MétaCan
Menu
Retour à la cohorte
Enregistrement W2737660734 · doi:10.1111/twec.12529

Yen or Yuan? The law of one price and economic integration in Asia

2017· article· en· W2737660734 sur OpenAlexaff
Vinh Q.T. Dang, Yu Yang, Kenneth S. Chan

Notice bibliographique

RevueWorld Economy · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésLaw of one pricePrice dispersionConvergence (economics)EconomicsChinaRelative priceMarket integrationPrice levelBenchmark (surveying)East AsiaInternational economicsDispersion (optics)Goods and servicesMonetary economicsMid priceEconometricsMacroeconomicsEconomyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Using highly comparable local retail prices of 146 goods and services across 18 Asian countries over 1990–2014, we analyse price dispersion and test convergence to the law of one price (LOP) for these prices around three price benchmarks—Asia‐average, Japan and China prices—to gain insight about market integration in overall Asia as well relative integration of Asian economies to Japan and China. Cross‐Asia price dispersion around China‐price benchmark, for both tradables and non‐tradables, diminishes significantly over the sample period whereas that around Japan‐price benchmark increases considerably, particularly after the 2008 crisis. There is convergence to the LOP for about half of goods and services in China‐ and Asia‐average price benchmarks. The percentage of convergent prices is significantly smaller in Japan‐price benchmark. Direct estimates of the convergence speed parameter also confirm these observations. Overall, our results show evidence of increasing economic integration in Asia in the last two decades. The process of price convergence appears to be driven by the emergence of China as the centre of economic gravity in the region. There is much room for improvement as economic integration in Asia is still far below that in Europe in the 1990s or USA in the 1980s.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,002
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,085
Tête enseignante GPT0,250
Écart entre enseignants0,165 · 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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld EconomyMême sujetMonetary Policy and Economic ImpactTravaux en français237 207