MétaCan
Menu
← Retour à la cohorte
Enregistrement W2888630739 · doi:10.5539/ijef.v10n9p54

Non-Tariff Measures in Indian Context and the European Union

2018· article· en· W2888630739 sur OpenAlexvenueno aff
Rakhi Singh, Seema Sharma, Deepak Tandon

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEuropean unionContext (archaeology)TariffInternational tradeGlobalizationCustoms unionInternational economicsEconomicsCommercial policyBusinessGeographyMarket economy

Résumé

récupéré en direct d'OpenAlex

Indian economy is one of the fastest growing economies in the world today. In line with global trade trends, Indian export sector has been growing and contributing significantly to the economy. Given its exports structure, India is well positioned to benefit from the structural changes in technology and emerging forces of globalization. Indian economy has shown remarkable progress in terms of foreign trade after the introduction of economic reforms in 1991. The European Union (EU) is a very important trading partner of India. The trade volumes between India and EU have shown remarkable improvement in last one and a half decade. After starting out at a relatively low level in the 1990’s, the trade volumes, both with respect to Indian exports to the EU as well as with respect to Indian imports from the EU, started to increase most noticeably after the year 2001.Use of non-tariff measures (NTMs) as means of protection has captured a lot of focus after reduction of tariffs in the world trade. India even after being a strategic partner for European Union (EU) has to face lot of NTMs on its exports. Based on studies in the past, link between the incidence of NTMs imposed by the home country and the income level of the foreign country has been established. The interplay of incidence of NTMs and the GDP remains largely unexplored in the context of India-EU trade relationship. This paper tries to fill this gap and show the importance of the study in policy decisions. Authors have used UNCTAD’s NTM data and Spearman’s correlation coefficient to measure the strength and direction of the relationship between incidence of NTM with per capita GDP of the exporting country (India). The authors have used different permutations of data from the main data set (1994-95 to 2016-17) for analysis and have concluded that incidence of NTMs on Indian exports to EU is positively co-related to the per capita GDP of India.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,011
Études des sciences et des technologies0,0010,002
Communication savante0,0040,001
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 Opus0,033
Tête enseignante GPT0,205
Écart entre enseignants0,172 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and Finance→Même sujetGlobal trade and economics→Travaux en français237 207→