Assessing the Factors Associated With Iran’s Intra-Industry Trade in Pharmaceuticals
Notice bibliographique
Résumé
BACKGROUND: Pharmaceutical industry is a sensitive and profitable industry. If this industry wants to survive, it should be able to compete well in international markets. So, study of Iran's intra-industry trade (IIT) in pharmaceuticals is essential in order to identify competitiveness potential of country and boost export capability in the global arena. METHODS: This study assessed the factors associated with Iran's intra-industry trade in pharmaceuticals with the rest of the world during the 2001-2012 periods using seasonal time series data at the four-digit SITC level. The data was collected from Iran's pharmaceutical Statistics, World Bank and International Trade Center. Finally, we discussed a number of important policy recommendations to increase Iran's IIT in pharmaceuticals. RESULTS: The findings indicated that economies of scale, market structure and degree of economic development had a significantly positive impact on Iran's intra-industry trade in pharmaceuticals and tariff trade barriers were negatively related to IIT. Product differentiation and technological advancement didn't have the expected signs. In addition, we found that Iran's IIT in pharmaceuticals have shown an increasing trend during the study period. Thus, the composition of Iran trade in pharmaceuticals has changed from inter-industry trade to intra-industry trade. CONCLUSIONS: In order to get more prepared for integration into the global economy, the development of Iran's IIT in pharmaceuticals should be given priority. Therefore, paying attention to IIT could have an important role in serving pharmaceutical companies in relation to pharmaceutical trade.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».