MétaCan
Menu
Retour à la cohorte
Enregistrement W3037436375 · doi:10.3386/w27383

China’s Import Demand for Agricultural Products: The Impact of the Phase One Trade Agreement

2020· preprint· en· W3037436375 sur OpenAlexaboutno aff
Robert C. Feenstra, Chang Hong

Notice bibliographique

RevueNational Bureau of Economic Research · 2020
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensnon disponible
Organismes subventionnairesEconomic Research ServiceU.S. Department of Agriculture
Mots-clésEconomicsChinaAgricultureInternational economicsInternational tradeAgreement on AgricultureAgricultural economicsWorld tradeGeographyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

In December 2019, the United States and China reached a Phase One trade agreement, under which China committed to purchase more imports from the United States: $12.5 billion more agricultural imports in 2020 and $19.5 billion more in 2021, as compared to 2017.We show that the most efficient way for China to increase its imports from the United States is to mimic the effect of an import subsidy.If China's agricultural imports did not otherwise grow from their 2017 values, then the subsidies would need to be 42% and 59% to meet the 2020 and 2021 targets, respectively.These effective subsidies mean that China would divert agricultural imports away from other countries.We find that this trade diversion is especially strong for Australia and Canada, followed by Brazil, Indonesia, Malaysia, Thailand, and Vietnam.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,176
Score d'incertitude au seuil0,350

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,446
Tête enseignante GPT0,453
Écart entre enseignants0,007 · 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'étudeObservationnel
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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetGlobal trade and economicsTravaux en français237 207