MétaCan
Menu
Retour à la cohorte
Enregistrement W2078256163 · doi:10.1139/x09-110

Cointegrating relationship and the degree of market integration among the North American softwood lumber product markets

2009· article· en· W2078256163 sur OpenAlexaffvenueabout
Chander Shahi, Shashi Kant

Notice bibliographique

RevueCanadian Journal of Forest Research · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensLakehead UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSoftwoodMarket integrationEconomicsEconometricsCointegrationRanking (information retrieval)MicroeconomicsPulp and paper industryEngineering

Résumé

récupéré en direct d'OpenAlex

Studies in spatial market integration of the North American softwood lumber products have mostly focused on the question of whether prices in distinct market locations are cointegrated or not. However, the informational deficiencies in market integration studies were fulfilled in this analysis by examining a continuum of the degree of market integration rather than using the dichotomous approach whereby markets are deemed either integrated or not. Firstly, the methodology of permanent–transitory decomposition in a multivariate vector error correction model was used to estimate the cointegrating relationship of the North American markets for three categories of softwood lumber products: Spruce–Pine–Fir (SPF), Douglas fir (DF), and Hemlock fir (HF). Secondly, a consistent ranking of the degree of market integration was constructed by estimating the reaction time for prices to return back to the steady-state equilibrium, using generalized impulse response functions and persistence profiles. Our results indicate that the long-run price equilibrium relationship for all SPF and HF products is driven by both the production (in Canada) and consumption (in USA) sides of the markets, whereas that for DF products is driven by the consumption (USA) side only. Generally, the degree of market integration for HF products is lower than that for SPF products and higher than that for DF products.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,566
Score d'incertitude au seuil0,970

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,042
Tête enseignante GPT0,284
Écart entre enseignants0,243 · 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

Citations12
Publié2009
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Management and PolicyTravaux en français237 207