The Political Economy of Commodity Export Policy: A Case Study of India
Notice bibliographique
Résumé
Many developing country governments discriminate against sectors that export primary commodities. India, for example, discriminates against cotton production. Exports of cotton have been restricted by quotas, and the mill industry has been subject to such regulations as the obligation to supply hank yarn for Indian handlooms. These interventions have led to stagnating cotton yields, rent-seeking activities, manipulation of cotton statistics, and low profitability in cotton mills'offsetting the short-run benefits of inexpensive cotton in India. The author develops a numerical model to measure the impact of liberalizing cotton exports. This is the first simulation model of its type, and the first multimarket model that computes price elasticities endogenously, based on the ratios between product prices and input costs. The model distinguishes short-run from long-run effects by drawing on the principle that the cost of capital varies only in the long run. Results of the simulation under complete liberalization indicate heavy (16 percent) net losses in income in the handloom sector. The government subsidies needed to compensate for those losses amount to US$423 million, or about 25 percent more than current government revenue in India's cotton sector. Such costly subsidy of handlooms is undesirable not only budgetarily but also politically, becauseit creates new vested interests. The author proposes politically feasible programs for managing the adverse impact of liberalization on the handloom sector, including handloom conversion and involvement of mills in cotton cultivation. Governments tend to prefer an export quota to an export tax because it is easier to change a quota than a tax rate if market conditions change. But flexible controls actually facilitate rent-seeking activities. As quotas are changed more often than tax rates, more interest groups get involved in lobbying and in padding crop estimates. In other words, the political and economic problems that result from restrictions on commodity exports can be more serious than those relating to resource misallocation. It is important to consider how policy changes will affect the political power structure and the objectives of different interest groups.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».