Assessment of Russian embargo impact on economies of the EU countries : an input-output approach
Notice bibliographique
Résumé
The purpose of this study is to quantify the impact of Russia’s embargo on the economies of most affected EU countries. Russia is the fourth largest trading partner and the second largest importer of Europe’s agriculture products. According to the Eurostat, Russia’s food import counts approximately 10% of Europe’s total export of agriculture and food products. In June 2014, the European Union (EU) adopted a series of economic sanctions against Russia due to the Ukraine’s territorial crisis. As retaliation, Russia imposed a one-year food embargo on the import of a whole range of food products from the EU, Norway, Australia, Canada and the USA on 7 August 2014. In June 2015 the ban was extended to be effective until August 5, 2016, and it may be subsequently extended for another 1-year period. The most affected European countries are: the Baltic States, Finland, Poland, and Germany (as shown in the database of GTAP 2011). The impact of Russia’s counter-sanction on the economy of the EU countries is assessed in this study by conducting Input-Output multiplier analysis together with comparison studies. In order to allow a holistic view of the impact on the interested regions, the disaggregated Input-Output matrix for those four European countries of interest is constructed from the dataset of the Global Trade Analysis Project (GTAP) in 2011. The results show that the impact on the whole economy of these four countries is moderate in terms of their change in GDP, but it does have significant negative impacts on certain industries of each economy, for instance, bovine meat industry in Germany, vegetables and fruits in both Baltic States and Poland, and dairy products in Finland. These impacts on production level may further forward its negative effects to the related labors and firms who run the risk of losing their income due to the embargo.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».