均福利收益与分配后果会如何变化。
- 方法与思路
- 作者提出一个包含细颗粒经济地理的农业贸易定量模型，将小规模实验估计的参数与丰富的行政微观数据结合，用以量化政策规模化后处理效应的变化，并以乌干达投入品补贴为例进行应用。
- 材料陈述的贡献
- 摘要称，将该框架用于乌干达投入品补贴后发现，规模化实施时平均福利收益下降约20%，但最贫困家庭的收益上升，因为回报从土地转向劳动，使干预的累退性降低一半以上；作者还考察了这些力量如何随家庭、市场特征及实施地理尺度变化，并讨论了对随机饱和设计的含义。
- 阅读关注点
- 阅读全文时应核对：模型如何刻画一般均衡与地理细颗粒机制；实验参数与行政数据如何结合与识别；福利收益与累退性变化的计算口径；结论对模型设定和乌干达情境的依赖程度。
- 阅读边界
- 摘要未说明模型的具体结构、识别假设、参数估计细节、数据来源与样本范围，也未给出福利变化估计的不确定性；因此仅凭摘要无法判断结论的外部有效性与稳健性。
原文摘要
Policies to raise agricultural productivity have been central in the fight against global poverty. Their impacts are often measured in experiments that provide strong causal identification but may be too small-scale to capture general equilibrium effects that arise when policies are scaled up. We develop a quantitative model of agricultural trade, featuring a granular economic geography, that combines parameters estimated from small-scale experiments with rich administrative microdata to quantify how treatment effects change when policies are scaled up. Applying this framework to input subsidies in Uganda, we find that average welfare gains fall by about 20% when implemented at scale. However, gains increase among the poorest households, as returns shift from land to labor, reducing the regressivity of the intervention by more than half. We examine how these forces vary with household and market characteristics and the geographic scale of implementation, with implications for randomized saturation designs.