MétaCan
Menu
Retour à la cohorte
Enregistrement W3007772026 · doi:10.1177/0973801019886481

Are Major US Trading Partners’ Exports and Imports Cointegrated? Evidence from Bootstrap ARDL

2020· article· en· W3007772026 sur OpenAlexaboutno aff
Soo Khoon Goh, Tuck Cheong Tang, Chung Yan Sam

Notice bibliographique

RevueMargin The Journal of Applied Economic Research · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCointegrationDistributed lagEconomicsAutoregressive modelEconometricsVariable (mathematics)Structural breakMathematics

Résumé

récupéré en direct d'OpenAlex

A study by McNown, Sam, and Goh [2018, Applied Economics, 50(13), 1509–1521] has shown that the autoregressive distributed lag (ARDL) bounds test proposed by Pesaran, Shin, and Smith [2001, Journal of Applied Econometrics, 16(3), 289–326] may draw incorrect conclusions on the status of the cointegration test, if the ARDL bounds test is not implemented correctly. We assess the long-run relationship between US exports and imports as well as between its eight major trading partners (Brazil, Canada, China, France, Germany, Japan, Mexico, and the United Kingdom) by applying the newly developed bootstrap ARDL test by McNown et al. (2018). The results show cointegration if exports are used as the dependent variable, but not when imports are being considered as the dependent variable. This suggests that the cointegration result is sensitive to the choice of the dependent variable. We have similar findings when we examine the US and its major trading partners. No long-run relationship exists between exports and imports in the case of the US, which concurs with the finding of Fountas and Wu [1999, International Economic Journal, 13(3), 51–58]. The results also suggest that the US attempts to reduce its bilateral imbalances through targeted trade policies may not be appropriate. JEL Classification: F14, C22

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,236
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,355
Tête enseignante GPT0,350
Écart entre enseignants0,006 · 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 tête enseignante, pas un consensus.

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMargin The Journal of Applied Economic ResearchMême sujetMonetary Policy and Economic ImpactTravaux en français237 207