MétaCan
Menu
Retour à la cohorte
Enregistrement W3096869225 · doi:10.1111/twec.13062

Traders' dilemma: Developing countries' response to trade wars

2020· article· en· W3096869225 sur OpenAlexaboutno aff
Shantayanan Devarajan, Delfin S. Go, Csilla Lakatos, Sherman Robinson, Karen Thierfelder

Notice bibliographique

RevueWorld Economy · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTrade warDilemmaEconomicsDeveloping countryInternational economicsInternational tradeTrade diversionChinaFree tradeNothingFace (sociological concept)Trade barrierInternational free trade agreementPolitical scienceEconomic growthLaw

Résumé

récupéré en direct d'OpenAlex

Abstract As the United States engages in a trade war with its major trading partners, policymakers in developing countries face the ‘traders’ dilemma’: should they join the trade war, stay out or do something different, including continuing to pursue regional trading arrangements? Using a global, general equilibrium model, we paper simulate an increase in U.S. tariffs to non‐MFN rates and retaliation in kind by its major trading partners—the European Union, China, Mexico, Canada and Japan. We consider four possible responses by developing countries to this trade war: (a) join the trade war; (b) do nothing; (c) form regional trading arrangements with all regions outside the United States; and (d) unilaterally liberalise tariffs on imports from the United States. We find that joining the trade war is the worst option for developing countries (twice as bad as doing nothing); and forming RTAs with non‐U.S. regions and liberalising tariffs on U.S. imports (“turning the other cheek”) is the best. The reason is that a trade war between the United States and its major partners creates opportunities for developing countries to increase their exports to these markets. Liberalising tariffs increases developing countries’ price competitiveness, enabling them to further capitalise on these opportunities.

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)0,011
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,068
Tête enseignante GPT0,216
Écart entre enseignants0,149 · 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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld EconomyMême sujetGlobal trade and economicsTravaux en français237 207