Augmented Gravity Model of Trade with Social Network Analysis
Notice bibliographique
Résumé
International trade has been one of the most significant economic activities among countries, and its contributions towards a country’s economic growth and sustainable development have been acknowledged. In recent times, international trade and global trade networks have received preeminent attention due to the sharp growth in trade volumes and its contributions to poverty reduction and general welfare. Despite the growth in global trade volumes, there are worrying concerns about the unprecedented changes in international trade patterns and growing imbalances in trade in recent times. Whereas China’s trade volumes have more than tripled over the last decades and have maintained the largest trade surplus spot ahead of Germany, other major trade surplus countries such as Japan, the USA, etc. have become trade deficit countries with their trade volumes increasing at a much slower pace. In view of the growing imbalances in global trade volumes, we use an augmented gravity model of trade that incorporates social network measurement, the real effective exchange rate which is a measurement of international competitiveness, as well as the Linder theory of trade, to investigate the factors that determine the export performance of countries. Using data from 51 countries for 41 years, our results indicate that the GDP of both the home country and the partner country affects the home country’s exports positively. Similarly, the real effective exchange rate REER, trade openness OPEN and dummy variables BORDER, ENGLISH, and EU have produced positive and statistically significant coefficient estimates, and these are in line with our theoretical expectations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».