MétaCan
Menu
Retour à la cohorte
Enregistrement W4416975331 · doi:10.22434/ifamr.1388

The impacts of the 2025 trade wars on global agricultural markets and US agricultural trade

2025· article· W4416975331 sur OpenAlexaboutno aff
Jianwei Ai, Minghao Li, Wendong Zhang

Notice bibliographique

RevueThe International Food and Agribusiness Management Review · 2025
Typearticle
Langue
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputable general equilibriumAgricultureTariffTrade barrierCommercial policyFree tradeWelfareTerms of tradeChinaGains from trade

Résumé

récupéré en direct d'OpenAlex

Abstract This paper assesses the economic consequences of the 2025 U.S. trade policy on global agricultural markets, with a focus on the “reciprocal tariffs” initiated by the United States. By using a multi-region, multi-sector computable general equilibrium model, we evaluate the macroeconomic and sectoral effects of alternative tariff scenarios, with a particular focus on the U.S. agricultural sector. Our results indicate that the imposition of uniform tariffs on U.S. imports from the rest of the world generates substantial welfare losses for the U.S. (0.63%) and China (1.28%), with corresponding GDP declines of 0.82 and 0.39%, respectively. Tariffs result in significant contractions in global agricultural trade and higher consumer prices for key agri-food products in the US, including vegetables (6.05%), crops (7.48%), and cattle (4.13%). China’s oilseed imports from the U.S. decrease by 38.32%, while imports from Canada and Brazil increase by 17.48 and 3.92%, respectively, if U.S.–China tariffs are enacted. U.S. imports of high-value vegetables and fruits from Canada and Mexico decline sharply, partially offset by increased imports from Australia and Argentina if new tariffs are enacted in North America. These findings show the complex sectoral adjustments and market realignments driven by escalating trade tensions.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,809
Score d'incertitude au seuil0,760

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,001
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 Opus0,015
Tête enseignante GPT0,249
Écart entre enseignants0,234 · 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'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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Food and Agribusiness Management ReviewMême sujetAgricultural Economics and PolicyTravaux en français237 207