MétaCan
Menu
Retour à la cohorte
Enregistrement W1594810997 · doi:10.3386/w13023

Regionalization, Changes in Home Bias, and the Growth of World Trade

2007· report· en· W1594810997 sur OpenAlexaff
John Whalley, Xian Xin

Notice bibliographique

RevueNational Bureau of Economic Research · 2007
Typereport
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensCentre for International Governance InnovationWestern University
Organismes subventionnairesnon disponible
Mots-clésInternational tradeInternational economicsBusinessGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

In this paper we use numerical modeling methods to quantitatively assess the impacts of changes in home bias within regions on the growth of world trade among major blocs over the last three decades.Existing work focuses on the impacts of trade barrier, transport cost and income changes on trade growth, rather than preferences.Removing changes in home bias over the last three decades from our global general equilibrium model reduces world trade by 27% compared to actual world trade in 2004 in our central case scenario.These results support the view that world trade among major blocs has became more regionalized rather than internationalized which we suggest may be due to a proliferation of free trade agreements.We calibrate a simple global trade model of inter bloc trade to both 1975 and 2004 data and substitute different calibrated parameters from the two data sets between model parameterizations.Our results suggest that if changes over time in home bias involving different regionally sourced goods in a multi-region multi product model are removed, substantial effects follow for the growth of world trade in the last three decades.Home bias changes in developed and developing economies reduce world trade by 8% and 19% respectively, suggesting that regionalization is more pronounced in developing country trade.Our results also indicate that income growth, income convergence, and falling trade costs explain 76%, 4%, and 7% respectively of the growth of world trade over the last three decades.

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)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,538
Tête enseignante GPT0,436
Écart entre enseignants0,102 · 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'étudeObservationnel
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

Citations16
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetGlobal trade and economicsTravaux en français237 207