MétaCan
Menu
Retour à la cohorte
Enregistrement W1558132635 · doi:10.1111/isqu.12037

The Cost of Wiggle-Room: Looking at the Welfare Effects of Flexibility in Tariff Rates at the WTO<sup>1</sup>

2013· article· en· W1558132635 sur OpenAlexaff
Krzysztof Pelc

Notice bibliographique

RevueInternational Studies Quarterly · 2013
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésTariffFlexibility (engineering)Panacea (medicine)NegotiationRules of originInternational economicsWelfareEconomicsPoint (geometry)International tradeLawPolitical scienceMarket economy

Résumé

récupéré en direct d'OpenAlex

There is considerable variation in the depth of countries’ commitments at the World Trade Organization (WTO). While WTO members apply tariffs on imports at roughly comparable levels, the maximum levels allowed on these tariffs vary dramatically, leaving some members with far more flexibility to raise trade barriers overnight. Some countries have argued that such “binding overhang” is harmless unless it is exploited, while other countries disagree. This paper is the first attempt to empirically assess the effect of binding overhang on trade flows. I argue that the mere existence of binding overhang has a strongly negative effect on trade, through the way in which it muddles expectations. Using data at the 4-digit harmonized system product level, covering the WTO membership from 1995 to 2008, I demonstrate that the cost in terms of lost trade resulting from the ability to legally raise a tariff by one point is tantamount to nearly half the cost of having done so. In sum, WTO membership is, by itself, no panacea. Negotiating greater tariff flexibility can water down a country's legal commitments and significantly reduce the benefits flowing from the institution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,003
Communication savante0,0040,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,254
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Studies QuarterlyMême sujetGlobal trade and economicsTravaux en français237 207