Assessing the Impact of China-Canada FTA with G-Dyn Model
Notice bibliographique
Résumé
General background: Trade and investment between China and Canada has long been prosperous in many industries like natural resource, agricultural products, textile, machine and equipment manufacturing, real estates and high-tech industries. China has been the second largest trade partner of Canada for over decade, while Canada is also a major destination of China’s goods and services export, investment, and also labor immigration. Discussions on China-Canada Free Trade Agreement (CCFTA) have been existing for long and are getting especially intensive at this moment when the U.S. just started its process of renegotiating NAFTA (North American FTA) and Canada needs to find its new way of cooperation, a rapidly growing and opening China will be a considerable option. Methodology: G-Dyn model extends the standard static GTAP model to include capital accumulation, adaptive expectation theory of investment and international capital mobility. Basing on G-Dyn, we implement sticky/flexible wage mechanism originated by Dixon and Rimmer(2002), an USAGE-type investment theory considering the risk-averse behavior of investors to provides more flexibility for modeling investor’s expectation and improves G-Dyn model robustness when constructing baselines or performing policy simulations. Simulations: (1) Tariff of good trade is largely cut between China and Canada; (2) Non-tariff barriers for goods are reduced bilaterally; (3) Tariff equivalent is reduced on service trade; (4) Barriers are partly removed in Foreign Direct Investment; (5) Trade facilitation gets improved.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».