MétaCan
Menu
Retour à la cohorte
Enregistrement W2149636102 · doi:10.1177/097380101100600101

Export-led Growth in India and the Role of Liberalisation

2012· article· en· W2149636102 sur OpenAlexaff
Biru Paksha Paul, Anupam Das

Notice bibliographique

RevueMargin The Journal of Applied Economic Research · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Theory and Policy
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésLiberalizationCointegrationEconomicsInternational economicsExport performanceEstimationGranger causalityShort runMonetary economicsInternational tradeEconometricsMarket economy

Résumé

récupéré en direct d'OpenAlex

The literature on export-led growth in India is voluminous but inconclusive. This study re-examines the export–output relationship over the 1960–2009 period, and finds strong evidence of export-led growth for India. While there is no long-run cointegration relationship between India’s exports and output, tests of causality and impulse responses show a significant positive impact of export growth on output growth in the short run. Autoregressive models of India’s output growth also reveal the significant role of export growth over the same period. This result remains robust regardless of testing exports with different measures of output. The short-run impact of export on output, however, becomes insignificant in all types of estimation once the sample is reduced to the pre-liberalisation era from 1960 to 1991. Hence, liberalisation appears to have significantly contributed to export-led growth in India. We work with quarterly data as well over the liberalisation regime from 1996Q2 to 2010Q4 and find consistent results on export-led growth for India. Thus, export-led growth appears to be a liberalisation phenomenon for India. These findings have implications for other developing economies that aspire to grow fast but confront dilemmas with trade liberalisation policy. JEL Classification: F41, F43, C32, O53

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,553

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0160,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,038
Tête enseignante GPT0,278
Écart entre enseignants0,241 · 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 tête enseignante, 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

Citations7
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMargin The Journal of Applied Economic ResearchMême sujetEconomic Theory and PolicyTravaux en français237 207