nv6

“01:53:03, 16 - 03 - 2024”
***

1 Giới thiệu về hai indicator.

1.1 BG.GSR.NFSV.GD.ZS trích xuất từ World bank.

---

• Sử dụng hàm WDIsearch để tìm kiếm các chỉ báo liên quan đến “thương mại” (trade) trong cơ sở dữ liệu World Development Indicators (WDI).

• Hàm này có thể trả về một data frame chứa thông tin về các chỉ báo liên quan, chẳng hạn như tên, mô tả và mã định danh của chúng.

• Kết quả tìm kiếm được lưu trữ trong biến x.

• Sử dụng hàm write.csv để xuất data frame x sang tệp CSV (Comma-Separated Values) có tên x.csv. Tệp CSV này sẽ được lưu trữ ở vị trí hiện tại trong R.

• Sử dụng hàm WDI để truy xuất dữ liệu cho một chỉ báo cụ thể từ cơ sở dữ liệu WDI.

• indicator: Mã định danh của chỉ báo bạn muốn tải xuống. Trong trường hợp này, mã là “BG.GSR.NFSV.GD.ZS”.

• country: Một vectơ chứa tên các quốc gia bạn muốn lấy dữ liệu. Trong trường hợp này, vectơ chỉ chứa một phần tử là “USA”.

• Hàm WDI sẽ trả về một data frame chứa dữ liệu thực tế cho chỉ báo được chỉ định và quốc gia được chọn.

library(WDI)

## Warning: package 'WDI' was built under R version 4.3.3

library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(DT)
x <- WDIsearch('trade')
write.csv(x,'x.csv')
pmc <- WDI(indicator = 'BG.GSR.NFSV.GD.ZS',country = c('USA'))
datatable(pmc)

Chi tiết về indicator:

• Tên cơ sở dữ liệu: Thương mại dịch vụ (% GDP ).

• BG.GSR.NFSV.GD.ZS: Quỹ Tiền tệ Quốc tế, Niên giám Thống kê Cán cân Thanh toán và các tệp dữ liệu cũng như ước tính GDP của Ngân hàng Thế giới và OECD .

• Miêu tả: Thương mại dịch vụ là tổng xuất khẩu và nhập khẩu dịch vụ chia cho giá trị GDP , tất cả đều tính bằng đô la Mỹ hiện tại.

• Nguồn : Quỹ Tiền tệ Quốc tế, Niên giám Thống kê Cán cân Thanh toán và các tệp dữ liệu, và ước tính GDP của Ngân hàng Thế giới và OECD.

• Giấy phép : CC BY-4.0

• Phương pháp tổng hợp dữ liệu : Bình quân gia quyền.

• Nhận xét chung : Lưu ý: Dữ liệu được dựa trên ấn bản thứ sáu của Cẩm nang Cán cân Thanh toán (BPM6) của IMF và chỉ có sẵn từ năm 2005 trở đi.

• Định kỳ : Hàng năm.

• Chủ đề : Chính sách kinh tế & Nợ: Cán cân thanh toán: Tài khoản vãng lai: Hàng hóa, dịch vụ & thu nhập.

---

• Bộ dữ liệu có 63 quan sát và 5 biến:

  • Country: khu vực

  • iso2c: mã quốc gia trong bộ dữ liệu.

  • iso3c: tên quốc gia.

  • year: năm của mỗi quan sát.

  • BG.GSR.NFSV.GD.ZS: giá trị thương mại dịch vụ theo % GDP.

• Giái trị nhỏ nhất của thương mại dịch vụ theo % GDP là 2.38, không còn giá trị nào nhỏ hơn 2.38%.

• Giá trị lớn nhất: 7.15, tức là không còn giá trị nào lớn hơn 7.15%.

• Có 25% số giá trị nhỏ hơn 3.34%(p25).

• 50% số lượng các giá trị nhỏ hơn 4.77%(p50).

• Có 75% số lượng các giá trị nhỏ hơn 6.09% (p75).

---

library(skimr)
skim(pmc)

Data summary

Name	pmc
Number of rows	63
Number of columns	5
_______________________
Column type frequency:
character	3
numeric	2
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
country	0	1	13	13	0	1	0
iso2c	0	1	2	2	0	1	0
iso3c	0	1	3	3	0	1	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
year	0	1.00	1991.00	18.33	1960.00	1975.50	1991.00	2006.50	2022.00	▇▇▇▇▇
BG.GSR.NFSV.GD.ZS	10	0.84	4.74	1.55	2.38	3.34	4.77	6.09	7.15	▇▃▇▂▇

1.2 PCPIF_IX trích từ IMF

---

• Sử dụng hàm list_datasets để liệt kê tất cả các tập dữ liệu có sẵn trong API dữ liệu IMF. Biến imf sẽ lưu trữ kết quả, có thể là một data frame chứa thông tin về các tập dữ liệu như tên, mô tả và mã định danh.

• Sử dụng hàm load_datasets (giả sử được cung cấp bởi thư viện) để tải xuống tập dữ liệu cụ thể liên quan đến Chỉ số giá tiêu dùng (CPI). Biến l sẽ lưu trữ dữ liệu đã tải xuống.

• Sử dụng get_series để trích xuất một chuỗi với các đặc điểm sau:

  • freq=‘A’: Chọn dữ liệu có tần suất hàng năm.

  • ref_area=‘US’: Chọn dữ liệu cho khu vực tham khảo “US” (có thể là Hoa Kỳ).

  • indicator=‘PCPIF_IX’: Mã chỉ báo cụ thể trong tập dữ liệu CPI mà bạn muốn truy xuất. Khó xác định chính xác ý nghĩa của mã này mà không có tài liệu API dữ liệu IMF, nhưng nó có thể liên quan đến một chỉ số giá cụ thể trong dữ liệu CPI.

  • Biến z sẽ lưu trữ data frame hoặc cấu trúc dữ liệu khác chứa chuỗi cụ thể bạn đã yêu cầu.

library(imf.data)

## Warning: package 'imf.data' was built under R version 4.3.3

imf <- list_datasets()
l <- load_datasets('CPI')
z <-l$get_series(freq='A', ref_area='US', indicator='PCPIF_IX') 
names(z) <- c('t','gt','tc')
datatable(z)

Chi tiết về bộ dữ liệu:

• nhà cung cấp: Quỹ Tiền tệ Quốc tế

• Tập dữ liệu: Chỉ số giá tiêu dùng (CPI)

• Mã sê-r: [ IMF/CPI/A.US.PCPIF_IX ]

• Đã cập nhật trên DBnomics vào: Ngày 14 tháng 3 năm 2024 (3:17 chiều)

• Tần số [ FREQ ]: Hàng năm [ A ]

• Khu vực tham chiếu [ REF_AREA ]: Hoa Kỳ [ US ]

• Chỉ báo [ CHỈ SỐ ]: Thực phẩm và đồ uống không cồn [ PCPIF_IX ]

• Bộ dữ liệu gồm 69 quan sát và 3 biến:

  • TIME_PERIOD: năm -> gd

  • A.US.PCPIF_IX: giá trị thực phẩm và đồ uống không cồn -> gt

  • Thời kỳ tham chiếu: năm gốc lấy giá trị tham chiếu -> tc

• Chúng ta chỉ quan sát 40 năm trở lại đây: tức là từ năm 1983.

library(stats)
pmc1 <-filter(z,t  > 1983)
pmc1$u <-as.numeric(pmc1$gt) 
pmc1$k <-as.numeric(pmc1$t) 
datatable(pmc1)

---

skim(pmc1)

Data summary

Name	pmc1
Number of rows	40
Number of columns	5
_______________________
Column type frequency:
character	3
numeric	2
________________________
Group variables	None

Variable type: character

skim_variable	n_missing	complete_rate	min	max	empty	n_unique	whitespace
t	0	1	4	4	0	40	0
gt	0	1	3	16	0	40	0
tc	0	1	5	5	0	1	0

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
u	0	1	86.73	24.67	47.63	66.29	84.69	108.90	140.32	▇▇▅▇▂
k	0	1	2003.50	11.69	1984.00	1993.75	2003.50	2013.25	2023.00	▇▇▇▇▇

• min: 13.672; max:140,32; mean:60.011 ; σ:37.094

2 Phân tích BG.GSR.NFSV.GD.ZS theo giai đoạn.

2.1 Phân tích

---

• Phân chia các quan sát theo giai đoạn, mỗi giai đoạn tương ứng với 7 năm liền kề.

• Gồm có 9 nhóm , được phân bằng hàm cut() dựa trên biến year, sau đó gán kết quả vào biến giaidoan thuộc bộ dữ liệu pmc.

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.3.3

library(tidyverse)

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ lubridate 1.9.3     ✔ tibble    3.2.1
## ✔ purrr     1.0.2     ✔ tidyr     1.3.0
## ✔ readr     2.1.5     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

pmc$giaidoan <- cut(pmc$year,9,labels = c('1960-1966','1967-1973','1974-1980','1981-1987','1988-1994','1995-2001','2002-2008','2009-2015','2016-2022'))
datatable(pmc)

2.1.1 Loại bỏ các giá trị thiếu ra khỏi bộ dữ liệu.

---

pmc <- na.omit(pmc)
datatable(pmc)

• na.omit(d): Hàm na.omit được sử dụng để loại bỏ các giá trị thiếu (NA) khỏi data frame pmc.

Hiệu quả:

Câu lệnh này loại bỏ tất cả các hàng trong data frame pmc có chứa ít nhất một giá trị NA. Data frame sau khi loại bỏ sẽ được gán lại cho biến d.

• Kết quả nhận được : bộ dữ liệu còn lại 53 quan sát. Ta thấy từ năm 1960 đến năm 1969 không có số liệu về giá trị thương mại dịch vụ, vì vậy 10 quan sát không có số liệu trên đã bị loại bỏ.

2.1.2 Xu hướng thương mại dịch vụ

Thao tác thực hiện:

• Sử dụng toán tử %>% để pipe data frame pmc vào hàm ggplot.

• ggplot: Khởi tạo một ggplot object mới.

• x = year: Trục hoành (x-axis) biểu diễn theo biến year trong data frame pmc.

• y = BG.GSR.NFSV.GD.ZS: Trục tung (y-axis) biểu diễn theo biến BG.GSR.NFSV.GD.ZS trong data frame pmc.

• color = giaidoan: Màu sắc của các đường trong biểu đồ được xác định bởi biến giaidoan (g giai đoạn).

• geom_line(): Thêm layer hình học (geom) dạng đường (line) vào biểu đồ.

• geom_point: Thêm layer hình học (geom) dạng điểm (point) vào biểu đồ, kích thước điểm được thiết lập thành 2.

library(magick)

## Warning: package 'magick' was built under R version 4.3.3

## Linking to ImageMagick 6.9.12.98
## Enabled features: cairo, freetype, fftw, ghostscript, heic, lcms, pango, raw, rsvg, webp
## Disabled features: fontconfig, x11

library(gganimate)

## Warning: package 'gganimate' was built under R version 4.3.3

pmc %>% ggplot(aes(x=year,y=BG.GSR.NFSV.GD.ZS,color=giaidoan)) + geom_line() +geom_point(size=2) 

Nhận xét:

• Nhìn vào biểu đồ ta thấy xu hướng giá trị thương mại dịch vụ theo % GDP của USA tăng từ năm 1970 trở đi, mặc dù có giảm đi nhưng không nhiều, xu hướng tăng rõ rệt hơn.

  • Đặc biệt là năm 2005 đến 2010 giá trị tăng mạnh.

• Tuy nhiên, từ năm 2019 đến 2021, giá trị thương mại dịch vụ của USA dao động mạnh, biểu đồ đi xuống.

  • Ở giai đoạn này, chúng ta có thể liên hệ đến sự kiện dịch bệnh covid19, sự kiện này đã làm ảnh hưởng đến nền kinh tế toàn cầu bao gồm USA.

2.1.3 Mức trung bình % GDP của mỗi giai đoạn.

Thao tác thực hiện:

Đoạn mã R này sử dụng thư viện tidyverse để thực hiện các thao tác sau:

• Nhóm dữ liệu theo hai biến:

  • BG.GSR.NFSV.GD.ZS: Biến phân loại theo lĩnh vực dịch vụ.

  • giaidoan: Biến phân loại theo giai đoạn.

• Tính toán giá trị trung bình:

  • Sử dụng hàm mean để tính giá trị trung bình của BG.GSR.NFSV.GD.ZS cho từng nhóm được tạo bởi hai biến trên.

• Tạo biểu đồ:

  • Sử dụng ggplot2 để tạo biểu đồ dạng cột.

  • Trục hoành (x-axis) biểu thị theo biến giaidoan.

  • Trục tung (y-axis) biểu thị giá trị trung bình o (được tính toán ở bước 2) - thể hiện mức trung bình %GDP thương mại dịch vụ của USA.

• Tùy chỉnh biểu đồ:

  • Tô màu cột bằng màu xanh lá nhạt (lightgreen).

  • Thêm tiêu đề và chú thích cho các trục và tiêu đề cho biểu đồ.

pmc %>% group_by(BG.GSR.NFSV.GD.ZS,giaidoan) %>% summarise(o=mean(BG.GSR.NFSV.GD.ZS)) %>% ggplot(aes(x=giaidoan,y=o)) + geom_col(fill='lightgreen') +
 labs(x= 'giai đoạn', y='% GDP', title = 'Mức trung bình %GDP thương mại dịch vụ của USA theo mỗi giai đoạn')

## `summarise()` has grouped output by 'BG.GSR.NFSV.GD.ZS'. You can override using
## the `.groups` argument.

Nhận xét:

• Mức % GDP trung bình mỗi giai đoạn từ 1970 đến 2015 đều tăng dần.

  • Riêng mức trung bình ở giai đoạn cuối lại giảm xuống.

2.2 Các yếu tố ảnh hưởng.

Các yếu tố ảnh hưởng đến thương mại dịch vụ theo % GDP của Hoa Kỳ từ 1960 đến 2022

• Thương mại dịch vụ đóng vai trò ngày càng quan trọng trong nền kinh tế Hoa Kỳ, chiếm hơn 20% GDP vào năm 2022.

Dưới đây là một số yếu tố chính ảnh hưởng đến tỷ lệ này trong giai đoạn từ 1960 đến 2022:

1. Toàn cầu hóa:

Toàn cầu hóa thúc đẩy sự dịch chuyển các hoạt động kinh tế, bao gồm dịch vụ, qua biên giới quốc gia.

Việc mở cửa thị trường và giảm rào cản thương mại góp phần gia tăng thương mại dịch vụ.

Hoa Kỳ là một trong những quốc gia hưởng lợi nhiều nhất từ ​​toàn cầu hóa, với tỷ lệ xuất khẩu dịch vụ cao.

2. Năng lực công nghệ:

Nền tảng công nghệ tiên tiến giúp tạo ra các dịch vụ mới và cải thiện hiệu quả cung cấp dịch vụ.

Internet và công nghệ thông tin (ICT) đóng vai trò quan trọng trong việc thúc đẩy thương mại dịch vụ.

Hoa Kỳ là quốc gia dẫn đầu về đổi mới công nghệ, sở hữu nhiều công ty công nghệ lớn và năng lực ICT cao.

3. Nhu cầu dịch vụ:

Nhu cầu về dịch vụ, bao gồm dịch vụ tài chính, du lịch, vận tải, và dịch vụ kinh doanh, tăng lên cùng với sự phát triển kinh tế và mức sống.

Nhu cầu về dịch vụ cao cấp cũng gia tăng do sự thay đổi trong cơ cấu dân số và xu hướng tiêu dùng.

Hoa Kỳ có một thị trường dịch vụ lớn và đa dạng, đáp ứng nhu cầu của cả khách hàng trong nước và quốc tế.

4. Chính sách chính phủ:

Chính sách chính phủ, bao gồm các quy định và ưu đãi, có thể ảnh hưởng đến hoạt động thương mại dịch vụ.

Các chính sách khuyến khích đầu tư nước ngoài và mở cửa thị trường dịch vụ có thể thúc đẩy xuất khẩu dịch vụ.

Hoa Kỳ có một môi trường đầu tư cởi mở và chính sách thương mại tự do, thu hút nhiều doanh nghiệp dịch vụ nước ngoài.

5. Các yếu tố khác:

Các yếu tố khác như tỷ giá hối đoái, chi phí lao động, và chất lượng dịch vụ cũng có thể ảnh hưởng đến thương mại dịch vụ.

Hoa Kỳ có một đồng USD mạnh, có thể ảnh hưởng đến khả năng cạnh tranh của xuất khẩu dịch vụ.

Tuy nhiên, Hoa Kỳ cũng có lực lượng lao động có trình độ cao và chất lượng dịch vụ tốt, giúp tăng cường khả năng cạnh tranh trong lĩnh vực dịch vụ.

3 Phân tích PCPIF_IX theo giai đoạn.

Đoạn mã R này tạo ra một cột mới trong dữ liệu khung pmc1 có tên là giaidoan. Cột này phân loại các giá trị trong cột t thành các giai đoạn 10 năm.

Cụ thể:

case_when: Hàm này dùng để tạo ra một biến mới dựa trên các điều kiện được chỉ định.

pmc1\(t > 1983 & pmc1\)t<= 1993: Điều kiện này kiểm tra xem giá trị trong cột t có nằm trong khoảng từ 1984 đến 1992 hay không.

‘1984-1992’: Giá trị được gán cho cột giaidoan nếu điều kiện trước đó được thỏa mãn.

Các điều kiện và giá trị tương tự được áp dụng cho các giai đoạn khác: 1993-2002, 2003-2012, và 2013-2023.

datatable(pmc1): Hàm này hiển thị dữ liệu khung pmc1 dưới dạng bảng.

Kết quả:

Sau khi chạy đoạn mã, dữ liệu khung pmc1 sẽ có thêm một cột giaidoan với các giá trị như sau:

1984-1992: Nếu t nằm trong khoảng từ 1984 đến 1992

1993-2002: Nếu t nằm trong khoảng từ 1993 đến 2002

2003-2012: Nếu t nằm trong khoảng từ 2003 đến 2012

2013-2023: Nếu t nằm trong khoảng từ 2013 đến 2023

Cột giaidoan có thể hữu ích để phân tích dữ liệu theo thời gian, ví dụ như so sánh các xu hướng trong các giai đoạn khác nhau.

pmc1$giaidoan <-case_when(pmc1$t >1983 & pmc1$t<= 1993 ~'1984-1992',pmc1$t > 1993 & pmc1$t <= 2003 ~'1993-2002',pmc1$t > 2003 & pmc1$t <= 2013 ~'2003-2012',pmc1$t > 2013 & pmc1$t <= 2023 ~ '2013-2023')
datatable(pmc1)

3.0.1 Xu hướng chỉ số giá tiêu dùng của thực phẩm và đồ uống không cồn.

1. Hàm round():

Hàm round(pmc1$u, 2) làm tròn giá trị của cột u trong dataframe pmc1 đến 2 chữ số thập phân.

2. Biểu đồ ggplot:

ggplot(aes(x=k,y=u,color=giaidoan)): ggplot: Tạo một biểu đồ ggplot2.

aes(x=k,y=u,color=giaidoan): x=k: Chọn cột k làm trục hoành.

y=u: Chọn cột u làm trục tung.

color=giaidoan: Sử dụng cột giaidoan để tô màu cho các đường/điểm.

geom_line(binwidth=10000): Thêm đường biểu diễn với độ rộng bin là 10000.

geom_point(size=2): Thêm các điểm dữ liệu với kích thước 2.

labs(x= ‘năm’,y=‘chỉ số giá’,title = ‘Chỉ số giá tiêu dùng của thực phẩm và đồ uống không cồn’):

labs: Thêm chú thích cho các trục và tiêu đề.

x= ‘năm’: Chú thích trục hoành là “năm”.

y=‘chỉ số giá’: Chú thích trục tung là “chỉ số giá”.

title = ‘Chỉ số giá tiêu dùng của thực phẩm và đồ uống không cồn’: Thêm tiêu đề “Chỉ số giá tiêu dùng của thực phẩm và đồ uống không cồn”

round(pmc1$u,2)

##  [1]  47.63  48.31  49.69  51.84  54.00  57.55  61.30  62.94  63.39  64.89
## [11]  66.76  68.92  71.49  73.27  74.66  76.08  77.78  80.32  81.37  83.11
## [21]  86.26  87.93  89.47  93.24  99.21  99.67 100.00 104.80 107.38 108.36
## [31] 110.96 112.26 110.77 110.55 111.05 112.03 115.96 119.98 133.71 140.32

pmc1 %>% ggplot(aes(x=k,y=u,color=giaidoan)) + geom_line(binwidth=10000) +geom_point(size=2)  + labs(x= 'năm',y='chỉ số giá',title = 'Chỉ số giá tiêu dùng của thực phẩm và đồ uống không cồn')

## Warning in geom_line(binwidth = 10000): Ignoring unknown parameters: `binwidth`

Nhận xét:

• Chỉ số giá tiêu dùng của thực phẩm và đồ uống không cồn mỗi giai đoạn đều tăng lên.

• Tuy đầu giai đoan 2013-2023 chỉ số có giảm xuống nhưng ở giai đoạn sau vẫn tăng lên vượt mức ban đầu.

3.1 Các yếu tố ảnh hưởng.

Các yếu tố ảnh hưởng đến chỉ số giá tiêu dùng thực phẩm và đồ uống USA từ 1984 đến 2023

Có nhiều yếu tố ảnh hưởng đến chỉ số giá tiêu dùng (CPI) thực phẩm và đồ uống tại Hoa Kỳ từ năm 1984 đến 2023. Dưới đây là một số yếu tố chính:

1. Cung và cầu:

Cung: Năng suất nông nghiệp, điều kiện thời tiết, dịch bệnh, biến đổi khí hậu, chính sách thương mại quốc tế ảnh hưởng đến nguồn cung thực phẩm và đồ uống.

Cầu: Nhu cầu tiêu dùng, thu nhập, dân số, sở thích tiêu dùng, giá cả các mặt hàng khác ảnh hưởng đến nhu cầu thực phẩm và đồ uống.

2. Giá cả nguyên liệu đầu vào:

Giá phân bón, thuốc trừ sâu, thức ăn chăn nuôi, năng lượng, vận chuyển ảnh hưởng đến chi phí sản xuất thực phẩm và đồ uống.

3. Chính sách chính phủ:

Chính sách thuế, trợ cấp, quy định về an toàn thực phẩm, chính sách tiền tệ ảnh hưởng đến giá cả thực phẩm và đồ uống.

4. Thị trường quốc tế:

Giá cả hàng hóa nông nghiệp quốc tế, tỷ giá hối đoái ảnh hưởng đến giá cả thực phẩm và đồ uống trong nước.

5. Yếu tố khác:

Biến động kinh tế vĩ mô, thiên tai, dịch bệnh, bất ổn chính trị ảnh hưởng đến giá cả chung của nền kinh tế, bao gồm cả thực phẩm và đồ uống.

Dưới đây là một số ví dụ cụ thể về tác động của các yếu tố này:

Năng suất nông nghiệp: Năng suất nông nghiệp tăng cao dẫn đến giảm giá thực phẩm. Ví dụ, sự phát triển của công nghệ sinh học đã giúp tăng năng suất cây trồng.

Điều kiện thời tiết: Hạn hán, lũ lụt, dịch bệnh ảnh hưởng đến sản xuất nông nghiệp, dẫn đến tăng giá thực phẩm. Ví dụ, hạn hán ở California năm 2014 đã làm giảm sản lượng trái cây và rau quả, dẫn đến tăng giá các mặt hàng này.

Nhu cầu tiêu dùng: Nhu cầu tiêu dùng tăng cao dẫn đến tăng giá thực phẩm. Ví dụ, nhu cầu tiêu dùng thịt bò tăng cao ở Trung Quốc đã dẫn đến tăng giá thịt bò trên toàn cầu.

Giá cả nguyên liệu đầu vào: Giá phân bón, thuốc trừ sâu, thức ăn chăn nuôi tăng cao dẫn đến tăng giá thực phẩm. Ví dụ, giá dầu tăng cao dẫn đến tăng giá thức ăn chăn nuôi, do đó làm tăng giá thịt và các sản phẩm từ sữa.

Chính sách chính phủ: Chính sách trợ cấp nông nghiệp có thể giúp giảm giá thực phẩm cho người tiêu dùng. Ví dụ, chương trình trợ cấp nông nghiệp của Hoa Kỳ giúp giảm giá thịt bò, sữa và các sản phẩm ngũ cốc.