Agricultural Trade Potential of the United States with South Asian Countries: A Stochastic Frontier Gravity Model Approach
Notice bibliographique
Résumé
The United States' agricultural export sector faces significant risk due to its reliance on a concentrated market, with 60.6% of its $107.1 billion exports in 2021 going to just five countries: China, Mexico, Canada, Japan, and South Korea. This dependency was highlighted when its major trading partners imposed retaliatory tariffs on the U.S. agricultural products, and as a result, United States’s losses exceeded $27 billion between 2018 and 2019, with China accounting for 95% of these losses. This situation illustrates the need to diversify the United States’ agricultural export markets with the developing and emerging economies to mitigate the risk stemming from concentrated market reliance. This study employed a stochastic frontier gravity model and analyzed the panel data from 2000 to 2021 to determine the drivers and export potential of U.S. agricultural exports with the South Asian countries. The study found that the GDP per capita, freedom to trade, and institutional quality of the South Asian countries positively influenced U.S. agricultural exports, while geographic distance, average tariff rates, globalization index, and landlocked status negatively impacts it. The result of this study reveals that the U.S. has the highest level of export potential mainly with India, Pakistan, and Bangladesh among the South Asian countries, by analyzing the gap between potential and actual export value. Meanwhile, employing Lafay (LFI) index, it is revealed that the U.S. has a high level of comparative advantage in exporting cotton, corn, soybeans, and tree nuts in the South Asian countries due to their local demands and dependency on imports. In contrast, U.S. rice showed a comparative disadvantage. Finally, the findings of this study stress the necessity of strategic policy initiatives, trade facilitation programs and logistic partnership to boost U.S. agricultural exports in South Asia.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».