MétaCan
Menu
Retour à la cohorte
Enregistrement W2266950727 · doi:10.24149/gwp257

Beggar Thy Neighbor or Beggar Thy Domestic Firms? Evidence from 2000-2011 Chinese Customs Data

2015· article· en· W2266950727 sur OpenAlexaff
Rasmus Fatum, Runjuan Liu, Jiadong Tong, Jiayun Xu

Notice bibliographique

RevueFederal Reserve Bank of Dallas, Globalization and Monetary Policy Institute Working Papers · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Social Science Fund of China
Mots-clésCurrencyPremiseEconomicsMonetary economicsChinaInternational economicsBalance of tradeExchange rateInternational trade

Résumé

récupéré en direct d'OpenAlex

The premise of beggar-thy-neighbor policies and currency wars is that currency depreciations lead to export growth.This premise, however, is far from validated as the existing economic literature largely either fails to find significant trade flow effects of currency fluctuations or finds that these effects are only minor.We revisit the question of whether currency fluctuations are systematically associated with trade flows using rich and unique firm level Chinese customs data on China-US trade over the 2000 to 2011 period that allows us to consider firm involvement in processing trade and firm dynamics in both export and import markets.Our firm-level based estimation of trade elasticities suggest that the China-US trade balance strongly responds to changes in the CNY/USD rate.This finding is particularly pronounced when we distinguish between ordinary and processing firms.Our results thus suggest that the influence of exchange rates on trade flows is stronger than previously thought and add insights to the policy debate on beggar-thy-neighbor policies and currency wars by, at least in principle, validating the underlying premise of such policies.

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)0,007
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,158

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,147
Tête enseignante GPT0,298
Écart entre enseignants0,151 · 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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFederal Reserve Bank of Dallas, Globalization and Monetary Policy Institute Working PapersMême sujetGlobal trade and economicsTravaux en français237 207