MétaCan
Menu
Retour à la cohorte
Enregistrement W2239123445 · doi:10.1111/1467-8489.12039

Emerging economies, productivity growth and trade with resource‐rich economies by 2030

2014· article· en· W2239123445 sur OpenAlexaboutno aff
Kym Anderson, Anna Strutt

Notice bibliographique

RevueAustralian Journal of Agricultural and Resource Economics · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensnon disponible
Organismes subventionnairesRural Industries Research and Development Corporation
Mots-clésEconomicsEmerging marketsProductivityBaseline (sea)Consumption (sociology)Quarter (Canadian coin)Natural resourceResource (disambiguation)EconomyDutch diseaseInternational tradeInternational economicsMonetary economicsMacroeconomicsGeographyExchange rate

Résumé

récupéré en direct d'OpenAlex

Rapid economic growth in some emerging economies in recent decades has significantly increased their global economic importance. If this rapid growth continues and is strongest in resource‐poor Asian economies, the growth in global demand for imports of primary products also will continue, to the ongoing benefit of natural resource‐rich countries. This paper explores how global production, consumption and trade patterns might change over the next two decades in the course of economic development and structural changes under various scenarios. We employ the GTAP model and version 8.1 of the GTAP database with a base year of 2007, along with supplementary data from a range of sources, to support projections of the global economy to 2030. We first project a baseline assuming that trade‐related policies do not change in each region but that factor endowments and real GDP grow at exogenously estimated rates. That baseline is compared with two alternative scenarios: one in which the growth rates of C hina and India are lower by one‐quarter and the other in which this slowdown in emerging economies leads to slower productivity growth in the primary sectors of all countries. Throughout the results, implications are drawn out for natural resource‐abundant economies, including A ustralia and N ew Z ealand.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,514
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,018
Tête enseignante GPT0,174
Écart entre enseignants0,156 · 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.

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

Citations56
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Agricultural and Resource EconomicsMême sujetGlobal trade and economicsTravaux en français237 207