MétaCan
Menu
Retour à la cohorte
Enregistrement W3124770514

Revealed Comparative Advantage and Competitiveness in Hungarian Agri-Food Sectors

2003· article· en· W3124770514 sur OpenAlexaff
Imre Fertő, Lionel Hubbard

Notice bibliographique

RevueSSRN Electronic Journal · 2003
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Trade and Competitiveness
Établissements canadiensAgriculture Food and Rural Development
Organismes subventionnairesnon disponible
Mots-clésComparative advantageRevealed comparative advantageDisadvantageConsistency (knowledge bases)AgricultureIndex (typography)EconomicsComparative methodInternational tradeEconometricsBiologyMathematicsEcologyPolitical scienceComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We examine the competitiveness of Hungarian agriculture and food processing, in relation to that of the EU, based on four indices of revealed comparative advantage, using highly disaggregate data for the period 1992 to 1998. Consistency tests suggest that the indices are less satisfactory as cardinal measures, but are useful in identifying the demarcation between comparative advantage and comparative disadvantage. Hungary is shown to have a comparative advantage in a range of agri-food products, including animals and meat. This complements the findings of those studies that have used price and cost based approaches in identifying competitiveness in cereals and crops. Results indicate that the RCA indices, when interpreted as a binary measure, have remained surprisingly stable during the period of transition, although there is evidence of a weakening in the level of comparative advantage as revealed in the Balassa index.

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)0,000
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 enseignants0,395
Score d'incertitude au seuil0,891

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,223
Écart entre enseignants0,209 · 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

Citations2
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetGlobal Trade and CompetitivenessTravaux en français237 207