Assessing the global value chain trade structure of the EU, RCEP and TPP through trade network analysis
Notice bibliographique
Résumé
Using network analysis, the study examines the trade structure of the three largest trade blocs, the European Union (EU), the Regional Comprehensive Economic Partnership (RCEP) and the Comprehensive and Progressive Agreement for Trans-Pacific Partnership (CPTPP). The use of intermediate goods exports data from the OECD TIVA database to assess the trade flow among member countries. It employs centrality measures such as centrality degree, eigenvector, betweenness, and closeness to identify the complex network flow of trade and the extent of trade concentration to countries within each bloc. The results reveal that the EU and RCEP supply chains are dominated by Germany and China, respectively. However, other countries are also acting as a central hub in the EU bloc. Similarly, the CPTPP supply chain is governed by nations such as South Korea, Japan, and Canada. Overall, the EU and RCEP have a dense trade network where countries have deep integration for efficient trade flow. In contrast, in CPTPP, the developed countries have higher participation, and the underdeveloped countries have less participation in trade flow. The findings provide important implications that high dependence on the central hub potentially poses the vulnerability of external/ internal shock in regional trade partnerships. Furthermore, high-quality standards favour developed nations and hinder underdeveloped nations' participation in regional trade partnerships.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».