MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408276769 · doi:10.3390/jrfm18030143

The Impact of Eurasian Economic Union Membership on Mutual Trade in Services: What Are the Challenges for Small Economies?

2025· article· en· W4408276769 sur OpenAlexvenueno aff
Davit Hakhverdyan, Ruzanna TADEVOSYAN, Anna PAKHLYAN, Светлана Ратнер

Notice bibliographique

RevueJournal of risk and financial management · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomic unionInternational tradeEuropean unionInternational economicsCustoms unionBusinessEconomicsEconomic geography

Résumé

récupéré en direct d'OpenAlex

Despite the fact that a decade has elapsed since the establishment of the Eurasian Economic Union (EAEU), the impact of the EAEU on the economic development of its member states remains a subject of ongoing debate. This article examines the mutual trade in services between the Eurasian Economic Union (EAEU) countries, with the aim of assessing the impact of membership on it. The difference-in-difference model has been applied for impact assessment. The model utilizes data from five EAEU member countries—Armenia, Belarus, Kazakhstan, Kyrgyzstan, and Russia—capturing periods both before and after their EAEU membership, spanning 17 years in total. The results show that membership in the EAEU has significantly affected the exports of services from Russia and Belarus and has a less significant impact on the exports of services from Kazakhstan to the EAEU. At the same time, it has no significant effect on the exports of services from Kyrgyzstan and Armenia to other EAEU countries. In order to ascertain the challenges that exist, expert surveys among service exporters from Armenia have been conducted. Representatives of companies exporting various services to the EAEU have been selected as experts. The survey results indicate the presence of various barriers, including legal, logistical (for cargo transportation companies), and cultural challenges. These barriers encompass licensing difficulties, technical obstacles related to VAT refunds, a ban on cash payments, and difficulties with financial transfers due to sanctions against Russia. The findings of this research are of practical importance and can serve as a guideline for policymakers in the EAEU.

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)0,004
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,037
Tête enseignante GPT0,231
Écart entre enseignants0,193 · 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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial management→Même sujetGlobal trade and economics→Travaux en français237 207→