MétaCan
Menu
Retour à la cohorte
Enregistrement W2058526176 · doi:10.1515/1524-5861.1895

Cultural Distance and Bilateral Trade

2012· article· en· W2058526176 sur OpenAlexaff
Teresa L. Cyrus

Notice bibliographique

RevueGlobal economy journal · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCulture, Economy, and Development Studies
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésDisadvantageObedienceGravity model of tradeGravity equationEconomicsHofstede's cultural dimensions theoryGeographical distanceVariable (mathematics)Bilateral tradeCultural diversityCultural conflictInternational tradeSocial psychologyPsychologySociologyPolitical scienceSocial scienceMathematicsChinaLaw

Résumé

récupéré en direct d'OpenAlex

This paper examines the extent to which cultural proximity influences, and is influenced by, bilateral trade flows. Variables measuring common language or religion, commonly considered to be measures of cultural proximity, have been found to be highly significant in explaining the volume of trade between countries, but these measures have the distinct disadvantage of being static; they do not change over time. In fact, however, culture does change, possibly in response to exposure to the foreign goods, methods, and ideas brought across borders by trade; the cultural "distance" between two countries can therefore be seen to fall or rise over time. In this paper, responses to World Values Survey questions regarding trust, respect, control, and obedience are used to create a measure of cultural distance. I use this cultural distance variable in gravity regressions and show that more culturally-distant countries trade less, but that more traditional measures of culture are more significant in explaining trade. I then explore the determinants of cultural distance, finding that exports reduce cultural distance.

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)0,010
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,000

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 Opus0,025
Tête enseignante GPT0,301
Écart entre enseignants0,276 · 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

Citations53
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal economy journalMême sujetCulture, Economy, and Development StudiesTravaux en français237 207