Competitiveness and the Factors Affecting Export of the Indonesia Canned Pineapple in the World and the Destination Countries
Notice bibliographique
Résumé
Indonesia has a comparative advantage as the largest pineapple exporter in the world. Most of the pineapples are exported in the form of canned pineapples. This study examines the competitiveness of Indonesian exports of canned pineapple in the world and in the destination countries by using the method of Revealed Competitive Advantage (RCA), Export Product Dynamics (EPD), Intra-Industry Trade (IIT), and a panel data regression analysis approach through E-views 6 for the period 2004 until 2013. RCA analysis results indicate that the Indonesian canned pineapple has a comparative advantage in the world as well as in the export destination countries. EPD analysis results indicate that the Indonesian canned pineapple has a highly competitive advantage by positioning a rising star in the world and in the seven export destination countries, including the United States, Spain, Italy, Canada, Denmark, Austria, and China. IIT analysis results indicate that Indonesia has a one-way trade flows and a lower degree of integration towards export destination countries. Finally, the results of panel data analysis indicate that Factors that affect the export volume of Indonesia canned pineapple in the destination countries are Indonesia canned pineapple export prices to the export destination countries, real GDP and the population of destination countries Keywords: Competitiveness, RCA, EPD, IIT, Panel Regression
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».