MétaCan
Menu
Retour à la cohorte
Enregistrement W4235759867 · doi:10.21203/rs.3.rs-32654/v1

Revenue, Trade and Welfare Effects Of the Comesa Free Trade Agreement on the Democratic Republic Of Congo

2020· preprint· en· W4235759867 sur OpenAlexaff
Patrick LUSENGE NDUNGO, Gift Mugano

Notice bibliographique

RevueResearch Square (Research Square) · 2020
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNelson Mandela University
Mots-clésFree trade agreementDemocracyWelfareRevenueFree tradeEconomicsInternational economicsInternational tradePolitical scienceLawMarket economyPoliticsFinance

Résumé

récupéré en direct d'OpenAlex

Abstract The present research attempts to assess the likely revenue, trade and welfare implications of the Common Market for Eastern and Southern Africa (COMESA) Free Trade Agreement (FTA) on the DRC. The study adopts a partial equilibrium model as the methodological approach. The findings of the research reveal that the COMESA FTA will be beneficial to the DRC in terms of an increase in exports and consumer welfare gain. Moreover, The WITS-SMART simulation results indicate that trade will be created in the DRC as a result of the COMESA FTA. Notwithstanding the fact that trade creation will have a positive effect on welfare, as the Congolese consumers would benefit from lower prices, some local industries in the DRC may be threaten of closure due to the lack of competitiveness. In addition, the simultation results show that the country will experience a huge fiscal revenue loss due to the implementation of zero per cent tarrif rate on imports duty from the COMESA trading partners. Finally, the simultation results indicate that trade will be diverted from more efficient and low cost non-member states to high cost suppliers from the COMESA region. These findings shed light on policy implications.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
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)0,0070,000

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 Opus0,164
Tête enseignante GPT0,330
Écart entre enseignants0,165 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square (Research Square)Même sujetGlobal trade and economicsTravaux en français237 207