Does Currency Devaluation Improve the Trade Balance in the Long Run? Evidence from Malawi
Notice bibliographique
Résumé
Abstract: This paper explores the impact of nominal exchange rate devaluation on the trade balance for Malawi. A small‐open economy IS‐LM aggregate supply model of Malawi estimated using time series data covering the period 1967–96 is used in the simulation analysis. The results of the simulation experiment show that devaluation helps to improve export performance and to curtail the growth of imports in the long run, which lead to improvement in the trade balance position. The results provide evidence supporting the view that nominal devaluation can indeed be a quite powerful tool in minimizing the imbalances in Malawi's international trade. Résumé: Le présent article analyse l’incidence de la dévaluation du taux de change nominal sur la balance commerciale du Malawi. Ses auteurs se servent d’un modèle IS‐ML d’entreprise en économie ouverte spécialisée dans la fourniture d’agrégats, censé utiliser des données chronologiques concernant la période 1967 à 1996, a pour effectuer cette analyse. Les résultats de cet exercice de simulation montrent que la dévaluation contribue, à long terme, à améliorer la qualité des exportations — et, partant, la situation de la balance commerciale — et à freiner la croissance des importations. Ils viennent, en outre, appuyer la théorie selon laquelle la dévaluation peut, en réalité, contribuer sensiblement à réduire les déséquilibres du commerce international au Malawi.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».