MétaCan
Menu
Retour à la cohorte
Enregistrement W2145283588 · doi:10.3386/w13933

Endogenous Variety and the Gains from Trade

2008· report· en· W2145283588 sur OpenAlexaff
Costas Arkolakis, Svetlana Demidova, Peter J. Klenow, Andrés Rodrı́guez-Clare

Notice bibliographique

RevueNational Bureau of Economic Research · 2008
Typereport
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)EndogenyEconomicsBusinessInternational tradeComputer scienceChemistryArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We explore the implications of models with increasing returns, endogenous variety and firm-level heterogeneity for the quantification of the gains from trade.We first focus on the impact of trade liberalization on imported variety by analyzing the experience of Costa Rica from 1986 to 1992.We find that although liberalization triggered a sizable increase in variety, the resulting welfare gains were small because of strong heterogeneity across imported goods.Upon trade liberalization, the new varieties are imported in small quantities, and hence contribute little to welfare.We then present a model with firm-level increasing returns, differentiated goods, monopolistic competition, endogenous variety and free entry to show that total variety (domestic plus imported) can either increase, decrease or remain constant with trade liberalization.More importantly, the gains from trade do not depend on what happens to total variety.In fact, we find that, conditional on the estimated elasticities of trade with respect to trade costs, models with increasing returns, endogenous variety, free or restricted entry, and firm-level heterogeneity have exactly the same implications for welfare gains from trade liberalization as traditional models.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,618
Tête enseignante GPT0,430
Écart entre enseignants0,187 · 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'étudeThéorique ou conceptuel
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

Citations55
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

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