MétaCan
Menu
Retour à la cohorte
Enregistrement W1554411802

What Caused the Great Moderation? Some Cross-Country Evidence

2005· article· en· W1554411802 sur OpenAlexaboutno aff
Peter M. Summers

Notice bibliographique

RevueEconometric Reviews · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreat ModerationEconomicsLuckModerationVolatility (finance)Developed countryDeveloping countryInternational economicsDevelopment economicsMonetary economicsEconomic growthFinancial economics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Over the last 20 years or so, the volatility of aggregate economic activity has fallen dramatically in most of the industrialized world. The timing and nature of the decline vary across countries, but the phenomenon has been so widespread and persistent that it has earned the label: ?the Great Moderation.? A growing body of research has focused on the Great Moderation and its possible explanations, especially as it applies to the U.S. experience. The literature documents the international dimension of this volatility reduction, but so far little is known about the possible causes from a cross-country perspective. Summers shows why the Great Moderation has indeed been a common feature of much of the industrialized world. Specifically, he focuses on the reduction in the volatility of GDP growth that occurred in the G-7 countries (Canada, France, Germany, Italy, Japan, the United Kingdom, and the United States) and Australia. He uses international evidence to evaluate the merits of three likely explanations. He concludes that, from an international perspective, good luck in the form of smaller energy price shocks is not a compelling explanation for widespread moderation of GDP growth volatility. Rather, the Great Moderation is more likely due to better monetary policy outcomes and improved inventory management techniques.

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)0,026
score de la tête « metaresearch » (Gemma)0,050
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,050
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0030,005
Études des sciences et des technologies0,0020,003
Communication savante0,0040,003
Science ouverte0,0020,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,087
Tête enseignante GPT0,305
Écart entre enseignants0,218 · 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'étudeObservationnel
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

Citations191
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconometric ReviewsMême sujetMarket Dynamics and VolatilityTravaux en français237 207