MétaCan
Menu
Retour à la cohorte
Enregistrement W4256747700 · doi:10.3138/cpp.35.2.187

The Effectiveness of the Canadian Antidumping Regime

2009· article· en· W4256747700 sur OpenAlexvenueaboutno aff
Nisha Malhotra, Horatiu A. Rus

Notice bibliographique

RevueCanadian Public Policy · 2009
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHarassmentInternational tradeCompetition (biology)Order (exchange)DumpingTrade diversionCommercial policyBusinessEconomicsInternational economicsTrade barrierPolitical scienceLawInternational free trade agreementFinance

Résumé

récupéré en direct d'OpenAlex

Canada has the oldest antidumping (AD) regime in the world and has to this day been counted among the main users of AD measures. It is an important trade-remedy instrument that affects a relatively large proportion of Canadian imports, although its use and effects on trade could still be better understood. For example, in 2003 there were 92 measures in place affecting around C$1.3 billion worth of Canadian imports. An important question is whether imposing AD duties actually protects the domestic industry from import competition. We analyze the trade effects of AD policy in the manufacturing industry in Canada. We also look at the effect of an AD action on the level of imports from countries not named in the analysis in order to examine the extent of trade diversion. It is possible that imports might be partly diverted away from the alleged source country and to non-alleged countries, rendering AD laws ineffective in terms of benefiting the domestic industry. We construct a database using AD data for the years 1990–2000, and import data disaggregated at the ten-digit Harmonized System (HS) level, and ultimately find that Canadian AD policy is an efficient tool for restricting imports from countries that are “named” in an investigation or alleged to be dumping. When adopting a relatively coarse classification of named cases into two groups—affirmative (affirmative AD decisions and price undertakings) and negative (negative AD decisions)—we also find some evidence of trade diversion and “harassment” effects of AD.

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: aucune
Score de désaccord entre enseignants0,881
Score d'incertitude au seuil0,523

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,039
Tête enseignante GPT0,208
Écart entre enseignants0,169 · 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

Citations5
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetGlobal trade and economicsTravaux en français237 207