Does the Linder effect hold for differentiated agri-food and beverage product trade?
Notice bibliographique
Résumé
Using a generalized gravity equation, this study tests for the Linder effect in differentiated agri-food product trade, i.e. as the demand structures of two countries become more similar, their trade intensity increases. Two proxies of demand structure, the Balassa index and the absolute value of the difference in per capita Gross Domestic Products (GDPs) of trading partners, are used to capture the Linder effect. In addition, two measures of bilateral trade, the Grubel and Lloyd (GL) index, and the value of bilateral trade are used as the dependent variable. This study investigates the role of the Linder effect in explaining the trade of 37 differentiated agri-food and beverage products categorized into eight product groups: cereals, fresh fish, frozen fish, vegetables, fresh fruit, processed fruit, tea and coffee and alcoholic beverages. The data covers trade across 52 developed and developing countries from 1990 to 2000. The type of proxy used for the Linder effect and the way in which bilateral trade is measured influence the outcome of the statistical tests for the Linder effect. The Linder effect for cereals, frozen fish, vegetables, processed fruits and tea and coffee, using the value of trade as the dependent variable, is often accepted, but it is generally rejected when the GL index is used as the measure of trade intensity. In brief, the results do not provide strong support for the Linder effect in the trade of differentiated agri-food products.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».