Competitiveness in global trade: The case of the automobile industry
Notice bibliographique
Résumé
Numerous studies handle analyses of revealed comparative advantages of global trade (especially in agriculture sector) using Balassa index, but the selected automobile industry represents new potentials to study. This study focuses on the competitiveness of automobile industry, which is a key sector due to its high value-added activities, a competitive market, with increasing technology requirements and high employment characteristics. The aim of our paper is to analyse the revealed comparative advantages of global automobile trade as well as the duration and stability of Balassa indices by applying Markov transition probability matrices and Kaplan-Meier survival function. The source of data is global automobile exports at HS6 level for 1997-2016. The paper has reached numerous conclusions. First, by analysing characteristics of global automobile trade, it turned out that China, USA, Japan and Germany were the biggest producers of cars, however the top exporters were Germany, Japan and Canada in the period analysed, together giving 40% of all products exported - the top10 countries, however, gave 71% of concentration. Second, our analysis has made it clear that the most traded/exported automobile product is vehicle with only sparkling ignition internal combustion (1500-300cm3) (870323) globally, giving more than 40% of all vehicle exports between 1997 and 2016. Third, the calculation of Balassa indices showed that Spain and Japan had highest comparative advantages in all periods analysed among the most important automobile exporters in the world.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».