MétaCan
Menu
Retour à la cohorte
Enregistrement W2754879386 · doi:10.1186/s40008-017-0082-y

Economy-wide impact of TPP: new challenges to China

2017· article· en· W2754879386 sur OpenAlexaff
Chandrima Sikdar, Kakali Mukhopadhyay

Notice bibliographique

RevueJournal of Economic Structures · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésChinaEconomicsInternational tradeEconomic systemInternational economicsPolitical science

Résumé

récupéré en direct d'OpenAlex

The Trans-Pacific Partnership (TPP) agreement as originally announced in October 2015 was undoubtedly the largest regional trade accord in history and, if approved, could have set new terms for the nearly US $28 trillion in trade and business investment between the parties to the deal. But the deal hit a roadblock when the USA decided to withdraw from the agreement in January 2017. While some of the countries are interested in taking the TPP forward without the USA, there are others which are still looking at convincing the USA to reconsider its position on the deal. Thus, while all the debate and deliberation around the prospect of TPP continues, an important point to note is that the TPP deal does not include China, world’s largest merchandise trader, which had combined exports and imports worth US $3963.5 billion in 2015. Against this backdrop, the present paper seeks to analyze the impact of the TPP agreement on various trade and other economic variables of China both if the USA continues to be a part of TPP and if the USA withdraws from TPP using the Global Trade Analysis Project. The unique contribution of the present study lies in analyzing the trade integration scenarios among the TPP member countries involving all of tariff and non-tariff liberalization and improved market access between the countries, without the USA. The results indicate that China’s trade with TPP region, both exports and imports, will suffer post-TPP implementation. Exports which are likely to be hit are leather and leather products, motor vehicles, meat products, processed food, iron and steel. Imports of oilseeds, paper and paper products, nonmetallic minerals and machinery are also expected to suffer. More than the loss in trade, China will experience substantial welfare loss due to all of allocative inefficiency, worsening terms of trade and endowment effect. Of these, worsening terms of trade explain the largest part of welfare loss to the country. With the withdrawal of the USA from the deal, China’s trade with the region and its welfare is likely to suffer less.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,078
Tête enseignante GPT0,281
Écart entre enseignants0,203 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Economic StructuresMême sujetGlobal trade and economicsTravaux en français237 207