TTIP Projesi ile Beklenen Tarife Değişimlerinin Türkiye Demir Çelik İhracatı Açısından Anlamı ve Değerlendirilmesi
Bibliographic record
Abstract
Son yıllarda AB ve ABD arasında tartışılagelen TTIP projesi, dünya çapında mevcut iktisadi dengeleri değiştirme potansiyeli taşıyan önemli bir projedir. TTIP sürecinin ilerleyen dönemlerinde Türkiye’nin sürece dahil olma yada olmama durumu ile ilgili farklı senaryolar altında endüstriyel ön inceleme ve analizlerin yapılması, gelecekteki gelişmelere hazırlıklı olunabilmesi açısından önemlidir. Bu çalışma ile TTIP projesi neticesinde Türkiye ekonomisinde istihdam, uluslararası ticaret hacmi, diğer endüstrilerle güçlü bağları, milli gelire katkısı açısından dikkate değer olarak düşünülen demir çelik endüstrisi ihracatındaki olası etkiler değerlendirilmeye çalışılmıştır. Türkiye’nin TTIP projesine taraf olması özellikle ABD ile karşılıklı tarifelerin giderilmesi neticesinde ihracat açısından artış sağlayabilecektir. Bu çalışmada, ticaret akışlarının modellenmesinde çekim modelinden faydalanılmış, dışsal değişken olarak TTIP projesinin ilgili ekonomilerde yaratacağı tarife değişimleri ve STA varlığı üzerinden ihracat değişimi bağımlı değişken olarak analiz edilmiştir. Ekonometrik olarak, statik ve dinamik (GMM) panel veri analizlerinden faydalanılmıştır. Bulgulara göre, tarife değişken katsayısı negatif (istatistiksel anlamlı) ve STA yapay değişken katsayısı ise yalnızca GMM (dinamik model yaklaşımı altında) yöntemi altında pozitif (istatistiksel anlamsız) olarak tespit edilmiştir. Hesaplanan katsayıların istatistiksel aralıkları dikkate alınarak uygulanan simülasyon uygulama sonuçlarına göre; ABD ile uygulanagelen tarife seviyelerinin giderilmesi, Türkiye için demir çelik ihacatında önemli seviyede (%18-24) artış yaratabilecektir. Ayrıca, TTIP’in küresel ölçekte yaratabileceği tarife azaltım dalgasının da Türkiye demir çelik ihracatı açısından anlamı dikkate değerdir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.042 | 0.013 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".