MétaCan
Menu
Retour à la cohorte
Enregistrement W1978165380 · doi:10.1111/j.1538-4616.2012.00543.x

The Quantitative Importance of News Shocks in Estimated DSGE Models

2012· article· en· W1978165380 sur OpenAlexaff
Hashmat Khan, John D. Tsoukalas

Notice bibliographique

RevueJournal of money credit and banking · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensCarleton UniversitySmiths Detection (Canada)
Organismes subventionnairesnon disponible
Mots-clésDynamic stochastic general equilibriumEconomicsShock (circulatory)Variance (accounting)Inflation (cosmology)Investment (military)EconometricsConsumption (sociology)Monetary economicsSupply shockMonetary policy

Résumé

récupéré en direct d'OpenAlex

We estimate a dynamic stochastic general equilibrium (DSGE) model with several frictions and both unanticipated and news shocks, using quarterly U.S. data from 1954 to 2004 and Bayesian methods. We find that unanticipated shocks dominate news shocks in accounting for the unconditional variance of output, consumption, and investment growth, interest rate, and the relative price of investment. The unanticipated shock to the marginal efficiency of investment is the dominant shock, accounting for over 45% of the variance in output growth. News shocks account for less than 15% of the variance in output growth. Within the set of news shocks, nontechnology sources of news dominate technology news, with wage markup news shocks accounting for about 60% of the variance share of both hours and inflation. We find that in the estimated DSGE model (i) the presence of endogenous countercyclical price and wage markups due to nominal frictions substantially diminishes the importance of news shocks relative to a model without these frictions, and (ii) while there is little change in the estimated contributions of technology news when we restrict wealth effects on labor supply, the contributions of nontechnology news shocks are relatively more sensitive.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,389
Score d'incertitude au seuil0,329

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,140
Tête enseignante GPT0,281
Écart entre enseignants0,141 · 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 tête enseignante, 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

Citations133
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of money credit and bankingMême sujetMonetary Policy and Economic ImpactTravaux en français237 207