Decompositional Analysis Using Numerical Equilibrium Models: Illustrations from Trade Literature
Notice bibliographique
Résumé
INTRODUCTION This chapter discusses recent applications of general equilibrium computational methods in the international trade area which are backwards (ex post) rather than forwards (ex ante) focused. The example chosen is the trade and wages debate, where the issue is disentangling the relative importance of multiple influences on wage inequality change (trade surges from low-wage countries and skill-biased technical change). The relevant literature includes Abrego and Whalley (2000, 2001). In the past, most applied general equilibrium modelling (AGM) of international trade has been forward focussed, attempting to provide some basis of assessment as to what might happen if particular measures are adopted. This includes assessing the effects of NAFTA in advance of its enactment (Francois and Shiells, 1994) and ex ante assessment of the impacts of the Uruguay Round as agreed in the World Trade Organisation (WTO) (Martin and Winters, 1996; Whalley, 2000). In such exercises, calibration usually takes place around benchmark equilibrium data set for a reference year; counterfactual computations then shed light on what this reference year equilibrium might have looked like if a policy or other change, not yet enacted, had been in place. In ex post analysis, it is typically the case that calibration to two or more years is needed. The issue is, given a model consistent with observations in both years X and Y , how its equilibrium might look like were only one (or a subset) of the changes actually occurring between the years actually to occur.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».