基于因果机器学习的欧盟-加拿大协定的异质性影响
综合经济学
2025-05-01 v4 经济学
摘要
本文提出了一种因果机器学习方法，用于探讨欧盟-加拿大全面经济贸易协定（CETA）的影响。我们在法国海关数据上提出了一个矩阵完成算法，以获取企业、产品和目的地水平的多维反事实。我们发现平均水平上，产品层面的强化边际存在小但显著的正面影响。另一方面，广泛边际显示出超出常规进入-退出动态的产品替换：没有先前出口的1/8个产品几乎替换了同样数量的不再出口的产品。当我们深入研究异质性时，我们发现该协定的影响在具有比较优势的产品上更高。在多产品企业方面，我们发现他们在加拿大的投资组合通过增加当地市场竞争后向其首要且最常出口的产品重新配置。最后，多维反事实允许我们评估CETA的一般均衡效应。具体而言，我们观察到贸易转移，由于出口到其他目的地被重新定向到加拿大。
引用
@article{arxiv.2407.07652,
title = {The heterogeneous impact of the EU-Canada agreement with causal machine learning},
author = {Lionel Fontagné and Francesca Micocci and Armando Rungi},
journal= {arXiv preprint arXiv:2407.07652},
year = {2025}
}