MétaCan
Menu
Retour à la cohorte
Enregistrement W3122534670

Trade Crisis? What Trade Crisis?

2010· article· en· W3122534670 sur OpenAlexafffund
Kristian Behrens, Grégory Corcos, Giordano Mion

Notice bibliographique

RevueLondon School of Economics and Political Science Research Online (London School of Economics and Political Science) · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesEconomic and Social Research CouncilSocial Sciences and Humanities Research Council of CanadaUppsala UniversitetAalto-Yliopisto
Mots-clésMicrodata (statistics)EconomicsMargin (machine learning)International economicsMonetary economicsFinancial crisisProduct (mathematics)Value (mathematics)International tradeMacroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

International trade fell dramatically between 2008 and 2009. We provide a micro-econometric investigation of the determinants of this fall, using data from a small open economy, Belgium. First, we find that changes in firm-country-product exports and imports occurred almost exclusively at the intensive margin. Whereas quantities and prices contracted sharply, the number of firms, the average number of destination and origin markets per firm, and the average number of products per market changed only very little. Second, we examine the contribution of various firm, product and country characteristics to the fall in the intensive margin, thereby testing some conjectures that have been put forward in the literature. Our econometric results point toward a broad-based and very homogenous fall in trade. Input-intensive and highly leveraged firms relying strongly on trade credit reduced their imports somewhat more, but the implied magnitudes are small, explaining very little of the variation in the firm-specific part of the trade fall. Last, we show that exports-to-turnover and imports-to-intermediates ratios at the firm level did neither systematically decrease nor reveal strong firm- or sector-specific patterns. All of our results therefore point to a demand-side explanation: the fall in trade was mostly driven by the fall in

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0040,004
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,080
Tête enseignante GPT0,338
Écart entre enseignants0,258 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLondon School of Economics and Political Science Research Online (London School of Economics and Political Science)Même sujetGlobal trade and economicsTravaux en français237 207