Exchange Rate Pass-Through into Import Prices: Empirical Evidences from Major Southeast Asian Countries
Notice bibliographique
Résumé
Most of the empirical studies on exchange rate pass-through focus on industrialized countries, and only a few studies have been done for developing countries. In this paper we estimate exchange rate pass-through for four Southeast Asian countries: Indonesia, the Philippines, Singapore and Thailand, by employing cointegration analysis and Error Correction Mechanism. The results of the estimation using quarterly data show that the long run exchange rate pass-through into import prices for Indonesia, the Philippines, Singapore, and Thailand are 0.983, 1.179, 0.200, and 0.800, respectively. When we use monthly data, the estimates of the long run exchange rate pass-through are 0.885, 1.529, 0.109, and 0.396 for Indonesia, the Philippines, Singapore, and Thailand, respectively. To compare exchange rate pass-through in Southeast countries with those of industrialized countries we estimate the exchange rate pass-through of Australia, Canada, and New Zealand. The exchange rate pass-through of Southeast Asian countries do not have systematic difference with the exchange rate pass-through of the sample of industrialized countries. Macro variables that appear to contribute to the variation of exchange rate pass-through across countries sample are inflation and money growth. From micro side, the presence MNCs together with intra-firm trade seems to have contribution for the variation of exchange rate pass-through across countries.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».