MétaCan
Menu
Retour à la cohorte
Enregistrement W2743205014 · doi:10.1515/jafio-2017-0010

Do Geographical Indications Really Increase Trade? A Conceptual Framework and Empirics

2017· article· en· W2743205014 sur OpenAlexaff
Zakaria Sorgho, Bruno Larue

Notice bibliographique

RevueJournal of Agricultural & Food Industrial Organization · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésProduct (mathematics)EconomicsBilateral tradePartial equilibriumProduction (economics)Quality (philosophy)Country of originPreferenceReputationBusinessInternational tradeInternational economicsMicroeconomicsMarketingGeneral equilibrium theoryGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Production location matters to many consumers and regulators and policymakers are pressed to statue on labels about country of origin, local foods and geographical indications (GIs). This paper investigates the incidence of the EU policy on GIs on bilateral trade flows. We develop ttheoretical arguments and provide empirical evidence to analyze heterogeneity in consumer preferences regarding country of origin ( domestic versus foreign ) and the implicit quality signals from GI logos. The objective of the paper is to investigate whether producing GIs really boots bilateral trade, assuming heterogeneity in consumers’ preference. We first develop an analytical framework of a simple partial equilibrium two-country model through a Cobb-Douglas utility structure to assess the impact of GIs on trade. In addition, we empirically corroborate the analytical findings with a unique data on protected GIs by product and European country. Our main findings indicate that GI-products have ambiguous effect on international trade. Indeed, their trade-impact depends on the importance of product for consumers (i. e., the intensity and the reputation of GI-product considered as deterministic weight in consumers’ preference). As expected, a heterogeneity in consumers’ preference – due to home bias about local or foreign varieties – can increase or decrease trade, despite the presence of GI-products.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,114
Score d'incertitude au seuil0,570

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,071
Tête enseignante GPT0,234
Écart entre enseignants0,163 · 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'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

Citations23
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural & Food Industrial OrganizationMême sujetGlobal trade and economicsTravaux en français237 207