MétaCan
Menu
Retour à la cohorte
Enregistrement W7098805116

1 A GENERAL EQUILIBRIUM ANALYSIS OF THE ECONOMIC IMPACT OF THE CANADIAN SOFTWOOD LUMBER TARIFF ON THE WASHINGTON ECONOMY

2015· article· en· W7098805116 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePhytochemistry and Bioactivity Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputable general equilibriumTariffCounterfactual thinkingEconomic impact analysisGeneral equilibrium theoryApplied general equilibriumRest (music)State (computer science)Economic analysis
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Gilbert (Utah State) during the study. We thank Tom Wahl (IMPACT Center, WSU) for providing data and financial support. 2 A sixteen-sector computable general equilibrium model of the Washington economy was used to analyze the effects of the tariff on Canadian softwood lumber imposed in May 2002. Model results indicate that the tariff generates a 0.5 percent increase in Washington lumber output. Lumber imports from Canada decline by 26 percent, while the rest of the US lumber imports from Washington State increase by 5 percent. This illustrates an important distinction between national and regional trade policy analysis. At the state level, there are opportunities to substitute imports from the rest of the US for taxed foreign imports and thus moderate the negative economic impact of lumber tariff. Just as the lumber industry is advantaged by the tariff, the lumber using industries are damaged by the tariff. Counterfactual output reductions ranged between 0.5 percent and 1.5 percent in the downstream industries. On balance, once the Washington economy adjusts to a new equilibrium, the predicted change in gross state product is a very modest loss of roughly 0.002 percent

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,191
Score d'incertitude au seuil0,385

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

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 Opus0,126
Tête enseignante GPT0,401
Écart entre enseignants0,275 · 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'étudeSimulation ou modélisation
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPhytochemistry and Bioactivity StudiesTravaux en français237 207