MétaCan
Menu
Retour à la cohorte
Enregistrement W2127638320 · doi:10.17016/ifdp.2003.777

Revisiting the Border: An Assessment of the Law of One Price Using Very Disaggregated Consumer Price Data

2003· article· en· W2127638320 sur OpenAlexaboutno aff
Charles Engel, John H. Rogers, Shing-Yi Wang

Notice bibliographique

RevueInternational Finance Discussion Paper · 2003
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal Financial Crisis and Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLaw of one priceEconomicsRelative pricePrice levelPrice indexProducer price indexPopulationClothingEconometricsMonetary economicsMid priceGeographyDemography

Résumé

récupéré en direct d'OpenAlex

We reexamine the evidence for border effects in deviations from the law of one price, using data for consumer prices from Canadian and U.S. cities. The study parallels Engel and Rogers (1996), except that this study uses actual price data rather than price index data. We find evidence of border effects both in the levels of prices and the percentage change in prices. Even accounting for distance between cities and relative population sizes, we find that the absolute difference between prices in the U.S. and Canada in our data (annual from 1990 to 2002) is greater than seven percent. This difference exists among tradables and nontradables, though for some categories of tradables (clothing and durables) the difference is smaller. The findings are similar for annual changes, though the magnitude is smaller: the border accounts for a difference in 1.5 percent in annual (log) price changes. Relative population sizes and distance are helpful in explaining price level differences (between Canadian and U.S. cities) for traded goods, but are less helpful in explaining price level differences for nontraded goods or for accounting for differences in price changes for either traded or nontraded goods.

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)0,019
score de la tête « metaresearch » (Gemma)0,096
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 enseignants0,058
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,096
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,011
Études des sciences et des technologies0,0010,004
Communication savante0,0040,007
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,051
Tête enseignante GPT0,334
Écart entre enseignants0,283 · 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

Citations18
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Finance Discussion PaperMême sujetGlobal Financial Crisis and PoliciesTravaux en français237 207