Notice bibliographique
Résumé
Abstract The rise in US partisan conflict following the Great Recession led to a popular belief that uncertainty about fiscal policy was impeding output growth. I explore this hypothesis by nesting it in a standard structural vector autoregression (SVAR) model traditionally used for estimating fiscal multipliers. I augment the model with stochastic volatility (a measure of uncertainty) and allow that to interact with the endogenous variables. I consider various trend assumptions, subsamples and information sets and find that the evidence does not support this hypothesis. The results reveal that there is no systematic relationship between fiscal policy uncertainty and output. Moreover, a time-varying parameter version of the model shows that the lack of consistency across specifications is not driven by changes in the transmission of uncertainty shocks over time. Finally, I revisit Fernández-Villaverde, Guerrón-Quintana, Kuester, and Rubio-Ramírez (Fernández-Villaverde, J., P. Guerrón-Quintana, K. Kuester, and J. Rubio-Ramírez. 2015. “Fiscal Volatility Shocks and Economic Activity.” American Economic Review 105: 3352–3384) who find a significant negative relationship between fiscal policy uncertainty and output. I show that when their estimation is modified to incorporate the uncertainty around the estimate of uncertainty, their empirical result falls in line with the findings in this paper.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».