MétaCan
Menu
Retour à la cohorte
Enregistrement W2125253651 · doi:10.1162/rest.2009.12111

Trade Growth under the African Growth and Opportunity Act

2010· article· en· W2125253651 sur OpenAlexaff
Garth Frazer, Johannes Van Biesebroeck

Notice bibliographique

RevueThe Review of Economics and Statistics · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProduct (mathematics)EndogeneityInternational economicsEconomicsInternational tradeEstimationDestinationsBusinessClothingEconometricsGeography

Résumé

récupéré en direct d'OpenAlex

This paper investigates whether one of the most important U.S. policies toward Africa of the past few decades achieved its desired result. In 2000, the United States dropped trade restrictions on a broad list of products through the African Growth and Opportunity Act (AGOA). Since the act was applied selectively to both countries and products, we can estimate the impact with a triple difference-in-differences estimation, controlling for both country and product-level import surges at the time of onset. This approach allows us to better address the endogeneity-of-policy critique of standard difference-in-differences estimation than if either a country- or a product-level analysis was performed separately. Despite the fact that the AGOA product list was chosen to not include import-sensitive products and despite the general challenges of transaction costs in African countries, we find that AGOA had a large and robust impact on apparel imports into the United States, as well as on the agricultural and manufactured products covered by AGOA. These import responses grew over time and were the largest in product categories where the tariffs removed were large. AGOA did not result in a decrease in exports to Europe in these product categories, suggesting that the AGOA exports were not merely diverted from other destinations. We discuss how the effects vary across countries and the implications of these findings for aggregate export volumes.

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)0,002
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
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 savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,067
Tête enseignante GPT0,236
Écart entre enseignants0,168 · 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

Citations176
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Review of Economics and StatisticsMême sujetGlobal trade and economicsTravaux en français237 207