MétaCan
Menu
Retour à la cohorte
Enregistrement W3113902941 · doi:10.3390/su13010164

Trade Facilitation and Its Impacts on the Economic Welfare and Sustainable Development of the ECOWAS Region

2020· article· en· W3113902941 sur OpenAlexaff
Shahrzad Safaeimanesh, Glenn P. Jenkins

Notice bibliographique

RevueSustainability · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésTrade facilitationWelfareEconomicsSustainable developmentContext (archaeology)EstimationPartial equilibriumEconomic integrationPrincipal (computer security)General equilibrium theoryTrade barrierInternational tradeInternational economicsMacroeconomicsGeography

Résumé

récupéré en direct d'OpenAlex

The facilitation of trade is a principal objective in the context of increasing regional trade integration for the achievement of sustainable development goals. The purpose of this study is to estimate the potential annual economic gain to be had from trade facilitation by the coastal countries of the Economic Community of West African States (ECOWAS). These measures would decrease border and documentary compliance time and costs of the administration of international trade. A partial equilibrium welfare economics framework is used that employs sets of export supply and import demand elasticities for each country that are derived using a general equilibrium estimation method. The annual economic welfare gains resulting from the reduction of excessive trade compliance costs for the region are estimated to between US$1.6 billion to US$2.7 billion (2019 prices). This is between 0.24% and 0.42% of the combined GDPs of these countries. The welfare gain is between 6% and 10% of the combined governments’ budgets assigned for education, and is between 33% and 58% of their budgets allocated for health. In the absence of reform, these inefficient practices waste an amount equal to between 15% and 26% of the annual net official development assistance these countries receive.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,830
Score d'incertitude au seuil0,460

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,043
Tête enseignante GPT0,214
Écart entre enseignants0,171 · 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 tête enseignante, 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

Citations28
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetGlobal trade and economicsTravaux en français237 207