MétaCan
Menu
Retour à la cohorte
Enregistrement W2464678855 · doi:10.2298/pan1603339d

The sustainability of current account in the presence of endogenous multiple structural breaks: Evidence from developed and developing countries

2016· article· en· W2464678855 sur OpenAlexaboutno aff
Fikret Dülger

Notice bibliographique

RevuePanoeconomicus · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCointegrationNull hypothesisEconomicsSustainabilityNull (SQL)Current accountStructural breakDeveloping countryCreditorEconometricsMacroeconomicsMonetary economicsInternational economicsEconomic growthBiologyExchange rate

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to test for the sustainability of current account in 18 developed and 10 developing countries. The stability of the relationship between export (inflows) and import (outflows) is assessed using the tests proposed by Mohitosh Kejriwal and Pierre Perron (2010). In particular, the nature of the long-run relationship, when multiple regime shifts are identified endogenously, is analyzed using the residual-based test of the null hypothesis of cointegration with multiple breaks proposed by Kejriwal (2008). The results clearly indicate that, for all countries, (i) the stability tests reject the null of coefficient stability of the long-run relationship between exports and imports; (ii) the cointegration tests that correspond to the number of breaks selected reject the null of cointegration (weak form of sustainability); and (iii) the strong form of sustainability hypothesis is not supported by the data for all countries in most regimes but not for 20 of 28 countries especially in the last regime (the post-2000 era). For eight countries (Canada, New Zealand, Spain, Brazil, Mexico, South Africa, Thailand, and Turkey), the findings may be perceived as a warning to creditors and policymakers unless there are policy distortions or permanent productivity shocks to the domestic economies.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,111
Tête enseignante GPT0,273
Écart entre enseignants0,162 · 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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePanoeconomicusMême sujetMonetary Policy and Economic ImpactTravaux en français237 207