For nearly half a century (cf. Hendrik S.
Notice bibliographique
Résumé
omists have known that trade flows were two to three times more volatile than GDP despite the fact that standard theories predicted an elasticity of one. A major puzzle developed in the fourth quarter of 2008 as standard econometric mod-els, which already incorporated these very high elasticities, could only predict 70 to 80 percent of the decline in world trade (see the estimates in Organization of Economic Cooperation and Development (OECD) 2009). Over the next two years, economists have tried, with little success, to improve on this “70 per-cent solution. ” Much progress has been made in building theoretical models to explain why trade elasticities might differ from one, and calibration exercises soon began to match the econometric evidence. For example, Rudolfs Bems, Robert C. Johnson, and Kei-Mu Yi (2010) argue that once one takes into account input-output linkages, one can replicate the elasticity of imports with respect to GDP of three and explain 70 percent of the decline in world trade. Similarly, Jonathan Eaton et al. (2011) obtained an 80-percent solu-tion using a more elaborate general equilibrium model. As a result of this, many economists have been arguing that one needs to consider trade finance-based explanations for why calibration exercises to date have underestimated the decline in world trade. This paper reviews some of the evidence that financial factors may have resulted in a greater decline in exports than were predicted in models without financial frictions. We provide two new
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,003 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,008 |
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 ».