MétaCan
Menu
Retour à la cohorte
Enregistrement W4244519457 · doi:10.1093/jafeco/ejz027

Trade Liberalisation and Labour Market Adjustment in Botswana

2019· article· en· W4244519457 sur OpenAlexaff
Brian McCaig, Margaret McMillan

Notice bibliographique

RevueJournal of African Economies · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésEconomicsLiberalizationInternational economicsUnemploymentCustoms unionTariffLabour economicsInformal sectorFree tradeTrade diversionProductivityInternational tradeInternational free trade agreementMarket economyMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract We study the effects of domestic trade liberalisation on labour markets in Botswana. South Africa is the dominant member of the Southern Africa Customs Union. As such, when South Africa liberalised trade in the 1990s, this induced large and plausibly exogenous tariff reductions for the other customs union members, including Botswana. Using labour force surveys from Botswana spanning a decade, we find that trade liberalisation did not affect the relative size of industries in terms of employment. However, trade liberalisation had effects within industries. We find an increase in the prevalence of working in an informal firm and self-employment, but mixed evidence of effects on unemployment. Hours worked decreased in response to trade liberalisation, partially driven by the movement of workers to informal firms. Despite large increases in aggregate income, trade liberalisation is associated with a reduction in monthly income, but the results are imprecise. Our results also suggest that a positive export demand shock, the 2000 African Growth and Opportunities Act, is associated with a reduction in employment in informal firms in the clothing industry.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,025
Tête enseignante GPT0,192
Écart entre enseignants0,167 · 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

Citations45
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of African EconomiesMême sujetGlobal trade and economicsTravaux en français237 207